18강 / 20강

글을 빼고 점수를 낸다

논문 Figure 5 · PandaOmics TargetID · 문헌 점수 제외

여기서 논문의 방향이 바뀝니다. 지금까지는 무슨 일이 일어났나를 물었습니다. 이제부터는 무엇을 때릴 것인가를 묻습니다.

쓴 도구는 PandaOmics TargetID 입니다. Insilico Medicine 이 만든 AI 표적 발굴 엔진입니다. 같은 회사의 다른 표적 이야기는 /tnik 과 /phd 에 있습니다.

고등학생글을 빼고 점수를 낸다

표적 후보에 점수를 매기는 도구들이 있습니다. 그런데 대부분이 문헌 점수를 크게 반영해요 — 논문에 많이 나온 유전자가 상위에 옵니다.

문헌 점수를 쓰면	일어나는 일
유명한 유전자가 상위	이미 아는 것만 나옴
연구가 적은 유전자는 하위	새 표적을 못 찾음
드문 암은 불리	논문 자체가 적음

이 연구는 문헌 점수를 빼고 점수를 냅니다 — 자료가 스스로 말하게 하려고요.

PandaOmics 의 점수는 여러 칸의 합이다

표적 하나에 여러 종류의 증거 점수가 붙습니다. 각 점수는 0~1 이고, 0 은 증거 없음, 1 은 가장 강한 증거입니다.

📊

오믹스 점수

발현 차이 · 신호 경로 교란 · 단백질 상호작용(PPI) · 인터랙토움 위상 · 유전자-질환 그래프 · OMIM/ClinVar/Open Targets 변이 · TWAS/GWAS

📚

문헌 점수

논문 · 연구비 · 특허 · 임상시험 · 이 분야 전문가(KOL)에서 나온 연관 강도

이 논문은 문헌 점수를 전부 껐습니다

고등학생왜 문헌을 빼는 것이 옳은가

이 암은 드뭅니다(1강). 논문 수가 적어요. 문헌 점수를 쓰면 이 암에서 실제로 중요한 유전자가 아니라 다른 암에서 유명한 유전자가 상위에 옵니다.

문헌 포함	문헌 제외
TP53, EGFR 같은 유명 유전자	이 자료가 가리키는 유전자
이미 아는 것 확인	새 후보 발견
안전한 선택	위험하지만 새로움

/phd 8강의 순환 논리와 같은 문제입니다. "많이 연구됐으니 중요하다 → 중요하니 연구하자"가 되면 새 것을 못 찾아요.

고등학생무엇을 입력으로 쓰나

7강의 MLM이 골라낸, 계단처럼 오른 1,363개입니다.

왜 이 목록인가	내용
단조 증가	진행에 따라 계속 오름 — 결과가 아니라 과정에 관여
환자 간 일관성	MLM이 환자 차이를 흡수하고 남은 신호
오르는 것만	약으로 막을 대상이니까

내려가는 1,329개는 여기 안 씁니다 — 없어진 것을 약으로 되살리기는 어렵기 때문입니다.

순위는 '무엇을 세느냐' 의 함수입니다. 같은 자료에서도 칸 구성이 다르면 다른 1등이 나옵니다.

Python 브라우저에서 실행

# 점수 칸 하나가 순위를 얼마나 바꾸나.
# 아래 점수는 논문 값이 아니라, 합산 방식의 성질을 보기 위한 예시입니다.
import numpy as np

유전자 = ["AURKA", "PLK4", "TTK", "CDK1", "CDK6", "EGFR", "TOP2A", "FASN",
          "NEK2", "SRC", "HDAC2", "RRM2", "PKMYT1", "APEX1", "CSNK2A1"]

rng = np.random.default_rng(2)
n = len(유전자)

칸 = {
    "발현":      rng.uniform(0.4, 0.95, n),
    "경로":      rng.uniform(0.2, 0.9, n),
    "상호작용":  rng.uniform(0.3, 0.9, n),
    "유전학":    rng.uniform(0.0, 0.4, n),
    "문헌":      rng.uniform(0.0, 1.0, n),
}
# 유명한 유전자일수록 문헌 점수가 높다고 두어 봅니다
칸["문헌"][유전자.index("EGFR")] = 0.99
칸["문헌"][유전자.index("SRC")]  = 0.95
칸["문헌"][유전자.index("CDK6")] = 0.90
칸["문헌"][유전자.index("PLK4")] = 0.08
칸["문헌"][유전자.index("PKMYT1")] = 0.05

def 순위(쓸칸):
    점수 = sum(칸[k] for k in 쓸칸) / len(쓸칸)
    순 = np.argsort(-점수)
    return [유전자[i] for i in 순]

문헌포함 = 순위(list(칸))
문헌제외 = 순위([k for k in 칸 if k != "문헌"])

print(f"{'등수':>4} {'문헌 켬':>12} {'문헌 끔':>12} {'움직임':>8}")
print("-" * 42)
for i in range(n):
    g = 문헌제외[i]
    이동 = 문헌포함.index(g) - i
    print(f"{i+1:>4} {문헌포함[i]:>12} {문헌제외[i]:>12} {이동:+8d}")

print()
print("칸 하나를 빼면 목록이 통째로 흔들립니다.")
print("이 논문은 문헌 칸 전부를 껐습니다 - 드문 병이라 문헌이 병이 아니라 유명세를 재기 때문입니다.")

그리고 신호등 세 개

점수로 줄을 세운 뒤, 약이 될 수 있는가를 세 가지 신호등으로 걸렀습니다.

거르개	빨강	노랑	초록
저분자 접근성	약이 될 수 있는 단백질 부류가 아니고 알려진 저분자도 없다	부류에는 속하지만 알려진 저분자가 없다	임상시험·TTD·Open Targets·TCRD 중 하나 이상에 약물성 정보가 있다
항체 접근성	막·분비 단백질이 아니다	막·분비 단백질이다	막·분비 단백질이고 TCRD 에 항체가 있다
안전성	필수유전자이고 임상시험을 통과한 적이 없다	기본값	조건부 필수이거나 비필수이며 임상시험이 진행 중이거나 통과했다

이 논문이 건 설정은 이렇습니다.

저분자 와 안전성 — 통과한 것만. 즉 저분자로 칠 수 있고, 안전성에 빨간불이 없고, 단백질 구조가 풀려 있는 것만 남깁니다.
항체 — 기본값 그대로 (거르지 않음).
참신성(novelty) 거르개 — 껐습니다. 즉 이미 알려진 유전자도 목록에 남습니다.

고등학생점수만으로 끝나지 않는다

점수를 내면 순위표가 나옵니다. 그런데 그것으로 끝이 아니에요.

추가로 확인할 것	왜	어느 강
약으로 때릴 수 있나	홈이 있는 종류인가	19강
정상 조직에 필수인가	필수 유전자면 독성	19강
다른 층도 가리키나	변이·CNV와 겹치나	19강

점수는 정렬 도구이고, 판단은 여러 자료를 겹쳐서 합니다.

🤔 확인 문제

이 논문이 PandaOmics 의 문헌(text) 기반 점수를 사용하지 않은 이유는?

🤔 확인 문제

'단백질 구조가 PDB 에 있어야 한다' 는 조건이 몰래 들여오는 편향은?