Lesson 12 of 20

【실습】 이 수용체는 무엇을 알아보나

VDJdb 와 대조하기 · 그리고 이 사람은 CMV 를 앓았다

지금까지 우리는 수용체를 세기만 했습니다. "이 수용체가 무엇을 알아보나" 는 한 번도 묻지 않았어요.

그 물음은 서열만으로는 못 풉니다. 8강에서 봤듯이 수용체가 보는 것은 펩타이드 + MHC 이고, 우리는 HLA 를 모르니까요.

대신 할 수 있는 일이 있습니다 — 이미 밝혀진 것과 맞춰 보는 것.

VDJdb — 실험으로 항원이 확인된 T세포 수용체를 모아 둔 데이터베이스
        사람 베타 사슬만 고유 CDR3 111,414개
        Goncharov 등, Nature Methods 2022

우리 CDR3 가 그 목록에 정확히 같은 서열로 들어 있으면, 그 수용체가 무엇을 알아보는지 남의 실험 결과를 빌려 알 수 있습니다.

High school지명수배 전단과 대조하기

지금까지 우리는 수용체를 세기만 했습니다. "몇 개냐, 얼마나 다양하냐, 누구와 겹치냐." 한 번도 "이건 뭘 알아보는 수용체냐" 를 묻지 않았어요.

왜 안 물었나

8강에서 배웠죠. 수용체가 보는 것은 펩타이드 + MHC 인데 우리는 MHC(접시)를 모릅니다. 서열만 보고 항원을 맞히는 건 아직 아무도 제대로 못 합니다.

그러면 어떻게 하나 — 대조합니다

1강의 몽타주 비유로 돌아갑시다. 우리 서랍에 몽타주 5,000장이 있어요. 각각이 누구 얼굴인지는 모릅니다.

그런데 경찰서에 지명수배 전단이 붙어 있습니다. 이미 신원이 밝혀진 범인들의 얼굴이 이름표와 함께요.

우리 몽타주와 전단을 한 장씩 맞춰 본다

똑같은 얼굴을 찾으면 — 이름을 빌려 옵니다. "아, 이 몽타주는 CMV 라는 놈이구나."

그 전단이 VDJdb 입니다. 전 세계 실험실이 "이 TCR 은 이 항원을 잡는다" 를 실험으로 확인한 결과를 모아 둔 데이터베이스예요. 사람 베타 사슬만 고유 CDR3 111,414개 가 들어 있습니다.

꼭 구별해야 할 것

	예측	대조 (우리가 하는 일)
하는 일	서열에서 항원을 계산	이미 밝혀진 목록과 글자 맞추기
누구 공로	내 것	남의 실험 결과를 빌린 것

이 강의는 오른쪽만 합니다. 그리고 그 사실을 계속 적습니다.

High school라이선스를 먼저 읽는 습관

바로 위 노트가 좀 뜬금없어 보일 수 있습니다. 왜 갑자기 라이선스 이야기일까요? 사실 아주 실용적인 이야기입니다.

문제 상황

VDJdb 는 AGPL 이라는 라이선스로 배포됩니다. "가져다 써도 되지만, 다시 배포하려면 조건이 붙는다" 는 규칙이에요.

이 강의가 VDJdb 파일을 그냥 사이트에 올려 두면 그 조건을 어기게 됩니다. 그러면 어떻게 할까요?

이 강의의 해법

자료를 만들 때 한 번만 대조한다
우리 쪽 서열(10x, CC BY 4.0 — 자유롭게 재배포 가능)에 라벨만 붙여 싣는다
VDJdb 파일 자체는 싣지 않는다

데이터베이스는 두고 오고, 대조 결과만 가져온다

라이선스가 왜 있나

남이 몇 년을 들여 모은 자료를 아무나 퍼가서 자기 것처럼 쓰면 안 되겠죠. 그래서 만든 사람이 사용 조건을 붙입니다. 여러분이 쓰는 폰트, 이미지, 코드에도 전부 있어요.

라이선스	대충 이런 뜻
CC BY	출처만 밝히면 자유롭게 써도 된다
AGPL	써도 되지만, 다시 배포할 때 조건이 붙는다
독점	허락 없이 못 쓴다

수행평가에도 그대로 적용됩니다

발표 자료에 인터넷 이미지를 넣을 때, 그 이미지에도 라이선스가 있습니다. 출처를 적는 것은 예의가 아니라 규칙이에요.

