19강 / 20강

【실습】 논문 Fig 8 을 이 눈으로 다시 본다

DDX54 논문의 T세포 · 18강까지 배운 것을 전부 대 본다

이 사이트의 생물정보학 강의들이 함께 다루는 논문이 있습니다.

Gong J-R, Lee J, Han Y, Cho K-H.
DDX54 downregulation enhances anti-PD1 therapy in immune-desert lung tumors
with high tumor mutational burden.  PNAS 122(14):e2412310122 (2025).

그 논문의 마지막 그림(Fig 8) 이 T세포 아형을 다룹니다. /spatial 18·19강이 그 그림을 원자료로 다시 그렸어요.

지금 우리는 그 결과를 T세포를 아는 눈으로 읽을 수 있습니다.

고등학생진짜 논문 그림을 직접 채점합니다

19강은 이 강의의 기말고사 같은 강입니다. 지금까지 배운 걸 전부 꺼내서 실제 논문 그림을 읽어요.

논문 소개

Gong 등, PNAS 2025. 폐암에서 DDX54 라는 유전자를 끄면 항-PD1 치료가 더 잘 듣는다는 논문입니다.

왜 이 논문이냐고요? 이 사이트의 여러 강의가 같은 논문을 각자의 눈으로 다루기 때문이에요. 공간전사체 강의는 좌표로, 이 강의는 T세포로요.

'면역 사막' 이라는 말

논문 제목에 immune-desert 라는 말이 있습니다. 종양 안에 면역세포가 거의 없는 상태를 뜻해요.

종양 유형	상태	항-PD1
뜨거운 종양	T세포가 잔뜩 들어와 있는데 멈춰 있다	잘 듣는다 — 브레이크만 풀면 된다
면역 사막	T세포가 아예 안 들어온다	안 듣는다 — 풀 브레이크가 없다

사막에서는 브레이크를 풀어도 풀 차가 없다

그래서 논문의 전략은 이겁니다 — 먼저 T세포를 들어오게 만들고, 그다음 브레이크를 푼다. DDX54 를 끄는 것이 첫 번째 일을 한다는 주장이에요.

우리가 할 일

논문의 Fig 8 이 T세포 아형 구성을 보여 줍니다. 그 그림의 네 가지 주장을 원자료로 다시 계산해서 같은 방향인지 채점 합니다.

미리 말하면 — 3 대 1 입니다. 하나가 어긋나요. 그리고 이 강의는 그걸 숨기지 않습니다.

3 대 1. 어긋난 하나를 숨기지 않는 것이 이 사이트의 규칙입니다.

Python 브라우저에서 실행

# 논문 Fig 8 의 네 방향 주장과 재현 결과
import tcr

F = tcr.facts()["paper"]
print("Ddx54 녹다운 + 항-PD1 군에서 —")
print()
print(f"{'논문의 주장':<24}{'WT+ISO':>9}{'KD+PD1':>9}{'차이':>9}   판정")
print("-" * 68)
for c in F["claims"]:
    print(f"{c['what']:<24}{c['wt']:>8.1f}%{c['kdpd1']:>8.1f}%"
          f"{c['kdpd1']-c['wt']:>+8.1f}%   {'O 같은 방향' if c['ok'] else 'X 반대'}")
print()
print(f"넷 중 {sum(1 for c in F['claims'] if c['ok'])}개가 같은 방향입니다.")

고등학생'같은 방향' 채점이 무슨 뜻인가

위 코드가 네 주장을 채점했습니다. 채점 기준을 정확히 이해하고 넘어갑시다.

우리가 확인하는 것 — 방향

논문이 "KD+PD1 군에서 소진 CD8 이 줄었다" 고 주장했다면, 우리가 원자료로 계산했을 때도 줄었는지를 봅니다.

값이 정확히 같은지가 아니라 방향이 같은지

왜 값이 아니라 방향인가

같은 원자료를 써도 값은 조금씩 달라집니다 —

세포를 아형으로 나누는 기준선이 조금 다르면
어떤 세포를 걸러 낼지 정하는 규칙이 다르면 (3강!)
정규화 방법이 다르면

그러니 "논문은 12.3%, 우리는 11.8%" 가 나와도 재현 실패가 아닙니다. 그런데 논문은 줄었다는데 우리는 늘었다 면 — 그건 문제죠.

비유 — 요리 재현

요리 레시피를 따라 했습니다. 맛이 정확히 똑같지 않아도 재현 성공이에요. 그런데 레시피는 달다는데 만들었더니 짜면 — 뭔가 잘못된 겁니다.

