20강 / 22강

네 조건 비교 — 그리고 결론을 흔들어 본다

민감도 분석 · 품질 차이가 만든 결과인가

12강에서 발견한 문제를 기억하시나요? DDX_PD1 의 세포당 전사체가 57개 — 다른 표본의 1/4~1/10 이었습니다. 그리고 그 표본이 바로 가장 극적인 결과(림프구 11.4%)를 내놓은 표본입니다.

이럴 때 해야 할 일은 정해져 있습니다. 결론을 흔들어 보는 것.

QC 문턱을 바꿔도 같은 결론이 나오는가?

만약 문턱을 올렸을 때 차이가 사라진다면, 그 결론은 품질 차이가 만들어 낸 것입니다. 문턱을 어떻게 바꿔도 유지된다면, 품질 때문이 아니라고 말할 수 있습니다.

고등학생결론을 흔들어 본다

네 조건을 비교해서 결론이 나왔다. 이제 그 결론을 일부러 흔들어 본다.

민감도 분석의 목록

흔드는 것	어느 강의 선택인가
품질 문턱 (Q20 → Q30)	6강
격자 크기	14강
종양 영역 문턱	14강
이웃 k · 반경	16강
세포 분할 방법	9강
다운샘플링	12강 — 품질 맞추기

임의의 선택이 여섯 개면 여섯 번 흔들어 봐야 한다

고등학생품질 차이가 만든 결과인가

12강에서 발견한 문제 — DDX_PD1 의 세포당 전사체가 57개 로 낮았다.

확인 방법 — 다운샘플링

단계	하는 일
1	다른 표본의 분자를 무작위로 버림
2	세포당 전사체를 57개 수준으로 맞춤
3	같은 분석을 다시 함
4	결론이 같은지 본다

두 결과의 해석

결과	뜻
결론이 같음	품질 탓이 아님 — 튼튼함
결론이 사라짐	품질 차이가 만든 결과

품질 차이를 인위적으로 맞춰 보면 그것이 원인인지 알 수 있다

조각(표본당 1,500)이라 흔들림이 있습니다. 위젯의 값은 표본당 25,000 세포로 계산한 것이라 훨씬 안정적이에요.

Python 브라우저에서 실행

# 문턱을 바꿔 가며 림프구 비율을 다시 잽니다.
import sp, numpy as np, pandas as pd

c = sp.cells()
L_all = sp.lognorm()
PC, _, _ = sp.pca(L_all, npc=30)
lab = sp.kmeans(PC, k=12, seed=3)
ann = sp.annotate(L_all, lab)
유형 = np.array([ann[x] for x in lab], dtype=object)

행 = []
for th in [10, 20, 50, 100, 150]:
    k = (c["전사체수"] >= th) & (c["세포면적"] > 5)
    r = {"문턱": f"≥{th}"}
    for s in ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]:
        m = k & (c["표본"] == s)
        r[s] = round(float((유형[m.values] == "림프구").mean()*100), 1) if m.sum() > 50 else None
        r[s+" (n)"] = int(m.sum())
    행.append(r)
df = pd.DataFrame(행).set_index("문턱")
print("림프구 비율 (%)")
print(df[["WT_ISO","DDX_ISO","WT_PD1","DDX_PD1"]].to_string())
print("\n남은 세포 수")
print(df[[s+" (n)" for s in ["WT_ISO","DDX_ISO","WT_PD1","DDX_PD1"]]].to_string())

전체 자료(표본당 25,000 세포)로 한 민감도 분석

QC 문턱	WT_ISO	DDX_ISO	WT_PD1	DDX_PD1	DDX_PD1 배수
전사체 ≥ 20	3.03%	3.06%	5.52%	11.37%	3.7×
≥ 50	3.04%	3.05%	5.51%	13.98%	4.6×
≥ 100	2.66%	2.95%	4.55%	12.90%	4.6×
≥ 150	2.13%	2.73%	3.70%	11.39%	4.7×
≥ 200	1.81%	2.49%	3.10%	9.96%	4.6×
≥ 300	1.34%	2.05%	2.23%	7.29%	4.3×

결론이 살아남았습니다. 문턱을 20에서 300까지 15배 올리는 동안 DDX_PD1 의 림프구 비율은 다른 표본의 3.7~4.7배를 계속 유지합니다. 품질이 나쁜 세포를 아무리 많이 잘라 내도 이 차이는 사라지지 않아요.

이것이 스트레스 검사입니다. 결론이 조건 하나에 기대고 있지 않다는 것을 보인 것이죠. 그리고 여기에 완전히 다른 실험(단일세포 GSE268555)이 같은 방향을 가리킨다는 사실이 더해집니다.

고등학생민감도 분석의 결과를 어떻게 보고하나

패턴	보고 방식
모든 설정에서 같음	"설정에 강건함" — 자신 있게
일부에서만 나옴	어느 설정에서 나오는지 명시
설정마다 다름	결론으로 쓰지 않음

두 번째를 숨기면 안 된다

"격자 크기 50 μm 에서는 유의했으나 100 μm 에서는 유의하지 않았다" 는 문장이 있어야 독자가 판단할 수 있다.

유의한 설정만 골라 보고하는 것은 선택적 보고 이고, 재현 위기의 주된 원인 중 하나다.

여러 설정을 해 봤으면 여러 설정의 결과를 다 보고한다

고등학생n 이 몇인가

공간 자료에서도 같은 함정 이 있다.

세는 단위	이 자료
세포	19만
절편	표본당 1~2
개체	조건당 1

세포를 표본으로 세면 안 된다

같은 절편의 세포들은 독립이 아니다. 같은 개체, 같은 실험 조건, 같은 절편 품질을 공유한다.

19만 개로 검정하면 아주 작은 차이도 유의하게 나온다. 그 p 값은 의미가 없다.

그럼 무엇을 하나

효과 크기와 방향을 보고하고, 가설로 적는다. /immune 8~13강과 같은 이야기다.

공간 자료도 개체 수가 통계적 표본 크기다 — 세포 수가 아니라

🤔 확인 문제

가장 극적인 결과를 낸 표본이 품질도 가장 나쁠 때 해야 할 일은?

🤔 확인 문제

문턱을 20에서 300까지 올렸는데도 DDX_PD1 의 림프구 비율이 계속 3.7~4.7배 높았습니다. 뜻은?

🤔 확인 문제

민감도 분석을 통과해도 여전히 남는 한계는?