15강 / 22강

M1 과 순환 단핵구 — 논문 Fig 7 을 네 조건에서 견준다

논문 Fig. 7C~7H · 골수계가 편을 바꾸는가

논문 Fig. 7 의 주장은 딱 두 문장입니다.

📈

M1 유사 단핵구

Ddx54 녹다운 + 항-PD1 을 함께 했을 때 크게 늘어난다

📉

순환 단핵구

Ddx54 녹다운 만으로도 줄어든다

둘의 조건이 다르다는 데 주목하세요. 하나는 병용에서만, 하나는 단독으로도. 같은 자료에서 서로 다른 모양의 변화를 주장하는 것이니 모양까지 맞아야 재현입니다.

고등학생골수계가 편을 바꾸는가

대식세포는 같은 세포가 상황에 따라 다른 일 을 한다. 종양에서는 대개 암을 돕는 쪽(M2 유사)이다.

치료가 그것을 뒤집을 수 있나

M1 유사 (염증형)	M2 유사 (치유형)
암세포 공격 · T세포 도움	혈관 생성 · 조직 재형성 · 면역 억제
IFN-γ · LPS 로 유도	IL-4 · IL-10 · TGF-β 로 유도
종양에 불리	종양에 유리

치료가 M2 를 M1 쪽으로 밀 수 있다면 종양 안의 가장 큰 세포 집단을 아군으로 돌리는 것이다.

세포를 죽이는 대신 편을 바꾸게 하는 것 — 다른 종류의 전략

표본마다 3,000개씩 같은 수로 뽑아 두었으므로 세포 수 차이가 비율을 흔들지 않습니다.

Python 브라우저에서 실행

# 네 조건에서 여섯 아형의 조성 - 조각 12,000개로 우리가 직접 센다
import im
import pandas as pd
pd.set_option("display.width", 120)

표 = im.fig7_comp()
print("세포 수")
print(표.to_string())
print()
print("표본 안 백분율")
비율 = (표 / 표.sum() * 100).round(1)
print(비율.to_string())

5강에서 림프계에 했던 '더한 것보다 큰가' 계산을, 이번에는 골수계 아형에 합니다.

Python 브라우저에서 실행

# 논문의 두 문장을 숫자로 확인한다
import im

표 = im.fig7_comp()
비율 = 표 / 표.sum() * 100

for 아형 in ["M1 유사 단핵구", "순환 단핵구"]:
    r = 비율.loc[아형]
    print(f"=== {아형} ===")
    for s in im.SAMPLES:
        print(f"  {im.KO[s]:<16} {r[s]:>6.1f}%")
    print(f"  KD 단독 효과   : {r['KD_CTRL'] - r['WT_CTRL']:+6.1f} %p")
    print(f"  PD1 단독 효과  : {r['WT_PD1'] - r['WT_CTRL']:+6.1f} %p")
    print(f"  둘을 더하면    : {(r['KD_CTRL'] - r['WT_CTRL']) + (r['WT_PD1'] - r['WT_CTRL']):+6.1f} %p")
    print(f"  실제 병용 효과 : {r['KD_PD1'] - r['WT_CTRL']:+6.1f} %p")
    print()

두 문장이 모두 우리 자료에서 나옵니다 — 모양까지

M1 유사 단핵구 — 11.5% → 13.3%(KD 단독) → 17.3%(PD1 단독) → 28.1%(병용).
단독끼리 더하면 +7.6 %p 인데 실제 병용은 +16.6 %p 입니다. 5강에서 림프계에서 본 것과 같은 모양의 시너지예요.

순환 단핵구 — 27.3% → 13.7%(KD 단독) → 23.2%(PD1 단독) → 22.3%(병용).
이쪽은 Ddx54 를 끄는 것만으로 절반이 됩니다. 항-PD1 은 거의 안 움직여요.

논문이 적은 그대로입니다 — "M1 유사는 동시 처리에서 늘고, 순환 단핵구는 Ddx54 녹다운 단독으로 준다."

(위 숫자는 전체 37,585개로 잰 값입니다. 여러분이 조각 12,000개로 낸 값은 M1 유사 10.2 / 12.8 / 16.7 / 27.7, 순환 단핵구 26.0 / 13.0 / 23.0 / 21.7 — 거의 같습니다. 표본마다 3,000개씩만 봐도 같은 그림이 나온다는 것 자체가, 이 차이가 몇몇 세포의 우연이 아니라는 신호입니다.)

