5강 / 22강

분자 하나하나 — 자료의 진짜 최소 단위

transcripts.zarr · x·y·z 좌표를 가진 점 9,548만 개

여기가 이 강의의 심장입니다. 단일세포 자료의 최소 단위는 세포였습니다. Xenium 의 최소 단위는 분자예요.

표본 하나에 95,481,927개의 분자가 기록되어 있고, 각각에 이런 정보가 붙습니다.

항목	뜻
`x, y, z`	조직 안에서의 위치 (µm) — z 는 절편 두께 방향
`gene`	어떤 유전자인가 (13,780개 codeword 중 하나)
`qv`	얼마나 확실한가 — 품질 점수 (다음 강의)
`status`	어느 세포에 배정되었나 / 세포 밖인가

이 파일(transcripts.zarr.zip)은 표본당 2 GB 입니다. 그래서 이 강의에서는 조직에서 200 × 200 µm 시야 하나를 오려 냈습니다. 그 안에 분자가 356,319개 들어 있습니다.

고등학생자료의 진짜 최소 단위

이 자료의 가장 원본 은 세포도 유전자도 아니다. 분자 하나하나의 좌표 다.

	개수
세포	약 19만
분자(전사체)	9,548만

한 세포에 평균 500개쯤

그런데 이것은 배정된 것 기준이 아니다. 전체 분자 중 상당수가 어느 세포에도 배정되지 않는다(10강).

그리고 z 좌표도 있다

절편은 두께가 있다. 그래서 3차원 좌표 다. 대부분의 분석은 z 를 무시하지만, 세포가 겹쳐 있을 때 는 중요하다.

세포는 측정된 것이 아니라 분자 위에 그려 넣은 것이다

z 범위가 수 µm 인 것에 주목하세요. 절편 두께 안에서 분자가 3차원으로 흩어져 있습니다.

Python 브라우저에서 실행

# 시야 하나의 분자를 전부 불러옵니다.
import sp

tx = sp.transcripts()
print(f"분자 {len(tx):,}개")
print(tx.head(5).to_string())
print("\n좌표 범위")
print(f"  x {tx.x.min():.1f} ~ {tx.x.max():.1f} µm")
print(f"  y {tx.y.min():.1f} ~ {tx.y.max():.1f} µm")
print(f"  z {tx.z.min():.1f} ~ {tx.z.max():.1f} µm   ← 절편 두께 방향")
넓이 = (tx.x.max()-tx.x.min()) * (tx.y.max()-tx.y.min())
print(f"\n분자 밀도 {len(tx)/넓이:.1f}개/µm²  ({len(tx)/넓이*100:.0f}개/100µm²)")

고등학생어떻게 분자 하나를 읽나

Xenium 의 원리는 여러 번 찍어 해독 하는 것이다.

단계	하는 일
1	유전자마다 다른 탐침이 붙음
2	탐침을 증폭 (rolling circle)
3	형광 표지를 붙여 촬영
4	표지를 씻고 다른 표지로 다시 촬영
5	여러 회차의 색 조합 = 코드워드
6	코드워드를 유전자 이름으로 해독

색 조합이 유전자를 나타낸다

색이 4가지, 회차가 15번이면 가능한 조합이 아주 많다. 그중 5,006개만 실제 유전자에 할당한다.

유전자 이름은 색의 순서를 해독한 결과다 — 해독이 틀릴 수 있다

이 그림에는 세포가 없습니다. 그런데도 세포의 윤곽이 보이죠. 분할은 바로 이 정보를 쓰는 것입니다.

Python 브라우저에서 실행

# 분자를 그대로 그려 봅니다 — 이것이 원자료의 민낯입니다.
import sp, numpy as np
import matplotlib.pyplot as plt

tx = sp.transcripts()
sub = tx.sample(40000, random_state=0)          # 16만 개를 다 찍으면 새까매집니다

plt.figure(figsize=(6.4, 6.2))
plt.scatter(sub.x, sub.y, s=.4, c="#495057", alpha=.35, linewidths=0)
plt.gca().set_aspect("equal")
plt.xlabel("x (um)"); plt.ylabel("y (um)")
plt.title(f"transcripts in a 200x200 um window (n={len(sub):,} shown)")
print("점 하나가 mRNA 분자 하나입니다.")
print("빈 곳은 세포가 없는 자리, 빽빽한 곳은 세포가 몰린 자리입니다.")

