12강 / 20강

익숙한 이름들이 나왔다

논문 Figure 3A · 상위 50개 변이 유전자

필터를 다 통과한 변이의 목록을 유전자별로 세면 그림 3A 가 됩니다. 위쪽은 상위 50개 유전자의 격자, 아래쪽은 시료마다의 변이 총수 막대입니다.

먼저 나온 이름들부터 봅시다.

고등학생익숙한 이름들이 나왔다

상위 변이 유전자 50개를 보니 이미 잘 알려진 암 유전자들이 있었습니다. TP53 같은 것들이에요.

익숙한 이름이 나온다는 것	뜻
파이프라인이 작동한다	양성 대조 — 방법이 맞다는 신호
이 암도 공통 경로를 쓴다	다른 암과 기전을 공유
기존 지식을 쓸 수 있다	다른 암의 표적 치료를 참고 가능

드문 암이라도 암이 되는 방법은 대체로 비슷합니다 — 길은 몇 개 안 됩니다.

유전자	하는 일	암에서
`TP53`	DNA 가 상하면 세포를 멈추거나 죽인다	편평세포암에서 가장 흔한 고장
`PIK3CA`	성장 신호를 켠다 (PI3K 경로)	켜진 채로 고정되는 변이
`FAT1`	세포끼리 붙게 하고 Hippo 를 누른다	고장나면 Hippo 가 풀린다
`NOTCH1` `NOTCH3`	상피가 분화하도록 지시한다	편평세포암에서 종양억제 쪽
`NFE2L2`	산화 스트레스 방어를 켠다 (NRF2)	켜진 채면 항암제·방사선에 버틴다
`DDR2`	콜라겐을 느끼는 수용체 키나아제	침습과 관련

여기까지는 두경부편평세포암(HNSCC) 에서 늘 보던 이름들입니다. IP-SNSCC 만의 특별한 유전자가 아닙니다.

고등학생빈도 순위의 함정

/gwas 12강에서 본 문제가 여기서도 나옵니다. 긴 유전자가 자주 변이됩니다.

유전자	길이	변이 빈도	운전자인가
TP53	짧음	높음	예 — 진짜 운전자
TTN 등 거대 유전자	아주 김	높음	아니오 — 승객

빈도만으로 줄 세우면 둘이 섞여 나옵니다. 길이로 나누거나, 변이의 위치가 몰려 있는지를 봐야 구분돼요.

덜 익숙한 쪽 — 염색질과 스플라이싱

📚

ARID1B

SWI/SNF 복합체의 부품. DNA 를 감은 실타래를 풀어 읽게 해 줍니다. 고장나면 어느 유전자가 읽히는지가 통째로 흔들립니다.

✂️

SF3B4

스플라이싱 기계의 부품. RNA 에서 어디를 잘라 이을지를 정합니다.

🪢

CHD8

염색질을 재배치하는 효소. 역시 무엇이 읽히는가를 바꿉니다.

셋의 공통점 — 유전자 하나를 고장내는 것이 아니라 읽는 방식 자체를 흔듭니다. 발현이 계단처럼 움직인 것과 이어지는 이야기입니다.

고등학생11명이라는 표본 수의 한계

환자가 11명이면 어떤 유전자에서 변이가 3명에게 나타나도 27%입니다. 큰 숫자처럼 보이죠. 그런데 3명은 3명이에요.

환자 수	3명에서 관찰	신뢰구간
11명	27%	아주 넓음 (약 6~61%)
100명	27명이면 27%	훨씬 좁음

작은 표본에서의 백분율은 인상적으로 보이지만 불안정합니다.

그래서 이 연구는 빈도만으로 결론을 내지 않습니다. 여러 층(발현, CNV, 변이)이 같은 유전자를 가리키는지를 봐요 — 19강의 접근입니다.

변이 수는 늘 SNSCC 가 많았다

IP 의 변이515개

SNSCC 의 변이702개

비율1.36배

예외가 있었나없다

논문의 문장 — 모든 사례에서 SNSCC 가 짝지은 IP 보다 많은 이상을 가지고 있었다.

11명 중 11명 전부 그랬습니다. 예외 없이 한 방향이었다는 것이 '변이가 쌓이면서 진행한다' 는 그림을 뒷받침합니다.

부호검정입니다. 표본이 작아도 '전부 한 방향' 은 꽤 강한 증거가 됩니다.

Python 브라우저에서 실행

# 11명 전부에서 같은 방향이 나올 확률은 얼마나 되나.
# 만약 IP 와 SNSCC 사이에 진짜 차이가 없다면 (동전 던지기라면)
from math import comb

n = 10          # WES 를 돌린 사람 수
p = 0.5

전부한쪽 = 2 * (p ** n)         # 10명 전부 한쪽으로 (양쪽 방향 다 세어)
print(f"차이가 없다면 {n}명 전부 같은 방향일 확률: {전부한쪽:.5f}  ({전부한쪽*100:.3f}%)")

print()
print("몇 명이 같은 방향일 때 얼마나 놀라운가 (부호검정)")
print(f"{'같은 방향':>10} {'양측 p':>10}")
print("-" * 22)
for k in range(6, n + 1):
    p양측 = 2 * sum(comb(n, i) * p**n for i in range(k, n + 1))
    p양측 = min(p양측, 1.0)
    print(f"{k:>10} {p양측:10.4f}")

print()
print("10명 중 10명이면 p = 0.002 입니다.")
print("다만 이것은 '방향' 만 본 것입니다 - 크기는 사람마다 크게 달랐습니다.")

고등학생변이 목록을 어떻게 쓸까

쓰임	내용
기전 이해	어느 경로가 망가졌나
표적 후보	기능획득 변이는 억제제 대상
기존 약 적용	다른 암에서 그 변이에 쓰는 약이 있나
혈통 추적	양성과 악성이 공유하나 — 14강

마지막 줄이 이 연구의 독특한 활용입니다. 변이를 지문처럼 써서 두 병변이 한 핏줄인지 묻는 거예요.

같은 변이를 공유하면 같은 조상 세포에서 나온 것 — 14강의 논리입니다.

🤔 확인 문제

이 코호트에서 IP-SNSCC 특유의 새로운 드라이버 유전자가 나오지 않은 것이 뜻하는 바로 논문의 논지에 가장 가까운 것은?

🤔 확인 문제

ARID1B · SF3B4 · CHD8 이 한 무리로 묶이는 이유는?