Lesson 17 of 20

【실습】 논문의 여섯 아형을 표지자만으로 다시 나눈다

논문 Fig. 7A–D · SI Fig. S16 · 단핵구계열 14,637개

이제 논문의 Fig. 7 을 직접 만듭니다.

논문은 단핵구·대식세포를 여섯 아형으로 나눴습니다. SI 에 표지 유전자가 그대로 적혀 있습니다. 우리는 그것을 받아 쓰기만 합니다.

아형	표지 유전자	논문이 붙인 뜻
M1 유사 단핵구	`Ace` `Cd300a` `Adgre4`	암을 먹고 T세포에 제시할 수 있는 쪽
순환 단핵구	`Vcan` `Ly6a`	갓 들어온 세포 · 억제 환경을 만드는 쪽
인터페론 단핵구	`Ifit1` `Ifit2` `Ifit3` `Irf7`	I형 인터페론에 반응 중
M2형 단핵구	`Cxcl2` `Cxcl3` `Egln3`	—
M2 대식세포	`C1qa` `Mrc1` `Cd63`	분화가 끝난 쪽
증식 단핵구	`Stmn1` `Mki67` `Top2a`	나누는 중

나누는 방법 — 아주 단순합니다

세포마다 여섯 점수 → z 로 맞춤 → 가장 높은 것을 이름으로

군집화를 다시 하지 않습니다. 목적이 다릅니다 — 우리는 새 아형을 찾는 것이 아니라, 논문이 쓴 표지자가 실제로 세포를 가르는지를 봅니다.

High school표지자만으로 다시 나눈다

논문은 단핵구계열을 여섯 아형 으로 나눴다. 우리는 표지 유전자만으로 같은 구분을 재현해 본다.

왜 재현을 해 보나

확인할 것
그 여섯이 표지만으로 나뉘나
나뉜다면 얼마나 깨끗하게
다른 방법으로도 같은 여섯이 나오나

재현이 안 될 수도 있다

논문은 군집화 + 전체 전사체 를 썼고 우리는 표지 116개 만 쓴다. 차이가 나는 것이 이상하지 않다.

중요한 것은 차이가 나면 왜 나는지 설명하는 것이다.

재현 시도의 목적은 같은 답을 얻는 것이 아니라 차이의 원인을 아는 것이다

Python Runs in your browser

# 논문의 표지자를 그대로 받는다
import mye

for k, v in mye.fig7_markers().items():
    print(f"  {k:<16}{' · '.join(v)}")
print()
print(f"단핵구계열 세포 {len(mye.mono()):,}개를 이 여섯으로 나눕니다.")

z 로 맞추는 이유는 유전자 묶음마다 발현 크기가 달라서입니다. 맞추지 않으면 큰 쪽이 늘 이깁니다.

Python Runs in your browser

# 나눈다 - 세포마다 여섯 점수 중 가장 높은 것
import mye

S, lab = mye.fig7_label()
print("점수표 (앞 5줄)")
print(S.head(5).round(2).to_string())
print()
print("붙은 이름표")
print(lab.value_counts().to_string())

High school점수로 나누는 방법

단계	하는 일
1	아형마다 표지 유전자 묶음을 정함
2	세포마다 여섯 점수를 계산
3	가장 높은 점수의 아형으로 배정

3단계에 함정이 있다

모든 세포가 어딘가에 배정된다. 점수가 다 낮아도 그중 가장 높은 것으로 간다.

세포	최고 점수	배정	문제
A	2.5	M1 유사	확실
B	0.1	M1 유사	근거 없음

최댓값으로 배정하면 아무 특징 없는 세포도 이름을 갖게 된다

논문이 말한 두 방향이 그대로 나옵니다.

Python Runs in your browser

# 논문 Fig. 7D - 네 조건에서 여섯 아형의 비율
import mye

p = mye.fig7_pct()
print(p.to_string())
print()
print("논문의 두 문장을 확인합니다.")
print(f"  M1 유사 단핵구  {p.loc['M1 유사 단핵구','WT_CTRL']:.2f} -> "
      f"{p.loc['M1 유사 단핵구','KD_PD1']:.2f}  (병용에서 가장 큼)")
print(f"  순환 단핵구     {p.loc['순환 단핵구','WT_CTRL']:.2f} -> "
      f"{p.loc['순환 단핵구','KD_CTRL']:.2f}  (녹다운 단독으로 절반)")

High school그래서 배정 신뢰도를 함께 본다

지표	내용
최고 점수의 절대값	충분히 높은가
1등과 2등의 차이	확실히 구별되나
미배정 비율	문턱 미달인 세포가 몇 %

두 번째가 특히 유용하다

1등이 2.5 이고 2등이 2.4 라면 사실상 구별이 안 된 것 이다.

그런데 배정 결과만 보면 확실히 1등 아형 인 것처럼 보인다. 차이를 함께 보고해야 한다.

그리고 '미배정' 을 남긴다

어느 아형에도 확실히 안 맞는 세포는 미배정으로 두는 것이 정직하다.

모든 세포에 이름을 붙여야 한다는 규칙은 없다

이름표는 확정이 아니라 '가장 그럴듯한 하나' 입니다.

Python Runs in your browser

# 이 이름표를 얼마나 믿을 수 있나 - 1등과 2등의 차이를 본다
import numpy as np
import mye

S, lab = mye.fig7_label()
v = np.sort(S.values, axis=1)
여유 = v[:, -1] - v[:, -2]
print(f"1등과 2등 점수 차 평균 {여유.mean():.3f}")
print()
for t in [0.1, 0.3, 0.5, 1.0]:
    n = (여유 < t).sum()
    print(f"  차이가 {t} 미만인 세포  {n:>7,}  ({100*n/len(여유):>4.1f}%)")
print()
print("차이가 작은 세포는 이름표가 흔들립니다. 이 점을 안고 읽어야 합니다.")

High school안정성 검사

배정이 믿을 만한지 를 확인하는 방법이 있다.

방법	내용
부분표본 재실행	세포의 80%만 써서 다시 — 같은 아형이 나오나
표지 일부 제거	표지를 몇 개 빼도 같은 결과인가
다른 해상도	군집 수를 바꿔도 같은 구조가 보이나
조건별 재실행	한 조건만으로도 같은 아형이 나오나

튼튼한 아형과 약한 아형이 갈린다

어떤 아형은 어떻게 해도 나온다. 어떤 아형은 설정을 조금만 바꿔도 사라진다.

후자는 알고리즘이 만든 것 일 가능성이 높다.

설정을 바꿔도 살아남는 구조만 실재한다고 볼 수 있다

🤔 Check yourself

이 강에서 군집화를 다시 하지 않은 이유는?

🤔 Check yourself

z 점수로 맞추지 않고 원래 값으로 나누면 무슨 일이 생기나?

Answer C1qa 는 발현이 크고 Ace 는 작습니다. 맞추지 않으면 거의 모든 세포가 'M2 대식세포' 가 됩니다. 같은 자로 재야 견줄 수 있습니다.

🤔 Check yourself

순환 단핵구가 녹다운 단독으로 절반이 된 것이 중요한 이유는?