6강 / 20강

【실습】 18만 줄을 연다 — 무엇이 들어 있나

VDJdb 2026-06-03 · 한 줄이 무엇을 뜻하는지부터

앞의 다섯 강은 그림이었습니다. 이제부터는 세어 봅니다.

쓰는 자료는 VDJdb 입니다. 전 세계 논문에서 "이 TCR 이 이 조각을 알아봤다" 라고 보고된 것을 모아 둔 표입니다. 우리가 쓰는 판은 2026년 6월 3일 판이고, 사람 것만 골라 181,411줄이 남았습니다.

gene   cdr3               v         j          epitope     mhc_a         mhc_b   cls
TRB    CASSIRSSYEQYF      TRBV19    TRBJ2-7    GILGFVFTL   HLA-A*02:01   B2M     I

한 줄이 사슬 하나입니다. 세포 하나가 아니라요. TCR 은 α 사슬과 β 사슬 둘로 되어 있는데, 실험에 따라 한쪽만 읽은 것도 많습니다.

고등학생18만 줄을 연다

VDJdb 는 실험으로 확인된 TCR-항원 짝 을 모은 데이터베이스다. 이 강의가 쓰는 판본은 약 18만 줄 이다.

한 줄이 무엇을 뜻하나

열	내용
CDR3	TCR 의 항원 인식 서열
V · J	사용한 유전자 조각
Epitope	인식한 펩타이드 서열
MHC A · MHC B	어느 HLA 위에서
Species · Gene	종 · α인가 β인가
Score	증거의 신뢰도

한 줄 = 하나의 TCR 사슬이 하나의 조각+접시 짝을 본다는 실험적 관찰

클래스 II 가 3.5% 입니다. 세상에 CD4 T세포가 적어서가 아닙니다.

Python 브라우저에서 실행

# 표의 뼈대
import thla

d = thla.vdj()
print(f"줄 수 {len(d):,}   열 {list(d.columns)}")
print()
print("사슬       ", dict(d["gene"].value_counts()))
print("접시 등급  ", dict(d["cls"].value_counts()))
print()
print("클래스 II 비율 : "
      f"{100*(d['cls']=='II').mean():.1f}%")

CMV·EBV·독감이 압도적입니다 — 건강한 사람 피에서 찾기 쉬운 것들이에요.

Python 브라우저에서 실행

# 어떤 병원체에서 나온 조각인가
import thla

d = thla.vdj()
v = d["ag_species"].value_counts().head(10)
for s, n in v.items():
    print(f"   {s:<18}{n:>7,}  " + "█" * max(1, int(60 * n / v.max())))
print()
print(f"HomoSapiens = 자기 단백질과 종양 항원 {int(v.get('HomoSapiens', 0)):,}줄")

고등학생이 자료의 성격

중요한 것 — 이것은 무작위 표본이 아니다.

편향	내용
연구된 항원에 몰림	인플루엔자 · EBV · CMV · 코로나
흔한 HLA 에 몰림	연구 대상이 유럽계 중심
β 사슬이 더 많음	측정이 쉬움
양성만 있음	"이 TCR 은 안 본다" 는 기록이 없음

마지막이 중요하다

데이터베이스에 없다 는 것이 인식하지 않는다 는 뜻이 아니다. 아무도 시험 안 했다 는 뜻일 수 있다.

양성 사례만 모은 자료에서 부재는 부정의 증거가 아니다

높은 점수만 쓰면 줄이 확 줍니다. 어느 쪽을 쓸지는 질문에 달렸습니다.

Python 브라우저에서 실행

# 신뢰 점수 — VDJdb 는 증거의 세기를 0~3 으로 매긴다
import thla

d = thla.vdj()
mean_ = d["score"].mean()
for s in sorted(d["score"].unique()):
    n = int((d["score"] == s).sum())
    print(f"   점수 {s}  {n:>7,}줄  {100*n/len(d):>5.1f}%")
print()
print(f"평균 {mean_:.2f} — 대부분이 0 입니다.")
print("0 은 '틀렸다'가 아니라 '증거가 한 편뿐이다' 라는 뜻입니다.")

고등학생Score 열의 뜻

VDJdb 는 각 항목에 신뢰도 점수 를 매긴다.

점수	대략적 근거
0	확인이 약함 — 고처리량 실험 등
1	중간
2~3	여러 방법으로 확인 · 구조까지

필터를 쓸 것인가

선택	장점	대가
전부 쓴다	수가 많음 — 검정력	가짜가 섞임
고점수만	정확함	수가 줄고 편향이 커짐

둘 다 해 보는 것이 답이다

고점수만으로도 같은 결론이 나오면 튼튼하다. 결론이 바뀌면 저점수 항목에 기댄 결과다.

신뢰도 필터를 바꿔 보는 것이 가장 값싼 민감도 분석이다

왜 클래스 II 가 3.5%밖에 없나

몸속 T세포는 CD4 가 CD8 보다 많습니다. 보통 말초혈액에서 2:1 정도예요. 그런데 이 표에서는 클래스 II 가 3.5% 입니다. 왜일까요.

🔴

사량체가 어렵다

항원 특이 T세포를 잡는 MHC 사량체는 클래스 I 로 만들기가 훨씬 쉽습니다. 클래스 II 사량체는 만들기도 쓰기도 까다로워요.

📏

에피토프가 길다

클래스 II 조각은 9~24글자로 가장자리가 흐릿합니다. 어디부터 어디까지가 에피토프인지 정하기가 어렵습니다.

💉

돈이 CD8 에 갔다

암 면역치료의 주인공이 오래 CD8 이었습니다. 연구비도 그쪽으로 갔어요.

결론 한 줄. 이 표의 3.5% 는 생물학이 아니라 방법론입니다.

고등학생이 자료로 답할 수 있는 물음

답할 수 있는 것	없는 것
어느 HLA 가 자주 연구되나	어느 HLA 가 실제로 중요한가
CDR3 길이 분포	사람 몸 안의 실제 분포
한 CDR3 가 몇 개를 보나	진짜 교차반응의 규모
알려진 짝의 구조적 특징	알려지지 않은 짝

오른쪽 열이 왜 안 되나

이 자료는 사람들이 연구한 것 의 모음이지 자연의 표본 이 아니다.

그러니 이 자료의 분포는 연구 활동의 분포 를 반영한다. 7강에서 이 문제를 정면으로 다룬다.

데이터베이스의 분포는 자연의 분포가 아니라 연구자의 관심 분포다

🤔 확인 문제

이 표에서 한 줄이 뜻하는 것은?

🤔 확인 문제

클래스 II 기록이 3.5% 뿐인 가장 큰 이유는?

🤔 확인 문제

VDJdb 점수 0 의 뜻으로 맞는 것은?