6강 / 20강

조건 — p < 0.05 를 코드로 적는다

논문 SI 「absolute log2 fold change > 0.3 with P-value < 0.05」

논문 SI 의 차등발현 문장을 다시 봅시다.

Significant DEGs were identified based on the criteria of an absolute
log2 fold change > 0.3 with P-value < 0.05. The 961 genes obtained by DEG
analysis were selected as the gene signature ...

조건이 둘이고 둘 다 만족해야 합니다. 코드로는 이렇게 됩니다.

abs(log2fc) > 0.3 and p < 0.05

이 한 줄이 2만 개 유전자에서 961개를 남깁니다.

고등학생논문의 한 문장이 코드 한 줄이 됩니다

논문에 이렇게 적혀 있습니다.

absolute log2 fold change > 0.3 with P-value < 0.05

영어라 어려워 보이지만, 코드로 옮기면 한 줄입니다.

abs(log2fc) > 0.3 and p < 0.05

그리고 이 한 줄이 2만 개 유전자에서 961개를 남깁니다.

낱말을 하나씩 맞춰 보면

논문의 영어	코드	뜻
absolute	`abs()`	절댓값 — 부호를 뗀다
log2 fold change	`log2fc`	몇 배 변했나 (14강)
> 0.3	`> 0.3`	0.3보다 크다
with	`and`	둘 다 만족
P-value < 0.05	`p < 0.05`	우연일 확률이 5% 미만

논문의 방법 문단은 코드를 영어로 적은 것이다

이걸 알면 논문 읽기가 달라집니다

방법 문단이 어렵게 느껴지는 이유는 추상적으로 보이기 때문입니다. "이런저런 기준으로 선별하였다" 같은 말이요.

그런데 사실 그 문장은 실행 가능한 코드를 풀어 쓴 것뿐이에요. 코드를 알면 거꾸로 복원할 수 있습니다.

그리고 이게 재현의 출발점입니다

논문을 재현한다는 건 같은 코드를 다시 짜는 것입니다. 그러려면 방법 문단이 코드로 옮길 만큼 자세해야 하죠.

그래서 좋은 논문은 방법 문단이 지루할 정도로 구체적입니다. "0.3" 이라고 딱 적혀 있어야 하지, "적당한 문턱" 이라고 쓰면 재현이 안 돼요.

Python 브라우저에서 실행

# 유전자 하나를 판정해 본다
유전자  = "DDX54"
log2fc = 0.62
p      = 0.008

문턱_fc = 0.3
문턱_p  = 0.05

if abs(log2fc) > 문턱_fc and p < 문턱_p:
    방향 = "올라감" if log2fc > 0 else "내려감"
    print(f"{유전자}: 유의한 차등발현 — {방향} (log2FC {log2fc:+.2f}, p {p:.3f})")
else:
    print(f"{유전자}: 문턱을 넘지 못함")

print()
# 왜 abs 를 쓰나 — 내려간 것도 잡아야 하니까
for fc in (0.62, -0.62, 0.11, -0.11):
    통과 = abs(fc) > 문턱_fc
    print(f"  log2FC {fc:+.2f} → abs {abs(fc):.2f} → {'통과' if 통과 else '탈락'}")

고등학생abs() 를 빼면 절반을 놓칩니다

코드 뒷부분이 왜 abs 를 쓰나 를 보여 줍니다. 중요한 대목이에요.

log2FC 의 부호가 뜻하는 것

log2FC	뜻
+ 양수	발현이 올라갔다
− 음수	발현이 내려갔다

abs() 를 빼면

log2fc > 0.3 → 올라간 것만 걸린다

내려간 유전자는 −0.8 처럼 음수라서 > 0.3 조건에 절대 안 걸립니다. 통째로 놓치는 거예요.

이게 왜 심각한가

이 논문의 핵심 결과를 떠올려 보세요. DDX54 를 껐더니 CD47 · CD38 · Myc 가 내려갔습니다. 전부 음수예요.

abs 를 빼면 이 논문의 결론이 통째로 사라진다

비유 — 평균에서 많이 벗어난 학생 찾기

"평균에서 10점 이상 차이 나는 학생" 을 찾습니다. 절댓값을 안 쓰면 어떻게 될까요?

평균보다 잘한 학생만 걸립니다
평균보다 많이 못한 학생은 안 걸립니다 (차이가 음수라서)

그런데 보통은 양쪽 다 알고 싶죠. 그때 절댓값을 씁니다.

오류가 안 납니다 — 그게 무서운 점

abs 를 빼도 코드는 멀쩡히 돕니다. 결과도 나와요. 다만 절반이 없는 결과입니다.

2강의 // 이야기와 같습니다 —

오류 없이 조용히 틀린 답이 가장 위험하다

그래서 결과가 나왔을 때 "개수가 말이 되나" 를 항상 확인해야 합니다. 올라간 것만 나오고 내려간 게 하나도 없다면 뭔가 이상한 겁니다.

and · or · not

연산	언제 참인가	이 논문에서
`and`	둘 다 참일 때	log2FC 와 p 를 함께 만족
`or`	하나라도 참일 때	정상 또는 전이 표본을 뺀다
`not`	참거짓을 뒤집는다	항원 경로에 돌연변이가 없는 것

논문의 표본 선별 문장을 다시 읽으면 이 셋이 그대로 보입니다 — "정상과 전이를 제외(not)", "돌연변이가 없는(not)".

