11강 / 22강

세포 안을 본다 — 소진과 세포독성 점수

유전자 묶음의 평균으로 세포 상태를 재는 법

지금까지는 세포를 셌습니다. 이제 세포 안을 봅니다.

T세포가 늘었다고 해서 좋은 것이 아닙니다. 그 T세포가 지쳐 있으면(소진, exhaustion) 종양을 못 죽이거든요. 항-PD1 이 하려는 일이 정확히 그 소진을 푸는 것입니다.

시그니처 점수 — 관련 유전자 여럿의 발현을 평균 내 세포 하나의 상태를 숫자 하나로 만든다.

점수	유전자	뜻
소진	Pdcd1 · Lag3 · Havcr2 · Tigit · Ctla4 · Tox	지쳐서 못 싸운다
세포독성	Gzma · Gzmb · Gzmk · Prf1 · Ifng · Nkg7	죽일 준비가 되어 있다
미접촉	Sell · Tcf7 · Lef1 · Ccr7 · Klf2	아직 항원을 못 만났다

고등학생세포 안을 본다

지금까지는 세포를 셌다. 이제 세포의 상태 를 본다.

유전자 묶음으로 상태를 잰다

"소진(exhaustion)" 이나 "세포독성(cytotoxicity)" 같은 상태는 유전자 하나로 정의되지 않는다. 여러 유전자의 조합 이다.

상태	대표 유전자
세포독성	GZMB · PRF1 · GNLY · NKG7
소진	PDCD1 · HAVCR2 · LAG3 · TOX
증식	MKI67 · TOP2A
기억	SELL · CCR7 · TCF7

이 유전자들의 평균 발현 을 점수로 쓴다.

개별 유전자의 잡음을 평균으로 눌러 상태를 재는 방법

점수를 만들면 아는 답으로 먼저 검산합니다. NK가 세포독성 1위가 아니면 뭔가 잘못된 것이죠.

Python 브라우저에서 실행

import im
import numpy as np

c = im.cells()
print("세포유형마다 점수가 어떻게 다른가 (전체 세포)")
print()
print(f"{'세포유형':<18}" + "".join(f"{k:>10}" for k in im.SIG))
print("-" * 60)
for ct in ["CD8 T세포", "CD4 T세포", "조절 T세포", "NK세포", "B세포",
           "대식세포 (C1q+)", "호중구"]:
    sel = (c["세포유형"] == ct).values
    if sel.sum() < 20:
        continue
    row = [im.score(v)[sel].mean() for v in im.SIG.values()]
    print(f"{ct:<18}" + "".join(f"{x:>10.2f}" for x in row))
print()
print("세포독성은 NK·CD8 T 에서 높고, 소진은 조절 T·CD8 T 에서 높습니다.")
print("점수가 생물학과 맞아떨어집니다 — 일단 믿어도 되겠네요.")

표본마다 T세포가 몇 개인지를 먼저 보세요. 40개로 낸 평균과 400개로 낸 평균은 무게가 다릅니다.

Python 브라우저에서 실행

import im
import numpy as np

# T세포만 골라 네 조건을 견준다
c = im.cells()
tsel = c["세포유형"].isin(im.TCELL).values

print(f"{'표본':<10}{'T세포 수':>9}" + "".join(f"{k:>11}" for k in im.SIG))
print("-" * 58)
for s in im.SAMPLES:
    sel = tsel & (c["표본"] == s).values
    row = "".join(f"{im.score(v)[sel].mean():>11.3f}" for v in im.SIG.values())
    print(f"{s:<10}{sel.sum():>9,}{row}")
print()
print("T세포 수가 표본마다 크게 다릅니다 — 그것부터가 결과입니다.")
print("점수는 그 위에서 읽어야 합니다.")

고등학생점수를 낼 때의 세부

고려할 것	왜
발현량 정규화	세포마다 총 read 가 다름
유전자별 스케일 맞추기	발현 수준이 다른 유전자를 평균하면 큰 것이 지배
배경 보정	비슷한 발현 수준의 무작위 유전자와 비교
탈락 처리	0 이 많으면 점수가 낮게 치우침

세 번째가 중요하다

Scanpy 의 score_genes 같은 함수는 비슷한 발현 수준의 대조 유전자 집합 을 뽑아서 그 평균을 빼 준다.

그러면 "이 세포가 원래 유전자를 많이 발현해서" 점수가 높은 것이 아니라 "이 유전자 묶음이 특별히 높아서" 높은 것을 잡는다.

점수는 절대값이 아니라 배경 대비 얼마나 높은가로 정의해야 한다

고등학생점수의 해석에 조심할 것

함정	내용
점수는 상대값	다른 자료의 점수와 직접 비교 못 함
유전자 묶음이 겹침	소진과 활성화가 같은 유전자를 공유
세포유형에 따라 기준이 다름	NK 의 GZMB 는 원래 높음
연속체를 점수로 압축	여러 축이 하나로 뭉개짐

두 번째가 소진 점수의 고질적 문제다

PD-1, LAG-3 는 소진 표지이면서 활성화 표지 다. 막 활성화된 T세포도 이것들을 켠다.

그러니 "소진 점수가 높다" 가 "지쳤다" 인지 "방금 일했다" 인지 구별하기 어렵다. TOX 같은 소진 특이적 전사인자를 함께 봐야 한다.

같은 유전자가 두 상태에 쓰이면 점수만으로 둘을 못 가른다

🎮 점수 실험실

유전자를 넣고 빼며 점수가 어떻게 움직이는지 보세요.

고등학생다음 강에서 만날 함정

12강에서 같은 점수가 보는 범위에 따라 반대로 움직이는 것을 본다.

미리 생각해 두자

전체 세포에서 세포독성 점수를 재면 오른다. 그런데 T세포만 골라서 재면 내린다. 어떻게 이럴 수 있나?

가능한 설명
세포독성이 높은 세포유형(NK)의 비율이 늘었다
그런데 T세포 하나하나는 오히려 약해졌다

조성 변화 와 세포 상태 변화 가 반대 방향일 때 생기는 일이다. 이것을 심슨의 역설 이라 한다.

전체의 평균이 오르면서 모든 부분의 평균이 내릴 수 있다

🤔 확인 문제

시그니처 점수를 만든 뒤 가장 먼저 해야 할 일은?

🤔 확인 문제

T세포 점수를 비교하기 전에 T세포 수를 먼저 확인하는 이유는?

🤔 확인 문제

AddModuleScore·AUCell 같은 방법들이 공통적으로 하는 일은?