7강 / 20강

bcftools 와 Mutect2 — 무엇이 다른가

제6장 「Mutect2가 하는 일」 · 열린 대체품이 못 하는 것

소설이 Mutect2 를 이렇게 설명합니다.

"Mutect2는 문턱을 하나로 정하지 않고 자리마다 확률을 계산한다. 그 자리의 깊이, 품질 점수, 정렬 확신, 주변 배열까지 넣어서."

6강에서 우리가 손으로 한 뺄셈은 문턱 넷이었습니다. Mutect2 는 그 문턱들을 자리마다 다르게 정합니다.

세 가지 큰 차이

	bcftools call -m	GATK Mutect2
모형	이배체 개체 하나. 기대 VAF 0 · 0.5 · 1.0	세포 무리. VAF 가 연속적인 아무 값이나 될 수 있다
두 시료	따로 부르고 사람이 뺀다	두 시료를 함께 보며 종양-정상 우도비를 계산한다
재조립	정렬을 그대로 믿는다	변이 근처를 다시 조립해(local assembly) 인델·복잡 변이를 바로잡는다
필요한 자원	참조 FASTA 하나	germline resource · PoN · 오염 추정용 자료 — 사람용으로 만들어졌다
낮은 VAF	0.1 아래는 놓치기 쉽다	0.02 까지 노린다

세 번째 줄이 4강에서 본 KIT ITD 와 이어집니다. Mutect2 의 국소 재조립은 짧은 삽입·결실을 훨씬 잘 잡습니다. 그래도 30 bp ITD 는 여전히 어렵습니다 — I 권 4·15강.

VAF 4/80 = 0.05 짜리도 TLOD 를 넘습니다. bcftools 의 생식세포 모형으로는 잡기 어려운 자리입니다.

Python 브라우저에서 실행

# 우도비 — Mutect2 가 자리마다 계산하는 것
import math

def loglik(alt, dp, f, err=0.002):
    "VAF 가 f 일 때 이 관측이 나올 로그우도"
    p = f * (1 - err) + (1 - f) * err
    if p <= 0 or p >= 1: p = min(max(p, 1e-12), 1 - 1e-12)
    return alt * math.log(p) + (dp - alt) * math.log(1 - p)

def best_f(alt, dp):
    return alt / dp if dp else 0.0

cases = [
    ("이야기의 KIT",        51, 61,  0, 31),
    ("생식세포 이형접합",   29, 55, 14, 28),
    ("낮은 VAF subclone",    4, 80,  0, 40),
    ("오류 세 번",           3, 80,  1, 40),
]
print(f"{'자리':<20}{'종양':>10}{'정상':>10}{'TLOD':>9}{'NLOD':>9}   판정")
for name, ta, tdp, na, ndp in cases:
    f = best_f(ta, tdp)
    # TLOD: 종양에 변이가 있다 vs 없다
    tlod = (loglik(ta, tdp, f) - loglik(ta, tdp, 0.0)) / math.log(10)
    # NLOD: 정상이 참조라는 증거
    nlod = (loglik(na, ndp, 0.0) - loglik(na, ndp, 0.5)) / math.log(10)
    ok = tlod >= 6.3 and nlod >= 2.2      # Mutect2 의 옛 기본값
    print(f"{name:<20}{f'{ta}/{tdp}':>10}{f'{na}/{ndp}':>10}"
          f"{tlod:>9.1f}{nlod:>9.1f}   {'체세포 ★' if ok else '탈락'}")
print()
print("TLOD 는 '종양에 변이가 있다' 는 증거, NLOD 는 '정상은 참조다' 는 증거입니다.")
print("두 문턱이 따로 있습니다 — 6강의 비대칭 필터가 여기서는 모형 안에 들어 있습니다.")

그런데 Mutect2 의 부속들이 개에서는 반쯤 비어 있다

부속	하는 일	개에서
`--germline-resource`	gnomAD 빈도로 '이건 흔한 다형성' 을 뺀다	빈약하다. 4강에서 본 ID 열 문제와 같은 뿌리
`--panel-of-normals`	같은 플랫폼 정상 시료 여럿에서 반복되는 잡음을 뺀다	직접 만들어야 한다. 개 정상 WGS 를 모아야 한다
`GetPileupSummaries`	흔한 다형성 자리에서 정상 오염률을 추정	빈도표가 없으면 못 돈다
`FilterMutectCalls`	위 정보를 모아 최종 필터	입력이 비면 하드 필터로 퇴화한다

그러니까 개에서 Mutect2 를 쓰면 모형은 얻고 자원은 못 얻습니다. 그래도 모형만으로도 bcftools 보다 낫습니다 — 낮은 VAF 와 인델에서.

PoN 을 만들려면 같은 플랫폼·같은 프로토콜의 정상 시료가 여럿 필요합니다. 이것이 개인 프로젝트의 한계입니다.

Python 브라우저에서 실행

# PoN 이 없으면 무엇을 못 거르나 — 되풀이되는 잡음
sites = [
    # (자리, 이 자리가 정상 시료 20개 중 몇 개에서 변이로 보였나)
    (47258004,  0, "진짜 드라이버"),
    (47258777, 17, "되풀이 잡음 — 반복 구간 가장자리"),
    (47259010, 14, "되풀이 잡음 — 상동 유전자"),
    (47259240,  1, "드물다. 진짜일 수 있다"),
]
N = 20
print(f"{'자리':>10}{'정상 20개 중':>14}{'PoN 있으면':>14}{'PoN 없으면':>14}")
for pos, n, memo in sites:
    with_pon = "제거" if n >= 2 else "통과"
    print(f"{pos:>10}{f'{n}/{N}':>14}{with_pon:>14}{'통과':>14}   {memo}")
print()
kept_with = sum(1 for p, n, _ in sites if n < 2)
print(f"PoN 있으면 후보 {kept_with} 개, 없으면 {len(sites)} 개")
print()
print("되풀이 잡음은 시료를 바꿔도 같은 자리에서 납니다 — 그래서 여럿을 모아 보면 보입니다.")
print("개에서는 그 '여럿' 을 스스로 모아야 합니다. 로지는 한 마리였습니다.")

그래서 워크숍은 어느 쪽인가

🎓

교실에서는 bcftools

몇 초에 돌고, 설치가 가볍고, 사람용 자원을 하나도 안 쓴다

🔬

실무에서는 Mutect2

모형이 낫다. 다만 개에서는 부속을 스스로 채워야 한다

📖

이야기는 Mutect2

폴이 실제로 쓴 것. 4,847개가 거기서 나왔다

이 강의가 둘 다 가르치는 이유가 그것입니다. 노트북에서 손으로 하는 뺄셈이 Mutect2 안에서 무슨 일이 일어나는지를 보여 주고, Mutect2 를 알면 노트북의 뺄셈이 무엇을 못 하는지가 보입니다.

🤔 확인 문제

Mutect2 와 bcftools call -m 의 가장 근본적인 차이는?

🤔 확인 문제

개에서 Mutect2 를 쓸 때 실제로 잃는 것은?

해설 모형과 재조립은 그대로 얻습니다. 잃는 것은 주변 자원입니다. 그것들이 비면 FilterMutectCalls 가 사실상 하드 필터로 퇴화합니다. I 권 18강의 표에 이 항목들이 함께 정리돼 있습니다.

🤔 확인 문제

Panel of Normals(PoN)가 걸러 주는 것은?