Lesson 20 of 20

정리 — 이 지도를 들고 어디로 갈 것인가

20강에서 얻은 말 · 말할 수 있는 것과 없는 것 · 다음 강의

20강을 지나왔습니다. 무엇이 손에 남았는지 정리합니다.

부	얻은 말	논문의 어디
1~5강	나와 남 · 선천/적응 · 항원제시 · TCR · 신생항원 · TMB	제목 · 초록 · Fig 1
6~10강	종양미세환경 · 염증/배제/사막 · 면역관문 · CD47/CD38 · M1/M2	Fig 1 · 6 · 7
11~14강	미접촉/효과/기억 · 소진 · 조절 T세포 · NK/B/DC	Fig 5 · 8
15~18강	ICI · 예측 지표와 AUC · 태아 위장술 · 측정 도구의 맞바꿈	Fig 4 · SI Fig S5
19~20강	논문을 읽는 순서 · 그림의 사슬	전체

High school20강을 다섯 덩어리로

수고하셨습니다. 마지막 강입니다. 스무 강을 다섯 덩어리로 접어 봅시다.

부	한 줄로	가장 중요한 하나
1~5강	면역이 푸는 물음과 그 대가	나인가 남인가 · 공짜 점심은 없다
6~10강	암이 사는 동네와 그 동네의 규칙	면역 사막 · 배제 · 염증
11~14강	T세포의 상태와 다른 배역들	같은 100개도 상태가 다르면 뜻이 다르다
15~18강	약과 측정 — 무엇을 얻고 무엇을 잃나	재는 자가 판정을 가른다
19~20강	논문을 읽는 법	배경 → 문제 → 한 일 → 결과

솔직히 말하면 — 이름은 잊어버릴 겁니다

CD47 이 뭐였는지, TIM-3 가 뭐였는지는 몇 달 뒤에 잊습니다. 괜찮아요. 찾아보면 되니까요.

남아야 하는 것은 생각하는 방식입니다 —

한쪽을 좋게 하면 다른 쪽이 나빠진다 (1강 문턱)
관찰 하나에 원인이 여럿일 수 있다 (14강 사슬)
무엇을 뺐는지 알아야 결론을 어디까지 믿을지 안다 (3 · 7강)
정의에 쓴 값으로 그 정의를 예측하면 안 된다 (16강)
보지 않은 것은 없는 것이 되지 않는다 (10 · 14강)

이 다섯 가지는 면역학과 아무 상관없는 곳에서도 그대로 쓰입니다. 뉴스를 읽을 때, 통계를 볼 때, 수행평가 보고서를 쓸 때요.

개념 강의이지만 숫자는 전부 진짜입니다 — 어느 강의가 계산했는지까지 적혀 있습니다.

Python Runs in your browser

# 이 강의에서 실제로 쓴 숫자들 - 전부 다른 강의가 원자료로 계산한 값입니다
import imm

F = imm.facts()
d = imm.pan()
유형 = imm.classify(d)

print("이 강의가 쓴 자료")
print(f"  TCGA 환자 (H&E TIL 지도 있음)  : {len(d):,}명 · {len(F['types'])}개 암종")
print(f"  그중 항원제시 경로 정상        : {int((d.항원제시변이==0).sum()):,}명")
print(f"  면역염증 / 배제 / 사막         : "
      f"{int((유형=='면역염증').sum()):,} / {int((유형=='면역배제').sum()):,} / "
      f"{int((유형=='면역사막').sum()):,}")
print()
pc = F["pancancer"]
print("논문 Fig 1B 재현 (/gene 3강)")
print(f"  TMB-H 중 면역사막 비율        : {pc['funnel']['desert_pct']}%  (논문 '약 30%')")
t = pc["tmb_test"]
print(f"  사막 vs 염증 TMB 중앙값        : {t['desert_med']} vs {t['inflamed_med']}"
      f"  (p = {t['p']}) - 차이 없음")
print()
my = F["myeloid"]
print("논문 Fig 7 재현 (/immune 15강)")
print(f"  단핵구·대식세포                : {my['n_cells']:,}개")
print(f"  M1 유사  WT->병용             : {my['pct']['WT_CTRL']['M1 유사 단핵구']}% -> "
      f"{my['pct']['KD_PD1']['M1 유사 단핵구']}%")
print(f"  순환    WT->KD 단독           : {my['pct']['WT_CTRL']['순환 단핵구']}% -> "
      f"{my['pct']['KD_CTRL']['순환 단핵구']}%")
print()
tc = F["tcell"]
print("논문 Fig 8 재현 (/spatial 19강)")
맞은 = sum(1 for c in tc["claims"] if c["ok"])
print(f"  네 방향 주장 중 같은 방향      : {맞은} / {len(tc['claims'])}")
for c in tc["claims"]:
    print(f"    {'O' if c['ok'] else 'X'} {c['what']:<20} {c['wt']:>5.1f}% -> {c['kdpd1']:>5.1f}%")

