14강 / 20강

열 명 중 다섯

논문 Figure 3B · 짝지은 병변의 공유 변이

이제 이 강의의 첫 번째 큰 물음에 답할 차례입니다.

혹과 암은 한 핏줄인가

재는 법은 간단합니다. 한 사람 안에서 IP 의 변이 목록과 SNSCC 의 변이 목록을 겹칩니다. 같은 유전자에 변이가 둘 다 있으면 공유 입니다.

그림 3B 가 그 결과입니다. 파란 칸이 양쪽 병변에 다 변이가 있는 유전자입니다.

WES 를 돌린 환자10명

공유 변이가 있던 환자5명

없던 환자5명

여러 환자에서 반복된 공유 변이없음

마지막 줄이 중요합니다. 공유가 있던 다섯 명도 서로 다른 유전자를 공유했습니다. '이 유전자가 전환의 관문이다' 라고 말할 수 있는 유전자가 없었습니다.

고등학생열 명 중 다섯

결과는 절반이었습니다. 열 명 중 다섯 명에게서 양성과 악성이 변이를 공유했어요.

결과	해석
공유함 (5명)	양성에서 악성으로 진행했을 가능성
공유 안 함 (5명)	따로 생겼거나 · 공통 조상이 아주 이른 시기

"절반"이라는 답이 애매해 보이지만, 이것도 결과입니다. 모든 경우가 같은 방식으로 일어나는 게 아니라는 뜻이에요.

두 가지 그림

선형 모형 — 한 핏줄

정상 → 혹 → 암.
암은 혹에서 직접 자라 나왔습니다.
→ 혹의 변이가 암에 그대로 남아 있어야 합니다.
→ 공유가 많아야 합니다.

가지치기 모형 — 같은 밭

정상 점막 전체가 이미 조금 변해 있습니다(밭).
거기서 혹과 암이 따로 자랐습니다.
→ 공유가 적거나 없을 수 있습니다.

논문이 내린 결론은 둘 중 하나가 아니라 둘 다 입니다.

일부는 직접 진행하고, 일부는 갈라져 나온다 — 혼합 모형

10명 중 5명은 선형에 맞고, 5명은 그렇지 않습니다. 'IP 는 암의 전구병변이다' 도 'IP 는 암과 관계없다' 도 아닙니다.

가지치기만으로는 공유가 거의 안 생기고, 선형만으로는 거의 항상 생깁니다. 관찰값 50% 는 그 사이입니다.

Python 브라우저에서 실행

# 두 모형에서 '공유 변이가 있을 확률' 이 어떻게 다른가.
import numpy as np

rng = np.random.default_rng(23)
환자수 = 10000

# 논문의 실제 값에 맞춘 규모
IP변이 = 52          # 사람당 평균 (515 / 10)
암변이 = 70          # (702 / 10)
유전자풀 = 19000     # 변이가 걸릴 수 있는 유전자 수

def 공유확률(모형):
    있음 = 0
    for _ in range(환자수):
        if 모형 == "선형":
            # 암은 혹에서 나왔으므로 혹의 변이 일부를 물려받는다
            물려받음 = rng.binomial(IP변이, 0.45)
            새것 = 암변이 - 물려받음
            if 물려받음 > 0:
                있음 += 1
        else:
            # 따로 자랐으므로 겹침은 우연뿐이다
            a = rng.choice(유전자풀, IP변이, replace=False)
            b = rng.choice(유전자풀, 암변이, replace=False)
            if len(set(a) & set(b)) > 0:
                있음 += 1
    return 있음 / 환자수

print(f"선형 모형에서 공유가 있을 확률      {공유확률('선형'):.1%}")
print(f"가지치기 모형에서 공유가 있을 확률   {공유확률('가지'):.1%}")
print()
print("논문에서 관찰된 값                  50.0%  (10명 중 5명)")
print()
print("어느 한쪽만으로는 50% 가 나오지 않습니다.")
print("두 모형이 환자마다 섞여 있다고 보아야 맞습니다.")

고등학생공유가 없다고 무관한 것은 아니다

공유 변이가 없다고 반드시 남남은 아닙니다. 몇 가지 가능성이 있어요.

가능성	내용
정말 따로 생김	같은 발암 자극이 두 곳에 작용 — 영역 효과
아주 이른 시기에 갈라짐	공통 변이가 아직 없을 때
필터가 지웠음	11강의 조건 — 13강에서 본 문제
표본 채취 위치	병변의 다른 부위를 떴을 수 있음
암세포 비율이 낮음	변이가 검출 한계 아래

"공유 0건"은 혈연 부정이 아니라 증거 부재일 수 있습니다.

11강의 normal_AlleleCount = 0 조건과 COSMIC 조건이 특히 영향을 줍니다. 두 병변이 공유하는 변이가 흔치 않은 것이라면 COSMIC에 없어 탈락했을 수 있어요.

이 결과에 걸린 한계 셋

🔍

필터가 지운 공유

11강의 normal_AlleleCount = 0 과 COSMIC 조건이 양쪽에서 함께 변이를 지웠다면, 공유가 실제보다 적게 보입니다.

🧩

한 조각만 봤다

혹도 암도 한 곳에서만 떴습니다. 종양 안이 균일하지 않다면 다른 자리에서는 다른 답이 나올 수 있습니다.

🔢

10명

5/10 의 95% 신뢰구간은 22%~78% 입니다. 아래 셀에서 직접 계산합니다.

5/10 은 '절반' 이 아니라 '22%에서 78% 사이 어딘가' 입니다. 11명이라는 숫자를 잊지 마세요.

Python 브라우저에서 실행

# 10명 중 5명 - 이 값은 얼마나 정확한가.
from scipy import stats

n, k = 10, 5
낮, 높 = stats.beta.interval(0.95, k + 0.5, n - k + 0.5)   # 제프리스 구간

print(f"관찰값       {k}/{n} = {k/n:.0%}")
print(f"95% 신뢰구간  {낮:.0%} ~ {높:.0%}")
print()

# 사람 수가 늘면 구간이 얼마나 좁아지나 (비율은 50% 로 고정)
print(f"{'환자 수':>8} {'95% 구간':>18} {'구간 너비':>10}")
print("-" * 40)
for N in [10, 20, 50, 100, 300, 1000]:
    K = N // 2
    a, b = stats.beta.interval(0.95, K + 0.5, N - K + 0.5)
    print(f"{N:>8} {a:8.0%} ~ {b:6.0%} {(b-a):10.0%}")

print()
print("10명이면 '거의 아무것도 아님' 부터 '대부분' 까지 다 들어갑니다.")
print("그래도 이 코호트는 이 병에서 지금까지 나온 가장 큰 짝지은 코호트입니다.")

고등학생영역 효과(field effect)

공유가 없는 경우의 유력한 설명입니다. 담배나 화학물질에 오래 노출되면, 그 부위 전체의 세포들이 손상을 입어요.

단계	일어나는 일
1	넓은 부위가 발암 자극에 노출
2	여러 세포에 각각 다른 변이가 쌓임
3	어떤 세포는 양성 혹이 됨
4	다른 세포는 독립적으로 암이 됨

한 밭에 여러 씨앗이 각각 자란 것 — 같은 밭이지만 같은 줄기는 아닙니다.

이 설명이 맞다면 임상적으로 중요합니다. 혹을 완전히 제거해도 주변 조직에서 새 암이 생길 수 있다는 뜻이니까요.

🤔 확인 문제

10명 중 5명에서만 공유 변이가 발견된 것을 논문은 어떻게 해석했나?

🤔 확인 문제

이 결과가 임상에 주는 함의로 논문이 든 것은?