14강 / 20강

교차제시 — cDC1 의 특기

밖에서 주운 것을 MHC-I 에 얹는다 · 왜 이 세포만 잘하나

`/antigen` 6강에서 다룬 교차제시를 다시 봅니다. 이번에는 누가 하는가에 초점을 둡니다.

밖에서 주운 것 → MHC-I → CD8 T세포

정상 규칙은 '밖의 것 → MHC-II → CD4' 입니다. 교차제시는 그 규칙을 깹니다. 그리고 cDC1 이 특히 잘합니다.

고등학생밖에서 주운 것을 MHC-I 에 얹는다

정상적인 규칙은 이렇다.

항원의 출처	얹히는 MHC	보는 T세포
세포 안 에서 만든 것	MHC-I	CD8 T (죽이는 세포)
세포 밖 에서 먹은 것	MHC-II	CD4 T (돕는 세포)

그런데 문제가 있다

바이러스에 감염된 세포나 암세포를 죽이려면 CD8 T세포 가 필요하다. 그런데 DC 는 그 세포에 감염되지도 암이 되지도 않았다. 밖에서 주운 것 을 CD8 T세포에게 보여 줄 방법이 있어야 한다.

교차제시 — 밖에서 온 항원을 MHC-I 에 얹는 예외적인 경로

예상이 맞은 줄과 빗나간 줄을 함께 읽습니다. 빗나간 쪽이 더 많은 것을 가르쳐 줘요.

Python 브라우저에서 실행

# cDC1 표지자가 있는 세포와 없는 세포를 견준다
import inn
import numpy as np

dc = inn.cells(["수지상세포", "성숙 수지상세포"]).copy()
dc["cDC1"] = inn.score(["Xcr1", "Clec9a"], dc) > 0
print(f"cDC1 표지자 양성 {int(dc['cDC1'].sum()):,}개 · 음성 {int((~dc['cDC1']).sum()):,}개")
print()
관심 = ["Batf3", "Irf8", "Zbtb46", "H2-Ab1", "Cd74", "B2m", "H2-K1", "H2-D1",
        "Il12b", "Cd80", "Cd86"]
표 = dc.groupby("cDC1")[관심].mean().round(3).T
표.columns = ["cDC1 음성", "cDC1 양성"]
표["차이"] = (표["cDC1 양성"] - 표["cDC1 음성"]).round(3)
print(표.to_string())
print()
print("Batf3 · Irf8 · Zbtb46 가 뚜렷하게 높습니다 - cDC1 전사인자들이니까요.")
print("**이름이 맞습니다.** 표지자로 고른 세포가 전사인자도 함께 켜고 있어요.")
print()
print("그런데 - **MHC-I 부품(B2m · H2-K1 · H2-D1)은 오히려 낮습니다.**")
print("cDC1 이 교차제시를 잘한다면 MHC-I 이 더 많을 것 같은데, 반대예요.")
print()
print("예상이 빗나갔을 때 할 말은 셋입니다 -")
print("  ① 표본이 작다 (양성 149개). 작은 무리의 평균은 잘 흔들린다")
print("  ② 교차제시는 **MHC-I 의 양**이 아니라 **적재 경로**의 문제일 수 있다")
print("  ③ 우리 표지자가 진짜 cDC1 을 골랐는지 확실하지 않다")
print()
print("셋 다 가능합니다. **이 자료로는 가르지 못합니다.**")

고등학생어떻게 하는가

기전이 아직 완전히 밝혀지지 않았지만, 두 갈래로 본다.

경로	내용
세포질 경로	파고솜에서 항원을 세포질로 빼내 프로테아좀으로 → 보통의 MHC-I 경로
액포 경로	파고솜 안에서 직접 MHC-I 에 얹음

cDC1 이 잘하는 이유

cDC1 의 특징	기여
파고솜 산성화가 느림	항원이 덜 분해되어 남음
NOX2 발현	산성화를 늦추는 활성산소 생성
CLEC9A (DNGR-1)	죽은 세포의 액틴을 알아봄
파고솜-세포질 수송 능력	항원을 빼내는 기계

여러 특성이 함께 갖춰져야 한다. 그래서 이 일을 잘하는 세포가 하나뿐이다.

여러 조건이 동시에 필요한 기능은 전문 세포가 맡게 된다

순열검정에서 무엇을 섞느냐가 곧 무엇을 묻느냐입니다.

Python 브라우저에서 실행

# 그 차이가 우연일 수 있나 - 뒤섞어 본다
import inn
import numpy as np

dc = inn.cells(["수지상세포", "성숙 수지상세포"]).copy()
양성 = (inn.score(["Xcr1", "Clec9a"], dc) > 0).values
g = "Batf3"
관측 = dc.loc[양성, g].mean() - dc.loc[~양성, g].mean()

rng = np.random.default_rng(11)
n = int(양성.sum())
널 = []
for _ in range(2000):
    i = rng.permutation(len(dc))[:n]
    m = np.zeros(len(dc), bool); m[i] = True
    널.append(dc.loc[m, g].mean() - dc.loc[~m, g].mean())
널 = np.array(널)
p = float((np.abs(널) >= abs(관측)).mean())
print(f"{g} — 관측 차이 {관측:+.3f}")
print(f"라벨을 무작위로 섞었을 때 : 평균 {널.mean():+.3f} · 표준편차 {널.std():.3f}")
if p == 0:
    print(f"이만큼 큰 차이는 2,000번 중 **한 번도** 안 나왔습니다 -> p < {1/2000:.4f}")
    print("(뒤섞기 횟수가 p 의 하한을 정합니다. 0 이라고 쓰면 안 됩니다.)")
else:
    print(f"이만큼 큰 차이가 우연히 나올 확률 p = {p:.4f}  (뒤섞기 2,000번)")
print()
print("**세포를 섞는 순열입니다.** `/checkpoint` 15강에서 본 대로")
print("마우스를 섞는 것이 더 정직하지만 - 여기서는 **한 마리 안에서** 세포를 가른 것이라")
print("세포 순열이 맞는 검정입니다. 무엇을 섞느냐가 무엇을 묻느냐를 정합니다.")

고등학생CLEC9A — 죽은 세포를 알아보는 법

cDC1 은 죽은 세포 를 골라 먹어야 한다. 살아 있는 세포를 먹으면 안 된다.

어떻게 구별하나

CLEC9A 는 F-액틴 을 알아본다. 액틴은 세포 골격 단백질로 세포 안에만 있다.

세포막이 깨진 세포에서만 액틴이 밖으로 드러난다. 그러니 액틴이 보이면 그 세포는 죽은 것 이다.

세포 상태	액틴	CLEC9A
살아 있음	안에 있음	못 붙음
막이 깨짐	드러남	붙음 → 먹음

있어야 할 자리에 없는 것을 신호로 삼는다 — 12강의 세포질 DNA 와 같은 논리

🤔 확인 문제

항암 CD8 반응에 교차제시가 반드시 필요한 이유는?

🤔 확인 문제

cDC1 양성/음성 세포의 Batf3 차이를 검정할 때 세포를 섞는 순열이 맞는 이유는?

🤔 확인 문제

이 강의가 교차제시의 기전을 '어느 쪽이 맞다' 고 말하지 않는 이유는?