말할 수 있는 것과 말할 수 없는 것

이제 말할 수 있다

· 논문 초록과 그림 캡션을 혼자 읽는다
· 면역치료가 왜 일부에게만 듣는지 세 갈래로 설명한다
· '면역사막' 과 '면역배제' 를 구별해 쓴다
· 바이오마커 논문의 순환논증을 알아본다
· 측정 도구를 고를 때 무엇을 잃는지 안다

아직 말할 수 없다

· 자료로 직접 확인하는 일 — 계산은 안 배웠다
· 실험을 설계하는 일 — 대조군 · 반복 · 검정력
· 이 논문의 결론을 평가하는 일 — 재현해 봐야 안다
· 임상 판단 — 이 강의는 연구를 다뤘지 진료를 다루지 않았다

오른쪽 칸을 채우는 것이 이 사이트의 다른 강의들입니다.

High school할 수 있게 된 것과 아직 못 하는 것

이 md 셀이 정직한 자기 평가를 합니다. 이런 걸 적는 강의가 드물어요.

이제 할 수 있는 것

논문 초록과 그림 캡션을 혼자 읽는다
면역치료가 왜 일부에게만 듣는지 세 갈래로 설명한다
면역 사막과 면역 배제를 구별해 쓴다
바이오마커 논문의 순환논증을 알아본다
측정 도구를 고를 때 무엇을 잃는지 안다

아직 못 하는 것

못 하는 것	왜	어디서 배우나
자료로 직접 확인하기	계산을 안 배웠다	`/bio` `/til` `/immune`
실험 설계하기	대조군 · 반복 · 검정력을 안 다뤘다	`/invivo` `/wetlab`
이 논문을 평가하기	재현해 봐야 안다	`/gene` `/spatial`
임상 판단	이 강의는 연구를 다뤘지 진료가 아니다	—

못 하는 것을 아는 것도 능력이다

특히 마지막 줄을 강조하고 싶습니다

이 강의는 연구를 다뤘습니다. 진료가 아닙니다.

논문에서 "이 약이 효과가 있다" 를 읽는 것과, 어떤 환자에게 그 약을 쓸지 정하는 것은 완전히 다른 일이에요. 후자에는 이 강의가 다루지 않은 것들이 잔뜩 들어갑니다 — 그 환자의 다른 병, 나이, 삶의 질, 비용, 그리고 본인의 뜻.

아는 것이 늘어날수록 모르는 것의 경계도 함께 그려져야 합니다. 그 선을 못 긋는 것이 어설픈 지식의 가장 위험한 점이에요.

어느 길로 가도 이 20강에서 배운 말이 그대로 쓰입니다.

Python Runs in your browser

# 다음에 어디로 갈까 - 관심사별 추천 순서
길 = {
    "계산을 배우고 싶다":
        ["/py 파이썬 첫걸음", "/bio 생물정보학 첫걸음", "/gene 유전자탐색 첫걸음"],
    "이 논문을 처음부터 재현하고 싶다":
        ["/dataset 데이터셋 다루기", "/bio 차등발현과 GSEA", "/gene ARACNE-VIPER-DIGGIT",
         "/immune 단일세포", "/spatial 공간전사체"],
    "알고리즘 자체가 궁금하다":
        ["/arac 아라크네", "/viper 바이퍼", "/diggit 디지트"],
    "실험을 배우고 싶다":
        ["/wetlab 세포배양", "/perturb 유전자 조작", "/molassay 분자 정량",
         "/invivo 동물실험", "/cytohist 유세포·조직"],
    "면역세포를 직접 세어 보고 싶다":
        ["/til H&E TIL 지도", "/immune 단일세포 면역지도", "/spatial 공간전사체"],
}
for 관심, 순서 in 길.items():
    print(f"[{관심}]")
    for i, c in enumerate(순서, 1):
        print(f"   {i}. {c}")
    print()

High school이 강의의 숫자는 전부 남이 계산한 것입니다

위 코드가 이 강의에서 쓴 숫자를 한자리에 모읍니다. 그리고 하나하나에 어느 강의가 계산했는지가 적혀 있어요.

개념 강의인데도 숫자는 전부 진짜다

왜 이렇게 했을까

보통 개념 강의는 숫자를 대충 씁니다. "약 30%", "대략 절반" 처럼요. 그게 편하고, 어차피 개념만 전달하면 되니까요.

그런데 이 강의는 그렇게 안 했습니다. 이유가 둘입니다.

