12강 / 20강

내 결과 대 TargetScan — 516 과 436

겹치는 405 · 나만 찾은 111 · TargetScan 만 가진 31, 그 차이의 정체

TargetScan 은 miRNA 표적 예측의 표준 도구입니다. Bartel 연구실이 20년 넘게 다듬어 온 것으로, 논문에서 "예측 표적" 이라고 하면 대개 이것을 뜻합니다.

이 강의에는 TargetScanMouse 8.0 의 생쥐 예측이 실려 있습니다. 우리가 11강에서 직접 찾은 자리와 정면으로 맞춰 봅시다.

고등학생516 과 436

	개수
우리 예측	516
TargetScan	436
겹치는 것	405
우리만	111
TargetScan 만	31

먼저 좋은 소식

405개가 겹친다. TargetScan 의 93% 를 우리가 찾았다. 여덟 줄로 상용 도구의 대부분을 재현 한 것이다.

핵심 규칙이 단순하다는 증거이기도 하다.

겹치는 부분이 크다는 것은 두 방법의 뼈대가 같다는 뜻이다

TargetScan 표는 자리 하나가 한 줄입니다. 유전자 하나에 여러 줄이 있을 수 있습니다.

Python 브라우저에서 실행

import mi

t = mi.targets()
print(f"실린 자리 : {len(t):,}개")
print(f"계열      : {t.family.nunique()}개")
print(f"유전자    : {t.gene.nunique():,}개")
print()
print(t.head(6))
print()
t34 = t[t.family == mi.FAM34]
print(f"miR-34 계열의 자리 : {len(t34)}개, 유전자 {t34.gene.nunique()}개")

범위를 맞추는 것이 먼저입니다 — UTR 을 가진 1,013개 안에서만 견줍니다.

Python 브라우저에서 실행

import mi

# 11강에서 짠 find_sites 와 같은 함수가 mi.sites 로 들어 있습니다.
u = mi.utr()
t34 = mi.targets()
t34 = t34[t34.family == mi.FAM34]

mine = {g for g, s in ((g, mi.sites(s, mi.SEED34)) for g, s in u.items()) if s}
ts   = set(t34.gene) & set(u)              # UTR 을 가진 유전자로 범위를 맞춘다

print(f"내가 찾은 유전자      : {len(mine)}")
print(f"TargetScan 의 유전자  : {len(ts)}")
print(f"둘 다                 : {len(mine & ts)}")
print(f"TargetScan 만         : {len(ts - mine)}")
print(f"나만                  : {len(mine - ts)}")
print()
print(f"재현율 (TargetScan 을 내가 찾아낸 비율) : {len(mine & ts) / len(ts) * 100:.1f} %")

고등학생우리만 찾은 111개

우리가 더 많이 찾았다. 왜일까?

가능성	내용
TargetScan 이 필터링함	보존도 · 접근성 기준으로 걸러냄
3'UTR 정의가 다름	어느 주석 버전을 썼나
전사체 선택이 다름	대표 전사체를 어떻게 골랐나
우리가 규칙을 느슨하게	6mer 를 포함했나 등

첫 줄이 가장 유력하다

TargetScan 은 단순히 서열을 찾는 것이 아니라 여러 종에서 보존된 자리 를 우선한다.

보존되지 않은 자리는 우연일 가능성이 높다 고 보고 거른다. 그러니 TargetScan 이 더 엄격 하다.

더 많이 찾는 것이 더 잘 찾는 것이 아니다 — 가짜도 함께 늘어난다

세 덩어리를 하나씩 읽는다

겹치는 405 개 (93%)

규칙이 같으니 당연합니다. 여덟 줄짜리 함수가 표준 도구의 93% 를 그대로 재현했습니다.

씨앗 규칙은 정말로 단순하다

나만 찾은 111 개

TargetScan 은 여러 종에서 보존된 자리만 남깁니다. 생쥐에만 있는 자리는 버립니다.

우연히 생긴 자리를 걸러 내는 장치

TargetScan 만 가진 31 개

서로 다른 전사체(transcript) 를 봤기 때문입니다. 한 유전자에 3'UTR 이 여러 벌 있습니다.

"유전자의 3'UTR" 은 하나가 아니다

고등학생TargetScan 만 가진 31개

이쪽이 더 흥미롭다. 우리가 놓친 것들이다.

가능성	내용
3'UTR 길이가 다름	TargetScan 이 더 긴 UTR 을 씀
유전자 이름 불일치	같은 유전자를 다른 이름으로
추가 규칙	3' 보조 결합 등
우리 코드의 버그	경계 처리 등

마지막을 먼저 확인해야 한다

31개를 직접 열어 보고 왜 안 찾았는지 확인한다. 버그면 고치고, 규칙 차이면 기록한다.

차이를 설명할 수 있어야 우리 결과를 믿을 수 있다. "대체로 비슷하다" 로 넘어가면 안 된다.

두 방법의 차이를 하나씩 설명할 수 있을 때 그 비교가 완성된다

유전자 목록이 겹쳐도 자리 하나하나까지 같은 것은 아닙니다.

Python 브라우저에서 실행

import mi
import pandas as pd

u = mi.utr()
t34 = mi.targets(); t34 = t34[t34.family == mi.FAM34]
ts_type = {}
for _, r in t34.iterrows():
    ts_type.setdefault(r.gene, []).append(r.site)

# 겹치는 유전자에서 '자리 종류' 까지 같은지 봅니다.
same, diff, rows = 0, 0, []
for g in sorted(set(ts_type) & set(u)):
    m = sorted(k for k, _ in mi.sites(u[g], mi.SEED34))
    t = sorted(ts_type[g])
    if not m:
        continue
    if m == t:
        same += 1
    else:
        diff += 1
        if len(rows) < 6:
            rows.append((g, ",".join(t), ",".join(m)))

print(f"자리 종류까지 완전히 같은 유전자 : {same}")
print(f"뭔가 다른 유전자                 : {diff}")
print()
print(f"{'유전자':<10}{'TargetScan':<24}{'내 결과'}")
print("-" * 70)
for g, t, m in rows:
    print(f"{g:<10}{t:<24}{m}")
print()
print("대부분은 '내가 자리를 하나 더 찾은' 경우입니다 — 보존되지 않은 자리죠.")

🎮 대조 실험실

두 목록을 벤 다이어그램으로 보고, 어느 쪽에만 있는 유전자를 직접 열어 보세요.

고등학생어느 목록을 쓸 것인가

선택	장점	대가
우리 목록 (516)	많음 · 규칙이 명확	가짜가 더 섞임
TargetScan (436)	보존도 필터링됨	진짜를 놓칠 수 있음
교집합 (405)	가장 확실	가장 적음

목적이 정한다

검정력 이 필요하면 큰 목록이 낫다 — 14강처럼 집합 검정을 할 때는 수가 많아야 한다.

정확도 가 필요하면 교집합이 낫다 — 개별 표적을 실험으로 확인할 때는 확실한 것부터.

그리고 어느 쪽을 썼는지 반드시 밝힌다

같은 자료로도 표적 목록을 바꾸면 결론이 달라진다. 그러니 그것도 결과의 일부다.

표적 목록의 선택은 전처리 선택이고, 전처리 선택은 결과의 일부다

🤔 확인 문제

내가 찾은 자리가 TargetScan 보다 많은 가장 큰 이유는?

🤔 확인 문제

TargetScan 에는 있는데 내 결과에는 없는 31 개가 생기는 주된 이유는?

🤔 확인 문제

여덟 줄짜리 함수가 표준 도구의 93% 를 재현했다는 사실에서 얻을 결론은?