11강 / 20강

【실습】 공개 클론 — 그리고 표본 하나의 정체

두 사람이 같은 수용체를 가질 수 있나 · 자료만으로 알아내기

6강에서 가능한 수용체가 세포 수보다 훨씬 많다고 했습니다. 그러면 두 사람이 같은 수용체를 가질 확률은 거의 0이어야 합니다.

그런데 실제로는 겹칩니다. 그런 수용체를 공개 클론(public clone) 이라 합니다. 겹치는 이유는 둘입니다 —

① 만들기 쉬운 수용체

이음매에 끼워 넣은 염기가 적을수록 만들기 쉽습니다. N 염기 0개짜리 CDR3 는 여러 사람에게서 독립적으로 만들어져요.

② 같은 항원에 뽑힌 수용체

흔한 감염(CMV·EBV·독감)에 반응하는 수용체는 서로 다른 사람에게서 같은 모양으로 수렴하는 일이 있습니다.

얼마나 겹치는지 직접 세어 봅시다.

고등학생3강에서 숨겨 둔 문제를 푸는 시간입니다

드디어 "넷 중 둘은 같은 사람" 을 밝히는 강입니다. 그 전에 준비 개념 하나만 짚고 갑시다.

공개 클론이란

6강에서 두 사람의 레퍼토리가 거의 안 겹친다고 했죠. 5조 개짜리 상자에서 각자 뽑으니까요.

그런데 실제로 세어 보면 조금은 겹칩니다. 서로 다른 사람이 똑같은 CDR3 를 갖고 있는 경우가 있어요. 이런 수용체를 공개 클론(public clone) 이라고 부릅니다.

왜 겹치나 — 이유가 둘

이유	설명	비유
① 만들기 쉬운 것	이음매에 끼워 넣은 염기가 적을수록 만들기 쉽다. N 염기 0개짜리는 여러 사람에게서 독립적으로 만들어진다	비밀번호로 1234 를 고른 사람이 여럿인 것
② 같은 항원이 뽑은 것	CMV·EBV·독감처럼 흔한 감염에 잘 듣는 모양은 서로 다른 사람에게서 같은 형태로 수렴한다	같은 자물쇠를 여는 열쇠는 결국 비슷하게 생긴다

여기서 아주 중요한 오해 하나를 미리 지웁니다

퀴즈에도 나오는 함정입니다.

수용체는 물려받지 않습니다

부모에게 물려받는 것은 V·D·J 유전자 목록과 HLA(접시) 입니다. 수용체 자체는 각자의 몸에서 새로 만들어져요.

요리에 비유하면 — 부모에게서 냉장고 재료와 레시피는 물려받지만, 오늘 만든 요리는 물려받지 않는 것과 같습니다. 쌍둥이도 레퍼토리는 서로 다릅니다.

이제 겹침을 세어 봅시다. 겹치는 게 원래 드문 일이라면, 유난히 많이 겹치는 쌍은 뭔가 특별한 겁니다.

숫자 하나가 다른 것들과 확연히 다릅니다. 찾으셨나요?

Python 브라우저에서 실행

# 표본끼리 CDR3 를 몇 개나 공유하나
import tcr
from itertools import combinations

print(f"{'표본 쌍':<22}{'공유':>6}{'작은쪽':>8}{'작은쪽 대비':>12}{'Jaccard':>10}")
for a, b in combinations(tcr.SAMPLES, 2):
    o = tcr.overlap(a, b)
    print(f"{a+' ∩ '+b:<22}{o['공유']:>6}{o['작은쪽']:>8}"
          f"{o['작은쪽대비 %']:>11.2f}%{o['Jaccard']:>10.5f}")

고등학생숫자 하나가 튑니다 — 찾으셨나요

위 코드가 여섯 쌍의 겹침을 다 세어 줬습니다. 결과를 정리하면 —

표본 쌍	공유 CDR3	작은쪽 대비
PBMC-A ∩ PBMC-B	12	0.32%
PBMC-A ∩ PBMC-C	18	3.78%
PBMC-A ∩ MEL	3	0.15%
PBMC-B ∩ PBMC-C	1	0.21%
PBMC-B ∩ MEL	2	0.10%
PBMC-C ∩ MEL	0	0.00%

'작은쪽 대비' 가 무슨 뜻인가요

겹친 개수를 둘 중 작은 표본의 클론 수로 나눈 값입니다. 왜 이렇게 할까요?

