20강 / 20강

정리 — 선천면역이 정하는 것

20강이 남긴 것 · 말할 수 있는 것과 말할 수 없는 것

⚡

1~9강 · NK

없는 것을 본다 · 균형 · 교육 · ADCC · 세포용해 활성

🌳

10~17강 · DC

아형 넷 · 패턴 · 성숙 · 교차제시 · cDC1 이 병목

🔄

18~20강 · 대화

되먹임 고리 · 공간에서 확인

고등학생선천면역이 정하는 것

스무 강을 한 문장으로 줄이면 이렇다.

적응면역이 무엇을 할지는 선천면역이 먼저 정한다

선천면역이 정하는 것	어떻게
반응을 할 것인가	DC 성숙 여부 (10 · 13강)
어느 항원에	DC 가 무엇을 물고 갔나 (14강)
어떤 종류의 반응	3번 신호 · 사이토카인 (10 · 12강)
CD8 을 부를 것인가	교차제시 · cDC1 (14 · 16강)

T세포는 배우는 쪽이고, 무엇을 가르칠지는 DC 가 정한다

전부 <b>이미 서버에 있던 자료</b>로 만들었습니다 — 새로 받은 것은 GZMA 하나뿐이에요.

Python 브라우저에서 실행

# 이 강의가 자료로 만든 것
import inn

F = inn.facts()
print("1) 자료")
print(f"   마우스 종양 면역세포 {F['n_cell']:,}개 · 유전자 {len(F['genes'])}개")
print(f"   이름표는 이웃 강의 것 - **다시 붙이지 않았습니다**")
print()
print("2) 이름표가 표지자와 맞나")
m = inn.mean_by(["Ncr1", "Klrb1c", "Siglech", "Ccr7"])
print(f"   NK 의 Ncr1 {m.loc['NK세포','Ncr1']:.2f} · pDC 의 Siglech "
      f"{m.loc['형질세포양 DC','Siglech']:.2f} · 성숙 DC 의 Ccr7 "
      f"{m.loc['성숙 수지상세포','Ccr7']:.2f}")
print("   전부 제 세포에서만 높습니다 - 이름표가 맞습니다")
print()
print("3) cDC1 은 드물다")
dc = inn.cells(["수지상세포", "성숙 수지상세포"])
n = int((inn.score(["Xcr1", "Clec9a"], dc) > 0).sum())
print(f"   Xcr1 또는 Clec9a 가 잡힌 DC : {n} / {len(dc):,} = {100*n/len(dc):.1f}%")
print("   평균으로 보면 0.008 이라 '없다' 처럼 보였습니다")
print()
c = F["cyt"]
print("4) TCGA 세포용해 활성")
print(f"   표본 {c['n']:,}개 · H&E 림프구 침윤과 순위상관 {c['til_corr']}")
print(f"   (암종 안에서만 재면 중앙값이 더 낮습니다 - 섞임이 부풀렸어요)")
print()
s = F["spatial"]
배수 = [v["배수"] for v in s["by_sample"].values()]
print("5) 공간 — NK 옆에 DC 가 우연보다 자주")
print(f"   표본 {len(배수)}개 모두 1 초과 : {' · '.join(f'{b}' for b in 배수)}")

고등학생이 강의가 반복해서 만난 문제들

강	문제
11강	평균 0.008 이 149개 세포를 지우고 있었다
14 · 15강	세포를 섞고 마우스를 섞어야 했다
16강	CXCL9/10 을 확인하지 못했다
19강	기대값을 어떻게 세우느냐가 결론을 바꾼다

넷의 공통점

전부 드문 것을 다루는 어려움 이다.

cDC1 은 DC 의 2.3%, DC 는 전체의 1% 미만. 드문 세포는 생물학적으로 중요할수록 통계적으로 다루기 어렵다.

그럼 어떻게 하나

대응	내용
평균 대신 발현 세포 수	11강
세포를 더 많이 읽기	√n 규칙
표적 선별로 농축	드문 세포만 골라 뽑기
단백질 수준 확인	유세포분석 · 조직 염색

드문 것을 보려면 방법 자체를 드문 것에 맞춰 바꿔야 한다

말할 수 있는 것 / 말할 수 없는 것

주제	말할 수 있다	말할 수 없다
이름표	표지자와 잘 맞는다 — NK·pDC·성숙 DC 모두	이름표 자체가 옳은지 (우리가 붙인 게 아니다)
cDC1	DC 의 2~5% 로 드물게 있다	이 세포가 교차제시를 잘하는지 — 기능은 안 쟀다
missing-self	규칙의 모양을 코드로 적었다	실제 문턱값. 전부 모형이다
CYT	암종마다 다르고 H&E TIL 과 0.45 로 상관	누가 만드는지 (NK 인지 CD8 인지)
네 조건 비교	병용에서 NK 가 51→595 로 늘었다	유의성 — 군마다 마우스 한 마리
공간 근접	NK 주변 DC 가 기대보다 14~34% 많고 4/4 표본에서 같다	방향 · 대화 여부 · 이름표의 정확성

고등학생말할 수 있는 것과 없는 것

말할 수 있는 것	말할 수 없는 것
어느 세포가 어떤 표지를 발현하나	치료가 DC 를 바꿨다 (n=1)
아형 배정이 알려진 표지와 맞나	cDC1 비율의 유의한 변화
NK 와 DC 의 공간적 근접성	실제로 대화했다는 것
CYT 점수와 조직 소견의 관계	인과 방향

공간 근접성도 대화의 증거는 아니다

가까이 있는 것은 필요조건 이지 충분조건이 아니다. 16강에서 본 논리와 같다.

실제 대화를 확인하려면 신호를 받은 쪽의 하류 유전자 가 켜져 있는지 봐야 한다.

근접은 가능성을 높일 뿐이다 — 신호가 갔다는 증거는 받은 쪽에 있다

다음은 어디로

🎫 항원제시 /antigen

15강의 'MHC 를 내린다' 를 자세히 — 그리고 그 대가

🚦 면역관문 /checkpoint

16강의 cDC1 병목이 1차 저항과 어떻게 이어지는지

🔬 단일세포 면역지도 /immune

이 강의가 쓴 이름표를 어떻게 붙였는지

🗺️ 공간전사체 /spatial

19강의 좌표 자료를 제대로 다루는 법

고등학생다음 걸음

관심	다음 과목
MHC 를 내리는 회피와 그 대가	/escape
cDC1 병목과 1차 저항	/checkpoint
공간 좌표 자료를 제대로 다루기	/spatial
항원 제시의 세부	/antigen
골수계 세포 전반	/myeloid
NK 를 세포치료로	/celltx
단일세포 분석의 함정	/immune

이 강의가 남기려는 한 문장

면역 반응의 방향은 T세포가 정하는 것이 아니라 그 전에 일어난 일이 정한다.

그리고 그 "그 전에 일어난 일" 은 아주 드문 세포 몇 개 가 좌우한다. 그래서 보기 어렵고, 그래서 자주 놓친다.

가장 중요한 것이 가장 드물어서 가장 보기 어렵다 — 이 분야의 근본적 어려움

🤔 확인 문제

11강에서 cDC1 표지자의 평균이 0.008 인데도 세포가 149개 있었던 것이 주는 교훈은?

🤔 확인 문제

14강(세포 순열)과 15강(마우스 순열)이 다른 이유는?

🤔 확인 문제

19강의 공간 결과가 강한 증거인 이유로 제시된 것은?