Lesson 9 of 20

유전자 말고 길로 본다

논문 Figure 2A · GSEApy · MSigDB Hallmark 2020 + KEGG 2021 · FDR q ≤ 0.05

앞 강에서는 상위 200개를 잘라 과정을 붙였습니다. 그 방법에는 약점이 있습니다 — 문턱을 넘지 못한 유전자를 전부 버립니다.

어떤 길(pathway)에 속한 유전자 50개가 전부 조금씩만 올랐다면 어떨까요. 하나하나는 문턱을 넘지 못해 목록에 못 듭니다. 그런데 50개가 다 같은 방향이라면 그 길은 분명히 움직인 것입니다.

이것을 잡는 방법이 GSEA(gene set enrichment analysis) 입니다.

High schoolGSEA의 기본 발상

단순한 방법은 "상위 200개 중 이 경로 유전자가 몇 개인가"를 세는 것입니다. 그런데 이건 문턱(200)에 의존해요.

GSEA는 문턱을 안 씁니다. 대신 이렇게 합니다.

단계	하는 일
1	모든 유전자를 변화량 순으로 줄 세운다
2	줄의 위에서 아래로 훑으며, 관심 경로 유전자를 만나면 점수를 올리고 아니면 내린다
3	점수가 가장 높아진 지점을 기록한다 (농축 점수)
4	무작위로 섞어 비교해 유의성을 잰다

경로 유전자들이 줄의 위쪽에 몰려 있으면 점수가 크게 올라갑니다.

직접 만든 걷기입니다. 실제 GSEA 는 여기에 유전자 순위값으로 가중치를 주고 순열검정으로 P 를 냅니다.

Python Runs in your browser

# GSEA 의 걷기를 직접 구현해 봅니다. 스무 줄이면 됩니다.
import numpy as np
import matplotlib.pyplot as plt

rng = np.random.default_rng(9)
N = 2000                            # 줄 세운 유전자 수
묶음크기 = 60

def 걷기(자리):
    # 자리 = 묶음에 속한 유전자들의 순위 위치 (0 이 맨 위)
    안 = np.zeros(N, dtype=bool)
    안[자리] = True
    올림 = 1.0 / 안.sum()
    내림 = 1.0 / (N - 안.sum())
    걸음 = np.where(안, 올림, -내림)
    return np.cumsum(걸음)

# 세 가지 경우
몰림 = rng.choice(np.arange(0, 250), 묶음크기, replace=False)
흩어짐 = rng.choice(np.arange(0, N), 묶음크기, replace=False)
아래몰림 = rng.choice(np.arange(N - 250, N), 묶음크기, replace=False)

plt.figure(figsize=(7.4, 4.4))
for 자리, 라벨, 색 in [(몰림, "위에 몰림", "#16a34a"),
                      (흩어짐, "흩어짐", "#94a3b8"),
                      (아래몰림, "아래에 몰림", "#ec4899")]:
    곡선 = 걷기(자리)
    es = 곡선[np.argmax(np.abs(곡선))]
    plt.plot(곡선, color=색, lw=2, label=f"{라벨}  ES={es:+.2f}")

plt.axhline(0, c="#cbd5e1", lw=1)
plt.xlabel("줄 세운 순위 (왼쪽이 가장 많이 오른 유전자)")
plt.ylabel("누적 점수")
plt.legend(fontsize=9)
plt.title("GSEA — 목록 위를 걸으며 점수를 쌓는다")
plt.show()

print("ES 는 곡선이 0 에서 가장 멀리 간 값입니다.")
print("문턱을 하나도 쓰지 않았다는 점에 주목하세요.")

이 논문이 쓴 묶음 두 벌

MSigDB Hallmark 2020

50개의 큰 덩어리. 서로 겹치지 않게 다듬어 놓은 것이 특징입니다.
예: E2F targets · G2-M checkpoint · MYC targets · Glycolysis

KEGG 2021 Human

교과서식 대사·신호 회로도. 그림이 그려져 있습니다.
예: Cell cycle · Oxidative phosphorylation · Mismatch repair

둘 다 Enrichr 라이브러리에서 가져왔고, 파이썬 패키지 GSEApy 로 돌렸습니다. 그림 2A 는 각각의 상위 25개씩을 보여 줍니다. 동그라미가 Hallmark, 세모가 KEGG 입니다. 전부 FDR q ≤ 0.05 를 통과한 것입니다.

High school어떤 유전자 집합을 쓰나

모음	내용	특징
MSigDB Hallmark	잘 정리된 50개 핵심 집합	중복이 적고 해석이 쉬움
KEGG	대사·신호 경로	교과서적 경로도
GO	기능 분류 수천 개	세밀하지만 중복이 많음
Reactome	계층적 반응 경로	10강의 iPANDA가 씀

이 논문은 Hallmark와 KEGG를 씁니다. Hallmark는 특히 잘 만들어진 모음이에요 — 수천 개의 중복된 집합을 정리해 50개로 압축한 것입니다.

SNSCC 에서 올라간 길

성격	길
과증식	E2F targets · G2-M checkpoint · Cell cycle · mTORC1 · Hippo · MYC · Viral carcinogenesis
대사 항진	Glycolysis · Oxidative phosphorylation
DNA 수선	Fanconi anemia · Mismatch repair · p53 signaling
합성 공장	Ribosome · RNA polymerase · Proteasome

내려간 길

성격	길
면역	T cell differentiation · NK cell cytotoxicity · Cytokine signaling
신경내분비	GnRH · Cortisol · Aldosterone
상피 접착	Epithelial adhesion
지질 대사	Lipid metabolism

IP 는 어땠나

IP 에서도 증식과 대사 경로가 올라가고 면역과 접착이 내려갔습니다. 방향이 SNSCC 와 같습니다. 다만 흔들린 길의 수가 적었습니다.

IP 에만 있던 특징이 하나 있습니다.

🧽

대사성 해독

독을 처리하는 경로가 올라갑니다. 나무·가죽 먼지 같은 흡입 노출을 떠올리게 합니다.

🧬

호르몬 반응

호르몬 관련 반응이 함께 움직입니다.

🏚️

정상 재생·분화의 상실

조직을 원래대로 되돌리는 프로그램이 약해집니다.

논문의 해석은 이렇습니다 — 이것은 악성 전환 이전의 상피 재프로그래밍 일 수 있다. 그리고 SNSCC 로 가면 이 특징이 사라지고, 대신 계속 켜져 있는 발암 신호와 스트레스 반응 프로그램의 상실이 자리를 차지합니다.

High school결과를 읽을 때의 함정

함정	내용
경로 이름에 속기	"암 경로"라는 이름이 인과를 뜻하지 않음
중복된 경로	같은 유전자들이 여러 집합에 들어 있어 여러 번 유의
방향 해석	DNA 수선 경로가 올랐다 = 고장? 아니면 바쁨?
세포 구성 변화	조직에 면역세포가 늘면 면역 경로가 올라감

세 번째 줄이 이 연구의 열쇠입니다 — DNA 수선 경로가 오른 것은 고장난 게 아니라 바쁜 것입니다.

암세포는 DNA 손상이 계속 생기니 수선 기계를 더 많이 돌립니다. 그러면 수선 유전자 발현이 올라가요. 이건 취약점이기도 합니다 — 바쁜 곳을 때리는 전략이 19강에서 나옵니다.

🤔 Check yourself

GSEA 가 '상위 200개 자르기' 보다 나은 점은?

🤔 Check yourself

SNSCC 에서 DNA 수선 경로(Fanconi anemia, mismatch repair)의 발현이 올라간 것을 어떻게 읽어야 하나?