8. 문턱을 고르는 일 — VaxiJen 0.4 가 하는 일과 못 하는 일 · Prof. Jeong's mRNA Vaccine Design, First Steps I

NetCTL 을 지난 조각들은 다음 체로 갑니다. VaxiJen 2.0 입니다. '항원성(antigenicity)' 점수를 매기고, 논문은 0.4 를 문턱으로 씁니다.

이 강은 도구 사용법이 아니라 문턱이라는 것 자체에 관한 강입니다.

문턱을 바꾸면 백신이 바뀐다

논문이 쓴 문턱 여섯 개

도구	문턱	어디서 온 값인가
NetCTL 1.2	0.75	도구의 기본값
VaxiJen 2.0	0.4	도구가 권하는 바이러스용 값
IEDB Class I 면역원성	0 초과	양수면 통과
TepiTool IC50	500 nM 미만	분야 관행
NetMHCIIpan 4.0 IC50	500 nM 미만	분야 관행
ABCpred	0.51	도구의 기본값

여섯 가운데 넷이 기본값이거나 관행입니다. 이 논문만의 판단으로 정한 값은 사실상 없습니다.

여섯 문턱을 하나씩 움직여 보세요. 남는 에피토프 수가 함께 바뀝니다.

Loading…

VaxiJen 을 9잔기에 쓰는 일

여기 짚고 갈 것이 하나 있습니다. VaxiJen 은 단백질 전체를 넣고 '이것이 항원이 될 만한가' 를 판정하도록 만들어진 도구입니다. 학습에 쓴 자료도 온전한 단백질입니다.

이 논문은 그 도구에 9잔기 조각을 넣습니다. 도구가 배운 적 없는 크기입니다.

도구가 배운 것

수백 잔기짜리 단백질 · 아미노산 조성의 통계가 의미를 가지는 길이

여기 넣은 것

9잔기 · 아미노산 아홉 개의 조성은 거의 잡음이다

이것은 이 논문만의 문제가 아니라 다중 에피토프 백신 논문 전체의 관행입니다. 그래도 관행이라는 것이 근거가 되지는 않습니다.

아홉 칸에 스무 종류를 담을 수 없습니다. 조성 통계가 성립하지 않는 길이입니다.

Python Runs in your browser

# 9잔기에서 '아미노산 조성' 이 얼마나 성긴 값인지 본다.
# 20 종류를 9 칸에 담으면 대부분의 종류는 0 번 나온다.
peps = ["KTYSNITIA", "TYSNITIAM", "LPYFHNINY", "VQMTFVISV",
        "VSIPTNFSF", "IPTNFSFGL", "MEAAYTASL", "LASFAAIPF"]
for p in peps:
    kinds = len(set(p))
    zeros = 20 - kinds
    print("%-10s 서로 다른 아미노산 %2d 종  /  한 번도 안 나온 종류 %2d" % (p, kinds, zeros))
print()
print("어느 조각이든 20 종 가운데 절반 넘게가 '0 회' 다.")
print("조성 통계로 무언가를 판정하기에는 표본이 너무 작다.")
print("이것이 '학습 범위 밖' 이라는 말의 뜻이다.")

문턱을 옮기면 무엇이 달라지나

문턱을 …	얻는 것	잃는 것
조이면	남은 것의 질이 올라간다	개수가 줄어 적용범위가 준다
풀면	개수가 늘어 적용범위가 는다	약한 후보가 섞여 평균이 내려간다

어느 쪽이 옳은지는 계산이 말해 주지 않습니다. 백신을 어디에 쓸 것인지가 정합니다 — 좁은 집단에 확실하게냐, 넓은 집단에 적당히냐.

이 논문은 넓게 쪽을 골랐습니다. 그 결과가 III 권의 적용범위 97.49% 입니다. 그리고 같은 선택의 그늘이 12강의 '약한 결합 셋' 입니다.

🤔 Check yourself

논문이 쓴 문턱 여섯 개의 공통점은?

🤔 Check yourself

VaxiJen 을 9잔기 조각에 쓸 때의 근본 문제는?