19강 / 20강

실습 종합 — 코드랩 4~7단계를 줄 단위로

<code>rosie_mct_mrna_vaccine_codelab.ipynb</code> · 3시간 워크숍의 뒤 절반

I 권 19강에서 0~3단계를 읽었습니다. 이제 4~7단계입니다.

단계	하는 일	이 권
4	체세포 변이발굴 — bcftools 로 부르고, 뺄셈으로 드라이버 복원	2~11강
5	네오항원 선별 — 타일링 · DLA-88 PWM · 차등 아그레토프	14~17강
6	mRNA 백신 서열 조립 — IgE · GPGPG · MITD · UTR · polyA	/mrna 13강
7	코돈 최적화 + m1Ψ	18강

6단계는 이 권의 범위 밖입니다 — 서열 설계는 유전체가 아니라 분자생물학입니다. /mrna 13~14강이 그 몫을 합니다.

4단계 — 뺄셈이 실제로 적힌 곳

def call(sample):

    sh(f"{bt} mpileup -f kit_locus.fa -a FORMAT/AD,FORMAT/DP -Q15 -q10 {sample}.sorted.bam "

       f"| {bt} call -m -v -Ov -o {sample}.vcf")

    out = {}

    for ln in open(f"{sample}.vcf"):

        …

        ad = d.get("AD", "0,0").split(","); dp = int(d.get("DP", "0") or 0)

두 시료에 각각 call() 을 돌리고, 그다음이 뺄셈입니다. 6강에서 손으로 한 것과 같은 논리입니다.

여기서 확인할 것은 하나입니다 — 심어 둔 드라이버가 VAF 0.85 근처로 되돌아왔는가.

기대값을 먼저 적어 두고 돌리는 것. I 권 19강과 같은 습관입니다.

Python 브라우저에서 실행

# 4단계 뒤에 학생이 확인해야 할 값 — 미리 계산해 둔다
planted_vaf, cov_t, cov_n = 0.847, 60, 30
read_len, window = 100, 20000

pairs_t = int(cov_t * window / (2 * read_len))
print(f"종양 짝 수        {pairs_t:,}")
print(f"드라이버 자리 깊이 약 {cov_t} ×")
print(f"기대 변이 리드     약 {cov_t * planted_vaf:.0f} 개")
print(f"기대 참조 리드     약 {cov_t * (1 - planted_vaf):.0f} 개")
print()

# 이 깊이에서 관측 VAF 가 얼마나 흔들리나
import numpy as np
rng = np.random.default_rng(3)
obs = rng.binomial(cov_t, planted_vaf, 20000) / cov_t
lo, hi = np.percentile(obs, [2.5, 97.5])
print(f"관측 VAF 의 95% 범위   {lo:.3f} ~ {hi:.3f}")
print()
print("나온 값이 이 범위 안이면 정상입니다.")
print("범위를 벗어나면 앞 단계 어딘가가 잘못된 것입니다 —")
print("  훨씬 낮다  → 정렬 실패, 또는 중복 제거가 변이 리드를 편향되게 지웠다")
print("  훨씬 높다  → 참조 리드가 걸러졌다. -Q/-q 문턱을 확인한다")
print(f"  0 이다     → 드라이버를 못 찾았다. 심는 좌표와 찾는 좌표를 맞춰 본다")

5단계 — 어디에 눈길을 두어야 하나

recovered = {r for r in ["KIT"] if drv}    # 학생이 직접 복원한 유전자

candidates = []

for e in CLINICAL_PANEL:

    midx = mut_index(e["wt_window"], e["mut_window"])

    …

첫 줄이 눈여겨볼 대목입니다. KIT 은 학생이 복원했고, TP53 과 NRAS 는 주어졌습니다.

노트북이 정직하게 적어 둔 것입니다 — CLINICAL_PANEL 의 "recovered": True/False 가 그 표시입니다. 20 kb 창 안에는 KIT 만 있으므로 나머지 둘은 임상 패널에서 가져온 것입니다.

워크숍에서 이 구분을 넘어가면, 학생은 자기가 세 유전자를 다 찾아낸 줄 압니다.

워크숍 당일 4~7단계에서 자주 나는 사고 셋

4단계에서 변이가 0개. 대개 3단계의 BAM 이 비어 있습니다. samtools view -c tumor.sorted.bam 으로 리드 수를 먼저 셉니다.
VAF 가 0.5 근처. 종양과 정상 파일이 바뀐 경우입니다. 정상 쪽에서 변이가 나오면 바로 의심합니다.
5단계에서 후보가 0개. 4단계의 drv 가 비어 있으면 recovered 집합이 비고, KIT 이 패널에서 빠집니다. 4단계로 돌아갑니다.

셋 다 앞 단계의 결과를 먼저 확인하면 막을 수 있습니다. 그래서 각 단계 끝에 숫자를 하나씩 찍어 보게 하는 것입니다.

이 열 줄이 워크숍 뒤 90분의 요약입니다.

Python 브라우저에서 실행

# 워크숍 점검표 — 4~7단계
checks = [
    ("4", "종양 VCF 에 줄이 있다",           "0 줄이면 3단계의 BAM 을 확인한다"),
    ("4", "정상 VCF 에 드라이버가 없다",     "있으면 두 파일이 바뀐 것이다"),
    ("4", "드라이버 VAF 가 0.75~0.93",       "심은 값 0.847 의 95% 범위"),
    ("4", "드라이버 자리 깊이 20× 이상",     "얕으면 앞 단계를 다시 본다"),
    ("5", "recovered 집합에 KIT 이 있다",    "비어 있으면 5단계가 통째로 빈다"),
    ("5", "선별된 펩타이드가 1개 이상",      "%rank < 2 를 만족하는 것"),
    ("5", "야생형보다 변이형이 강하다",      "차등 아그레토프 — 17강"),
    ("6", "카세트가 M 으로 시작한다",        "IgE 신호펩타이드의 첫 글자"),
    ("6", "GPGPG 와 MITD 가 들어 있다",      "링커와 수송신호"),
    ("7", "CAI 가 올라갔다",                 "naive → optimized"),
]
step = None
for s, what, why in checks:
    if s != step:
        print(f"\n[{s}단계]"); step = s
    print(f"  □ {what}")
    print(f"      {why}")
print()
print("전부 통과하면 노트북의 10단계 '재현 판정' 이 6항목을 모두 AGREE 로 냅니다.")

워크숍 진행 — 뒤 90분

시간	무엇	참고 강
90~110분	4단계 — VCF 를 열어 본다. 여덟 열과 FORMAT	2~5강
110~125분	뺄셈 · 드라이버 복원 · VAF 0.847 이 왜 0.5 가 아닌가	6~9강
125~135분	문턱을 옮겨 본다 — 커버리지를 20× 로 낮추면?	11강
135~155분	5단계 — 타일링 · DLA-88 · 차등 아그레토프	14~17강
155~170분	6~7단계 — 서열 조립 · 코돈 최적화	18강 · /mrna
170~180분	10단계 재현 판정 + 말할 수 있는 것과 없는 것	20강

마지막 10분을 반드시 남기세요. 20강이 그 10분을 위한 것입니다.

🤔 확인 문제

4단계 뒤에 드라이버 VAF 가 0.50 근처로 나왔습니다. 가장 먼저 의심할 것은?

🤔 확인 문제

노트북의 CLINICAL_PANEL 에서 KIT 만 "recovered": True 인 이유는?