고등학생5강에서 본 것과 같은 모양의 시너지

골수계 조성을 네 조건에서 견주면, 5강의 림프계와 같은 모양(병용 칸에서만 큰 변화)이 나온다.

같은 모양이 두 번 나온 것을 어떻게 볼까

읽기	논리
진짜 시너지	두 계통에서 일관되게 나타남
같은 원인의 두 결과	림프계 변화가 골수계를 바꿨을 수도
같은 교란	둘 다 조성이라 닫힘 효과 공유 (6강)

세 번째를 조심해야 한다

호중구가 크게 줄면 림프계도 골수계 아형도 모두 비율이 오른다. 두 관찰이 독립적인 확인이 아니라 같은 닫힘 효과의 두 얼굴일 수 있다.

그래서 6강에서 만든 CLR 을 여기서 그대로 쓴다.

두 관찰이 같은 교란을 공유하면 서로를 뒷받침하지 못한다

비율은 또 서로 묶여 있습니다 — 6강의 문제가 여기서도

여섯 아형의 비율은 합이 100%입니다. M2형 단핵구가 29.3% 에서 10.4% 로 무너지면 나머지 다섯은 아무 일도 안 해도 저절로 올라갑니다.

M1 유사가 정말 늘어난 걸까요, 아니면 M2형이 내려앉은 자리를 채운 걸까요? 6강에서 만든 중심로그비(CLR) 를 그대로 씁니다.

CLR 로 보아도 방향이 유지되면, 그 변화는 '남이 내려간 덕' 이 아닙니다.

Python 브라우저에서 실행

# 닫힘을 풀고 다시 본다 - 6강에서 만든 CLR 을 그대로
import im
import pandas as pd
pd.set_option("display.width", 120)

표 = im.fig7_comp()
c = im.clr(표)
print("CLR 값 (기하평균 대비 로그비)")
print(c.round(2).to_string())
print()
print("WT_CTRL 대비 변화")
차 = c.sub(c["WT_CTRL"], axis=0)
print(차.round(2).to_string())
print()
for 아형 in ["M1 유사 단핵구", "순환 단핵구"]:
    r = 차.loc[아형]
    print(f"{아형:<14} 병용 {r['KD_PD1']:+.2f}   KD 단독 {r['KD_CTRL']:+.2f}")

고등학생순환 단핵구라는 열쇠

종양 안 대식세포는 어디서 오나? 두 갈래다.

기원	내용
조직 상주 대식세포	배아기부터 있던 것 · 스스로 유지
순환 단핵구 유래	혈액에서 새로 들어와 분화

이 구분이 왜 중요한가

"M1 이 늘었다" 가 두 가지를 뜻할 수 있다.

가능성	뜻
기존 M2 가 M1 으로 전환	세포가 편을 바꿈
새 단핵구가 유입 되어 M1 이 됨	새 세포가 들어옴

같은 관찰인데 기전이 완전히 다르다. 그리고 치료 전략도 달라진다 — 전환을 노릴 것인가, 유입을 늘릴 것인가.

"늘었다" 는 전환일 수도 유입일 수도 있다 — 한 시점의 자료로는 못 가른다

이름이 맞는지 확인한다 — 순환 단핵구는 정말 억제형인가

여기까지는 표지자로 이름을 붙이고 개수를 센 것뿐입니다. "순환 단핵구가 면역을 억제한다" 는 것은 아직 이름에 붙은 설명이지 우리 자료가 보여 준 것이 아니에요.

논문 Fig. 7F 는 그 확인을 합니다 — 순환 단핵구가 아데노신 · 면역관문 · 억제 사이토카인 · 공자극 조절 유전자를 정말 더 켜고 있는지.

이름이 맞는다면 순환 단핵구가 위쪽에, M1 유사가 아래쪽에 있어야 합니다.

Python 브라우저에서 실행

# Fig. 7F - 아형마다 면역억제 축 네 개를 잰다
import im
import numpy as np
import pandas as pd
pd.set_option("display.width", 120)

m = im.mono_mask()
이름 = im.fig7_label(m)
행 = {}
for 축, 유전자 in im.SUPPRESS.items():
    v = im.score_any(유전자)[m]
    행[축] = pd.Series(v, index=이름.index).groupby(이름).mean()
표 = pd.DataFrame(행).round(3)
print("표지자 묶음별 평균 발현 (log 정규화)")
print(표.to_string())
print()
for 축 in 표.columns:
    가장높음 = 표[축].idxmax()
    가장낮음 = 표[축].idxmin()
    print(f"{축:<12} 가장 높은 아형: {가장높음:<14} 가장 낮은 아형: {가장낮음}")

이름이 맞습니다

네 축 가운데 아데노신 생성 · 면역관문 · 공자극 조절 세 축에서 순환 단핵구가 여섯 아형 중 가장 높습니다 (1.104 · 1.978 · 1.690). 그리고 아데노신 축에서 M1 유사 단핵구가 가장 낮습니다 (0.752).

