7강 / 20강

【실습】 접시 하나가 절반을 넘는다

HLA-A*02:01 57% · 그리고 그 숫자가 누구를 지우는가

앞 강에서 "연구자의 쏠림" 이라고 말했습니다. 이제 그 크기를 잽니다.

질문은 간단합니다. 이 18만 줄은 몇 개의 접시 위에서 나왔나?

고등학생접시 하나가 절반을 넘는다

VDJdb 의 항목을 HLA 별로 세면 놀라운 값이 나온다.

HLA	비율
*HLA-A02:01**	57%
나머지 수천 개	43%

사람의 HLA 대립유전자는 2만 개가 넘는다. 그런데 알려진 TCR-항원 짝의 절반 이상 이 하나에 몰려 있다.

57% 라는 숫자는 생물학이 아니라 연구 역사를 반영한다

HLA-A*02:01 하나가 57%입니다. 나머지 전부를 합친 것보다 많습니다.

Python 브라우저에서 실행

# 클래스 I — 어느 접시가 몇 줄을 차지하나
import thla

r = thla.restriction("I", top=10)
print(r.to_string())
print()
print(f"1위 하나가 전체의 {r['%'].iloc[0]}%")
print(f"상위 5개가 {r['%'].head(5).sum():.1f}%")

0.47%. 우리가 아는 T세포 인식은 이만큼의 접시 위에서 그려졌습니다.

Python 브라우저에서 실행

# 등장한 접시는 몇 가지이고, 세상에는 몇 가지가 있나
import thla

F = thla.facts()
seen = F["n_allele_seen"]["I"]
known = 18559          # IMGT/HLA 의 HLA-A·B·C 단백질(두 자리) 가짓수
print(f"이 표에 나온 클래스 I 대립유전자 {seen}가지")
print(f"IMGT 에 등록된 HLA-A·B·C 단백질 {known:,}가지")
print(f"→ {100*seen/known:.2f}%")
print()
print("클래스 II 는", F["n_allele_seen"]["II"], "가지")

고등학생왜 A*02:01 인가

이유	내용
유럽계에 흔함	약 40~50%
초기 연구가 유럽·미국 중심	연구 대상 인구
도구가 많음	테트라머 · 세포주 · 형질전환 생쥐
누적 효과	많이 연구될수록 더 많이 연구됨

마지막이 자기강화 고리다

도구가 있으니 연구가 쉽고, 연구가 많으니 도구가 더 만들어지고, 그러니 더 연구된다.

과학의 여러 분야에서 나타나는 경로 의존성 이다. 초기의 우연한 선택이 수십 년의 방향 을 정한다.

일찍 시작된 것이 계속 앞서 나가는 구조 — 과학도 예외가 아니다

조각 네 가지가 절반입니다. 하나가 없어지면 지도 모양이 바뀝니다.

Python 브라우저에서 실행

# 조각 쪽은 더 심하다 — 몇 가지 조각이 절반을 채우나
import thla

d = thla.vdj("I")
e = d.groupby("epitope").size().sort_values(ascending=False)
c = (e.cumsum() / e.sum())
print(f"고유 조각 {len(e):,}가지")
print(f"   상위 {int((c < 0.5).sum())+1}가지가 전체 줄의 50%")
print(f"   상위 {int((c < 0.9).sum())+1}가지가 전체 줄의 90%")
print()
for ep, n in e.head(6).items():
    print(f"   {ep:<12}{n:>7,}줄  {100*n/len(d):>5.1f}%")

고등학생그 숫자가 누구를 지우는가

HLA 빈도는 인구 집단마다 크게 다르다.

인구 집단	A*02:01 대략 빈도
유럽계	약 40~50%
동아시아	약 15~25%
아프리카계	더 낮음

그러면 무슨 일이 생기나

영향	내용
신생항원 예측	A*02:01 에 최적화됨
TCR-T 치료제	A*02:01 환자만 대상
백신 설계	흔한 HLA 중심
알고리즘 학습	훈련 자료가 편향됨

자료의 편향이 알고리즘의 편향이 되고, 알고리즘의 편향이 치료 접근성의 불평등이 된다

그런데 A*02:01 은 사람의 몇 %인가

여기서 두 숫자를 반드시 나란히 놓아야 합니다.

자료 속 비중

57%
VDJdb 클래스 I 기록 가운데

사람 속 비중

약 25%
세계 인구 가운데 이 대립유전자를 가진 비율
문헌 인용값 · AFND

두 배 이상 부풀려져 있습니다. 그리고 25% 라는 숫자도 평균일 뿐입니다. 집단마다 크게 다릅니다 — 유럽계에서 높고, 사하라 이남 아프리카나 아메리카 원주민 집단에서는 훨씬 낮습니다.

'독립 가정' 이 붙은 이유는 HLA 가 실제로는 함께 유전되기 때문입니다(연관불평형).

Python 브라우저에서 실행

# 문헌 인용값으로 — 이 접시들이 사람 몇 %를 덮나
import thla

F = thla.facts()
print(F["cited_note"])
print()
for a, f in sorted(F["freq"].items(), key=lambda x: -x[1]):
    print(f"   {a:<14}{f:>5.1f}%")
print()
top3 = ["HLA-A*02:01", "HLA-A*01:01", "HLA-A*03:01"]
print(f"위 셋 가운데 하나라도 가진 사람 (독립 가정) : {thla.covered(top3)}%")
print("→ 나머지 사람의 T세포 인식은 이 지도에 거의 없습니다.")

고등학생이 문제를 어떻게 다루나

대응	내용
편향을 명시	"이 분석은 A*02:01 중심이다"
HLA 별로 나눠 보기	결론이 HLA 에 의존하나
다양한 인구 자료 수집	근본 해법 — 시간이 걸림
범용 접근 개발	HLA 무관 방식 (CAR · 비고전 MHC)

두 번째가 분석자가 할 수 있는 일이다

A*02:01 만으로 낸 결론과 다른 HLA 로 낸 결론이 같은지 확인한다.

같으면 일반적인 규칙 이고, 다르면 A*02:01 특유 의 현상이다.

편향된 자료를 쓸 때는 그 편향 축을 따라 나눠 보는 것이 최소한의 확인이다

🤔 확인 문제

VDJdb 클래스 I 기록에서 HLA-A*02:01 이 차지하는 비율은?

🤔 확인 문제

이 쏠림이 뜻하는 것으로 가장 정확한 것은?

🤔 확인 문제

이 표에 등장한 클래스 I 대립유전자 88가지가 IMGT 등록 단백질 가운데 차지하는 비율은?