이유	설명
확인할 수 있다	어느 강의 몇 강에서 나온 값인지 적혀 있으니 가서 볼 수 있다
틀리면 드러난다	출처가 있으면 누군가 확인하고 틀린 것을 잡아낸다

출처를 적는 것은 예의가 아니라 안전장치다

비유 — 시험 답안에 풀이 쓰기

답만 쓰면 맞았는지 틀렸는지만 압니다. 풀이를 쓰면 어디서 틀렸는지 알 수 있고, 부분점수도 받죠.

그리고 나중에 내가 다시 봐도 이해가 됩니다. 출처를 적는 것이 정확히 그 일이에요.

여러분이 보고서를 쓸 때

인터넷에서 찾은 숫자를 그냥 적지 마세요. 대신 —

어디서 왔는지 적는다
가능하면 원 출처까지 타고 올라간다 (블로그 → 기사 → 논문)
내가 직접 센 것과 빌려 온 것을 구별해 적는다

귀찮아 보이지만 이게 남과 나를 구별하는 가장 단순한 표시입니다. 12강에서 "지어낸 숫자를 지어냈다고 적기" 를 배웠죠. 같은 이야기예요.

면역학이 어려운 진짜 이유

이름이 많아서가 아닙니다. 같은 장치가 상황에 따라 정반대 일을 하기 때문입니다.

· 소진은 조직을 지키는 장치인데, 암에서는 방해가 됩니다(12강).
· M2 대식세포는 상처를 아물리는데, 암에서는 종양을 돕습니다(10강).
· 조절 T세포는 자가면역을 막는데, 암에서는 브레이크가 됩니다(13강).
· 태반 관용은 아기를 살리는데, 암이 훔쳐 씁니다(17강).

그래서 "이 세포는 좋은 편/나쁜 편" 이라고 외우면 반드시 틀립니다. 물어야 할 것은 언제나 "지금 이 맥락에서 무엇을 하고 있나" 예요.

이 강의가 남기고 싶은 습관이 그것입니다. 말을 외우는 것이 아니라, 말이 가리키는 맥락을 함께 묻는 것.

High school면역학이 어려운 진짜 이유

마지막 note 가 이 강의의 진짜 결론입니다. 다시 읽어 봅시다.

이름이 많아서가 아니다.
같은 장치가 상황에 따라 정반대 일을 하기 때문이다

이 강의에서 나온 네 가지 예

장치	원래는	암에서는
소진 (12강)	조직을 지키는 안전장치	방해가 된다
M2 대식세포 (10강)	상처를 아물린다	종양을 돕는다
조절 T세포 (13강)	자가면역을 막는다	브레이크가 된다
태반 관용 (17강)	아기를 살린다	암이 훔쳐 쓴다

"이 세포는 좋은 편/나쁜 편" 이라고 외우면 반드시 틀린다

비유 — 칼

칼은 좋은 물건인가요, 나쁜 물건인가요?

바보 같은 질문이죠. 누가 어디서 무엇에 쓰느냐에 달렸습니다. 요리사 손에서는 도구이고, 다른 손에서는 흉기입니다. 칼은 그대로인데요.

면역계의 장치들도 그렇습니다. 물건에 성질이 있는 게 아니라 맥락에 성질이 있습니다.

그래서 물어야 할 것

"이건 좋은 거야 나쁜 거야?" ✘
"지금 이 맥락에서 무엇을 하고 있나?" ✔

이 습관은 면역학 밖에서 훨씬 더 쓸모가 큽니다. 사람도, 제도도, 기술도 마찬가지거든요 — 맥락을 빼고 좋고 나쁨을 정하면 거의 항상 틀립니다.

이 강의가 남기고 싶은 것

말을 외우는 것이 아니라, 말이 가리키는 맥락을 함께 묻는 것.

스무 강 함께해 주셔서 고맙습니다. 이제 대학생 눈높이로 한 번 더 읽어 보세요 — 같은 본문이 훨씬 잘 읽힐 겁니다. 그게 여러분이 늘었다는 증거예요.

🤔 Check yourself

이 20강을 마친 사람이 아직 할 수 없는 일은?

Answer 말을 아는 것과 확인하는 것은 다릅니다. 확인하려면 계산을 배워야 하고, 그것이 /bio 이후 강의들의 몫이에요.

🤔 Check yourself

면역학에서 '이 세포는 좋은 편' 이라고 외우면 안 되는 이유는?

🤔 Check yourself

이 강의의 숫자들이 전부 다른 강의에서 가져온 값인 이유는?

Answer 숫자에는 출처가 있어야 합니다. 이 강의의 값은 모두 /gene·/immune·/spatial 이 원자료로 계산한 것이고, 그 강의에서 학생이 직접 다시 낼 수 있어요.