19. 종합 — 내 표를 직접 만든다, 길이로 나눈 칸까지 · 손박사의 mRNA백신 설계 첫걸음 IV

열여덟 강을 돌았습니다. 이제 처음부터 끝까지 한 번에 해 봅니다. 서열을 받아 최적화하고, 네 값을 재고, 길이로 나눈 칸을 더한 표를 만듭니다.

걸음	하는 일	배운 강
1	아미노산 서열을 받는다	1강
2	숙주를 사람으로 두고 코돈을 고른다	2 · 8 · 9강
3	CAI 를 센다	3 · 4강
4	GC 를 센다 — 30~70% 안인가	11강
5	MFE 를 잰다	6 · 14강
6	제한효소 자리를 확인한다	12강
7	길이로 나눈 칸을 더한다	7강

표에 MFE/nt 칸이 있습니다. 길이가 다른 줄이 섞여도 그 칸으로 견줄 수 있습니다.

Python 브라우저에서 실행

# Step 4 를 처음부터 끝까지 - 후보 셋을 만들어 표로 낸다.
# 코돈 빈도와 MFE 는 교육용이다. 인용하지 말 것.
import numpy as np
import pandas as pd

USAGE = {
    "A": {"GCC": 0.40, "GCT": 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, "GGT": 0.16},
    "P": {"CCC": 0.33, "CCT": 0.29, "CCA": 0.28, "CCG": 0.11},
    "Y": {"TAC": 0.56, "TAT": 0.44},
    "L": {"CTG": 0.41, "CTC": 0.20, "TTG": 0.13, "CTT": 0.13, "CTA": 0.07, "TTA": 0.06},
}
W = {}
for aa, t in USAGE.items():
    top = max(t.values())
    W[aa] = {c: f / top for c, f in t.items()}

# III 권의 링커를 이어 붙인 예시 펩타이드
pep = ("EAAAK" + "GPGPG" + "AAY" + "KK" + "EAAAK" + "GPGPG" + "AAY" + "LLPGY") * 3
pep = "".join(ch for ch in pep if ch in W)

def build(pep, rank):
    codons = []
    for aa in pep:
        order = sorted(W[aa], key=lambda c: -W[aa][c])
        codons.append(order[min(rank, len(order) - 1)])
    return codons

def cai_of(pep, codons):
    ws = [W[pep[i]][c] for i, c in enumerate(codons)]
    return float(np.exp(np.mean(np.log(ws))))

def gc_of(dna):
    return sum(1 for ch in dna if ch in "GC") / len(dna) * 100

RATE0 = -0.3227                 # 교육용 기준 (논문 두 점의 평균)
def mfe_toy(dna):
    # 길이에 비례하고 GC 가 높으면 조금 더 깊어진다. RNAfold 가 아니다.
    return (RATE0 - 0.0006 * (gc_of(dna) - 52.0)) * len(dna)

SITES = {"BamHI": "GGATCC", "XhoI": "CTCGAG"}

rows = []
for rank, name in [(0, "후보 1 (1등 철자)"), (1, "후보 2 (2등 철자)"), (9, "후보 3 (꼴찌 철자)")]:
    codons = build(pep, rank)
    dna = "".join(codons)
    hits = sum(dna.count(s) for s in SITES.values())
    rows.append((name, len(pep), len(dna), cai_of(pep, codons),
                 gc_of(dna), mfe_toy(dna), hits))

df = pd.DataFrame(rows, columns=["후보", "aa", "nt", "CAI", "GC(%)", "MFE", "제한효소자리"])
df["MFE/nt"] = df["MFE"] / df["nt"]
df["GC 구간"] = df["GC(%)"].apply(lambda v: "안" if 30 <= v <= 70 else "밖")
print(df.round(4).to_string(index=False))
print()
print("세 후보의 길이가 모두 같다 - 같은 단백질을 적었으므로 당연하다.")
print("길이가 같으면 MFE 를 그대로 견줘도 된다. 만점이 이미 같다.")
print()
print("논문의 두 값을 같은 표에 얹으면")
print("  전체 CDS   3819 nt   CAI 0.81   GC 50.35 %%   MFE %-9.2f  MFE/nt %.4f"
      % (-1231.20, -1231.20 / 3819))
print("  MEVC        927 nt   CAI 0.83   GC 53.61 %%   MFE %-9.2f  MFE/nt %.4f"
      % (-299.50, -299.50 / 927))
print()
print("이 두 줄은 길이가 다르다. 그래서 마지막 칸으로 견준다.")

후보 둘을 직접 세워 표를 만들어 보세요. 길이로 나눈 칸이 결론을 어떻게 바꾸는지 보입니다.

불러오는 중…

표를 다 만들고 나서 하는 확인 네 가지

📐

길이 칸이 있나

MFE 를 적는 줄마다 길이를 함께 적었는지

🚪

GC 가 구간 안인가

30~70% 안인지 — 최적인지가 아니라 구간 안인지

✂️

잘릴 자리가 없나

BamHI · XhoI 가 안쪽에 없는지

🔓

중요한 자리가 열렸나

리보솜 자리와 에피토프 둘레 — CRITICAL STEP

여덟 물음 가운데 둘이 길이 이야기입니다. 그만큼 자주 틀리는 자리입니다.

Python 브라우저에서 실행

# 검산 목록 - 표를 낸 뒤 스스로 돌려 보는 여덟 물음.
checks = [
    ("MFE 를 적은 줄마다 길이를 함께 적었나", "7강"),
    ("길이가 다른 줄을 견줄 때 나눈 칸을 썼나", "7 · 17강"),
    ("GC 가 30~70 %% 안인가", "11강"),
    ("GC 를 '구간 안' 이라고만 적었나 ('최적' 이라 쓰지 않았나)", "11강"),
    ("숙주를 사람으로 두었나", "2강"),
    ("lambda 값을 밝혀 적었나", "9강"),
    ("BamHI / XhoI 가 안쪽에 없나", "12강"),
    ("MFE 를 준 도구가 따로 있었나 (NovoPro 는 안 준다)", "13강"),
]

print("표를 낸 뒤 돌려 보는 여덟 물음")
for i, (q, where) in enumerate(checks, 1):
    print("  %d. %-52s - %s" % (i, q, where))
print()
print("이 목록은 mRNA 설계에만 쓰이지 않는다.")
print("합으로 만들어진 값을 크기가 다른 대상끼리 견주는 곳이면")
print("어디서나 1번과 2번을 그대로 물어볼 수 있다.")

내가 만든 표와 논문의 표

	논문의 표	우리 표
줄	전체 CDS · MEVC	후보 셋 + 논문 두 줄
칸	CAI · GC · MFE	+ MFE/nt · GC 구간 · 제한효소 자리
견줌	값을 나란히 적었다	나눈 칸으로 견준다

논문이 틀린 것은 아닙니다. 논문은 두 값을 적었을 뿐 네 배 차이라고 주장하지 않았습니다. 그리고 MFE 를 길이와 기능에 견주어 읽으라고 적어 두었습니다. 우리는 그 문장을 칸으로 만들었습니다.

🤔 확인 문제

후보 셋의 길이가 모두 같았던 까닭은?

🤔 확인 문제

길이로 나눈 칸이 꼭 필요해지는 때는?

🤔 확인 문제

논문에 대해 이 강이 내린 평가로 옳은 것은?