결과 — 3 대 1

주장	판정
CD8 효과 T세포가 늘었다	같은 방향 ○
CD8 소진 T세포가 줄었다	같은 방향 ○
CD4 조절 T세포(Treg)가 줄었다	같은 방향 ○
CD4 소진 T세포가 줄었다	반대 ✕

여기서 이 강의의 규칙

어긋난 하나를 숨기지 않는다

세 개만 보여 주고 "재현됐습니다" 라고 하면 훨씬 깔끔하죠. 그런데 그건 거짓말입니다. 그리고 어긋난 하나가 오히려 가장 많은 것을 가르쳐 줍니다 — 다음 셀에서 보겠습니다.

18강까지 배운 것으로 이 표를 읽으면

CD8 효과 ↑ · CD8 소진 ↓

17강의 이야기 그대로입니다. 말기 소진에서 되살린 것이 아니라, 흉터 없는 새 세포가 들어온 것이라면 이 모양이 나옵니다.

CD4 조절 ↓

14강의 이야기입니다. Treg 을 직접 건드리지 않고 상류를 끄자 따라 내려왔어요.

CD4 소진 ↑ — 반대

17강의 경고가 여기 걸립니다 — PD-1 은 활성화 표지자이기도 합니다. 싸우러 온 CD4 를 소진으로 부르고 있을 수 있어요.

판정이 어긋난 쪽이 <b>하필 세포가 가장 적은 칸</b>이라는 것 — 우연이 아닐 수 있습니다.

Python 브라우저에서 실행

# 어긋난 하나를 파고든다 - 세포 수부터 본다
import tcr

F = tcr.facts()["paper"]
print("칸마다 세포가 몇 개였나")
print(f"{'조건':<12}{'CD4':>8}{'CD8':>8}")
for s in ["WT_ISO", "DDX_ISO", "WT_PD1", "DDX_PD1"]:
    print(f"{s:<12}{F['CD4']['n'][s]:>8}{F['CD8']['n'][s]:>8}")
print()
최소 = min(F["CD4"]["n"].values())
print(f"CD4 의 가장 작은 칸 : {최소}개")
print(f"다섯 아형으로 나누면 칸마다 평균 {최소//5}개")
print()
print("10강에서 배운 것 - 적게 보면 드문 것이 안 잡힙니다.")
print("그리고 비율은 크게 흔들립니다.")

고등학생17강 지식으로 CD8 결과를 읽으면

바로 위 본문이 배운 것을 총동원해 표를 읽습니다. 가장 재미있는 추론이 CD8 부분이에요.

관찰

CD8 효과 ↑ · CD8 소진 ↓

해석 후보 두 가지

	① 되살렸다	② 새로 들어왔다
이야기	소진돼 있던 T세포가 회복해서 효과 세포가 됐다	흉터 없는 새 T세포가 종양에 들어왔다
17강에 비춰 보면	말기 소진은 되살릴 수 없다 (TOX 흉터)	가능하다

17강에서 배웠죠 — 후성유전학적 흉터는 안 지워집니다. 그러니 ①은 설명으로 약합니다.

그러니 ②가 더 자연스럽다 — 새 세포의 유입

그리고 이게 논문의 주장과 맞아떨어집니다

논문은 '면역 사막' 종양을 다뤘죠. T세포가 안 들어오는 종양에 T세포를 들어오게 만드는 것이 목표였어요.

새 세포가 들어왔다면 — 효과 세포가 늘고(방금 들어와서 싸우니까), 소진 세포의 비율이 줄어듭니다(분모가 커졌으니까). 관찰과 정확히 맞습니다.

'비율' 이라는 말을 조심하세요

여기 중요한 함정이 있습니다.

소진 세포의 비율이 줄었다 ≠ 소진 세포가 없어졌다

소진 세포 수가 그대로여도, 새 세포가 들어와 전체가 늘면 소진 세포의 비율은 떨어집니다.

비유: 반에 안경 쓴 학생이 10명 있는데 전학생 20명이 오면, 안경 쓴 학생 수는 그대로여도 비율은 50%에서 33%로 떨어지죠. 안경을 벗은 게 아닙니다.

퍼센트로 표시된 자료를 읽을 때 분모가 바뀌지 않았는지 늘 확인해야 하는 이유입니다.

고등학생어긋난 하나를 파고드는 방법

이제 CD4 소진이 반대로 나온 문제입니다. 이 강의가 이걸 어떻게 다루는지가 19강의 핵심이에요.

먼저 하지 말아야 할 것

✘ "논문이 틀렸다" — 근거 없이 단정하는 것
✘ "우리 계산이 틀렸다" — 역시 근거 없음
✘ 그 결과만 빼고 보고한다 — 가장 나쁨

해야 할 것 — 후보를 나열하고 하나씩 본다

후보	근거	어느 강
① 표지자 겹침	PD-1 등은 활성화에서도 올라간다 — 싸우러 온 CD4 를 소진으로 불렀을 수 있다	17강
② 세포 수 부족	CD4 는 칸마다 71~449개. 다섯 아형으로 나누면 칸당 수십 개	10강

②를 직접 확인해 봅시다

위 코드가 칸마다 세포 수를 세어 줬죠. CD4 의 가장 작은 칸이 71개 였습니다. 다섯 아형으로 나누면 칸당 평균 14개 예요.

