Lesson 7 of 20

miRNA 공장이 다시 돌아간다

Drosha · Dgcr8 · Xpo5 · Dicer1 이 함께 올라간다 · 그리고 mi 꾸러미

5강에서 miR-34b/c 가 올라간 것을 봤습니다. 그런데 왜 올라갔을까요?

가능성은 둘입니다.

miR-34 유전자만 전사가 늘었다 (표적을 콕 집은 변화)
miRNA 를 만드는 공장 전체가 빨라졌다 (전반적인 변화)

논문은 후자를 주장합니다 — DDX54 가 miRNA 생성 경로를 억누르고 있었고, 그것을 끄니 공장이 다시 돌아갔다는 것이죠. 이 주장은 mRNA 자료로 검증할 수 있습니다. 공장의 부품들은 전부 단백질이고, 따라서 mRNA 로 존재하니까요.

miRNA 공장의 조립 라인

단계	부품	하는 일
1	Drosha + Dgcr8	핵 안에서 긴 pri-miRNA 를 잘라 헤어핀만 남긴다
2	Xpo5	헤어핀(pre-miRNA)을 세포질로 내보낸다
3	Dicer1 + Tarbp2	헤어핀의 고리를 잘라 22 염기 두 가닥으로 만든다
4	Ago2	다 자란 miRNA 를 싣고 표적 mRNA 를 찾아간다

공장이 빨라졌다면 이 부품들이 함께 올라가 있어야 합니다. 확인해 봅시다.

High schoolmiRNA 공장

miRNA 가 만들어지는 과정은 여러 단계의 가공 이다.

단계	효소	결과
전사	RNA 중합효소 II	pri-miRNA (긴 헤어핀)
1차 절단 (핵)	Drosha + Dgcr8	pre-miRNA (~70 nt)
수출	Xpo5	세포질로
2차 절단	Dicer1	~22 nt 이중가닥
탑재	Ago2 · RISC	작동하는 miRNA

공장 유전자가 함께 올라간다면

특정 miRNA 만 올라간 것이 아니라 전체 miRNA 생산 능력 이 올라간 것일 수 있다.

개별 산물이 늘었나 공장이 커졌나 — 다른 이야기다

공장 부품 여섯 개와, 우리가 끈 유전자 하나.

Python Runs in your browser

import mi

d = mi.dmr()                       # 6강에서 쓴 그 계산 그대로
c = mi.cpm(mi.mrna())

FACTORY = [("Drosha",  "1단계 · 핵 안에서 자른다"),
           ("Dgcr8",   "1단계 · Drosha 의 짝"),
           ("Xpo5",    "2단계 · 세포질로 내보낸다"),
           ("Dicer1",  "3단계 · 고리를 잘라 낸다"),
           ("Tarbp2",  "3단계 · Dicer 의 짝"),
           ("Ago2",    "4단계 · 표적을 찾아간다"),
           ("Ddx54",   "← 우리가 끈 유전자")]

print(f"{'유전자':<9}{'log2FC':>8}{'배수':>7}{'p':>10}   역할")
print("-" * 74)
for g, role in FACTORY:
    r = d.loc[g]
    print(f"{g:<9}{r.logFC:>+8.3f}{2 ** r.logFC:>7.2f}{r.p:>10.4f}   {role}")

High school왜 이 구분이 중요한가

상황	해석	후속 예측
miR-34b 만 올랐다	특정 전사 조절	그 표적만 영향
공장이 커졌다	전반적 상향	많은 miRNA 의 표적이 영향

둘째 경우가 훨씬 광범위한 결과를 낳는다

공장이 커지면 모든 miRNA 가 조금씩 늘어난다. 그러면 수천 개 유전자 가 조금씩 내려간다.

16강에서 82개 계열을 한꺼번에 보는 이유가 이것이다 — 개별 miRNA 가 아니라 전체 규칙 이 성립하는지 확인하려는 것.

조절자가 전반적으로 늘면 결과도 전반적이어야 한다 — 확인 가능한 예측이다

여섯 개 중 여섯 개가 같은 방향

Ddx54 는 내려가고(−0.81), 공장 부품은 전부 올라갔습니다. Ago2 하나만 p값이 0.12 로 문턱을 넘지 못했을 뿐, 방향은 여섯 개 모두 같습니다.

