8강 / 22강

표적 패널 — 전사체 전체가 아니다

5,006개만 본다는 것의 뜻 · 내 표지자가 없을 때

단일세포 RNA-seq 은 있는 것을 전부 읽습니다(2~3만 유전자). Xenium 은 미리 정한 것만 읽습니다(5,006개).

이것은 단순한 '개수 차이'가 아닙니다. 성격이 완전히 다른 제약이에요. 단일세포에서 어떤 유전자가 0이면 "못 봤다" 일 수 있지만, Xenium 에서 목록에 없는 유전자는 "애초에 볼 수 없다" 입니다.

그리고 이 제약은 생각보다 자주 발목을 잡습니다. 실제로 확인해 봅시다.

고등학생전사체 전체가 아니다

이 자료는 5,006개 유전자만 본다. 전체 2만 개 중 25%.

그래서 할 수 없는 일들

못 하는 것	왜
새 표지 발견	패널에 없으면 못 봄
전체 전사체 상관	일부만 있음
비암호 RNA	대개 패널에 없음
스플라이싱 분석	불가

할 수 있는 일

패널에 있는 유전자에 대해서는 단일세포보다 정확히 잴 수 있다. 탈락이 적고, 검출 효율이 안정적이다.

좁게 보는 대신 확실하게 본다 — 표적 패널의 맞바꿈

Krt8 · Krt18 · C1qa · S100a8 · Cd74 · Vim 이 없습니다. 단일세포 강의에서 주력으로 썼던 표지자들이죠.

Python 브라우저에서 실행

# 흔히 쓰는 표지자들이 이 패널에 있는지 확인합니다.
import sp, numpy as np, pandas as pd

유전자 = set(sp.genes())          # Gene Expression 5,006개
확인 = {
 "종양/상피": ["Epcam", "Krt8", "Krt18", "Krt19", "Cdh1"],
 "T세포":    ["Cd3e", "Cd3d", "Cd8a", "Cd4", "Foxp3", "Pdcd1"],
 "NK세포":   ["Ncr1", "Klrb1c", "Gzma", "Gzmb"],
 "B세포":    ["Cd79a", "Ms4a1", "Cd19"],
 "대식세포":  ["C1qa", "C1qb", "Mrc1", "Cd68", "Adgre1"],
 "호중구":   ["S100a8", "S100a9", "Retnlg", "Csf3r"],
 "항원제시":  ["Cd74", "H2-Ab1", "H2-Aa", "Ciita"],
 "기타":     ["Ptprc", "Col1a1", "Pecam1", "Mki67", "Vim", "Ddx54"],
}
for 군, gs in 확인.items():
    있 = [g for g in gs if g in 유전자]
    없 = [g for g in gs if g not in 유전자]
    print(f"{군:9} 있음 {len(있)}/{len(gs)}  " +
          (f"❌ 없음: {', '.join(없)}" if 없 else "✅ 전부 있음"))

고등학생내 표지자가 없을 때

보고 싶은 유전자가 패널에 없다. 어떻게 하나?

대응	내용
대체 표지 찾기	같은 세포를 가리키는 다른 유전자
여러 표지 조합	하나가 없어도 조합으로
단일세포 자료에서 학습	패널 유전자로 예측하는 모형
포기하고 명시	"이 세포는 구별할 수 없었다"

세 번째가 흥미로운 접근이다

단일세포 자료에서 패널 안 유전자만으로 세포 유형을 얼마나 잘 맞히는지 학습한다.

그 모형을 공간 자료에 적용한다. "이 패널로 이 세포 유형을 구별할 수 있나" 를 미리 확인 할 수 있다.

공간 분석 전에 이 패널로 그 질문에 답할 수 있는지 시험할 수 있다

고등학생패널은 어떻게 고르나

고려	내용
세포 유형 표지	주요 유형을 다 구별할 수 있게
발현 수준	너무 높으면 신호가 겹침
탐침 설계 가능성	서열이 적당해야
연구 목적	관심 경로

발현이 너무 높아도 문제다

액틴 같은 초고발현 유전자를 패널에 넣으면 신호가 너무 빽빽해서 개별 분자를 못 센다.

그래서 패널에는 중간 정도로 발현되는 유전자가 주로 들어간다. 이것도 하나의 편향이다.

기술이 잘 다루는 범위가 패널의 구성을 정한다

면역 관련 유전자는 꽤 촘촘히 들어 있습니다. Pan Tissue 패널이라 넓게 고른 것이죠.

Python 브라우저에서 실행

# 패널에 어떤 유전자가 실려 있나 — 목록을 훑어봅니다.
import sp, numpy as np

g = sp.genes()
print(f"패널 유전자 {len(g):,}개")
print("\n앞 20개:", ", ".join(g[:20]))
print("\n'Cd' 로 시작하는 유전자:", len([x for x in g if x.startswith("Cd")]), "개")
print("  ", ", ".join([x for x in g if x.startswith("Cd")][:22]), "…")
print("\n'Ccl'(케모카인):", ", ".join([x for x in g if x.startswith("Ccl")]))
print("\n'Cxcl'(케모카인):", ", ".join([x for x in g if x.startswith("Cxcl")]))

시야를 좁게 잘랐으니 당연한 결과입니다. '없다'와 '이 시야에 없다'는 다릅니다.

Python 브라우저에서 실행

# 이 시야에서 실제로 검출된 유전자는 몇 개일까?
import sp, numpy as np

tx = sp.transcripts()
이름 = sp.feature_names(); 종류 = sp.feature_types()
cnt = np.bincount(tx.gene.values, minlength=len(이름))
유전자idx = np.where(종류 == "Gene Expression")[0]
c = cnt[유전자idx]

print(f"패널 유전자 {len(c):,}개 중")
for t in [1, 10, 100, 1000]:
    print(f"  {t:>5}개 이상 검출: {(c>=t).sum():>5,}개 ({(c>=t).mean()*100:5.1f}%)")
print(f"\n한 번도 안 잡힌 유전자: {(c==0).sum():,}개")
print("→ 이 200×200 µm 시야가 조직 전체를 대표하지는 않습니다.")
print("→ 여기 없는 유전자도 다른 부위에는 있을 수 있습니다.")

고등학생21강에서 만날 함정

Krt8 이 안 보인다고 하자. 상피세포 표지다.

잘못된 결론	확인해야 할 것
상피세포가 없다	Krt8 이 패널에 있나

이 확인은 30초면 된다

features 표에서 유전자 이름을 찾아보면 끝이다. 그런데 안 하고 넘어가기 쉽다.

그림에 안 보이면 없는 것처럼 느껴지기 때문이다.

그래서 습관이 필요하다

"이 유전자가 낮다/없다" 를 말하기 전에 패널에 있는지 먼저 확인한다.

표적 패널 자료에서 부재는 언제나 두 가지 뜻을 갖는다

🤔 확인 문제

Xenium 자료에서 어떤 유전자를 찾을 수 없었습니다. 단일세포 자료에서 0인 것과 어떻게 다른가요?

🤔 확인 문제

연구 질문에 꼭 필요한 표지자가 패널에 없다는 것을 언제 알아야 할까요?

🤔 확인 문제

200 × 200 µm 시야에서 검출되지 않은 유전자가 많았습니다. 옳은 해석은?