10강 / 20강

논문을 센다 — 장질환과 함께 나온 것은 한 편이다

PubMed E-utilities · EGLN1 x IBD = 1편 · EGLN2 = 0 · EGLN3 = 0

Open Targets 의 literature 근거는 계산된 값입니다. 직접 세어 보면 어떨까요. PubMed 를 두드립니다.

lit 꾸러미는 유전자 14개에 대해 논문 수를 미리 세어 둔 것입니다. 검색식은 전부 제목·초록(tiab) 기준입니다.

다섯 숫자의 뜻은 lit 꾸러미 설명에 적혀 있습니다. ckd_2015 는 2015년까지만 센 것입니다.

Python 브라우저에서 실행

import lit

print(lit.source())
print()
print("EGLN1 —")
for k, v in lit.counts("EGLN1").items():
    print("   %-10s %6d 편" % (k, v))

염증성 장질환과 함께 나온 논문이 1편입니다.

EGLN1 자체는 351편이 있습니다. 저산소와 함께 나온 것은 219편이고요. 그러니 안 연구된 유전자가 아니에요. 이 병과 이어서 연구된 적이 거의 없는 것입니다.

세 아형 전부와 다른 유전자들을 나란히 놓아 봅시다.

고등학생1편이라는 숫자의 무게

논문 수	대략의 뜻
0편	이 조합을 아무도 다루지 않음
1~5편	거의 미개척 — 예비 단계
수십 편	연구 주제로 자리 잡음
수백 편 이상	확립된 분야

1편이면 사실상 근거가 없는 상태입니다. 그런데 잠깐 — 검색어가 문제일 수 있어요.

PHD 세 줄과 NOD2·IL23R 두 줄을 견줘 보세요. 자릿수가 다릅니다.

Python 브라우저에서 실행

import lit

t = lit.table()
print("%-8s %8s %6s %6s %8s" % ("유전자", "전체", "x콩팥", "x장", "x저산소"))
print("-" * 42)
for g in ["EGLN1", "EGLN2", "EGLN3", "HIF1A", "EPAS1", "VHL",
          "NOD2", "IL23R", "TNF", "ITGA4", "PKD1", "UMOD", "APOL1"]:
    c = t[g]
    print("%-8s %8d %6d %6d %8d" % (g, c["all"], c["ckd"], c["ibd"], c["hypoxia"]))

NOD2 는 장질환과 함께 667편, IL23R 은 225편입니다. PHD 세 아형은 합해서 1편입니다.

이 그림을 그려 보면 더 분명합니다.

가로축이 로그 눈금입니다. 그래야 1과 6,672가 한 그림에 들어갑니다.

Python 브라우저에서 실행

import lit
import matplotlib.pyplot as plt

t = lit.table()
genes = ["EGLN1", "EGLN2", "EGLN3", "HIF1A", "ITGA4", "IL23R", "NOD2", "TNF"]
vals = [t[g]["ibd"] for g in genes]

fig, ax = plt.subplots()
colors = ["#c0392b" if g.startswith("EGLN") else "#7f8c8d" for g in genes]
ax.barh(genes, vals, color=colors)
ax.set_xscale("symlog")
ax.set_xlabel("염증성 장질환과 함께 나온 논문 수 (로그 눈금)")
ax.invert_yaxis()
for i, v in enumerate(vals):
    ax.text(v, i, " %d" % v, va="center", fontsize=9)
plt.tight_layout()
plt.show()

고등학생이름이 여럿이라는 함정

3강에서 이 효소의 이름이 여럿이라고 했습니다. EGLN1 = PHD2 = HIF-PH2. 검색할 때 하나만 쓰면 놓칩니다.

검색어	놓치는 논문
EGLN1만	PHD2로 쓴 논문 — 대다수
PHD2만	EGLN1으로 쓴 논문 · 그리고 "PhD"와 혼동
여러 별칭을 OR로	거의 놓치지 않음

"PHD"는 박사학위와 같은 철자입니다 — 검색어로 쓰면 엉뚱한 논문이 쏟아집니다.

그래서 검색어를 신중히 짜야 합니다. 별칭을 OR로 묶고, 병 쪽도 여러 표현(IBD, inflammatory bowel disease, colitis)을 넣어야 해요. 그렇게 해도 장질환 쪽 논문은 몇 편 되지 않습니다.

한 가지를 더 세어 봅시다. 회사가 고르기 전에는 어땠을까요.

PHD 세 줄은 그때도 지금도 한 자릿수입니다.

Python 브라우저에서 실행

import lit

t = lit.table()
print("만성콩팥병과 함께 나온 논문 — 2015년까지 / 지금까지")
print("%-8s %10s %10s" % ("유전자", "~2015", "지금"))
print("-" * 32)
for g in ["EGLN1", "EGLN2", "EGLN3", "APOL1", "UMOD", "PKD1"]:
    c = t[g]
    print("%-8s %10d %10d" % (g, c["ckd_2015"], c["ckd"]))

고등학생논문 수 세기의 한계

한계	내용
초록에 안 나오면 안 잡힘	본문에만 언급된 경우
논문의 질을 반영 못 함	1편이 결정적일 수도
연구 유행에 좌우됨	많이 연구된 것이 좋은 것은 아님
부정적 결과는 안 실림	공개편향

논문 1편이라도 그것이 결정적 실험이면 근거로 충분할 수 있습니다.

그래서 다음 단계는 "그 1편이 무엇인가"를 읽는 것입니다. 12강에서 그 논문을 찾아 읽습니다 — 쥐에서 PHD1을 없애면 대장염이 덜하다는 내용이에요. 자료베이스의 표에는 안 들어가 있지만, 실은 꽤 강한 근거입니다.

🤔 확인 문제

EGLN1 과 염증성 장질환이 함께 나온 논문은 몇 편인가요?

🤔 확인 문제

이 논문 세기가 실제보다 적게 셀 수 있는 까닭은?