3강 / 20강

【실습】 레퍼토리를 연다 — 한 줄이 사슬 하나

10x V(D)J 표를 읽는 법 · 무엇을 걸러 내야 하나

이제 진짜 자료를 엽니다. 표의 한 줄이 수용체 사슬 하나예요 — 세포 하나에 보통 두 줄(TRA 하나 · TRB 하나)이 있습니다.

열	무엇
`표본`	네 표본 중 어느 것
`세포`	세포 바코드 — 같은 세포의 줄은 이 값이 같다
`사슬`	TRA 인가 TRB 인가
`v_gene · d_gene · j_gene`	이어 붙인 조각들
`CDR3` · `CDR3_염기`	이음매를 포함한 부분 — 5강의 주인공
`클론타입`	같은 수용체를 가진 세포들의 묶음
`UMI · 읽기`	얼마나 많이 읽혔나 — 신뢰도의 근거
`항원 · 에피토프 · 제시 HLA`	알려진 항원 특이 TCR 과 일치한 것에만 (12강)

고등학생이 표는 무엇인가 — 출석부라고 생각하세요

드디어 진짜 자료를 엽니다. 무섭게 생긴 표가 나오지만, 학교 출석부와 구조가 똑같습니다.

출석부	이 표
한 줄 = 학생 한 명	한 줄 = 수용체 사슬 하나
학번	`세포` — 세포 바코드. 같은 세포면 같은 값
반	`표본` — 네 표본 중 어디서 왔나
이름	`CDR3` — 그 수용체의 사실상 이름 (5강)

한 가지만 조심하세요

출석부와 다른 점이 하나 있습니다. 한 세포가 보통 두 줄을 차지합니다. 알파 사슬 한 줄, 베타 사슬 한 줄이니까요.

세포 11,791개 → 표는 23,251줄 (대략 두 배)

그래서 '줄 수'와 '세포 수'를 혼동하면 계산이 통째로 틀립니다. "세포가 몇 개냐" 를 물었는데 줄 수를 세면 두 배로 부풀어요. 앞으로 코드에 세포 열로 묶는(nunique, groupby) 부분이 계속 나오는데, 전부 이 실수를 막으려는 것입니다.

UMI 라는 열은 뭔가요

몇 번 읽혔는지를 나타내는 숫자입니다. 실험 기계가 그 사슬을 확실히 봤을수록 값이 커요. 값이 아주 작으면 잘못 읽은 것일 수 있어서, 나중에 걸러 낼 때 기준으로 씁니다.

시험 답안을 채점할 때 글씨가 너무 흐려 안 보이는 답은 빼는 것과 비슷합니다. 답이 틀려서가 아니라, 맞다고 확신할 수 없어서 빼는 거예요.

세포 바코드 뒤의 <code>-1</code> 은 10x 가 붙인 것으로, 여러 시료를 섞을 때 쓰는 번호입니다.

Python 브라우저에서 실행

# 표를 열고 첫 몇 줄을 본다
import tcr
import pandas as pd
pd.set_option("display.width", 130)

d = tcr.rep()
print(d.shape)
print()
print(d[["표본", "세포", "사슬", "v_gene", "j_gene", "CDR3", "UMI", "클론타입"]].head(6).to_string(index=False))

알파 하나 + 베타 하나 = 수용체 하나. 이 짝이 항원-MHC 를 붙잡습니다.

Python 브라우저에서 실행

# 세포 하나를 꺼내 본다 - 사슬 두 개가 짝을 이룬다
import tcr

d = tcr.rep("PBMC-A")
bc = d["세포"].value_counts()
print("세포마다 사슬이 몇 개인가")
print(bc.value_counts().sort_index().to_string())
print()
어떤세포 = bc[bc == 2].index[0]
print("사슬 두 개짜리 세포 하나:")
print(d[d["세포"] == 어떤세포][["사슬", "v_gene", "d_gene", "j_gene", "CDR3", "UMI"]].to_string(index=False))

고등학생세포 하나를 꺼내 보면 — 열쇠의 날 두 개

바로 위 코드가 세포 하나를 골라 그 세포의 줄을 전부 보여 줬습니다. 보통 두 줄이 나오죠 — TRA 하나, TRB 하나.

알파 사슬 + 베타 사슬 = 수용체 하나 = 항원을 붙잡는 집게

왜 굳이 두 줄일까요? 다양성을 곱하기 위해서입니다. 알파가 1,000가지, 베타가 5,000가지면 짝은 500만 가지가 되니까요. 2강의 옷장 계산이 여기서도 그대로 쓰입니다.

그런데 사슬이 3개, 4개인 세포가 나옵니다

표를 보면 사슬이 셋 넷인 세포가 섞여 있어요. 두 가지 경우입니다.

진짜로 그런 세포 — T세포는 알파 사슬을 두 개 가질 수 있습니다. 실제로 사람 T세포의 3분의 1쯤이 그래요. 오류가 아닙니다.
두 세포가 한 방울에 들어간 것 — 실험 장비가 세포를 한 개씩 기름방울에 가두는데, 가끔 둘이 같이 들어갑니다. 이걸 이중세포(doublet) 라고 해요. 이 경우 베타도 둘이 됩니다.

왜 알파는 둘이 되고 베타는 안 되나

사람은 염색체를 어머니 것과 아버지 것 두 벌 가집니다. 그러니 V(D)J 재조합도 두 번 시도할 기회가 있어요.

베타 쪽은 규칙이 엄격합니다. 한쪽이 성공하면 다른 쪽 작업을 즉시 중단시켜요 (이걸 대립유전자 배제 라고 합니다). 그래서 베타는 보통 하나입니다.
알파 쪽은 그 중단 신호가 느슨합니다. 그래서 양쪽이 다 성공해 알파를 둘 가진 세포가 흔하게 나옵니다.

