14강 / 20강

표준화해도 연구는 여전히 배치다

이 강의 자료의 study 76개와 그 사이의 차이

이 강의가 모은 자료는 연구(SRAStudy) 76개에 걸쳐 있습니다. 연구마다 만든 실험실이 다르고, 만든 해가 다르고, 만든 사람이 다릅니다.

그 차이를 배치효과 라고 부르는데, 다시 처리해도 남습니다.

배치가 만들어지는 자리를 하나씩 짚어 보면 이렇습니다.

어디서	무엇이 달라지나	다시 처리하면?
조직을 얻는 방법	사후지연 · 보관 온도 · 고정 여부	그대로
RNA 를 뽑는 키트	수율 · 분해 정도 · 오염	그대로
라이브러리 키트	PolyA 인가 리보솜 제거인가 (5강)	그대로
PCR 사이클 수	중복 read 의 양	일부 보정 가능
기계와 레인	오류 성질 · 품질 곡선	그대로
읽기 길이·깊이	잡히는 유전자의 범위 (6·7강)	깎아서 맞출 수 있다
정렬·주석·정규화	계산의 차이	사라진다

일곱 줄 중 셋만 다시 처리로 해결됩니다.

고등학생무엇이 배치를 만드나

요인	내용
시료 채취·보관	수술장에서 얼마나 빨리 얼렸나
RNA 추출 키트	회사·로트마다 다름
라이브러리 제작	사람·날짜·시약
시퀀싱 장비	기종·플로우셀
기증자 집단	인종·나이·환경

이 중 어느 것도 계산으로 되돌릴 수 없습니다 — 자료에 이미 굳어 있습니다.

중복률이 단서를 주지만 확실한 답은 UMI 에서 나옵니다.

Python 브라우저에서 실행

# PCR 중복과 진짜 높은 발현을 구분할 수 있는가.
import numpy as np
rng = np.random.default_rng(6)

L = 2000       # 유전자 길이
def sim(n_reads, n_pcr_dup):
    starts = list(rng.integers(0, L - 100, n_reads))
    starts += list(rng.choice(starts, n_pcr_dup))      # PCR 로 복제된 것들
    return starts

for name, n, dup in [("발현이 정말 높다", 400, 0), ("PCR 중복이 많다", 100, 300)]:
    s = sim(n, dup)
    uniq = len(set(s))
    print(f"{name:18s} read {len(s):4d}  서로 다른 시작점 {uniq:4d}  "
          f"중복률 {(1-uniq/len(s))*100:5.1f}%")
print()
print("read 수는 둘 다 400 인데 서로 다른 시작점의 수가 크게 다릅니다.")
print("UMI 가 있으면 확실하게 갈립니다 — 없으면 이 추정에 기대야 해요.")

고등학생PCA로 보면 study가 먼저 보인다

76개 study의 자료를 합쳐 PCA를 그리면, 점들이 study별로 뭉칩니다. 병이나 조직으로 칠하면 뒤죽박죽인데요.

색칠 기준	보이는 것
study	깔끔하게 갈라짐 — 가장 큰 변이
조직	어느 정도 갈라짐
병	거의 안 갈라짐

즉 가장 큰 신호가 생물학이 아니라 배치입니다. 이 상태로 차등 발현을 하면 study 차이를 찾게 돼요.

남는 배치를 다루는 방법은 /geo 와 같습니다.

➖

연구 안에서 먼저 뺀다

가장 안전합니다. 배치가 뺄셈에서 사라져요

🧮

공변량으로 넣는다

연구를 모형에 넣습니다. 환자와 대조가 각 연구 안에 다 있어야 해요

⚠️

보정 도구를 쓴다

ComBat 같은 것. 병과 배치가 엉켜 있으면 병 신호까지 지웁니다

고등학생배치를 다루는 방법과 위험

방법	내용	위험
모형에 공변량으로	study를 변수로 넣음	안전한 편
ComBat 등으로 제거	배치별 평균·분산을 맞춤	생물학 신호까지 지울 수 있음
메타분석	study 안에서 계산하고 합침	안전 · 표본이 나뉨
study를 하나만 씀	배치 없음	일반화가 안 됨

두 번째 방법의 위험 — 어떤 study에 환자만, 다른 study에 정상만 있으면 병 신호가 배치와 완전히 겹칩니다.

그 경우 배치를 지우면 병 신호도 지워져요. 그래서 각 study에 환자와 정상이 둘 다 있는지 먼저 확인해야 합니다.

🤔 확인 문제

자료를 전부 다시 처리해도 남는 배치 요인이 아닌 것은?

🤔 확인 문제

연구 A 에 환자만, 연구 B 에 대조만 들어 있을 때 ComBat 같은 배치 보정을 쓰면?