Lesson 10 of 20

가이드 일치 — 두 가이드가 같은 말을 하는가

Zhu, Dann et al. (2026) SI — guide concordance analysis

유전자마다 2개의 서로 다른 가이드를 씁니다. 두 가이드가 같은 유전자를 끄지만, DNA의 다른 위치에 붙습니다. 만약 두 가이드가 같은 하류 유전자 변화를 낸다면 — 이것은 진짜 표적 효과입니다. 하나만 바꾸면 — 오프타깃일 가능성이 높습니다.

✅ 일치 — 진짜 효과

가이드 A: 유전자 X, Y, Z 가 변함
가이드 B: 유전자 X, Y, Z 가 변함
→ 같은 패턴 → 표적 효과

❌ 불일치 — 오프타깃 의심

가이드 A: 유전자 X, Y, Z 가 변함
가이드 B: 유전자 P, Q, R 가 변함
→ 다른 패턴 → 오프타깃

High school일치를 어떻게 재나

방법	내용
차등 발현 목록의 겹침	두 가이드가 흔든 유전자가 얼마나 겹치나
발현 변화 벡터의 상관	전체 2만 개의 변화 패턴이 얼마나 닮았나
효과 크기의 방향	같은 유전자가 같은 방향으로 움직였나

두 번째가 가장 정보가 많습니다. 유의하지 않은 작은 변화까지 포함해서 전체 패턴을 비교하니까요.

High school일치하지 않으면

가능성	확인 방법
한 가이드의 억제가 약함	ontarget_effect 비교 (9강)
한 가이드가 오프타깃	서열을 유전체에 다시 정렬 — 16강
세포 수가 적어 노이즈	n_cells 확인 — 15강
진짜로 다른 효과	드물지만 가능 (다른 아이소폼을 침)

일치 검사는 여러 함정을 한꺼번에 걸러 냅니다 — 그래서 값이 큽니다.

두 가이드가 같은 패턴을 내면 진짜 효과입니다

Python Runs in your browser

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(42)
n = 200
# 진짜 효과 시뮬레이션: 두 가이드의 효과가 상관된다
true_effect = np.random.randn(n) * 2
noise_a = np.random.randn(n) * 0.5
noise_b = np.random.randn(n) * 0.5
guide_a = true_effect + noise_a
guide_b = true_effect + noise_b
corr = np.corrcoef(guide_a, guide_b)[0, 1]

fig, ax = plt.subplots(figsize=(5, 5))
ax.scatter(guide_a, guide_b, alpha=0.4, s=15, c='#1ABFB0')
ax.plot([-6, 6], [-6, 6], 'k--', alpha=0.3)
ax.set_xlabel('가이드 A 효과 (log2FC)')
ax.set_ylabel('가이드 B 효과 (log2FC)')
ax.set_title(f'STAT3 시뮬레이션 — 가이드 일치도 r={corr:.2f}')
ax.set_aspect('equal')
ax.spines[['top','right']].set_visible(False)
plt.tight_layout()
plt.show()

High school일치가 보장하지 못하는 것

두 가이드가 일치해도 못 잡는 문제가 있습니다.

일치해도 남는 문제	왜
둘 다 같은 이웃 유전자를 억제	가까이 있으면 둘 다 영향 — 16강
둘 다 같은 계열에 붙음	서열이 닮은 유전자군
세포 스트레스 반응	어느 가이드든 일으킴

첫 줄이 CRISPRi 특유의 문제입니다. dCas9이 크로마틴을 닫으면 주변까지 영향을 받아요. 겨냥한 유전자 옆에 다른 유전자가 있으면 같이 눌립니다.

일치는 가이드 탓을 배제하지만 위치 탓은 배제하지 못합니다.

🤔 Check yourself

두 가이드가 서로 다른 결과를 내면 무엇을 의심하나요?