상위권을 보면 이 조직이 무엇으로 이루어져 있는지 짐작이 갑니다.

Python 브라우저에서 실행

# 어떤 유전자의 분자가 많이 잡혔나.
import sp, numpy as np, pandas as pd

tx = sp.transcripts()
이름 = sp.feature_names()
종류 = sp.feature_types()

cnt = np.bincount(tx.gene.values, minlength=len(이름))
o = np.argsort(-cnt)[:15]
print(pd.DataFrame({"유전자": 이름[o], "분자수": cnt[o],
                    "비율%": (cnt[o]/len(tx)*100).round(2),
                    "종류": 종류[o]}).to_string(index=False))
print(f"\n이 시야에서 한 번이라도 잡힌 특징: {(cnt>0).sum():,}개 / {len(이름):,}개")

고등학생오류 검출 코드

해독이 틀릴 수 있으니 오류 검출 장치를 넣는다.

발상 — 유효한 코드워드를 드문드문 배치한다

가능한 조합이 10만 가지인데 5,006개만 쓴다. 그러면 유효 코드끼리 충분히 떨어져 있다.

읽은 결과	판정
유효 코드와 정확히 일치	확실
한 자리만 다름	고쳐서 배정 (확신도 낮춤)
어느 것과도 멀다	버림

이것이 해밍 거리 를 이용한 오류 정정이다. QR 코드가 일부 가려져도 읽히는 것과 같은 원리다.

쓸 수 있는 것보다 적게 쓰는 것이 오류를 잡는 방법이다

군집도 주석도 하기 전인데 조직 구조가 벌써 보입니다. 이것이 공간 자료의 힘입니다.

Python 브라우저에서 실행

# 유전자 하나만 골라 그려 보면 — 공간 패턴이 드러납니다.
import sp, numpy as np
import matplotlib.pyplot as plt

tx = sp.transcripts()
이름 = sp.feature_names()
gi = {g: i for i, g in enumerate(이름)}

볼것 = [g for g in ["Ptprc", "Col1a1", "Pecam1", "Mki67"] if g in gi]
fig, ax = plt.subplots(1, len(볼것), figsize=(3.1*len(볼것), 3.3))
for a, g in zip(np.atleast_1d(ax), 볼것):
    m = tx.gene.values == gi[g]
    a.scatter(tx.x[m], tx.y[m], s=1.2, c="#e8590c", alpha=.6, linewidths=0)
    a.set_aspect("equal"); a.set_xticks([]); a.set_yticks([])
    a.set_title(f"{g}  n={m.sum():,}", fontsize=9)
plt.tight_layout()
print("Ptprc(=Cd45)는 면역세포, Col1a1 은 섬유아세포, Pecam1 은 혈관 내피,")
print("Mki67 은 분열 중인 세포입니다. 각각 다른 자리에 뭉쳐 있는 것이 보이나요?")

고등학생그래서 품질 점수가 나온다

해독의 확신 정도 를 숫자로 매긴 것이 Q 값이다. 6강에서 자세히 본다.

상황	Q
완벽히 일치	높음
한 자리 고쳐서 배정	낮음

이 강의가 분자부터 보는 이유

대부분의 사용자는 이미 걸러진 행렬부터 쓴다. 그러면 무엇이 걸러졌는지 를 모른다.

분자 층을 보면 "이 자료의 몇 %가 버려졌나", "문턱을 바꾸면 어떻게 되나" 를 직접 확인할 수 있다.

전처리를 남에게 맡기면 그 전처리의 가정도 함께 물려받는다

🤔 확인 문제

Xenium 자료에서 '세포'는 어떻게 만들어지나요?

🤔 확인 문제

분자에 z 좌표가 있는 이유는?

🤔 확인 문제

군집도 주석도 하기 전에 Col1a1 분자만 찍었더니 섬유질 구조가 보였습니다. 이것이 뜻하는 바는?