결론: 알파 둘 = 흔한 정상 / 베타 둘 = 이중세포 의심. 바로 아래 노트가 이 이야기입니다.

고등학생'무엇을 버릴까' 는 정답이 없는 선택입니다

여기서 이 강의가 가르치려는 진짜 교훈이 나옵니다. 자료를 다루는 사람은 반드시 무언가를 버려야 하는데, 어떻게 버려도 손해가 납니다.

비유 — 공항 검색대

검색대 감도를 어떻게 맞출지 생각해 봅시다.

감도	좋은 점	나쁜 점
아주 민감하게	위험물을 놓치지 않는다	동전·허리띠에도 울려서 멀쩡한 사람이 붙잡힌다
둔하게	줄이 빨리 빠진다	진짜 위험물을 놓친다

'딱 좋은' 감도는 없습니다. 어느 쪽 실수를 더 감수할지 고르는 것뿐이에요.

여기서도 똑같습니다. "베타가 둘 이상이면 버린다" 는 규칙을 쓰면 이중세포를 잘 걸러 냅니다. 대신 진짜로 베타를 둘 가진 드문 세포도 함께 버려요. 규칙을 안 쓰면 이중세포가 남아 결과를 흐립니다.

모든 필터는 맞바꿈이다 — 공짜로 깨끗해지지 않는다

그래서 어떻게 하나요

바로 아래 코드가 정답을 알려 줍니다. 결정하기 전에 크기를 잰다.

"베타가 둘 이상인 세포가 몇 %인가?" 를 먼저 세어 봅니다. 그게 0.5% 면 버려도 별일 없어요. 그게 30% 면 버리면 안 됩니다 — 결론이 통째로 달라질 테니까요.

느낌으로 정하지 말고 숫자로 확인한 뒤에 정한다. 이것이 자료를 다루는 사람의 첫 번째 습관입니다.

결정의 크기를 <b>숫자로</b> 확인하고 나서 결정합니다.

Python 브라우저에서 실행

# 걸러 내기 전과 후 - 결정 하나가 몇 개를 바꾸나
import tcr

d = tcr.rep("PBMC-A")
베타수 = d[d["사슬"] == "TRB"].groupby("세포").size()
print("세포당 베타 사슬 개수")
print(베타수.value_counts().sort_index().to_string())
print()
버릴세포 = set(베타수[베타수 >= 2].index)
print(f"전체 세포        : {d['세포'].nunique():,}")
print(f"베타가 둘 이상   : {len(버릴세포):,} ({100*len(버릴세포)/d['세포'].nunique():.1f}%)")
print(f"버리고 남는 세포 : {d['세포'].nunique()-len(버릴세포):,}")
print()
print("이 자료는 이미 10x 가 한 번 걸렀기 때문에 버릴 것이 적습니다.")
print("원자료를 직접 다루면 이 비율이 훨씬 큽니다.")

네 표본 — 그리고 하나에 함정이 있습니다

🅰️

PBMC-A

건강한 사람 말초혈액 · 세포 5,328

🅱️

PBMC-B

다른 사람 말초혈액 · 세포 3,925

🅲

PBMC-C

또 다른 말초혈액 · 세포 482

🦠

MEL

흑색종 환자 시료 · 세포 2,056

넷 중 둘은 같은 사람입니다. 지금은 말하지 않겠습니다 — 11강에서 여러분이 자료만 보고 알아냅니다.

고등학생네 표본 — 그리고 숨겨 둔 문제 하나

이 강의가 쓰는 자료는 네 벌입니다. 표를 다시 보면 세포 수가 크게 다릅니다 — 5,328개부터 482개까지, 열 배 넘게 차이 나요.

이 차이를 지금 눈에 새겨 두세요. 9강과 10강이 전부 이 차이 이야기입니다. 세포를 많이 본 표본과 적게 본 표본을 그냥 견주면 반드시 속습니다.

숨겨 둔 문제

본문이 이렇게 말하죠 — "넷 중 둘은 같은 사람입니다." 그런데 누구인지는 알려 주지 않습니다.

이건 심술이 아니라 수업 설계입니다. 답을 먼저 들으면 "아, 그렇구나" 하고 끝나요. 답을 모른 채로 8강을 더 배우고 나면, 11강에서 여러분이 직접 찾아냅니다. 그때 손에 남는 것이 완전히 다릅니다.

미리 힌트를 하나 드리면

같은 사람의 서랍을 두 번 열면, 두 서랍에는 같은 몽타주가 여러 장 겹쳐서 들어 있을 겁니다. 서로 다른 사람의 서랍이라면 겹칠 일이 거의 없고요.

그러니까 겹치는 장수를 세면 됩니다. 11강에서 정확히 이걸 합니다. 그리고 겹침이 많다는 것만으로는 부족한 이유까지 같이 배웁니다 — 그게 이 강의에서 제일 재미있는 부분이에요.

잠깐, 왜 '표본' 이라고 부르나요

'사람' 이라고 안 하고 표본(sample) 이라고 부르는 데는 이유가 있습니다. 우리는 그게 몇 사람에게서 왔는지 아직 모르니까요. 아는 것보다 더 많이 아는 척하는 말을 쓰지 않는 것 — 이것도 이 강의가 계속 지키는 규칙입니다.

🤔 확인 문제

T세포 하나에서 알파 사슬이 두 개 나오는 것이 반드시 오류는 아닌 이유는?

🤔 확인 문제

'베타가 둘 이상이면 버린다' 는 규칙이 완벽하지 않은 이유는?

🤔 확인 문제

표에서 클론타입이 같은 두 줄이 뜻하는 것은?