Lesson 22 of 22

세포를 세기 전에 물어야 할 것

22강에서 만든 도구 · 점검 목록 · 다음 걸음

우리가 지나온 길

부	한 일	남은 도구
1~3강	지도를 읽고 낀 것들을 골라냈다	`cells()` · `gene()` · `score()`
4~7강	설계를 보고 조성을 쟀다	`comp()` · `pct()` · `clr()`
8~10강	무엇을 검정 단위로 삼을지 정했다	`sample_permutations()` · 부트스트랩
11~17강	세포 안과 골수계와 세포 사이를 보았다	`SIG` · `pseudobulk()` · 대화 점수
18~22강	주장을 한 줄씩 맞대고 판정했다	판정 코드

High school세포를 세기 전에 물어야 할 것

스무두 강을 점검 목록 하나로 압축하면 이렇다.

순서	물음	강
1	표본이 몇 개인가 (세포가 아니라)	4강
2	조건과 배치가 겹쳐 있나	19강
3	군집 이름을 얼마나 믿을 수 있나	2강
4	섞인 것이 있나 · 한쪽에만 몰렸나	3강
5	비율인가 절대 수인가	5~6강
6	전체와 부분의 방향이 같나	12강
7	검정 단위가 세포인가 표본인가	8 · 13강

일곱 물음이면 대부분의 큰 오류를 미리 잡는다.

분석을 시작하기 전에 던지는 물음이 분석 방법보다 중요하다

결론은 짧습니다. 그 결론을 정확한 크기로 말하는 것이 22강이었습니다.

Python Runs in your browser

import im
import numpy as np
from math import comb

# 22강 전체가 이 몇 줄로 압축됩니다.
lp = im.pct("갈래")
lym = lp.loc["림프계"]

print(f"림프계 비율 : " + " → ".join(f"{lym[s]:.1f}%" for s in im.SAMPLES))
print(f"배수        : {lym['KD_PD1']/lym['WT_CTRL']:.1f} 배")
print(f"표본        : 칸마다 {1} 마리")
print(f"1대3 순열의 최소 p : {1/comb(4,1):.2f}")
print()
print("숫자 네 개. 앞의 셋은 인상적이고, 마지막 하나가 그것을 다 붙잡고 있습니다.")

단일세포 자료를 받으면 이 순서로

설계표를 그린다 — 칸마다 개체가 몇인가. 세포 수가 아니라 개체 수(4강)
소팅·품질을 점검한다 — 의도한 세포만 들어왔나. 한 표본에만 몰린 것은 없나(3강)
조성을 재되 닫힘을 기억한다 — 하나가 내려가면 나머지가 오른다(6강)
세포로 검정하지 않는다 — p 는 세포 수를 따라간다(7·8강)
크기로 말한다 — 구간을 쓸 때는 무엇을 재추출했는지 함께 적는다(10강)
상태는 세포유형 안에서 본다 — 전체 평균은 조성을 재는 도구다(12강)
대화는 가설까지만 — 발현 조합은 여지이지 사실이 아니다(17강)
못 한 것을 적는다 — 지우지도 재지도 못한 혼란변수(19강)

여덟 줄 중 첫 줄이 가장 중요합니다. 설계표를 먼저 그리면 나머지 일곱 줄의 답이 대체로 정해지거든요.

High school이 강의가 남기려는 습관

습관	나온 곳
가장 작은 숫자를 본다 (세포 아니라 표본)	4강
이름표가 결론을 바꾸는지 확인한다	2 · 14강
비율이 묶여 있음을 기억한다	6강
p 값 옆에 n 을 본다	7강
전체와 부분을 함께 본다	12강
대안 설명을 먼저 배제한다	19강
결론의 강도를 증거에 맞춘다	9 · 21강

공통점

일곱 개 모두 "이 숫자가 정확히 무엇을 재고 있나" 를 묻는 습관이다. 계산을 잘하는 것보다 계산하기 전에 무엇을 계산할지 정하는 것 이 훨씬 자주 결과를 가른다.

단일세포 분석의 어려움은 계산이 아니라 해석에 있다

같은 논문을 다루는 다른 강의

생물정보학 데이터셋 첫걸음(/dataset) — 같은 자료로 지도를 만드는 법. 이 강의의 정확한 앞 편입니다.
대식세포와 골수계 첫걸음(/myeloid) — 14·15강에서 자료로 다룬 그 세포들을 세포로 배웁니다. 17~19강이 같은 여섯 아형을 다른 조각으로 다시 나눕니다.
공간전사체 데이터셋 첫걸음(/spatial) — 17강의 거리 문제를 메우는 자료
면역세포 이동과 침윤 첫걸음(/traffic) — 왜 T세포가 종양 안까지 못 들어오는가
bulk RNA-seq 첫걸음(/bulk) — FASTQ 에서 카운트 표까지
생물정보학 첫걸음(/bio) — 카운트 표에서 차등발현·GSEA 까지
miRNA-mRNA 첫걸음(/mirna) — 두 층을 겹쳐 읽기
유전자탐색 첫걸음(/gene) — TCGA 로 네트워크 추론까지

이 자료로 더 할 수 있는 일

T세포만 다시 군집화 — 소진 단계별로 갈리는지 (KD_PD1 만 세포가 넉넉합니다)
이중세포를 찾아 빼기 — 우리는 하지 않았습니다(21강)
골수계 안의 진짜 변화 — 12강에서 조성으로 설명 안 되던 17%
공간 자료와 맞대기 — Cxcl9 를 켠 대식세포가 T세포 곁에 있는지(/spatial)

High school숫자들을 한자리에

숫자	뜻	강
37,585	세포 수	1강
4	표본 수 — 이것이 n 이다	4강
22 / 19	군집 / 세포유형 이름	1~2강
2% → 21%	림프계 비율 (약 9배)	5강
0.25	이 설계로 낼 수 있는 최소 p	8강
6	골수계 아형 수	14강

두 번째 줄과 다섯 번째 줄이 짝이다

표본이 넷이면 최소 p 가 0.25 다. 세포가 3만 7천 개인 것과 무관하게.

이 강의를 한 줄로 줄이면 이 두 숫자의 관계다.

가장 큰 숫자가 아니라 가장 작은 숫자가 결론의 강도를 정한다

🎮 되돌아보기

22강에서 나온 숫자들을 한자리에 모았습니다.

High school다음 걸음

관심	다음 과목
단일세포 분석의 기본기	/tenx
세포의 위치까지 보기	/spatial
세포 간 신호의 생물학	/cytokine
골수계를 깊이	/myeloid
종양 안 T세포	/til · /tcell
통계적 판단	/stat
원자료 처리	/bulk

스스로 해 볼 것

GEO 에서 아무 단일세포 논문의 자료를 하나 받아, 22강의 점검 목록 일곱 항목 을 돌려 보라.

표본이 몇 개인지, 조건과 배치가 겹쳤는지부터 확인하면 그 논문의 결론을 어디까지 믿을지 가 바로 정해진다.

자료를 열기 전에 설계를 먼저 읽는 것 — 이 강의가 남기려는 순서다

🤔 Check yourself

단일세포 자료를 받았을 때 가장 먼저 그려야 할 것은?

🤔 Check yourself

이 강의의 결론을 한 문장으로 옮기면?

🤔 Check yourself

'세포 상태' 를 말할 때 세포유형을 고정해야 하는 이유를 한 줄로 하면?