표본 크기가 다르면 겹침 개수를 그냥 견줄 수 없기 때문입니다 — 9강에서 배운 그 함정이에요. 큰 표본끼리는 그냥 겹칠 기회가 많거든요. 그래서 비율로 바꿔서 견줍니다.

이상한 점 두 가지

A∩C 만 3.78% — 나머지 다섯 쌍은 전부 0.0~0.32%. 열 배가 넘습니다.
게다가 C 는 세포가 482개뿐입니다. 작은 표본일수록 겹칠 기회가 적어야 정상인데 제일 많이 겹쳤어요.

A 와 C 는 같은 사람입니다

실제로 10x Genomics 가 같은 공여자의 혈액을 세포 수만 달리해 두 번 실험한 자료였습니다 (PBMC 10k 와 PBMC 1k).

그런데 여기서 끝내면 안 됩니다

겹침이 높다는 것 하나만으로는 부족합니다. 다른 설명이 남아 있거든요 —

"C 는 원래 아무하고나 잘 겹치는 표본 아닐까?"

이 대안을 지워야 결론이 섭니다. 그 방법이 다음 셀이에요. 4강에서 배운 '원인이 여럿이면 지목할 수 없다' 를 드디어 실제로 써먹는 순간입니다.

PBMC-A 와 PBMC-C 는 같은 사람입니다

다섯 쌍은 작은쪽 대비 0.0~0.32% 인데, A∩C 만 3.78% 입니다. 열 배가 넘습니다.

그리고 이상한 점이 하나 더 있어요 — C 는 세포가 482개뿐입니다. 작은 표본일수록 겹칠 기회가 적어야 정상인데, 오히려 제일 많이 겹칩니다.

실제로 이 둘은 10x 가 공개한 같은 공여자의 혈액을 세포 수만 달리해 실험한 것입니다 (PBMC 10k 와 PBMC 1k).

다만 겹침이 높다는 것 하나로는 부족합니다 — "C 가 원래 아무하고나 잘 겹치는 표본" 일 수도 있으니까요. 다음 셀에서 그 대안을 지웁니다.

레퍼토리 겹침으로 사람을 식별할 수 있습니다. 법의학에도 쓰이고, 그래서 레퍼토리 자료는 개인식별정보로 다뤄집니다.

고등학생대안을 지우는 법 — 이 강의에서 제일 멋진 부분

과학적 추론이 실제로 어떻게 굴러가는지 보여 주는 자리입니다. 천천히 따라오세요.

우리가 세운 주장

주장 : A 와 C 는 같은 사람이다
근거 : A∩C 겹침이 유난히 높다

반대편에서 나올 수 있는 말

"겹침이 높은 건 C 쪽 성질 때문 아닌가요? C 가 원래 아무 표본하고나 잘 겹치는 특이한 표본일 수도 있잖아요."

이건 합리적인 반론입니다. 무시하면 안 돼요. 그러면 어떻게 확인할까요?

확인 방법 — C 를 다른 상대와도 견줘 본다

쌍	작은쪽 대비	읽기
C ∩ A	3.78%	유난히 높다
C ∩ B	0.21%	평범하다
C ∩ MEL	0.00%	평범하다

C 가 원래 잘 겹치는 표본이라면 셋 다 높아야 합니다. 그런데 A 하고만 높아요.

겹침의 초과분이 A 에게만 특이적이다 → 대안 설명 제거

비유로 다시 — 시험 부정행위 조사

철수와 영희의 답안이 유난히 비슷합니다. 커닝일까요?

1차 증거 — 두 사람 답안 일치율이 반 평균보다 훨씬 높다
반론 — "영희 답안은 원래 누구랑도 비슷할 수 있잖아 (예: 모범답안대로 썼다면)"
2차 확인 — 영희와 다른 학생들의 일치율을 본다. 평범하다면? 영희는 철수하고만 비슷하다

이제 커닝이라는 결론이 훨씬 단단해집니다. 증거 하나로는 부족하고, 대안을 지워야 결론이 서요.

이 훈련이 왜 중요한가

여러분이 앞으로 뉴스나 논문에서 볼 주장의 대부분은 1차 증거만 있습니다. "A 를 먹은 사람이 더 건강하더라" 같은 거죠.

