Lesson 16 of 22

세포 사이의 대화 — 리간드와 수용체

누가 부르고 누가 듣나 · 단일세포 자료로만 볼 수 있는 것

세포는 단백질을 내보내고 받아서 대화합니다. 내보내는 쪽이 리간드, 받는 쪽이 수용체죠.

대식세포 ──[ Cxcl9 ]──▶ T세포 (Cxcr3)

대량 RNA-seq 으로는 이걸 볼 수 없습니다. 조직을 갈아 버리면 누가 Cxcl9 를 만들고 누가 Cxcr3 를 켰는지 알 수 없으니까요.

단일세포 자료로는 봅니다. 방법은 놀랄 만큼 단순합니다 — 리간드를 켠 세포유형과 수용체를 켠 세포유형을 짝지으면 됩니다.

High school세포 사이의 대화

세포는 리간드 를 내보내고 수용체 로 받는다. 단일세포 자료는 어느 세포가 무엇을 내고 어느 세포가 받을 수 있는지 를 동시에 보여 준다.

덩어리로는 못 하는 일

	덩어리	단일세포
리간드 발현	총량만	어느 세포가
수용체 발현	총량만	어느 세포가
짝짓기	불가	가능

덩어리에서 리간드와 수용체가 둘 다 높아도, 같은 세포가 둘 다 낸 것 인지 알 수 없다.

통신을 보려면 보내는 쪽과 받는 쪽을 따로 볼 수 있어야 한다

켜진 비율(발현 세포의 백분율)로 봅니다 — 평균보다 해석이 분명해요.

Python Runs in your browser

import im
import numpy as np

# Cxcl9 - Cxcr3 : T세포를 종양으로 불러들이는 대표적인 축
c = im.cells()
s = "KD_PD1"
sel_s = (c["표본"] == s).values

for gene, role in [("Cxcl9", "리간드 — 보내는 쪽"), ("Cxcr3", "수용체 — 받는 쪽")]:
    v = im.gene(gene)
    rows = []
    for ct in im.comp().index:
        m = sel_s & (c["세포유형"] == ct).values
        if m.sum() >= 30:
            rows.append((ct, (v[m] > 0).mean() * 100, m.sum()))
    rows.sort(key=lambda r: -r[1])
    print(f"── {gene}  ({role})")
    for ct, det, n in rows[:5]:
        bar = "█" * int(det / 3)
        print(f"   {ct:<18}{det:>6.1f}%  {bar}")
    print()

리간드 비율 × 수용체 비율. 곱인 이유는 둘 다 있어야 대화가 성립하기 때문입니다.

Python Runs in your browser

import im
import numpy as np

# 짝을 지어 '대화 점수' 를 만든다
c = im.cells()
PAIRS = [("Cxcl9", "Cxcr3"), ("Ccl5", "Ccr5"), ("Cxcl16", "Cxcr6"),
         ("Cd274", "Pdcd1"), ("Csf1", "Csf1r"), ("Ccl2", "Ccr2")]

def frac(gene, ct, s):
    m = ((c["표본"] == s) & (c["세포유형"] == ct)).values
    return None if m.sum() < 30 else (im.gene(gene)[m] > 0).mean()

send_ct, recv_ct, s = "대식세포 (C1q+)", "CD4 T세포", "KD_PD1"
print(f"{send_ct} → {recv_ct}  ({s})")
print()
print(f"{'리간드':<10}{'보내는 쪽':>10}{'수용체':>10}{'받는 쪽':>10}{'대화 점수':>11}")
print("-" * 54)
for l, r in PAIRS:
    a, b = frac(l, send_ct, s), frac(r, recv_ct, s)
    if a is None or b is None:
        continue
    print(f"{l:<10}{a*100:>9.1f}%{r:>10}{b*100:>9.1f}%{a*b*100:>10.1f}")
print()
print("두 비율을 곱한 것이 가장 단순한 '대화 점수' 입니다.")
print("CellPhoneDB · CellChat 도 뼈대는 이것이고, 여기에 통계와 경로 정보를 붙입니다.")

