Lesson 5 of 20
실험 근거 — 점수보다 assay 수를 먼저 본다
Step 3 · IEDB host Human · class I+II · 모든 assay 종류
어떤 사람을 뽑아야 할까요.
- 가 — 적성검사 점수가 아주 높다. 실무 경험은 없다
- 나 — 적성검사 점수는 보통이다. 같은 일을 열두 번 해 봤고 기록이 남아 있다
대개 나입니다. 예측은 의견이고 기록은 목격자입니다.
에피토프도 똑같습니다. 2~4강의 자들은 전부 예측이었습니다. 5강에서 처음으로 사람에게서 실제로 재 본 기록을 봅니다.
왜 점수보다 개수인가
예측 점수가 높은 것은 그 도구가 그렇게 생각한다는 뜻입니다. assay 기록이 많은 것은 여러 사람이 여러 방법으로 이미 봤다는 뜻입니다.
| 예측 점수 | assay 수 | |
|---|---|---|
| 무엇인가 | 모형의 출력 | 남이 해 본 실험의 기록 수 |
| 틀릴 수 있나 | 모형이 틀리면 전부 틀린다 | 여러 연구가 독립적으로 재었다 |
| 많으면 | “모형이 확신한다” | “여러 번 재현되었다” |
| 약점 | 학습 자료에 없던 것에 약하다 | 많이 연구된 것에 쏠린다 |
마지막 줄이 중요합니다. assay 수로 고르면 유명한 에피토프가 뽑힙니다. 연구가 많이 된 자리는 기록이 많고, 아무도 안 본 자리는 기록이 0 입니다. 기록이 0 인 것이 나쁜 에피토프라는 뜻은 아닙니다 — 아직 아무도 안 봤다는 뜻입니다.
같은 여덟 후보인데 고르는 자를 바꾸면 명단이 바뀝니다. 자를 고르는 것도 설계입니다.
Python
Runs in your browser
assay 종류를 “전부” 로 두는 까닭
셋은 서로 다른 것을 봅니다. 하나만 켜면 그 하나가 잘 연구된 에피토프만 올라옵니다. 전부 켜는 것은 “어떤 종류든 사람에게서 본 기록이 있으면 점수를 준다” 는 뜻입니다.
🤔 Check yourself
논문이 IEDB 에서 실험 근거를 볼 때 host 를 Human 으로 둔 까닭은?
Answer 생쥐 자료가 못 믿을 것이어서가 아닙니다. 생쥐의 MHC 는 사람 HLA 가 아닙니다. 생쥐에서 잘 제시된 조각이 사람 HLA 에 잘 붙는다는 보장이 없습니다. 쓸 곳이 사람이면 근거도 사람에게서 나와야 합니다.
🤔 Check yourself
“실험 assay 수가 많은 에피토프를 우선한다” 는 기준의 약점은?
Answer assay 수는 연구된 양을 함께 재고 있습니다. 새 변이의 새 자리는 기록이 0 입니다. 논문이 “우선한다” 고만 적고 “0 이면 버린다” 고 하지 않은 것을 눈여겨보십시오.
🤔 Check yourself
2~4강의 자들과 5강의 자가 근본적으로 다른 점은?
Answer 순위 · EL 점수 · IC₅₀ 는 모두 예측입니다. assay 기록은 누군가 실제로 실험한 결과입니다. 다만 이 논문이 한 일은 그 기록을 찾아본 것이고, 논문 자신이 실험을 한 것은 아닙니다 — 20강에서 다시 못 박습니다.