17강 / 20강

섭동을 흉내 낸다 — 실험 전에 손으로 돌려 본다

시뮬레이션 · 녹다운 정도 · 세포 수 · 상태

지금까지는 이미 있는 자료를 읽었습니다. 이번 강은 반대입니다 — 아직 하지 않은 실험을 흉내 내 봅니다.

신약개발에서 이걸 먼저 하는 이유는 단순합니다. Perturb-seq 한 판은 수천만 원과 몇 달입니다. 설계가 잘못돼 답이 안 나오면 그 전부를 잃습니다.

위젯이 하는 계산을 손으로도 해 봅시다. 세 손잡이가 결과를 정합니다.

🔇

녹다운 정도

70% 눌렀나 90% 눌렀나. 덜 누르면 효과도 덜 보입니다

🔬

세포 수

적으면 있는 것도 못 봅니다(12강)

⚡

세포 상태

그 표적이 일하고 있는 상태인가(10강)

고등학생세 손잡이가 만드는 것

손잡이	낮추면	어느 침묵
녹다운 정도	안 꺼짐 → 변화 없음	②번 (11강)
세포 수	검출력 없음 → 변화 없음	세포 수 문제 (12강)
세포 상태	Rest로 → 신호 없음 → 변화 없음	③번 맥락 (10강)

손잡이를 하나씩 내려 보면, 세 경우 모두 표에서는 똑같이 0으로 보인다는 것을 눈으로 확인할 수 있습니다. 그게 이 위젯의 목적이에요.

진짜 효과는 다섯 줄 모두 같습니다. 설계만 바꿨는데 2,000개에서 0개까지 갈립니다.

Python 브라우저에서 실행

# 섭동 하나를 흉내 낸다 — 진짜 효과가 있는데도 못 볼 수 있을까?
import numpy as np
from scipy import stats

rng = np.random.default_rng(17)

def run(kd, n_cells, active, true_effect=1.0, n_genes=2000, seed_shift=0):
    r = np.random.default_rng(17 + seed_shift)
    # 실제로 아래에 전달되는 크기 = 진짜 효과 x 녹다운 정도 x 상태
    delivered = true_effect * kd * (1.0 if active else 0.05)
    hits = 0
    for _ in range(n_genes):
        a = r.normal(delivered, 1, n_cells)
        b = r.normal(0, 1, n_cells)
        if stats.ttest_ind(a, b)[1] < 0.01:
            hits += 1
    return hits

print("녹다운 세포수 상태     검출된 DE 유전자(2000개 중)")
for kd, n, act, label in [(0.9, 500, True,  "이상적"),
                          (0.9, 500, False, "쉬는 세포"),
                          (0.3, 500, True,  "녹다운 약함"),
                          (0.9,  30, True,  "세포 부족"),
                          (0.3,  30, False, "전부 나쁨")]:
    print(str(kd).rjust(5), str(n).rjust(6), ("활성" if act else "휴지").rjust(5),
          "  ", str(run(kd, n, act)).rjust(5), "  ", label)

고등학생시뮬레이션의 한계

중요한 경고입니다. 시뮬레이션은 우리가 넣은 가정을 다시 보여 줄 뿐입니다.

시뮬레이션이 하는 것	못 하는 것
가정이 결과에 어떻게 반영되는지 보임	새로운 생물학을 발견
어떤 조건에서 판정이 불가능한지 보임	실제 실험 결과 예측
실험 설계를 미리 점검	실험을 대체

시뮬레이션은 거울입니다 — 내 가정을 비춰 볼 뿐, 창문이 아닙니다.

작은 효과를 찾으려면 세포가 급격히 많이 필요합니다. 무엇을 찾을지 먼저 정해야 몇 개를 쓸지 정할 수 있습니다.

Python 브라우저에서 실행

# 세포를 몇 개나 써야 하나 — 설계 계산.
import numpy as np
from scipy import stats

rng = np.random.default_rng(42)

print("찾으려는 효과 크기   필요한 세포 수(검출률 80% 기준)")
for eff in [0.2, 0.4, 0.6, 1.0]:
    need = None
    for n in [20, 50, 100, 200, 400, 800, 1600]:
        hits = sum(stats.ttest_ind(rng.normal(eff, 1, n), rng.normal(0, 1, n))[1] < 0.05
                   for _ in range(150))
        if hits / 150 >= 0.8:
            need = n
            break
    print(str(eff).rjust(16), "  ", str(need if need else "1600+").rjust(8))

고등학생그래도 유용한 쓰임 — 실험 설계

제대로 쓰면 아주 유용합니다. 실험을 하기 전에 이런 질문에 답할 수 있어요.

질문	시뮬레이션이 주는 답
세포를 몇 개나 모아야 하나	이만한 효과를 잡으려면 최소 몇 개
어느 조건에서 실험해야 하나	Rest에서는 신호가 안 나올 것
억제를 얼마나 강하게 해야 하나	70%로는 부족할 수 있음
실패했을 때 무엇을 의심할까	세 손잡이 중 어느 것

이걸 정식으로는 검정력 분석(power analysis)이라고 합니다. 실험을 시작하기 전에 "이 규모로 무엇을 잡을 수 있는가"를 계산하는 것이죠.

실험 후에 "왜 안 나왔지"를 묻는 것보다, 실험 전에 "나올 수 있나"를 묻는 편이 훨씬 쌉니다.

🤔 확인 문제

시뮬레이션에서 다섯 줄 모두 '진짜 효과' 는 같았는데 결과가 0에서 2,000까지 갈렸습니다. 이것이 보여 주는 것은?

🤔 확인 문제

"세포를 몇 개나 써야 하나" 에 답하려면 먼저 무엇을 정해야 합니까?