12강 / 22강

공간 자료의 품질관리 — 표본마다 품질이 다르다

전사체 수 · 면적 · 그리고 DDX_PD1 문제

공간 자료의 QC 는 단일세포와 비슷하면서도 다릅니다. 전사체 수는 같지만, 면적이라는 물리적 잣대가 추가되고, 미토콘드리아 비율 같은 것은 (패널에 미토 유전자가 없어서) 못 씁니다.

지표	흔한 문턱	무엇을 걸러 내나
세포당 전사체 수	≥ 10 ~ 30	거의 빈 세포, 분할 조각
세포 면적	> 5 µm²	세포라 보기 어려운 파편
핵/세포 비	0.1 ~ 0.95	분할 실패
음성 대조 개수	낮을수록 좋음	잡음이 큰 세포

고등학생표본마다 품질이 다르다

여러 표본을 비교할 때 가장 먼저 확인할 것은 생물학이 아니라 품질 이다.

확인 항목	왜
세포당 전사체 수	검출 효율의 차이
세포 수	절편 크기 · 분할 성공
면적 분포	분할 품질
음성 대조 비율	배경 잡음 (7강)

품질 차이를 확인하지 않으면 기술적 차이를 생물학으로 읽는다

DDX_PD1 을 보세요. 봉우리가 두 개입니다 — 정상 세포 무리와 거의 빈 세포 무리.

Python 브라우저에서 실행

# 표본별 전사체 수 분포 — 여기서 문제가 드러납니다.
import sp, numpy as np
import matplotlib.pyplot as plt

c = sp.cells()
fig, ax = plt.subplots(1, 4, figsize=(12, 3), sharey=True)
for a, s in zip(ax, ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]):
    v = c.loc[c["표본"] == s, "전사체수"]
    a.hist(np.log10(np.maximum(v, 1)), bins=40, color="#4c6ef5")
    a.axvline(np.log10(20), color="#e03131", ls="--", lw=1.2)
    a.set_title(f"{s}\nmedian {int(v.median())}", fontsize=9)
    a.set_xlabel("log10 transcripts")
plt.tight_layout()

print("표본별 중앙값 / 10백분위")
for s in ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]:
    v = c.loc[c["표본"] == s, "전사체수"]
    print(f"  {s:9} 중앙 {v.median():6.0f}   하위10% {v.quantile(.1):6.0f}   상위90% {v.quantile(.9):6.0f}")

고등학생DDX_PD1 문제

이 자료에서 실제로 발견되는 문제다. DDX_PD1 표본의 세포당 전사체가 57개 로 유난히 낮다.

표본	세포당 전사체
다른 표본들	더 높음
DDX_PD1	57

이것이 왜 심각한가

전사체가 적으면 모든 유전자가 적게 잡힌다. 그러면 세포 유형 배정이 어려워지고, 드문 세포가 특히 안 잡힌다.

T세포는 상피세포보다 작고 RNA 가 적다. 그러니 T세포가 더 많이 손실 된다.

전반적 품질 저하는 특정 세포 종류에 더 크게 작용한다

고등학생그래서 20강에서 결론을 흔들어 본다

이 강의의 핵심 질문은 "T세포가 얼마나 들어왔나" 다(17강).

그런데 품질이 낮은 표본에서는

관찰	가능한 원인
T세포가 적다	실제로 적음 또는 덜 잡힘
침윤이 낮다	실제 또는 검출 문제

둘을 구별할 수 없다. 그런데 그 표본이 하필 중요한 조건(항-PD1 병용)이다.

20강에서 하는 일

품질이 결과를 만든 것인지 확인한다 — 다운샘플링 으로 다른 표본을 같은 깊이로 낮춰 보고 같은 결론이 나오는지 본다.

품질 차이가 결론을 만들었는지는 품질을 맞춰 보면 알 수 있다

면적으로 나눠 봐도 DDX_PD1 이 낮습니다. 세포가 작아서가 아니라 신호 자체가 약한 것입니다.

Python 브라우저에서 실행

# 면적과 전사체 수의 관계 — 큰 세포가 더 많이 잡히는 것이 정상입니다.
import sp, numpy as np
import matplotlib.pyplot as plt

c = sp.cells()
fig, ax = plt.subplots(1, 2, figsize=(10, 4))
for s, col in zip(["WT_ISO", "DDX_PD1"], ["#4c6ef5", "#e8590c"]):
    m = c["표본"] == s
    ax[0].scatter(c.loc[m, "세포면적"], c.loc[m, "전사체수"], s=3, alpha=.3, c=col, label=s)
ax[0].set_xscale("log"); ax[0].set_yscale("log")
ax[0].set_xlabel("cell area (um2)"); ax[0].set_ylabel("transcripts"); ax[0].legend(fontsize=8)
ax[0].set_title("area vs transcripts")

밀도 = c["전사체수"] / np.maximum(c["세포면적"], 1e-9)
for s, col in zip(["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"], ["#4c6ef5", "#2b8a3e", "#f59f00", "#e8590c"]):
    m = c["표본"] == s
    ax[1].hist(np.log10(np.maximum(밀도[m], 1e-3)), bins=40, alpha=.55, label=s, color=col)
ax[1].set_xlabel("log10 transcripts per um2"); ax[1].legend(fontsize=8)
ax[1].set_title("transcript density")
plt.tight_layout()

print("면적당 전사체 밀도 중앙값 (µm² 당)")
for s in ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]:
    m = c["표본"] == s
    print(f"  {s:9} {밀도[m].median():.2f}")

이 표가 20강의 예고편입니다.

Python 브라우저에서 실행

# QC 를 적용하고 표본별로 얼마나 남는지 셉니다.
import sp, numpy as np

c = sp.cells()
for th in [10, 20, 50, 100]:
    k = (c["전사체수"] >= th) & (c["세포면적"] > 5)
    줄 = f"  전사체>={th:<4}"
    for s in ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]:
        m = c["표본"] == s
        줄 += f"  {s} {k[m].mean()*100:5.1f}%"
    print(줄)
print("\n→ 문턱을 올릴수록 DDX_PD1 만 급격히 깎입니다.")
print("→ 이런 표본을 다른 표본과 나란히 비교하려면 반드시 민감도 검증이 필요합니다.")

고등학생품질 지표를 공간적으로 보기

표본 전체의 평균만 보면 안 된다. 절편 안에서도 품질이 다르다.

공간적 패턴	원인
가장자리가 낮음	광학 · 조직 손상
한쪽 구석이 낮음	절편 접힘 · 기포
종양 중심이 낮음	괴사 · 밀도

마지막이 이 강의에 치명적이다

종양 중심의 품질이 낮으면 "안쪽에 T세포가 적다" 는 관찰이 검출 문제일 수 있다.

17강의 침윤 분석이 바로 그 축 을 본다. 그러니 반드시 확인해야 한다.

품질의 공간적 편향이 공간적 결론과 같은 축에 있으면 특히 위험하다

🤔 확인 문제

공간전사체 QC 에서 단일세포와 달리 쓸 수 없는 지표는?

🤔 확인 문제

DDX_PD1 의 전사체 분포에 봉우리가 두 개였습니다. 무엇을 뜻할까요?

🤔 확인 문제

가장 중요한 조건의 표본이 품질이 가장 나쁠 때 올바른 태도는?