이것이 왜 강한 증거일까요? 우연히 여섯 개가 모두 같은 방향일 확률 때문입니다. 아무 관계 없는 유전자 여섯 개를 뽑았을 때 전부 같은 방향일 확률은 동전 여섯 번 던지기와 같아서 1/32 ≈ 3% 입니다. 게다가 이 여섯은 미리 정해 놓고 본 것입니다 — 결과를 보고 고른 것이 아니라요.

유전자 하나하나가 아니라 집합을 검정합니다. 순열로 귀무분포를 직접 만듭니다.

Python Runs in your browser

import mi, numpy as np

d = mi.dmr()
genes = ["Drosha", "Dgcr8", "Xpo5", "Dicer1", "Tarbp2", "Ago2"]
sub = d.loc[genes]

# 이 여섯 개의 평균 이동이 배경보다 큰가 — 무작위 여섯 개와 견줘 봅니다.
bg = mi.expressed()
obs = sub.logFC.mean()

rng = np.random.default_rng(20260821)
null = np.array([bg.logFC.sample(len(genes), random_state=int(rng.integers(1e9))).mean()
                 for _ in range(4000)])

print(f"공장 여섯 개의 평균 log2FC : {obs:+.4f}")
print(f"배경 전체의 평균           : {bg.logFC.mean():+.4f}")
print(f"무작위 여섯 개보다 큰 경우 : {(null >= obs).mean() * 100:.2f} %  ← 순열 p값")
print()
print("미리 정해 둔 유전자 집합을 통째로 검정하는 것 —")
print("이 방법이 14강부터 우리 주무기가 됩니다.")

High school'mi 꾸러미' 라는 관찰

miRNA 관련 유전자들이 함께 움직이는 것이 관찰된다.

이것을 어떻게 읽나

가능성	내용
공통 조절자가 있다	하나의 전사인자가 다 켬
기능적 되먹임	miRNA 가 많아지면 공장을 조절
세포 상태의 반영	증식·스트레스 상태의 부수 효과
우연	유전자가 많으니 뭉치는 것이 나옴

네 번째를 배제하려면

비슷한 발현 수준의 무작위 유전자 묶음 과 비교한다. 그 묶음도 비슷하게 뭉치면, 우리 관찰은 특별하지 않다.

"함께 움직인다" 는 관찰은 기준선이 있어야 의미가 있다.

묶여 움직이는 것이 특별한지는 무작위 묶음과 견줘야 안다

🎮 공장 실험실

부품별 표본 값을 직접 보고, 어떤 것이 얼마나 확실한지 확인하세요.

High school공장 유전자 자체도 miRNA 의 표적이다

흥미로운 되먹임이 있다. Dicer1 의 3'UTR 에 let-7 결합 자리 가 있다.

고리가 생긴다

단계	내용
1	Dicer 가 let-7 을 만듦
2	let-7 이 Dicer1 mRNA 를 억제
3	Dicer 가 줄어듦
4	let-7 생산이 줄어듦

음성 되먹임 이다. 시스템이 스스로 균형을 잡는다.

이런 구조가 흔하다

조절 시스템은 대개 자기 자신을 조절 한다. 그래야 폭주하지 않는다.

그리고 이것은 분석을 어렵게 만든다 — 원인과 결과가 서로를 물고 있어서 어느 쪽이 먼저인지 자료만으로는 알기 어렵다.

되먹임 고리 안에서는 원인과 결과의 구분이 흐려진다

🤔 Check yourself

공장 부품 유전자들이 함께 올라간 것이 하나만 올라간 것보다 강한 증거인 이유는?

🤔 Check yourself

mi.dmr() 이 하는 일은?

Answer mi.py 안에는 새로운 것이 하나도 없습니다. CPM → log2 → t검정 → BH 라는 같은 순서를 함수로 묶었을 뿐이고, 결과가 캐시되어 두 번째부터 빨라질 뿐입니다.

🤔 Check yourself

Ago2 의 p값이 0.12 라서 문턱을 넘지 못했습니다. 이때 옳은 태도는?