고등학생and · or · not — 논문 문장에 그대로 있습니다

조건을 잇는 낱말이 셋입니다. 영어 그대로예요.

연산	언제 참인가	일상어
`and`	둘 다 참일 때	"그리고" · "이면서"
`or`	하나라도 참일 때	"또는"
`not`	참거짓을 뒤집는다	"아닌"

논문 문장에서 찾아보면

논문	어느 연산
"정상과 전이 표본을 제외했다"	`not`
"항원 경로에 돌연변이가 없는 것"	`not`
"log2FC 와 p 를 함께 만족"	`and`

논문의 선별 문장을 다시 읽으면 이 셋이 그대로 보인다

헷갈리는 곳 — '또는' 과 '제외'

"정상 또는 전이를 제외한다" 는 코드로 어떻게 쓸까요?

not (종류 == "정상" or 종류 == "전이")

또는 이렇게도 씁니다 — 종류 != "정상" and 종류 != "전이"

두 개가 같은 뜻입니다. or 를 not 으로 뒤집으면 and 가 돼요. 수학의 드모르간 법칙이 그거죠.

일상에서도 그렇습니다

말	같은 말
"짜장면 또는 짬뽕이 아니다"	"짜장면도 아니고 짬뽕도 아니다"

당연해 보이죠? 그런데 코드로 쓰면 자주 틀립니다. not 을 괄호 안쪽에 넣을지 바깥에 넣을지 헷갈려서요.

확실한 방법

헷갈리면 표본 몇 개로 직접 확인하세요. 정상 하나, 전이 하나, 원발암 하나를 넣어 보고 원발암만 통과하는지 보면 됩니다.

머리로 따지는 것보다 돌려 보는 게 빠르고 정확합니다.

논문의 11,070 → 3,055 가 이 모양을 크게 키운 것입니다.

Python 브라우저에서 실행

# 논문의 표본 선별을 조건으로 적어 본다
표본들 = [
    # (번호, 종류, 항원경로_돌연변이, TIL_많음)
    ("TCGA-05-4384", "원발", False, True),
    ("TCGA-05-4390", "정상", False, True),
    ("TCGA-38-4625", "원발", True,  True),
    ("TCGA-44-2656", "전이", False, True),
    ("TCGA-49-4488", "원발", False, False),
    ("TCGA-50-5044", "원발", False, True),
]

남은 = []
for 번호, 종류, 돌연변이, til in 표본들:
    if 종류 != "원발":
        이유 = "원발암이 아니다"
    elif 돌연변이:
        이유 = "항원 경로에 돌연변이가 있다"
    elif not til:
        이유 = "면역침윤이 적다(non-brisk)"
    else:
        이유 = None

    if 이유 is None:
        남은.append(번호)
        print(f"  ✓ {번호}")
    else:
        print(f"  ✗ {번호}  — {이유}")

print()
print(f"{len(표본들)}개 중 {len(남은)}개가 남았습니다: {남은}")

고등학생표본 선별을 코드로 — 19강의 예고편

위 코드가 표본 선별을 작은 규모로 해 봅니다. 19강에서 11,070개로 할 일을 몇 개로 미리 해 보는 거예요.

자료의 모양을 보세요

(번호, 종류, 항원경로_돌연변이, TIL_많음)

표본 하나가 값 네 개의 묶음입니다. 이런 묶음을 튜플(tuple) 이라고 해요 — 소괄호로 감싼 리스트라고 보면 됩니다.

	리스트 `[]`	튜플 `()`
바꿀 수 있나	있다	없다 (고정)
언제 쓰나	내용이 변하는 것	한 덩어리로 묶인 것

표본 하나의 정보는 바뀌면 안 되니 튜플이 어울립니다. 바꿀 수 없다는 게 불편이 아니라 안전장치예요.

코드의 구조를 보면

for 로 표본을 하나씩 꺼낸다
if 로 조건을 확인한다
통과하면 ✓, 아니면 ✗ 와 이유를 찍는다

빠진 것에 이유를 함께 적는 것 — 아주 좋은 습관

왜 이유까지 적나

19강에서 11,070 → 3,055 로 줄일 때, 어느 단계에서 얼마나 빠졌는지를 알아야 합니다.

만약 한 단계에서 거의 다 빠져 버렸다면? 그 조건이 너무 엄격한 건 아닌지 의심해야죠.

그리고 결과가 이상할 때 — "어디서 빠졌지?" 를 되짚을 수 있습니다. 이유를 안 적어 두면 처음부터 다시 해야 해요.

거르는 코드에는 왜 걸렀는지를 함께 남겨라

🤔 확인 문제

abs(log2fc) > 0.3 에서 abs() 를 빼면 어떻게 될까요?

해설 log2fc > 0.3 은 올라간 것만 잡습니다. −0.62 처럼 크게 내려간 유전자가 조건에 걸리지 않아요.