9. 소외열대질환 학술지에 실린다는 뜻 · Prof. Jeong's mRNA Vaccine Design, First Steps III

논문이 어느 학술지에 실리는가는 겉치레가 아닙니다. 누구를 위해 쓴 글인가를 밝히는 일입니다.

이 논문은 PLoS Neglected Tropical Diseases 에 실렸습니다. 이름 그대로 소외된 열대질환을 다루는 학술지입니다. 부유한 나라의 관심과 돈이 가지 않는 병, 그래서 약과 백신이 만들어지지 않는 병을 다루자는 자리입니다.

적용범위를 지역별로 세우고 높은 순과 낮은 순으로 뒤집어 보세요.

Loading…

왜 하필 그쪽이 낮게 나오나

에피토프 예측 도구는 자료가 많은 HLA에서 더 정확합니다. 그리고 HLA 자료는 역사적으로 유럽계·동아시아계 집단에 훨씬 많이 쌓였습니다.

논문 스스로도 한계 절에 적었습니다 — NetMHCpan 같은 도구는 대표성이 낮은 대립유전자에서 정확도가 떨어질 수 있다고. 자료가 적은 곳에서 예측이 약해지고, 그 약한 예측이 낮은 적용범위로 나타납니다.

그러니 23.88% 는 '그 지역 사람의 면역이 다르다' 기보다 '그 지역 자료가 적다' 에 더 가까울 수 있습니다. 둘은 아주 다른 문제입니다.

만약 생물학이 까닭이라면

그 지역 HLA 에 맞는 에피토프를 더 찾아 넣어야 한다

만약 자료 부족이 까닭이라면

그 지역의 HLA 자료를 먼저 쌓아야 한다. 설계로는 못 푼다

지금 있는 표만으로는 둘을 가를 수 없습니다. 가르려면 그 지역의 HLA 빈도 자료의 표본 수를 봐야 하는데, 그것은 IEDB 쪽 자료의 문제이지 이 논문이 만든 값이 아닙니다.

표본이 스무 명이면 빈도 추정의 폭이 0.2 에 가깝습니다 — 빈도 그 자체만큼 넓습니다.

Python Runs in your browser

# 자료가 적으면 추정이 어떻게 흔들리는가 (교육용 모형)
import numpy as np
rng = np.random.default_rng(3)

true_f = 0.20                     # 어떤 대립유전자의 진짜 빈도
for n in (20, 100, 1000, 5000):   # 표본 크기
    est = rng.binomial(n, true_f, 400) / n
    lo, hi = np.percentile(est, [2.5, 97.5])
    print(f"표본 {n:>5}명  추정 빈도 95% 범위  {lo:.3f} ~ {hi:.3f}   폭 {hi-lo:.3f}")
print()
print("표본이 적으면 빈도 추정이 넓게 흔들린다.")
print("그 흔들리는 빈도로 계산한 적용범위도 같이 흔들린다.")
print("(진짜 빈도 0.20 은 교육용 가정값이다)")

BtHKU5-CoV-2 는 아직 사람에게서 나오지 않았다

한 가지를 분명히 해 둡니다. 이 바이러스는 2025년 3월에 박쥐에서 보고되었고, 사람 감염 사례는 아직 없습니다. 논문도 그렇게 적었습니다.

그러니 이 백신은 지금 있는 병을 막으려는 것이 아니라 넘어올지도 모르는 일에 미리 대비하는 것입니다. 논문은 이것을 '백신 은행(vaccine bank)' 이라는 말로 부릅니다.

🤔 Check yourself

중앙아메리카의 낮은 적용범위를 해석할 때 가를 수 없는 두 가지는?

🤔 Check yourself

예측 도구가 유럽계·동아시아계 자료에 치우쳐 있을 때 생기는 일은?