High school화살표를 그리는 절차

단계	하는 일
1	알려진 리간드-수용체 짝 목록을 가져옴
2	세포유형별 평균 발현을 계산
3	보내는 쪽 리간드 · 받는 쪽 수용체가 둘 다 문턱을 넘으면 연결
4	순열로 우연 수준과 비교
5	그림으로 그림

도구들

CellPhoneDB, CellChat, NicheNet 등이 이 일을 한다. 원리는 같고 짝 목록과 점수 계산 이 조금씩 다르다.

중요한 것은 1단계의 목록이 사람이 만든 데이터베이스 라는 점이다. 목록에 없는 상호작용은 영원히 안 나온다.

알려진 것만 찾을 수 있는 방법이다 — 새 상호작용은 발견하지 못한다

세포가 부족하면 계산하지 않는 것도 결과입니다. 억지로 채우면 그것이 함정이 됩니다.

Python Runs in your browser

import im
import numpy as np

# 네 조건에서 같은 축이 어떻게 변하나
c = im.cells()

def frac(gene, ct, s):
    m = ((c["표본"] == s) & (c["세포유형"] == ct)).values
    return None if m.sum() < 30 else (im.gene(gene)[m] > 0).mean()

print("Cxcl9(대식세포) → Cxcr3(T세포 전체) 축")
print()
print(f"{'표본':<10}{'Cxcl9 켠 대식세포':>18}{'Cxcr3 켠 T세포':>16}{'대화 점수':>11}")
print("-" * 58)
for s in im.SAMPLES:
    a = frac("Cxcl9", "대식세포 (C1q+)", s)
    m = ((c["표본"] == s) & c["세포유형"].isin(im.TCELL)).values
    b = (im.gene("Cxcr3")[m] > 0).mean() if m.sum() >= 30 else None
    if a is None or b is None:
        print(f"{s:<10}{'—':>18}{'—':>16}{'세포 부족':>11}")
        continue
    print(f"{s:<10}{a*100:>17.1f}%{b*100:>15.1f}%{a*b*100:>11.1f}")
print()
print("T세포가 30개도 안 되는 표본에서는 아예 계산하지 않습니다.")
print("적은 세포로 낸 비율은 숫자만 있고 뜻이 없습니다.")

High school순열 검정의 역할

4단계의 순열이 무엇을 하는지 보자.

문제

세포유형이 20가지면 화살표 후보가 20×20 = 400 쌍이다. 거기에 리간드-수용체 짝이 수천 개. 우연히 문턱을 넘는 조합이 많이 나온다.

해결

단계	하는 일
1	세포의 유형 이름표를 무작위로 섞는다
2	같은 계산을 다시 한다
3	수천 번 반복해 우연 분포를 만든다
4	실제 값이 그 분포의 극단에 있으면 유의

"세포유형이 뒤섞여 있어도 이만큼 나올까" 를 묻는 것이다.

우연의 기준선을 자료 자체에서 만들어 낸다 — 순열 검정의 발상

🎮 대화 실험실

리간드-수용체 쌍과 세포유형을 골라 어느 방향으로 신호가 흐르는지 보세요.

High school그림을 어떻게 읽나

보는 것	읽는 법
화살표 개수	그 세포유형이 얼마나 '수다스러운가'
화살표 방향	보내는 쪽 → 받는 쪽
굵기 · 색	점수 · 유의성
조건 간 차이	어떤 대화가 생기거나 사라졌나

가장 흔한 오독

화살표가 많은 세포를 "중요한 세포" 로 읽는 것.

화살표 개수는 그 세포가 발현하는 유전자 수 와 그 세포유형의 세포 수 에 크게 영향받는다. 대식세포는 원래 많은 유전자를 발현하니 화살표가 많다.

17강에서 이런 착시들을 정리한다.

화살표 개수는 생물학적 중요성이 아니라 발현 폭과 세포 수를 반영한다

🤔 Check yourself

대량 RNA-seq 으로 리간드-수용체 분석을 할 수 없는 이유는?

🤔 Check yourself

대화 점수를 두 비율의 곱으로 만드는 이유는?

🤔 Check yourself

T세포가 30개 미만인 표본에서 대화 점수를 계산하지 않은 이유는?