그때 이렇게 물으면 됩니다 — "다른 설명은 지웠나요?" (A 를 먹는 사람이 원래 운동도 더 많이 하는 건 아닐까?)

'그 표본이 원래 그렇다' 는 대안 설명을 지우는 것 — 이것이 두 번째 증거입니다.

Python 브라우저에서 실행

# 두 번째 확인 - C 가 원래 '잘 겹치는' 표본인 것은 아닌가
import tcr

print("PBMC-C 가 다른 셋과 각각 얼마나 겹치나")
for 상대 in ["PBMC-A", "PBMC-B", "MEL"]:
    o = tcr.overlap("PBMC-C", 상대)
    print(f"  C ∩ {상대:<8} {o['공유']:>3}개  작은쪽 대비 {o['작은쪽대비 %']:>6.2f}%")
print()
print("C 는 A 하고만 유난히 겹칩니다. B·MEL 하고는 평범해요.")
print("'C 가 원래 잘 겹치는 표본' 이라면 셋 다 높아야 합니다. 아닙니다.")
print("겹침의 초과분이 **A 에게만** 특이적입니다.")

이번에는 <b>갈리지 않습니다.</b> A-C 와 A-B 가 똑같이 0.918 이에요.

Python 브라우저에서 실행

# 세 번째 확인 - V 유전자 사용으로도 갈리나?
import tcr
import pandas as pd

P = pd.DataFrame({s: tcr.v_usage(s, "TRB") for s in tcr.SAMPLES}).fillna(0)
C = P.corr(method="spearman")
print("TRBV 사용 프로파일 스피어만 상관")
print(C.round(3).to_string())
print()
값 = sorted([(a, b, C.loc[a, b]) for i, a in enumerate(tcr.SAMPLES)
             for b in tcr.SAMPLES[i+1:]], key=lambda x: -x[2])
for a, b, v in 값:
    print(f"  {a:<8} - {b:<8} {v:.3f}")

두 번째 자는 왜 작동하지 않았나 — 중요한 실패입니다

V 사용 프로파일 상관은 A-C 와 A-B 를 구별하지 못합니다 (둘 다 0.918). 같은 사람인 쌍과 남남인 쌍이 같은 값을 냈어요.

실패한 이유가 4강에 있습니다. V 사용의 큰 모양은 사람이 달라도 공통입니다 — 같은 유전자 배열, 같은 RAG 신호, 같은 흉선 규칙을 쓰니까요. 개인차는 그 위에 얹힌 얇은 층일 뿐이라, 상관계수 같은 거친 자로는 안 잡힙니다.

같은 물음에 대해서도 자마다 해상도가 다릅니다.
· CDR3 겹침 — 개인마다 거의 완전히 다른 값이라 해상도가 아주 높다
· V 사용 — 사람끼리 대부분 같은 값이라 해상도가 낮다

4강에서 "V 사용 편향으로 감염 이력을 말하면 안 된다" 고 했던 것과 같은 이유입니다. 공통이 큰 지표는 개인을 가르는 데 못 씁니다.

고등학생실패한 방법에서 더 많이 배웁니다

바로 위 노트가 이 강의 전체에서 가장 값진 부분일지도 모릅니다. 두 번째 자가 작동하지 않았다는 이야기예요.

무슨 일이 있었나

V 유전자 사용 프로파일 상관으로도 같은 사람을 찾아보려 했습니다. 4강에서 "한 쌍만 유독 높다" 는 힌트까지 줬었죠. 그런데 —

쌍	V 사용 상관	실제
A - C	0.918	같은 사람
A - B	0.918	남남

같은 사람과 남남이 똑같은 값을 냈다 → 이 자로는 못 가른다

왜 실패했나 — 4강에 답이 있습니다

V 사용의 큰 모양은 사람이 달라도 거의 같습니다. 같은 유전자 배열, 같은 RAG 신호, 같은 흉선 규칙을 쓰니까요. 개인차는 그 위에 얹힌 아주 얇은 층 일 뿐이에요.

상관계수는 큰 모양을 보는 거친 자입니다. 얇은 층은 그 안에 묻혀 버립니다.