그리고 규칙을 지키는 방법이 늘 "쓰지 않기" 는 아닙니다 — 이 강의처럼 조건에 맞게 쓰는 방법을 찾아내는 것이 더 좋은 답일 때가 많습니다.

‘모른다’ 가 압도적으로 많다는 것 — 이것이 이 분야의 현재 상태입니다.

Python Runs in your browser

# 우리 레퍼토리 중 몇 개가 알려진 항원 특이 TCR 인가
import tcr

for s in tcr.SAMPLES:
    b = tcr.rep(s, "TRB").dropna(subset=["CDR3"])
    hit = tcr.antigen(s)
    print(f"{tcr.KO[s]:<10} 베타 {len(b):>5,}  일치 {len(hit):>4}  "
          f"({100*len(hit)/len(b):>4.1f}%)")
print()
print("4% 안팎입니다. 나머지 96% 는 무엇을 알아보는지 모릅니다.")

CMV · EBV · 독감 — 대부분의 어른이 겪은 감염들입니다.

Python Runs in your browser

# 무슨 항원인가
import tcr
import pandas as pd

표 = pd.DataFrame({s: tcr.antigen(s)["항원"].value_counts() for s in tcr.SAMPLES}).fillna(0).astype(int)
표 = 표.loc[표.sum(axis=1).sort_values(ascending=False).index]
표.columns = [tcr.KO[s] for s in tcr.SAMPLES]
print(표.head(9).to_string())
print()
a = tcr.antigen("PBMC-A")["항원"].value_counts()
print(f"말초혈액 A 에서 CMV 특이 TCR 이 {a.get('CMV',0)}개 - 가장 많습니다.")

High school4% 라는 숫자를 어떻게 받아들일까

위 코드가 충격적인 결과를 냈습니다. 우리 수용체 중 항원이 알려진 것은 4% 남짓 이에요. 나머지 96%는 뭘 알아보는지 모릅니다.

이걸 어떻게 읽어야 하나

두 가지로 읽을 수 있습니다. 어느 쪽이 맞을까요?

읽기	맞나
"96%는 아무 항원도 안 잡는 쓸모없는 수용체다"	✘ 틀림
"96%의 항원은 아직 아무도 밝히지 않았다"	✔ 맞음

8강에서 본 백과사전 비유가 여기 다시 옵니다. 백과사전에 없다고 존재하지 않는 게 아니듯, VDJdb 에 없다고 항원이 없는 게 아닙니다.

'모른다' 와 '없다' 를 섞으면 결론의 세기가 가짜로 세진다

96% 라는 숫자가 말해 주는 것

이 분야가 아직 초기라는 뜻입니다. 우리는 면역계라는 거대한 도서관에서 책 4%의 제목만 읽은 상태예요.

실망스럽게 들리나요? 반대로 볼 수도 있습니다 — 96%가 아직 아무도 안 한 연구라는 뜻이니까요. 여러분이 대학에 가서 할 일이 아직 잔뜩 남아 있습니다.

그리고 왜 어려운가

서열만 보고 항원을 맞히는 건 왜 그렇게 어려울까요? 같은 항원을 여러 모양의 수용체가 잡을 수 있고, 같은 수용체가 여러 항원을 잡을 수도 있기 때문입니다. 일대일 대응이 아니에요.

게다가 8강의 접시(HLA) 문제까지 겹칩니다. 접시가 다르면 같은 서열도 다르게 작동해요. 지금은 AI 로 이걸 예측하려는 연구가 아주 활발합니다 — 아직 실용 수준은 아니지만요.

High school혈액검사 없이 감염 이력을 추정한다

바로 위 노트가 이 강의에서 가장 '와' 하는 부분입니다. 서열만 보고 이 사람이 CMV 를 앓았다고 추정했어요.

CMV 가 뭔가요

사이토메갈로바이러스. 헤르페스 계열 바이러스입니다. 건강한 사람은 걸려도 대개 증상이 거의 없어요. 문제는 한 번 걸리면 평생 몸에 남는다는 겁니다.

완전히 없애지 못하니, 면역계가 평생 감시해야 합니다. 그래서 CMV 양성인 사람은 T세포의 상당 부분을 CMV 감시에 씁니다 — 많게는 10%까지요.