남은 한 축(억제 사이토카인)은 M1 유사가 오히려 조금 높습니다 — 네 축이 모두 같은 편을 들지는 않습니다. Tgfb1 은 대식세포가 상처를 아물릴 때도 쓰는 신호라 항종양 세포에도 켜져 있거든요. 셋이 맞고 하나가 어긋난 것을 그대로 적는 것이 우리가 할 일입니다.

표지자 두 개(Vcan · Ly6a)로 나눈 무리가, 표지자에 들어 있지도 않은 억제 유전자들을 실제로 더 켜고 있다는 뜻입니다. 이름을 붙일 때 쓴 정보와 다른 정보로 확인했으니 순환논증이 아니에요 — 2강과 16강에서 경고한 그 함정을 여기서 피해 갑니다.

논문 Fig. 7F 가 주장한 것이 정확히 이것입니다.

개수가 줄었을 뿐 아니라 '남은 세포가 덜 나쁜가' 까지 봐야 완결됩니다.

Python 브라우저에서 실행

# Fig. 7G - 그 순환 단핵구들이 네 조건에서 억제 유전자를 얼마나 켜고 있나
import im

F = im.facts()["fig7"]["suppress_circulating"]
축들 = list(im.SUPPRESS.keys())
print(f"{'조건':<18}" + "".join(f"{a:>14}" for a in 축들))
for s in im.SAMPLES:
    print(f"{im.KO[s]:<18}" + "".join(f"{F[s][a]:>14.3f}" for a in 축들))
print()
기준 = F["WT_CTRL"]
print("WT + 아이소타입 대비 변화")
for s in im.SAMPLES[1:]:
    print(f"  {im.KO[s]:<16}" + "".join(f"{F[s][a]-기준[a]:>+14.3f}" for a in 축들))

고등학생이 자료로 그 둘을 가를 수 있나

가르는 방법	이 자료로
계보 추적 (형광 표지)	불가 — 별도 실험 필요
시간 경과 자료	불가 — 한 시점
RNA 속도 (velocity)	부분적 — 가정이 많음
순환 단핵구 표지의 잔재	간접적 단서

마지막 줄이 실제로 쓰이는 방법이다

새로 들어온 단핵구는 혈액 단핵구 표지(Ly6C 등)의 흔적을 잠시 갖고 있다. 그것이 남아 있으면 최근 유입 이라는 단서다.

확정적이지는 않다. 그래도 어느 쪽이 더 그럴듯한지 는 말할 수 있다.

그리고 정직하게 적는다

"전환인지 유입인지는 이 자료로 구별할 수 없으며, 계보 추적 실험이 필요하다."

구별할 수 없는 두 설명이 있으면 둘 다 적고 무엇이 필요한지 말한다

여기서 우리가 멈춰야 하는 자리

지금까지 우리가 보인 것 —
✔ 여섯 아형으로 나뉜다
✔ 네 조건에서 조성이 논문과 같은 모양으로 다르다
✔ CLR 로 보아도 방향이 유지된다
✔ 순환 단핵구가 실제로 억제 유전자를 더 켜고 있다

보이지 못한 것 — 이 차이가 처리 때문이라는 것.
군마다 생쥐가 한 마리입니다(4강). 8강에서 셌듯이 1 대 3 순열의 가장 작은 p 는 0.25 예요. 세포를 아무리 많이 봐도 이 벽은 낮아지지 않습니다.

그러니 정확한 문장은 이렇습니다 — "이 네 마리의 종양에서, 골수계 조성은 논문이 그린 모양대로 달랐다." "Ddx54 를 끄면 M1 유사 단핵구가 는다" 는 아직 가설입니다.

🤔 확인 문제

M1 유사 단핵구가 병용군에서 28.1% 인 것을 보고 바로 말할 수 있는 것은?

🤔 확인 문제

순환 단핵구가 억제 유전자(Entpd1·Vsir·Cd80 …)를 실제로 더 켜고 있다는 확인이 순환논증이 아닌 이유는?

🤔 확인 문제

여섯 아형의 비율에 CLR 을 씌우는 이유는?