Lesson 3 of 20

【실습】 골수세포 33,594개를 연다

GSE268555 · log1p(CP10K) · 유전자 116개

이 강의가 쓰는 표는 하나입니다. my_cells.tsv.gz — 3.8 MB. 브라우저가 통째로 내려받아 여러분의 컴퓨터 안에서 파이썬이 읽습니다. 서버로 아무것도 올라가지 않습니다.

열	무엇
`표본`	네 조건 중 하나 — WT_CTRL · KD_CTRL · WT_PD1 · KD_PD1
`세포형`	「단일세포 면역지도 첫걸음」이 붙인 이름표. 여기서 다시 붙이지 않습니다
`UMI` `유전자수`	이 세포가 얼마나 깊게 읽혔나
나머지 116열	유전자 하나씩 — log1p(CP10K) 값

log1p(CP10K) = log( 유전자 UMI ÷ 세포 총 UMI × 10,000 + 1 )

왜 이렇게 할까요. 세포마다 읽힌 깊이가 다르기 때문입니다. 어떤 세포는 UMI 가 1,200, 어떤 세포는 30,000 입니다. 나누지 않으면 깊게 읽힌 세포가 모든 유전자를 많이 켠 것처럼 보입니다.

Python Runs in your browser

# 표를 열고 생김새를 본다
import mye

d = mye.cells()
print(f"{len(d):,} 줄 x {d.shape[1]} 열")
print()
print(d[["표본", "세포형", "UMI", "유전자수", "Lyz2", "S100a8", "Cd47"]].head(8).to_string())

조건마다 생쥐가 하나라는 것 — 「단일세포 면역지도 첫걸음」 8강이 이 문제를 통째로 다룹니다.

Python Runs in your browser

# 네 조건이 무엇이었나 - 앞으로 계속 쓰는 이름
import mye

d = mye.cells()
print(f"{'조건':<26}{'골수세포':>9}{'단핵구계열':>11}{'호중구':>9}")
for s in mye.ORDER:
    t = d[d["표본"] == s]
    mo = t["세포형"].isin(mye.facts()["mono_set"]).sum()
    ne = t["세포형"].isin(mye.facts()["neut_set"]).sum()
    print(f"{mye.COND[s]:<26}{len(t):>9,}{mo:>11,}{ne:>9,}")
print()
print("생쥐는 조건마다 **한 마리**입니다. 이 점이 20강까지 계속 발목을 잡습니다.")

High schoollog1p(CP10K) 라는 전처리

단일세포 자료의 표준 전처리다. 두 단계다.

단계	하는 일	고치는 것
CP10K	세포당 총합을 1만으로 맞춤	세포마다 read 수가 다름
log1p	log(x+1)	분포의 치우침

왜 +1 인가

단일세포 자료에는 0 이 아주 많다. log(0)은 정의되지 않으니 1을 더한다.

그러면 0 → log(1) = 0 이 되어 0 이 유지된다. 편리한 성질이다.

왜 1만인가

관행이다. 세포당 read 수가 보통 수천~수만이니 그 규모에 맞춘 것이다. 10만을 쓰기도 한다.

어느 쪽이든 모든 세포에 같은 값 을 쓰면 비교에는 문제가 없다.

전처리의 상수는 관행이고, 중요한 것은 일관되게 쓰는 것이다

Python Runs in your browser

# 116개 유전자가 무엇을 하는 것들인지 훑는다
import mye

g = mye.genes()
print(f"유전자 {len(g)}개")
print()
보기 = ["Lyz2", "Adgre1", "Ly6c2", "Cd47", "Sirpa", "Mertk", "Nos2", "Mrc1",
        "Arg1", "Trem2", "Ace", "Vcan", "S100a8", "Elane", "Entpd1", "Nt5e"]
for k in 보기:
    print(f"  {k:<9}{g[k]}")
print()
print("원자료에 없던 유전자:", mye.facts()["missing_genes"])

High school유전자 116개를 고른 이유

이유	내용
브라우저에서 돎	2만 개는 메모리 초과
해석 가능	각 유전자가 왜 목록에 있는지 설명 가능
다중 비교 감소	검정 수가 줄어듦
기전에서 골랐음	자료가 아니라 이론에서

목록에 들어간 것들

묶음	예
계통 표지	Adgre1 · Itgam · Ly6g
단핵구 아형	Ly6c2 · Nr4a1 · Cx3cr1
M1/M2 축	Nos2 · Il1b · Mrc1 · Arg1
TAM	Trem2 · Apoe · Gpnmb
식균 · '먹지 마'	Mertk · Cd47 · Sirpa
항원제시	H2-Ab1 · Cd74

미리 좁힌 목록은 무엇을 확인할지가 정해져 있다는 뜻이다

High school드문 세포와 흔한 세포

골수세포 안에서도 비율이 아주 다르다.

집단	세포 수	비율
호중구	15,096	약 45%
단핵구계열	14,637	약 44%
기타 (DC 등)	나머지	약 11%

그런데 흔한 것이 잘 안 보인다

16강에서 다룰 문제다 — 호중구는 가장 많은데 가장 안 보인다.

RNA 가 적고, 잘 죽고, 해리에 약하다. 그래서 잡히더라도 질이 나쁘다.

드문 세포도 문제다

DC 처럼 드문 세포는 수가 적어 통계가 불안정 하다.

흔한 것은 질이 나쁘고 드문 것은 수가 적다. 중간이 가장 다루기 좋다.

세포 수가 많다고 분석이 쉬운 것이 아니다 — 자료의 질이 함께 봐야 한다

🤔 Check yourself

log1p(CP10K) 로 바꾸는 가장 큰 이유는?

🤔 Check yourself

이 강의가 세포 이름표를 다시 붙이지 않는 이유는?

Answer 이름표를 다시 붙이면 세포 집합이 달라지고, /immune 14강과 이 강의의 숫자가 어긋납니다. 이름표가 완벽해서가 아니라, 같은 것을 견주려면 기준을 고정해야 하기 때문입니다.

🤔 Check yourself

Clec7a 가 '원자료에 없는 유전자' 로 나왔습니다. 옳은 태도는?

Answer 이 강의는 빠진 것을 화면에 적습니다. 12강에서 덱틴-1(Clec7a) 을 다룰 때 우리 자료로는 못 잰다고 밝히고, Tlr2·Nlrp3 로 갑니다.