20강 / 20강

정리 — 수용체 하나에서 여기까지

20강에서 만든 도구 · 다음 걸음

20강을 지나왔습니다. 손에 남은 것을 정리합니다.

부	배운 것	만든 도구
1부 · 만들기 1~6강	V(D)J 재조합 · V 사용 편향 · CDR3 · 이음매 다양성	`combinations()` · `v_usage()` · `cdr3_len()`
2부 · 고르기 7~8강	흉선의 두 문턱 · MHC 제한	생존자 편향을 알아보는 눈
3부 · 읽기 9~12강	다양성 네 지표 · 희박화 · 클론 크기 · 공개 클론 · 항원 특이성	`diversity()` · `clones()` · `overlap()` · `antigen()`
4부 · 아형 13~17강	CD4 아형 · Treg · CD8 세포독성 · 기억 · 소진	축이 다른 분류를 가려 읽는 눈
5부 · 판정 18~20강	말할 수 있는 것과 없는 것 · 논문 Fig 8	못 한 것을 이유와 함께 적는 습관

고등학생20강을 한 문장으로 접으면

수고하셨습니다. 마지막 강입니다. 스무 강을 한 문장으로 접으면 이렇습니다.

몸은 몽타주를 무작위로 잔뜩 만들고, 98%를 버리고, 남은 서랍을 우리가 읽는다

부별로 다시 보면

부	한 줄	가장 중요한 숫자
1부 · 만들기 1~6강	조각을 곱하고, 이음매에서 다양성을 폭발시킨다	530만 → 10¹²
2부 · 고르기 7~8강	너무 약해도 세도 죽인다. 그리고 내 접시에 맞춰 고른다	통과율 2%
3부 · 읽기 9~12강	다양성을 재고, 크기를 맞추고, 겹침으로 사람을 찾는다	A∩C 3.78%
4부 · 아형 13~17강	수용체가 같아도 하는 일은 다르다. 그리고 소진은 안 지워진다	CMV TCR 99개
5부 · 판정 18~20강	할 수 있는 것 8, 없는 것 6, 논문 채점 3대1	미상 96%

그런데 진짜로 남는 것은 숫자가 아닙니다

솔직히 말하면, TRBV 가 66개인지 67개인지는 몇 달 뒤에 잊어버릴 겁니다. 괜찮아요. 찾아보면 되니까요.

남아야 하는 것은 생각하는 방식입니다 —

숫자를 보면 기준선을 먼저 찾는다
비교하기 전에 크기를 맞춘다
결과가 하나인데 원인이 여럿이면 지목하지 않는다
자료에 없는 것을 늘 생각한다
못 한 것을 이유와 함께 적는다

이 다섯 가지는 T세포와 아무 상관없는 곳에서도 그대로 쓰입니다. 뉴스를 읽을 때, 통계를 볼 때, 수행평가 보고서를 쓸 때요.

전부 이 강의에서 학생이 직접 계산한 값입니다.

Python 브라우저에서 실행

# 이 강의가 원자료로 계산한 값 전부
import tcr

F = tcr.facts()
n = F["germline_n"]
print("배선 유전자 (IMGT/GENE-DB)")
print(f"  TRAV {n['TRAV']} · TRAJ {n['TRAJ']} · TRBV {n['TRBV']} · TRBD {n['TRBD']} · TRBJ {n['TRBJ']}")
print(f"  유전자 조합만으로 {tcr.combinations()['짝']:,} 가지")
print()
print("레퍼토리 네 표본")
print(f"{'표본':<12}{'세포':>7}{'클론':>7}{'최대':>6}{'균등도':>9}{'VDJdb':>8}")
for s in tcr.SAMPLES:
    d = tcr.diversity(s)
    p = F["per_sample"][s]["vdjdb_pct"]
    print(f"{tcr.KO[s]:<12}{d['세포']:>7,}{d['클론']:>7,}{d['최대클론']:>6}"
          f"{d['균등도']:>9.4f}{p:>7.1f}%")
print()
print("표본 식별 (11강)")
o = tcr.overlap("PBMC-A", "PBMC-C")
print(f"  A ∩ C = {o['공유']}개 · 작은쪽 대비 {o['작은쪽대비 %']}%  <- 같은 사람")
for a, b in [("PBMC-A", "PBMC-B"), ("PBMC-B", "MEL")]:
    o2 = tcr.overlap(a, b)
    print(f"  {a} ∩ {b} = {o2['공유']}개 · {o2['작은쪽대비 %']}%")
print()
print("항원 (12강)")
print(" ", tcr.antigen("PBMC-A")["항원"].value_counts().head(5).to_dict())

고등학생우리가 직접 계산한 값 전부

위 코드가 이 강의에서 계산한 값을 한자리에 모아 찍어 줍니다. 그 숫자들을 다시 보면서 어디서 나왔는지 떠올려 보세요.