평생 감시 = 레퍼토리에 영구적인 흔적이 남는다

우리가 본 증거

	PBMC-A	PBMC-B
CMV 특이 TCR	99개	38개
세포 수	5,328	3,925 (A 의 74%)

세포는 A 가 1.4배 많은데 CMV TCR 은 2.6배 많습니다. 세포 수 차이로 설명이 안 되는 초과분이 있어요. (9강에서 배운 크기를 맞추고 견주기 를 여기서도 쓰고 있습니다.)

"A 는 CMV 양성일 가능성이 높다"

'추정' 과 '진단' 의 차이

문장을 자세히 보세요. "양성이다" 가 아니라 "양성일 가능성이 높다" 입니다. 왜 이렇게 조심할까요?

혈청검사 결과가 없습니다 — 확인할 방법이 없다
VDJdb 라벨이 틀렸을 수도 있다
CDR3 가 같아도 실제 기능은 다를 수 있다

그래서 추정까지만 갑니다. 이게 정직한 선까지의 결론이에요. 그런데도 놀랍죠 — 피 한 방울의 서열만으로 수십 년 전 감염을 짐작해 낸 겁니다.

이게 레퍼토리 분석이 실제 병원에서 쓰이는 방식입니다. 장기이식 전 CMV 위험 평가, 백신 반응 확인, 림프종 진단 같은 곳에서요.

10강에서 '무언가를 만났다' 고만 했던 클론의 정체를 확인합니다.

Python Runs in your browser

# 9강에서 남겨 둔 숙제 - 세포 23개짜리 클론은 무엇이었나
import tcr

b = tcr.rep("PBMC-B")
큰클론 = tcr.clones("PBMC-B").index[0]
줄 = b[(b["클론타입"] == 큰클론) & (b["사슬"] == "TRB")].iloc[0]
print(f"말초혈액 B 의 가장 큰 클론 ({tcr.clones('PBMC-B').iloc[0]}개 세포)")
print(f"  V     : {줄['v_gene']}")
print(f"  J     : {줄['j_gene']}")
print(f"  CDR3  : {줄['CDR3']}")
print(f"  항원  : {줄['항원'] if isinstance(줄['항원'], str) else '알려지지 않음'}")
if isinstance(줄["항원"], str):
    print(f"  에피토프 : {줄['에피토프']}   제시 HLA : {줄['제시 HLA']}")
print()
print("크게 불어난 클론이 알려진 항원과 이어지면, 그 확장의 이유를 짐작할 수 있습니다.")
print("이어지지 않으면 - 이유를 모르는 채로 남깁니다.")

High school9강의 숙제를 드디어 풉니다

기억하시나요? 9강에서 세포 23개짜리 클론을 발견하고 "그 클론은 무언가를 만났습니다" 라고만 적고 넘어갔죠.

바로 위 코드가 그 정체를 확인합니다. V 유전자, J 유전자, CDR3 서열, 그리고 항원 라벨까지요.

결과가 두 갈래로 갈립니다

결과	그러면
항원 라벨이 붙어 있다	확장의 이유를 짐작할 수 있다 — "이 감염과 싸웠구나"
항원 라벨이 비어 있다	이유를 모르는 채로 남긴다

두 번째가 중요합니다. 라벨이 없다고 "이유가 없다" 고 적으면 안 돼요. 모른다고 적습니다.

이야기가 완성되지 않아도 억지로 완성하지 않는다

왜 이게 어려운 일인가

사람은 이야기를 완성하고 싶어 합니다. "큰 클론을 찾았다 → 항원을 찾았다 → 이 사람은 이 병을 앓았다" 로 깔끔하게 끝나면 얼마나 좋을까요.

그런데 자료가 거기까지 안 데려다줄 때가 훨씬 많습니다. 그때 없는 마지막 조각을 상상으로 채우는 것이 과학에서 가장 흔한 실수입니다.

12강 한 줄 정리

서열은 대조로 뜻을 얻는다 — 그리고 96%는 아직 대조할 상대가 없다

여기까지가 3부 읽기 입니다. 다음 13강부터는 아형 — 같은 T세포가 왜 서로 다른 일을 하는지를 봅니다. 여기서부터는 수용체 밖의 이야기가 시작돼요.

🤔 Check yourself

우리 CDR3 의 96%가 VDJdb 와 일치하지 않는 것의 뜻은?

🤔 Check yourself

말초혈액 A 가 CMV 양성일 것이라고 추정한 근거는?

🤔 Check yourself

VDJdb 데이터베이스 자체를 강의에 싣지 않은 이유는?