4. 손으로 세어 보는 CAI — 링커 네 개를 점수로 바꾼다

이번 강은 계산기입니다. III 권에서 MEVC 를 조립할 때 쓴 링커 네 개를 그대로 가져와 점수를 매겨 봅니다.

링커	아미노산	III 권에서 맡은 일
EAAAK	Glu · Ala · Ala · Ala · Lys	뻣뻣한 링커 — 구조를 떼어 놓는다
GPGPG	Gly · Pro · Gly · Pro · Gly	항원 처리와 구조 유연성
AAY	Ala · Ala · Tyr	프로테아솜 절단과 MHC class I 제시
KK	Lys · Lys	리소좀 처리와 에피토프 분리

아미노산 서열은 논문의 것입니다. 여기에 붙일 코돈은 우리가 고릅니다 — 그게 이 걸음이 하는 일이니까요.

1등 철자만 쓰면 CAI 가 정확히 1.000 입니다. 꼴찌만 쓰면 얼마나 떨어지는지 보세요.

Python 브라우저에서 실행

# CAI 를 처음부터 끝까지 손으로 만든다.
# 아래 빈도는 교육용 예시다. 인용하지 말 것.
import numpy as np

usage = {
    "A": {"GCC": 0.40, "GCU": 0.27, "GCA": 0.23, "GCG": 0.10},
    "E": {"GAG": 0.58, "GAA": 0.42},
    "K": {"AAG": 0.57, "AAA": 0.43},
    "G": {"GGC": 0.34, "GGA": 0.25, "GGG": 0.25, "GGU": 0.16},
    "P": {"CCC": 0.33, "CCU": 0.29, "CCA": 0.28, "CCG": 0.11},
    "Y": {"UAC": 0.56, "UAU": 0.44},
}

# 1단계 — 빈도를 w 로 바꾼다 (같은 아미노산 안에서 최대값으로 나눈다)
W = {}
for aa, tbl in usage.items():
    top = max(tbl.values())
    W[aa] = {c: f / top for c, f in tbl.items()}

print("1단계 — 상대 적응도 w")
for aa in sorted(W):
    parts = ["%s %.3f" % (c, v) for c, v in sorted(W[aa].items(), key=lambda x: -x[1])]
    print("  %s : %s" % (aa, "  ".join(parts)))
print()

# 2단계 — 한 펩타이드를 골라 적는 방식 둘을 견준다
def cai(codons):
    ws = []
    for aa, c in codons:
        ws.append(W[aa][c])
    return float(np.exp(np.mean(np.log(ws))))

LINKERS = {"EAAAK": "EAAAK", "GPGPG": "GPGPG", "AAY": "AAY", "KK": "KK"}

print("2단계 — 링커마다 '1등만 쓰기' 와 '꼴찌만 쓰기'")
print("  링커      1등 철자로 (예시)        CAI    꼴찌 철자로 (예시)       CAI")
for name, seq in LINKERS.items():
    best = [(aa, max(W[aa], key=W[aa].get)) for aa in seq]
    worst = [(aa, min(W[aa], key=W[aa].get)) for aa in seq]
    sb = "".join(c for _, c in best)
    sw = "".join(c for _, c in worst)
    print("  %-7s %-22s %.3f   %-22s %.3f" % (name, sb, cai(best), sw, cai(worst)))
print()
print("위 뉴클레오타이드는 모두 예시다. 논문의 최적화 서열이 아니다.")

방금 무슨 일을 했나

세 걸음이었습니다.

1️⃣

표를 읽는다

아미노산마다 코돈 빈도를 모읍니다

2️⃣

나눈다

같은 아미노산 안에서 최대값으로 나눠 w 를 만듭니다

3️⃣

기하평균

로그를 씌워 평균 내고 다시 지수를 취합니다

이 세 걸음이 CAI 의 전부입니다. 도구가 해 주는 일도 똑같습니다.

링커를 고르고 자리마다 철자를 바꿔 보세요. CAI 가 어떻게 움직이는지 자리 단위로 보입니다.

불러오는 중…

0.83 이라는 값이 무엇을 양보한 결과인지 감이 잡힙니다.

Python 브라우저에서 실행

# 이번에는 길이를 늘려 본다 — 309 코돈 짜리 가짜 서열에서
# '몇 자리를 양보하면' CAI 가 얼마나 떨어지나.
import numpy as np

rng = np.random.default_rng(4)
L = 309                      # MEVC 의 코돈 수
w_top = 1.0
w_mid = 0.675                # 2등 철자 한 예 (예시 값)
w_low = 0.250                # 드문 철자 한 예 (예시 값)

print("MEVC 길이(309 코돈)에서 양보한 자리 수와 CAI")
print("  양보한 자리   2등으로 바꿀 때   드문 철자로 바꿀 때")
for k in [0, 10, 30, 60, 100, 200, 309]:
    ws_mid = np.array([w_mid] * k + [w_top] * (L - k))
    ws_low = np.array([w_low] * k + [w_top] * (L - k))
    c_mid = float(np.exp(np.mean(np.log(ws_mid))))
    c_low = float(np.exp(np.mean(np.log(ws_low))))
    print("  %8d       %.3f              %.3f" % (k, c_mid, c_low))
print()
print("논문의 MEVC 는 CAI 0.83 이다.")
print("위 표에서 0.83 근처가 되려면 2등 철자로 150 자리쯤,")
print("또는 드문 철자로 40 자리쯤 양보한 셈이다 (예시 계산).")
print()
print("즉 0.83 은 '대충 했다' 가 아니라 '절반쯤은 최고를 골랐다' 는 뜻이다.")

도구가 해 주는 것과 우리가 확인할 것

도구가 해 준다

사람 코돈 사용표를 안고 있고, 수천 자리를 한 번에 고르고, CAI 를 계산해 돌려줍니다.

우리가 확인한다

숙주가 사람으로 잡혔는지 · 리딩프레임이 맞는지 · 내부 종결코돈이 없는지 · 피해야 할 제한효소 자리가 없는지

마지막 항목이 12강의 주제입니다. 도구는 시키지 않으면 피해 주지 않습니다.

🤔 확인 문제

w 를 만들 때 나누는 값은 무엇인가요?

🤔 확인 문제

모든 자리를 1등 철자로 채웠을 때 CAI 는?

🤔 확인 문제

논문의 MEVC CAI 0.83 이 뜻하는 바로 가장 알맞은 것은?