9. 0.847 — 얻은 것과 버린 것 · Dr. Son's Canine Mast Cell Tumour Therapeutics, First Steps II

화면의 숫자는 0.847 이었습니다. 0.5 보다 한참 높습니다. 8강에서 봤듯 세포를 아무리 많이 세어도 이형접합으로는 이 숫자가 나오지 않습니다.

소설의 결론이 이것입니다.

성한 쪽 사본을 잃은 것이다

"종양이 자라는 동안 어느 시점에, 멀쩡한 KIT 유전자를 담고 있던 염색체 조각이 통째로 떨어져 나갔다. 이형접합성 소실이라고 부른다. 남은 것은 고장 난 사본뿐이었다."

그래서 임상 파이프라인은 VAF 와 사본수(CNV) 를 나란히 놓고 봅니다.

Python Runs in your browser

# LOH 를 세 가지 방식으로 만들 수 있다 — VAF 만으로는 못 가른다
def vaf(alt_copies, total_copies, purity):
    t = purity * total_copies
    n = (1 - purity) * 2
    return purity * alt_copies / (t + n)

modes = [
    ("정상 — 이형접합",           1, 2, "변이 1 / 정상 1"),
    ("복사 손실 LOH",             1, 1, "정상 사본이 <b>떨어져 나감</b>"),
    ("복사 중립 LOH",             2, 2, "변이 사본이 정상 사본을 <b>대체</b>"),
    ("변이 사본 증폭",            3, 4, "변이 쪽만 <b>늘어남</b>"),
]
print(f"{'상태':<22}{'변이/총 사본':>14}{'순도 85%':>11}{'순도 100%':>11}")
for name, a, t, memo in modes:
    print(f"{name:<22}{f'{a}/{t}':>14}{vaf(a,t,0.85):>11.3f}{vaf(a,t,1.0):>11.3f}")
print()
print("0.847 에 가까운 줄이 둘입니다 — 복사 손실 LOH(순도 85%) 와 복사 중립 LOH.")
print()
print("VAF 하나로는 못 가릅니다. 사본수 자료가 있어야 합니다:")
print("  복사 손실  → 이 구간의 총 사본이 1 로 줄어 커버리지가 낮아진다")
print("  복사 중립  → 총 사본은 2 그대로. 커버리지가 안 변한다")

사본 상태와 순도를 바꿔 보세요. 0.847 을 만드는 조합이 하나가 아닙니다.

Loading…

커버리지로 LOH 를 본다

복사 손실이면 그 구간의 리드가 줄어듭니다. 총 사본이 2 에서 1 로 갔으니 커버리지가 대략 절반쯤이 됩니다 — 정상 세포 혼입만큼 덜 줄어듭니다.

그리고 생식세포 이형접합 자리들의 VAF가 더 좋은 신호입니다. 정상 구간이면 그 자리들의 VAF 가 0.5 근처에 몰립니다. LOH 구간이면 0.5 에서 양쪽으로 갈라집니다.

이 그림이 사본수 분석의 기본 도구입니다. 개에서도 그대로 씁니다 — 생식세포 이형접합 자리만 있으면 되기 때문입니다.

Python Runs in your browser

# BAF 갈라짐 — LOH 를 눈으로 보는 표준 방법
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(9)
n, dp = 300, 60
purity = 0.85

# 정상 구간: 두 사본이 살아 있다 → 기대 BAF 0.5
normal_baf = rng.binomial(dp, 0.5, n) / dp
# LOH 구간: 종양세포는 한 사본만. 정상세포만 0.5 를 낸다
p_hi = (purity * 1 + (1 - purity) * 1) / (purity * 1 + (1 - purity) * 2)
p_lo = ((1 - purity) * 1) / (purity * 1 + (1 - purity) * 2)
loh_baf = np.concatenate([rng.binomial(dp, p_hi, n // 2) / dp,
                          rng.binomial(dp, p_lo, n // 2) / dp])

fig, ax = plt.subplots(1, 2, figsize=(9.2, 2.9), sharey=True)
ax[0].scatter(range(n), normal_baf, s=6); ax[0].set_title("normal region")
ax[1].scatter(range(n), loh_baf, s=6);    ax[1].set_title("LOH region")
for a in ax:
    a.axhline(0.5, ls="--", lw=1); a.set_ylim(0, 1); a.set_xlabel("het SNP")
ax[0].set_ylabel("B-allele frequency")
plt.tight_layout(); plt.show()

print(f"정상 구간 BAF 중앙값     {np.median(normal_baf):.3f}")
print(f"LOH 구간 BAF 두 무리     {p_lo:.3f} 와 {p_hi:.3f}")
print()
print("갈라진 정도가 순도를 알려 줍니다 — 순도가 100% 면 0 과 1 로 완전히 갈라집니다.")

🤔 Check yourself

VAF 0.847 이 말해 주는 것으로 소설이 결론 내린 것은?

🤔 Check yourself

복사 손실 LOH 와 복사 중립 LOH 를 VAF 만으로 구별할 수 있습니까?

🤔 Check yourself

BAF(생식세포 이형접합 자리의 대립유전자 비율) 갈라짐 분석이 개에서도 잘 듣는 이유는?