2. 퍼센타일 순위 — 낮을수록 세게 붙는다 · Dr. Son's mRNA Vaccine Design, First Steps III

시험을 봤습니다. 성적표에 두 가지가 적혀 있습니다.

원점수 87점 — 내가 얼마나 잘했나
석차 전교 3등 — 남들에 견주면 얼마나 잘했나

에피토프 예측도 똑같이 두 가지를 줍니다. EL 점수가 원점수이고, 퍼센타일 순위(percentile rank) 가 석차입니다.

EL 점수는 1 에 가까울수록 강하다
퍼센타일 순위는 0 에 가까울수록 강하다

방향이 반대입니다. 이것이 처음 배울 때 가장 많이 틀리는 자리입니다.

순위 문턱을 밀어 보세요. 강한 결합자 · 중간 결합자 · 버려지는 것의 경계가 움직입니다.

Loading…

논문이 쓰는 두 칸

퍼센타일 순위	부르는 이름	뜻
< 1%	강한 결합자(strong binder)	상위 1% 안 — 붙을 가능성이 높다
1 ~ 2%	중간 결합자(moderate binder)	쓸 만하지만 확신이 덜하다
> 2%	—	이 논문의 관심 밖

이 두 칸은 결합만 봅니다. 그 조각이 실제로 T세포를 깨울지, 안전할지, 사람 인구를 얼마나 덮을지는 아직 아무것도 말하지 않았습니다. 자 하나가 재는 것은 하나뿐입니다.

문턱을 0.5 에서 2.0 으로 옮기면 남는 개수가 몇 배로 늘어납니다. 문턱은 선택입니다.

Python Runs in your browser

# 순위는 '등수' 다 — 문턱을 옮기면 몇 개가 남나
import numpy as np

rng = np.random.default_rng(3)
# 예시 분포. 실제 순위 목록은 논문에 없으므로 모양만 흉내 낸다 (인용 금지)
ranks = np.round(rng.gamma(0.9, 2.2, 40000), 3)
ranks = ranks[ranks <= 100]

for thr in [0.5, 1.0, 1.6, 2.0, 5.0]:
    n = int((ranks <= thr).sum())
    print("순위 <= %4.1f  ->  %6d 개  (%5.2f%%)" % (thr, n, n / len(ranks) * 100))

print()
print("같은 목록인데 문턱만 바꿨습니다.")
print("1.0 과 2.0 사이에서 남는 개수가 %.1f 배 차이납니다."
      % ((ranks <= 2.0).sum() / max((ranks <= 1.0).sum(), 1)))
print()
print("주의 — 위 분포는 모양을 보이기 위한 예시입니다.")
print("논문의 실제 순위 목록은 공개되지 않았습니다. 인용하지 마십시오.")

점수와 순위가 어긋날 때

대개는 같이 움직입니다. 점수가 높으면 순위도 낮습니다. 그런데 HLA 대립유전자마다 사정이 다릅니다.

어떤 HLA 는 아무 펩타이드나 잘 받아들입니다. 그 HLA 에서는 EL 점수 0.8 이 흔해서 석차가 밀립니다. 어떤 HLA 는 까칠합니다. 거기서는 점수 0.5 도 상위 0.3% 입니다.

순위는 그 HLA 안에서의 등수다

그래서 여러 HLA 를 한 표에 놓고 견줄 때는 순위를 씁니다. 원점수는 반마다 만점이 다른 시험의 점수 같아서 그대로 견줄 수 없습니다.

🤔 Check yourself

퍼센타일 순위 0.3 과 1.8 가운데 더 강하게 붙을 것으로 예측된 쪽은?

🤔 Check yourself

여러 HLA 대립유전자에 걸친 결과를 한 표에서 견줄 때 EL 점수보다 퍼센타일 순위를 쓰는 까닭은?

🤔 Check yourself

퍼센타일 순위가 재지 않는 것은?