숫자 여행 — 어느 강에서 만났나

숫자	어디서	무슨 뜻이었나
TRAV 47 · TRBV 66	2강	IMGT 파일에서 직접 셌다
약 530만 가지	2강	조합만으로 — 모자란다
500배	4강	V 사용 1등과 꼴찌 — 무작위 ≠ 균등
100% 3의 배수	5강	생존자 편향
균등도 0.99+	9강	건강한 혈액은 거의 완전히 고르다
최대 클론 23개	9·12강	무언가를 만난 클론
3.78%	11강	A 와 C 는 같은 사람
CMV 99개	12강	수십 년 전 감염의 기억
미상 96%	12강	이 분야는 아직 대부분을 모른다

이 숫자들의 공통점

전부 여러분 브라우저 안에서 계산된 값입니다. 서버가 미리 계산해서 보내 준 게 아니에요. 지금 이 페이지에서 파이썬이 돌아갔습니다.

"내가 계산했다" 와 "책에서 봤다" 는 완전히 다른 앎이다

한 번 더 해 보면 좋을 것

코드를 조금씩 고쳐 보세요. 예를 들어 —

"PBMC-A" 를 "MEL" 로 바꿔 보기
희박화에서 N = 480 을 N = 200 으로 바꿔 보기
겹침 계산에서 알파 사슬로 해 보기

망가뜨릴 걱정은 없습니다. ↺ 를 누르면 원래대로 돌아와요. 바꿔 보는 순간 진짜로 배웁니다.

이 강의가 남기려는 습관 넷

🔍

자료의 출처를 확인한다

11강 — 같은 사람의 자료가 두 번 들어가면 공개 클론을 세 배 부풀린다

📏

크기를 맞추고 견준다

9강 — 세포 수가 다르면 Shannon 을 그대로 견줄 수 없다

👻

안 보이는 것을 생각한다

5·7강 — 실패한 재조합과 죽은 T세포는 자료에 없다

✍️

못 한 것을 적는다

18강 — 이유와 함께, 그리고 무엇을 하면 되는지까지

고등학생이 강의가 남기려는 습관 넷

바로 아래 본문이 습관 네 가지를 정리합니다. 각각이 어느 강에서 왔는지, 그리고 학교 생활에서 어떻게 쓰는지까지 붙여 봅시다.

습관	어느 강	학교에서라면
🔍 자료의 출처를 확인한다	11강 — 같은 사람 자료가 두 번 들어가 결론을 세 배 부풀렸다	인터넷 자료를 쓸 때 원 출처까지 타고 올라가 본다
📏 크기를 맞추고 견준다	9강 — 세포 수가 다르면 Shannon 을 그냥 못 견준다	반별 평균을 비교할 때 인원수를 확인한다
👻 안 보이는 것을 생각한다	5·7·10강 — 실패한 것 · 죽은 것 · 못 뽑힌 것은 자료에 없다	설문 결과를 볼 때 답 안 한 사람을 생각한다
✍️ 못 한 것을 이유와 함께 적는다	18·19강 — 못 한 것 여섯, 어긋난 결과 하나를 그대로 적었다	보고서에 한계를 이유와 함께 쓴다

세 번째를 조금 더

안 보이는 것을 생각한다 는 이 강의에서 가장 많이 반복된 교훈입니다. 같은 이야기가 다른 옷을 입고 네 번 나왔어요.

5강 — 틀이 어긋난 재조합은 단백질이 안 나와서 자료에 없다
7강 — 흉선에서 죽은 수용체는 자료에 없다
10강 — 적게 뽑으면 큰 클론이 안 잡힌다
16강 — 조직에 눌러앉은 Trm 은 혈액검사에 안 나온다

표를 열 때마다 물어라 — 여기 못 들어온 것은 무엇인가?

왜 이게 그렇게 중요한가

사람의 눈은 있는 것만 봅니다. 없는 것은 보이지 않아요. 그래서 의식적으로 물어야 합니다. 저절로는 절대 안 떠오릅니다.

과학에서 가장 큰 실수들의 상당수가 이 함정에서 나왔습니다. 그리고 지금도 계속 나오고 있어요.

이 강의에서 만든 눈은 저 강의들에서 그대로 쓰입니다.