두 자를 나란히 놓으면

자	사람끼리 얼마나 다른가	개인 식별	비유
CDR3 겹침	거의 완전히 다르다	가능	지문
V 사용	대부분 같다	불가능	키 · 발 크기

공통이 큰 지표는 개인을 가르는 데 못 쓴다

4강과 이어 보면

4강에서 "V 사용 편향으로 감염 이력을 말하면 안 된다" 고 했죠. 같은 이유입니다. 공통이 크면 개인 정보가 안 담겨요.

이 강의가 이 실패를 일부러 보여 주는 이유가 있습니다. 논문에는 성공한 방법만 실립니다. 그래서 배우는 사람은 어떤 방법이 왜 안 되는지를 배울 기회가 없어요. 그런데 실제 연구는 안 되는 방법을 지워 가는 일이 대부분입니다.

고등학생이건 개인정보입니다 — 진짜로

바로 위 노트가 실무적으로 아주 중요한 경고를 합니다. 그리고 그 뒤에 법적·윤리적 함의가 따라옵니다.

① 자료를 잘못 세면 결론이 부풀려진다

만약 네 표본을 네 사람으로 알고 계산했다면 —

	값
네 사람이라고 믿고 계산한 '사람 간 공유'	평균 0.9%
실제 서로 다른 사람끼리	0.1~0.32%

세 배 넘게 부풀린 값이 논문에 실렸을 것이다

공개 자료를 여러 벌 모아 쓸 때 가장 흔한 사고가 이겁니다. 같은 사람 자료가 두 번 들어가는 것. 막는 방법은 두 가지 — 출처를 끝까지 확인하거나, 확인이 안 되면 지금처럼 자료로 검사하는 것입니다.

② 레퍼토리는 개인식별정보입니다

방금 우리가 한 일을 다시 보세요. 이름도, 나이도, 성별도 없이 서열만 갖고 "이 둘은 같은 사람" 을 알아냈습니다.

CDR3 목록 = 사실상 지문

그래서 T세포 레퍼토리 자료는 법적으로 개인식별정보 로 다뤄집니다. 유전체 자료와 같은 급이에요. 연구자가 함부로 공개하면 안 됩니다.

생각해 볼 거리

여러분이 병원에서 면역검사를 받아 레퍼토리 자료가 만들어졌다고 합시다. 그 자료가 '익명화' 되어 연구에 쓰인다면?

이름을 지워도 레퍼토리 자체가 이름 역할을 합니다. 다른 자료와 대조하면 다시 여러분이 됩니다. 익명화가 진짜 익명화가 아닐 수 있다는 것 — 유전정보 시대의 큰 숙제 중 하나입니다.

법의학에서 실제로 이 방법을 씁니다. 좋은 쓰임이지만, 같은 힘이 나쁘게도 쓰일 수 있다는 것을 함께 알아 두세요.

A∩B 의 12개가 진짜 <b>공개 클론</b>입니다 — 서로 다른 사람이 독립적으로 만든 같은 수용체.

Python 브라우저에서 실행

# 실제로 공유된 CDR3 를 눈으로 본다
import tcr

공유 = sorted(tcr.cdr3_set("PBMC-A") & tcr.cdr3_set("PBMC-C"))
print(f"PBMC-A 와 PBMC-C 가 공유하는 CDR3 {len(공유)}개")
for c in 공유[:12]:
    a = tcr.rep("PBMC-A", "TRB")
    r = a[a["CDR3"] == c].iloc[0]
    항원 = r["항원"] if isinstance(r["항원"], str) else "-"
    print(f"  {c:<20} {r['v_gene']:<11} {r['j_gene']:<9} 항원 {항원}")
print()
print("서로 다른 사람끼리 공유하는 것도 봅니다 (A 와 B)")
공유2 = sorted(tcr.cdr3_set("PBMC-A") & tcr.cdr3_set("PBMC-B"))
print(f"  {len(공유2)}개 :", ", ".join(공유2[:6]))

🤔 확인 문제

서로 다른 두 사람이 같은 CDR3 를 갖는 '공개 클론' 이 생기는 이유가 아닌 것은?

🤔 확인 문제

PBMC-A 와 PBMC-C 가 같은 사람이라는 판단을 떠받치는 것은?

🤔 확인 문제

V 사용 프로파일 상관이 같은 사람과 남남을 구별하지 못한 이유는?

🤔 확인 문제

공개 자료를 여러 벌 모아 쓸 때 이 강의가 경고하는 사고는?