14개 중 하나만 다르게 분류돼도 비율이 7%p 흔들립니다. 10강에서 배운 그대로 — 적게 보면 비율이 크게 요동칩니다.

판정이 어긋난 쪽이 하필 세포가 가장 적은 칸 — 우연이 아닐 수 있다

그러면 결론은?

정직한 답은 이겁니다 —

이 자료로는 ①과 ②를 가를 수 없다

그런데 여기서 멈추지 않습니다. 무엇을 하면 가릴 수 있는지까지 적어요.

지우려는 후보	어떻게
① 표지자 겹침	TOX 처럼 활성화와 겹치지 않는 표지자를 함께 본다
② 세포 수 부족	세포를 더 읽거나, 생쥐를 더 쓴다

"모른다" 로 끝내되, 무엇을 하면 알 수 있는지까지 적는다

이것이 이 강의가 20강 내내 가르치려 한 태도입니다. "모른다" 로만 끝나면 그냥 포기이고, 다음 단계를 적으면 그건 연구 계획이 됩니다.

V(D)J · 발현 · 좌표 — 셋이 각각 다른 물음에 답합니다.

Python 브라우저에서 실행

# 공간전사체는 T세포가 어디에 있는지도 안다 - 레퍼토리가 못 하는 일
import tcr

D = tcr.facts()["paper"]["distance"]
print("아형마다 종양까지의 거리 중앙값 (µm) — 표본 안에서만 견준다")
아형 = ["미접촉", "기억", "효과", "소진", "조절"]
print(f"{'표본':<10}" + "".join(f"{a:>8}" for a in 아형))
for s, v in D["by_sample"].items():
    print(f"{s:<10}" + "".join(f"{v.get(a,0):>8.1f}" for a in 아형))
print()
print("네 표본 모두에서 효과 T세포가 종양에 가장 가깝습니다.")
print()
print("우리 레퍼토리 자료는 이 물음에 답할 수 없습니다 - 좌표가 없으니까요.")
print("자료가 답할 수 있는 물음의 범위를 정합니다.")

고등학생자료마다 답할 수 있는 물음이 다르다

마지막 코드가 아주 인상적인 걸 보여 줍니다. T세포가 종양에서 얼마나 떨어져 있는지 — 거리요.

이게 왜 놀라운가

우리 레퍼토리 자료로는 절대 못 하는 계산 입니다. 왜냐면 우리 표에는 좌표가 없기 때문이에요.

세포를 갈아서 섞은 다음 읽었으니까, 그 세포가 원래 어디에 있었는지 정보가 사라졌습니다.

세 가지 자료를 나란히 놓으면

자료	주는 것	답할 수 있는 물음
V(D)J (우리 자료)	수용체 서열	무엇을 알아보나 · 클론이 얼마나 컸나 · 누구와 겹치나
scRNA (발현)	어떤 유전자를 켰나	CD4/CD8 · 기억/소진 · 어떤 아형인가
공간전사체	발현 + 좌표	어디에 있나 · 무엇 옆에 있나 · 종양에서 얼마나 머나

자료가 답할 수 있는 물음의 범위를 정한다

그리고 결과 자체도 흥미롭습니다

네 표본 모두에서 효과 T세포가 종양에 가장 가깝습니다. 싸우는 세포가 최전선에 있는 거예요. 말이 되죠.

그런데 이건 레퍼토리로는 죽었다 깨어나도 못 알아낼 사실입니다. 클론이 아무리 커도, 그 세포가 어디 있는지는 안 나오니까요.

'표본 안에서만 견준다' 는 단서

코드 출력에 이런 단서가 붙어 있죠. 왜일까요?

표본마다 조직 조각의 크기와 모양이 다르기 때문입니다. 어떤 조각은 종양이 가운데 있고, 어떤 조각은 가장자리에 있어요. 그러면 거리의 절대값을 표본끼리 견줄 수 없습니다.

9강의 "크기를 맞추고 견준다" 와 같은 정신입니다. 같은 조건 안에서만 견주기.

🤔 확인 문제

논문 Fig 8 의 CD8 결과(효과 ↑ · 소진 ↓)가 17강의 이야기와 맞아떨어지는 지점은?

🤔 확인 문제

CD4 소진이 반대로 나온 것에 대해 이 강의가 내린 결론은?

🤔 확인 문제

V(D)J 레퍼토리가 답할 수 없고 공간전사체가 답할 수 있는 물음은?