Python 브라우저에서 실행

# 다음에 어디로 갈까
길 = {
    "면역학 전체를 훑고 싶다":
        ["/immunology 면역학 첫걸음 - 이 강의의 개요판이자 지도"],
    "T세포가 보는 '접시' 를 알고 싶다":
        ["/antigen 항원제시 첫걸음 (예정) - MHC · HLA · 신생항원"],
    "이 논문을 계산으로 재현하고 싶다":
        ["/bio 생물정보학 첫걸음", "/gene 유전자탐색 첫걸음"],
    "T세포를 자료에서 직접 세고 싶다":
        ["/immune 단일세포 면역지도", "/spatial 공간전사체", "/til H&E TIL 지도"],
    "실험을 배우고 싶다":
        ["/cytohist 유세포분석과 조직", "/invivo 동물실험"],
}
for 관심, 순서 in 길.items():
    print(f"[{관심}]")
    for i, c in enumerate(순서, 1):
        print(f"   {i}. {c}")
    print()

마지막으로 — 왜 레퍼토리를 배우나

T세포 수용체 레퍼토리는 몸이 스스로 적어 둔 기록입니다.

어떤 감염을 겪었는지, 어떤 클론이 불어났는지, 지금 무엇과 싸우고 있는지가 서열 몇 백만 줄에 적혀 있어요. 우리는 이제 그 기록을 조금 읽을 수 있습니다.

'조금' 이라는 말이 중요합니다. 12강에서 96%가 미상이었지요. 이 분야는 아직 대부분을 못 읽습니다.

그런데 못 읽는다는 것을 정확히 아는 것이 읽는 일의 시작입니다. 어디까지 읽었고 어디부터 못 읽는지 선을 그을 수 있으면, 그 선을 밀어내는 것이 다음 연구가 됩니다.

이 20강이 여러분에게 남기고 싶은 것은 그 선을 긋는 능력입니다.

고등학생'조금밖에 못 읽는다' 로 끝내는 이유

마지막 노트가 이 강의의 진짜 결론입니다. 다시 읽어 봅시다.

T세포 수용체 레퍼토리는 몸이 스스로 적어 둔 기록이다

무엇이 적혀 있나

어떤 감염을 겪었는지 (12강 — CMV 99개)
어떤 클론이 불어났는지 (9·10강 — 23개짜리 클론)
지금 무엇과 싸우고 있는지
심지어 내가 누구인지 (11강 — 개인 식별)

몸이 태어나서 지금까지의 기록을 서열로 적어 두고 있었던 겁니다. 아무도 시키지 않았는데요.

그런데 우리는 '조금' 만 읽습니다

12강에서 96%가 미상이었죠. 100장의 기록 중 4장만 읽을 수 있는 상태입니다.

실망스럽나요? 이 강의는 정반대로 말합니다.

못 읽는다는 것을 정확히 아는 것이 읽는 일의 시작이다

왜 그런가

선을 그을 수 있어야 그 선을 밀 수 있기 때문입니다.

비유: 지도에서 "여기부터는 미지의 땅" 이라고 표시된 곳이 있으면, 탐험대는 정확히 그 지점부터 출발합니다. 그런데 지도를 대충 그려서 미지의 땅을 이미 아는 땅처럼 칠해 두면, 탐험대는 갈 곳을 잃습니다.

18강에서 못 한 것 여섯 개를 이유와 함께 적었죠. 그 목록이 곧 다음 연구의 지도 입니다.

여러분에게 남기고 싶은 것

이 강의가 마지막으로 하는 말은 이겁니다 —

이 20강이 남기고 싶은 것은 선을 긋는 능력이다

여기까지는 자료가 뒷받침한다. 여기부터는 모른다. 그 선을 정확히 그을 수 있는 것 — 그게 지식을 많이 아는 것보다 훨씬 어렵고, 훨씬 쓸모 있습니다.

그리고 이건 T세포에만 쓰는 능력이 아니에요. 뉴스를 읽을 때, 누가 무언가를 주장할 때, "근거는 어디까지고 추측은 어디부터인가" 를 묻는 힘입니다.

스무 강 함께해 주셔서 고맙습니다. 이제 대학생 눈높이 로 한 번 더 읽어 보세요 — 같은 본문이 훨씬 잘 읽힐 겁니다.

🤔 확인 문제

이 강의에서 '같은 사람의 자료가 두 번 들어가는 것' 을 잡아낸 방법은?

🤔 확인 문제

이 강의가 남기려는 습관에 해당하지 않는 것은?

🤔 확인 문제

레퍼토리의 96%가 '무엇을 알아보는지 모른다' 는 사실을 어떻게 받아들여야 하나요?