11강 / 22강

행렬이 만들어지는 순간 — 여기서 단일세포와 만난다

세포 × 유전자 · 하지만 좌표를 잃지 않는다

10강에서 한 배정을 모든 세포 · 모든 유전자에 대해 하면 드디어 세포 × 유전자 행렬이 나옵니다. 이 순간부터는 앞 강의(생물정보학 데이터셋 첫걸음)에서 배운 것이 그대로 통합니다 — 정규화, 고변동 유전자, PCA, 군집, 주석.

다만 두 가지가 다릅니다.

단일세포 RNA-seq

세포당 수천 개 UMI
유전자 2~3만 개
정규화 배율 10,000

Xenium

세포당 수백 개 분자
유전자 5,006 개
정규화 배율 100 이 흔하다
+ x · y 좌표

세포당 분자가 열 배 적으니 한 세포의 정보가 그만큼 흐릿합니다. 그래서 공간 자료에서는 세포 하나를 믿기보다 여러 세포를 묶어 보는 것이 더욱 중요해집니다.

고등학생여기서 단일세포와 만난다

10강의 배정을 모든 세포 · 모든 유전자 에 대해 하면 세포 × 유전자 행렬 이 나온다.

이 순간부터 단일세포 자료와 똑같아진다

쓸 수 있게 되는 것
정규화 · 로그 변환
차원 축소 (PCA · UMAP)
군집화
차등발현

그런데 하나가 더 있다

좌표를 잃지 않는다. 행렬의 각 행에 x, y 가 붙어 있다.

단일세포의 모든 도구를 쓰면서 위치를 함께 갖는다 — 그것이 이 자료의 힘이다

채워진 비율이 단일세포(3.8%)보다 높습니다. 유전자가 5,006개뿐이라 그렇습니다.

Python 브라우저에서 실행

# 조각의 세포 × 유전자 행렬입니다 — 10x 형식 그대로예요.
import sp, numpy as np

X = sp.counts()
print("행렬:", X.shape, "(유전자 × 세포)")
print(f"0이 아닌 칸 {X.nnz:,} · 채워진 비율 {X.nnz/(X.shape[0]*X.shape[1])*100:.1f}%")

tot = np.asarray(X.sum(0)).ravel()
ng = np.diff(X.indptr)
print(f"\n세포당 분자 : 중앙값 {np.median(tot):.0f}  (1~99% {np.percentile(tot,1):.0f}~{np.percentile(tot,99):.0f})")
print(f"세포당 유전자: 중앙값 {np.median(ng):.0f} / {X.shape[0]:,}")
print(f"\n단일세포 자료였다면 세포당 UMI 가 수천 개였습니다. 여기서는 수백 개예요.")

고등학생그런데 성질이 다르다

	단일세포 RNA-seq	공간 (행렬화 후)
세포당 유전자	1,000~3,000	수십~수백
유전자 수	2만	5,006
0 의 비율	높음 (탈락)	높음 (패널 + 얕음)
혼입	거의 없음	있음 (9강)

그래서 그대로 쓰면 안 되는 것들이 있다

단일세포용 알고리즘의 기본값은 깊은 자료를 전제 로 맞춰져 있다.

예를 들어 "유전자 200개 미만 세포는 버림" 같은 필터를 공간 자료에 그대로 쓰면 대부분이 버려진다.

도구는 빌려 쓸 수 있어도 기본값은 자료에 맞춰 다시 정해야 한다

배율에 정답은 없습니다. 다만 왜 그 값을 골랐는지는 반드시 적어야 합니다.

Python 브라우저에서 실행

# 정규화 — Xenium 에서는 배율 100 을 흔히 씁니다.
import sp, numpy as np
import matplotlib.pyplot as plt

k = sp.keep()
L100 = sp.lognorm(mask=k, scale=100)         # CP100
X = sp.counts()[:, k]
tot = np.asarray(X.sum(0)).ravel()

fig, ax = plt.subplots(1, 2, figsize=(9.5, 3.6))
ax[0].hist(np.log10(np.maximum(tot, 1)), bins=50, color="#4c6ef5")
ax[0].set_xlabel("log10 transcripts per cell"); ax[0].set_title("before")
ax[1].hist(L100.data, bins=50, color="#2b8a3e")
ax[1].set_xlabel("log1p(CP100) values"); ax[1].set_title("after")
plt.tight_layout()

print("왜 10,000 이 아니라 100 인가?")
print(f"  세포당 분자 중앙값이 {np.median(tot):.0f}개입니다.")
print("  10,000 을 쓰면 대부분의 값이 1보다 훨씬 커져 로그의 효과가 사라집니다.")
print("  배율은 '세포당 총량과 비슷한 크기'로 잡는 것이 자연스럽습니다.")

고등학생정규화를 어떻게 하나

방법	공간 자료에서
세포당 총합으로 나눔	표준 — 그런데 총합이 작음
면적으로 나눔	공간 자료 특유
정규화 안 함	계수 모형을 쓸 때

면적 정규화라는 선택

큰 세포는 당연히 분자가 많이 잡힌다. 그러면 면적으로 나누는 것이 맞을까?

묻는 것	맞는 정규화
이 세포가 유전자 X 를 많이 만드나	총합 정규화
이 조직 부위의 X 밀도	면적 정규화

정규화 방법은 무엇을 묻느냐가 정한다

이 표가 이 강의의 결론입니다. 발현 + 좌표. 나머지 강의는 전부 이 조합을 활용하는 방법이에요.

Python 브라우저에서 실행

# 행렬과 좌표가 함께 있다는 것 — 이것이 공간 자료의 전부입니다.
import sp, numpy as np, pandas as pd

k = sp.keep()
c = sp.cells()[k].reset_index(drop=True)
L = sp.lognorm(mask=k)
g = sp.genes(); gi = {x: i for i, x in enumerate(g)}

유전자 = "Col1a1"
v = np.asarray(L[gi[유전자]].todense()).ravel()
표 = pd.DataFrame({"x": c.x, "y": c.y, "표본": c["표본"], 유전자: v.round(2)})
print(표.head(6).to_string(index=False))
print(f"\n{유전자} 를 켠 세포 {int((v>0).sum()):,} / {len(v):,}")
print("→ 발현값 옆에 x·y 가 있습니다. 이제 '어디에서 켜졌나'를 물을 수 있습니다.")

고등학생행렬로 만들면서 잃는 것

잃는 것	내용
분자의 정확한 위치	세포 중심으로 요약됨
세포 안 국소화	핵 근처인가 세포막 근처인가
미배정 분자	통째로 버려짐
세포 모양	면적 하나로 요약

두 번째가 아쉬운 손실이다

같은 세포 안에서도 RNA 의 위치가 다르다 — 핵 근처의 미성숙 RNA, 세포막 근처의 국소 번역.

이 정보가 행렬화하면서 사라진다. 분자 층으로 돌아가야 볼 수 있다.

요약은 언제나 손실이다 — 무엇을 잃는지 알고 요약해야 한다

🤔 확인 문제

Xenium 자료에서 정규화 배율로 10,000 대신 100 을 흔히 쓰는 이유는?

🤔 확인 문제

Xenium 행렬이 단일세포 행렬보다 '채워진 비율'이 높은 이유는?

🤔 확인 문제

세포당 분자가 단일세포의 1/10 수준일 때 분석에서 특히 조심할 점은?