16강 / 20강

표적을 나란히 놓는다

/api/compare · 한 번에 최대 10개

표적 하나만 보면 언제나 그럴듯해 보입니다. 고르려면 같은 잣대로 나란히 놓아야 합니다. API 에 그 엔드포인트가 따로 있습니다.

다섯 줄이면 결정이 끝납니다. ZAP70·LAT·CD3E 는 자극 뒤에만 크게 흔들리고, WRN·TNIK 은 어디서도 조용합니다.

Python 브라우저에서 실행

import pseq

r = pseq.compare("ZAP70,LAT,CD3E,WRN,TNIK")

for g in r["genes"]:
    line = g["gene"].ljust(8)
    for c in ["Rest", "Stim8hr", "Stim48hr"]:
        d = g["conditions"].get(c, {})
        line += str(d.get("n_total_de", "—")).rjust(8)
    line += "   클러스터 " + str(len(g["clusters"]))
    print(line)
print()
print("        ", "Rest".rjust(6), "Stim8hr".rjust(8), "Stim48hr".rjust(7))

고등학생무엇과 비교할까

비교 대상	알 수 있는 것
같은 클러스터의 다른 유전자	이 표적이 그 팀에서 얼마나 중심인가
T세포 필수 유전자 (CD3E 등)	규모의 상한 — 최대치가 어느 정도인가
무작위로 고른 유전자	배경 — 아무 유전자나 이 정도는 나오나
다른 파이프라인 표적	이 표적이 그중 어디쯤인가

세 번째 줄이 자주 빠집니다. 무작위 유전자를 몇 개 넣어 보면 "배경 수준"이 얼마인지 알 수 있어요. 그것보다 크지 않으면 신호라고 하기 어렵습니다.

무엇으로 고를 것인가

/wrn 강의에서 배운 것과 같은 문제입니다 — 자를 바꾸면 1등이 바뀝니다.

📊

DE 개수

가장 크게 흔든 것. 하지만 크다고 좋은 게 아닙니다 — 다 죽이는 표적일 수도

🎚️

상태 선택성

Stim 에서만 흔드는 것. 부작용이 적습니다(10강)

🏥

질환 연관

GWAS 와 이어진 것. 사람 근거가 있습니다(15강)

🔬

해석 가능성

녹다운·세포 수가 받쳐 주는 것(11·12강)

고등학생비교표에서 봐야 할 열

열	없으면 생기는 오해
n_cells	세포가 적어서 0인 것을 "무관"으로 읽음 (12강)
ontarget_effect	안 꺼진 것을 "효과 없음"으로 읽음 (11강)
condition	Rest 결과와 Stim 결과를 섞어 봄 (10강)
n_up / n_down	방향을 놓침 (13강)

비교표는 편리한 만큼 위험합니다 — 숫자만 나란해 보여서 맥락이 지워집니다.

그래서 비교표를 만들 때 이 네 열을 반드시 같이 실어야 합니다. 표를 예쁘게 만들려고 열을 줄이면, 읽는 사람이 함정에 빠져요.

TADA2B 는 DE 가 가장 큰데 상태선택성이 1.3 입니다 — 쉬는 세포도 똑같이 때립니다. ZAP70 은 60배고요.

Python 브라우저에서 실행

# 넷을 한 표에. 이것이 19강 실습의 뼈대입니다.
import pseq
import pandas as pd

def score_table(genes):
    rows = []
    for g in genes:
        r = pseq.perturb(g)
        if "error" in r:
            continue
        cs = r["conditions"]
        rest = cs.get("Rest", {}).get("n_total_de", 0) or 0
        stim = cs.get("Stim8hr", {}).get("n_total_de", 0) or 0
        rows.append({
            "gene": g,
            "DE(Stim8hr)": stim,
            "상태선택성": round(stim / rest, 1) if rest else None,
            "질환수": r["summary"]["n_disease_associations"],
            "클러스터": r["summary"]["n_clusters"],
            "녹다운": round(cs.get("Stim8hr", {}).get("ontarget_effect") or 0, 1),
        })
    return pd.DataFrame(rows)

df = score_table(["ZAP70", "LAT", "CD3E", "PLCG1", "TADA2B", "ARNT", "WRN"])
print(df.to_string(index=False))

고등학생순위를 매기고 싶을 때

표적 여러 개에 순위를 매기고 싶어집니다. 그때 쓸 만한 순서가 있습니다.

순서	하는 일
1	세포 수가 부족한 줄을 제외 — 순위에 안 넣음
2	억제가 확인 안 된 줄을 제외
3	남은 것들을 조건별로 따로 줄 세움
4	배경 수준과 비교해 선을 그음

제외된 것들은 "0점"이 아니라 "미판정"으로 따로 적어야 합니다. 0점으로 매기면 그 표적이 나쁘다는 뜻이 되어 버려요.

"모른다"를 0으로 바꾸지 않는 것 — 이 강의 전체의 규칙입니다.

🤔 확인 문제

TADA2B 는 DE 개수가 가장 많은데도 약 표적으로는 나쁩니다. 왜입니까?

🤔 확인 문제

표적을 고를 때 '자를 바꾸면 1등이 바뀐다' 는 말의 뜻은?