Lesson 3 of 22

지도에 낀 것들 — 종양세포 · 정체 불명 · 상태 군집

CD45 로 골랐는데 면역세포가 아닌 것이 섞였다 · 그것도 한 표본에만

이 자료는 유세포분석기로 CD45 양성 세포만 골라 만든 것입니다. CD45(Ptprc)는 거의 모든 면역세포가 켜는 표지죠.

그런데 정말 다 면역세포일까요? Ptprc 를 직접 재어 봅시다.

High schoolCD45 로 골랐는데

이 실험은 CD45 양성 세포만 골라 읽었다. CD45(PTPRC)는 모든 백혈구 에 있는 표지다. 그러니 면역세포만 있어야 한다.

그런데 아닌 것이 섞였다

섞인 것	왜
종양세포	소팅이 완벽하지 않음 · 이중체
정체 불명 군집	표지가 안 맞음
'상태' 군집	스트레스 · 죽어 가는 세포

그리고 중요한 사실 — 그것도 한 표본에만 몰려 있다.

선별은 확률을 바꿀 뿐 0 으로 만들지 못한다 — 늘 섞임을 확인한다

CD45 로 골랐는데도 Ptprc 가 거의 안 켜진 무리가 있습니다.

Python Runs in your browser

import im
import numpy as np

c = im.cells()
p = im.gene("Ptprc")

print(f"{'세포유형':<18}{'Ptprc 켜진 비율':>16}{'평균':>8}{'세포 수':>8}")
print("-" * 52)
rows = []
for ct in c["세포유형"].unique():
    sel = (c["세포유형"] == ct).values
    rows.append((ct, (p[sel] > 0).mean() * 100, p[sel].mean(), sel.sum()))
for ct, det, mu, n in sorted(rows, key=lambda r: r[1]):
    flag = "  ← 면역세포가 아닌 듯" if det < 40 else ""
    print(f"{ct:<18}{det:>15.1f}%{mu:>8.2f}{n:>8,}{flag}")

72개의 침입자

군집 8(72개)은 Hmga2 · Cald1 · Igfbp4 · Pvt1 을 켭니다. 면역세포의 표지가 아니라 종양세포·섬유아세포의 표지예요. CD45 소팅을 빠져나온 LLC1 종양세포로 보입니다.

72개면 전체의 0.19% 니 무시해도 될까요? 어디에 있는지를 봐야 합니다.

High school한 표본에만 몰린 것이 왜 위험한가

불순물이 모든 표본에 고르게 있으면 그나마 낫다. 비교할 때 상쇄되니까.

한쪽에만 있으면

결과	내용
그 표본의 세포 수가 부풀거나 줄어듦	비율이 전부 왜곡
그 표본에서만 특이 유전자가 높아짐	가짜 차이
조건 차이로 오독	기술적 문제가 생물학으로

조건당 표본이 하나뿐이라(4강), 표본 차이와 조건 차이를 구별할 방법이 없다. 불순물이 그 표본 탓인지 그 조건 탓인지 알 수 없다.

반복이 없으면 기술적 잡음과 생물학적 차이가 같은 모양으로 보인다

전체 비율이 낮아도 한 표본에 몰려 있으면 그 표본만 다른 자료가 됩니다.

Python Runs in your browser

import im

c = im.cells()
print("종양세포로 보이는 세포가 표본마다 몇 개나")
print()
sub = c[c["세포유형"] == "종양세포 (오염)"]
for s in im.SAMPLES:
    n = (sub["표본"] == s).sum()
    tot = (c["표본"] == s).sum()
    bar = "█" * int(n / 2)
    print(f"  {s:<9}{n:>4}개 / {tot:,}  ({n/tot*100:>5.2f}%)  {bar}")
print()
print("한 표본에만 몰려 있습니다 — 그 표본의 소팅이 덜 깨끗했다는 뜻입니다.")

High school'상태' 군집이라는 것

어떤 군집은 세포유형 이 아니라 상태 로 뭉친다.

상태 군집	특징 유전자
스트레스 · 해리 반응	FOS · JUN · HSPA1A
죽어 가는 세포	미토콘드리아 유전자 비율 높음
세포주기	MKI67 · TOP2A
적혈구 오염	HBB · HBA

왜 이런 일이 생기나

군집화는 발현이 비슷한 세포를 묶는다. 스트레스를 받은 T세포와 스트레스를 받은 대식세포가 서로 더 비슷해질 수 있다 — 스트레스 유전자가 워낙 세게 켜지니까.

그러면 세포유형이 아니라 상태 로 묶인 군집이 생긴다.

어떻게 다루나

보통 제거하거나 회귀로 그 효과를 뺀다. 그런데 어디까지가 기술적 스트레스이고 어디부터가 생물학적 활성화인지 가르기 어렵다.

측정 과정이 만든 상태와 원래 있던 상태를 가르는 것이 전처리의 어려운 부분이다

이름을 못 붙인 것을 억지로 붙이지 않고 그대로 두는 것도 방법입니다.

Python Runs in your browser

import im

c = im.cells()
# '정체 불명' 군집도 살펴본다 — 표지가 없는 세포들
u = c[c["세포유형"] == "정체 불명"]
print(f"정체 불명 세포 {len(u):,}개 ({len(u)/len(c)*100:.1f}%)")
print()
print(f"{'표본':<10}{'개수':>7}{'그 표본 안 비율':>16}{'UMI 중앙값':>12}{'유전자 중앙값':>14}")
print("-" * 62)
for s in im.SAMPLES:
    sel = u["표본"] == s
    all_s = c["표본"] == s
    print(f"{s:<10}{sel.sum():>7}{sel.sum()/all_s.sum()*100:>15.1f}%"
          f"{u.loc[sel,'UMI'].median():>12,.0f}{u.loc[sel,'유전자수'].median():>14,.0f}")
print()
print(f"전체 세포의 UMI 중앙값 : {c['UMI'].median():,.0f}")
print("정체 불명 세포는 UMI 가 특별히 낮지 않습니다 — 품질 문제는 아닙니다.")
print("표지가 없을 뿐이죠. 이름을 붙이지 않는 것도 정직한 선택입니다.")

🎮 오염 탐지기

Ptprc 와 종양 표지를 지도 위에 겹쳐 보세요.

High school제거할 것인가 남길 것인가

선택	장점	대가
제거	깨끗한 분석	진짜 생물학을 지울 수 있음
남김	정보 보존	결과가 오염됨
표시만	둘 다 해 볼 수 있음	결정을 미룸

이 강의의 원칙

둘 다 해 보고 결과가 달라지는지 본다. 달라지지 않으면 어느 쪽을 골라도 된다. 달라지면 그 사실 자체를 보고 해야 한다.

"불순 군집을 제외하면 결론이 바뀝니다" 는 숨겨야 할 약점이 아니라 중요한 정보 다.

그리고 반드시 기록한다

몇 개 군집을 왜 뺐는지, 세포 몇 개가 빠졌는지. 이것이 없으면 남이 같은 결과를 못 낸다.

전처리 선택은 결과의 일부다 — 숨기면 재현이 안 된다

🤔 Check yourself

종양세포 오염이 한 표본에만 몰려 있는 것이 특히 위험한 이유는?

🤔 Check yourself

'정체 불명' 세포에 억지로 이름을 붙이지 않은 이유로 알맞은 것은?

🤔 Check yourself

CD45(Ptprc) 발현을 세포유형마다 재어 본 목적은?