11. 문턱 — 옮기면 결론이 옮겨진다 · 손박사의 애완견 비만세포암 치료제 첫걸음 II

소설이 이 맞바꿈을 정확히 적습니다.

"이 두 가지 때문에 문턱을 어디에 둘지가 문제가 된다. 낮게 두면 오류가 딸려 들어오고, 높게 두면 진짜 변이를 놓친다."

워크숍 노트북 4단계에도 문턱이 있습니다 — MIN_VAF 와 MIN_DP. 그리고 노트북의 마지막 '더 해보기' 가 학생에게 시키는 일이 바로 이것입니다.

종양 커버리지(60x)를 20x 로 낮추면 드라이버 복원이 어떻게 되나요?

MIN_VAF · MIN_DP 필터의 영향은?

탐색이면 민감도를, 임상 보고면 정밀도를 택합니다. 로지는 표적 셋을 고르는 일이었으므로 정밀도 쪽이었습니다.

Python 브라우저에서 실행

# 문턱을 옮기면 목록이 어떻게 변하나 — ROC 처럼
import numpy as np
rng = np.random.default_rng(21)

n_true, n_false = 60, 3000
dp = 60
true_vaf  = rng.beta(3, 6, n_true)          # 진짜 변이: VAF 가 흩어져 있다
false_vaf = rng.beta(1, 120, n_false)       # 오류: 대부분 아주 낮다

t_obs = rng.binomial(dp, true_vaf) / dp
f_obs = rng.binomial(dp, false_vaf) / dp

print(f"{'MIN_VAF':>9}{'남는 진짜':>10}{'남는 거짓':>10}{'민감도':>9}{'정밀도':>9}")
for thr in (0.01, 0.02, 0.05, 0.10, 0.20, 0.35):
    tp = int((t_obs >= thr).sum()); fp = int((f_obs >= thr).sum())
    sens = tp / n_true
    prec = tp / (tp + fp) if tp + fp else 0
    print(f"{thr:>9.2f}{tp:>10}{fp:>10}{sens:>9.1%}{prec:>9.1%}")
print()
print("문턱을 올리면 정밀도가 오르고 민감도가 떨어집니다. 언제나 그렇습니다.")
print("어느 쪽이 나은지는 <무엇을 하려는가> 가 정합니다.")

네 문턱을 함께 움직여 보세요. 남는 목록이 어떻게 달라지는지 나옵니다.

불러오는 중…

실제로 거는 필터 — 여섯 가지

필터	무엇을 거르나	대가
MIN_DP	증거가 얕은 자리	커버리지가 낮은 구간이 통째로 사라진다
MIN_VAF	비율이 너무 낮은 것	subclone 과 순도 낮은 시료를 잃는다
MIN_ALT	변이 리드가 한둘뿐인 것	깊은 자리에서는 별 효과가 없다
가닥 편향 (FS·SB)	한 방향 리드에서만 보이는 것	진짜로 한쪽에만 있는 자리도 있다
리드 위치 편향	리드 끝에만 몰려 나오는 것	—
MAPQ (I 권 14강)	자리를 못 믿는 리드	참조와 먼 구간을 잃는다

넷째와 다섯째가 진짜 오류를 잘 잡습니다. 시퀀싱·정렬 오류는 방향과 위치에 치우침이 있는데, 진짜 변이는 그렇지 않기 때문입니다.

마지막 줄이 중요합니다. '통과했다'가 '깨끗하다'가 아닙니다 — 셀 것이 모자랐을 수 있습니다.

Python 브라우저에서 실행

# 가닥 편향 — 진짜 변이와 오류를 가르는 신호
from scipy.stats import fisher_exact

cases = [
    # (이름, 참조 정방향, 참조 역방향, 변이 정방향, 변이 역방향)
    ("진짜 변이 (KIT)",   5,  5, 26, 25),
    ("한쪽에만 몰림",    18, 17, 12,  0),
    ("살짝 치우침",      20, 18, 15,  9),
    ("깊이가 얕음",       4,  4,  2,  0),
]
print(f"{'자리':<18}{'참조 +/-':>12}{'변이 +/-':>12}{'p':>10}   판정")
for name, rf, rr, af, ar in cases:
    _, p = fisher_exact([[rf, rr], [af, ar]])
    verdict = "가닥 편향 — 의심" if p < 0.05 else "치우침 없음"
    print(f"{name:<18}{f'{rf}/{rr}':>12}{f'{af}/{ar}':>12}{p:>10.3f}   {verdict}")
print()
print("논리는 이렇습니다 — DNA 조각은 양쪽 방향으로 고르게 읽힙니다.")
print("진짜 변이라면 두 방향 리드가 <같은 비율로> 그것을 봐야 합니다.")
print("한 방향에서만 보인다면 그것은 생물학이 아니라 화학이나 정렬의 흔적일 가능성이 큽니다.")
print()
print("깊이가 얕으면 p 값이 커집니다 — <검정력이 없어서> 통과하는 것입니다.")

🤔 확인 문제

VAF 문턱을 올리면 어떻게 됩니까?

🤔 확인 문제

가닥 편향(strand bias) 필터의 논리는?

🤔 확인 문제

문턱을 정한 뒤 반드시 해야 할 일은?