Lesson 7 of 20

세포 수가 결론을 정한다 — 검정력을 먼저 계산한다

실제 스크린의 유전자별 세포 수 · 52개에서 1,820개까지

스크린을 마친 뒤에 검정력을 계산하는 사람이 많습니다. 그때는 이미 늦습니다. 세포 수가 무엇을 볼 수 있는지를 미리 정해 버리기 때문입니다.

실제 자료를 보면 유전자마다 세포 수가 크게 다릅니다.

세포 수가 52개인 유전자와 1,820개인 유전자가 같은 표에 섞여 있습니다. 둘의 '흔들린 유전자 0개' 는 같은 뜻이 아닙니다.

Python Runs in your browser

import tgt

rows = tgt.rows()
cells = sorted(r["maxcell"] for r in rows)
n = len(cells)

print("유전자", n, "개의 세포 수")
print("  가장 적은 것", cells[0])
print("  1/4 지점   ", cells[n // 4])
print("  가운데     ", cells[n // 2])
print("  3/4 지점   ", cells[3 * n // 4])
print("  가장 많은 것", cells[-1])
print()
thin = [r for r in rows if r["maxcell"] < 100]
print("세포 100개 미만인 유전자", len(thin), "개")
print("  ", ", ".join(f"{r['gene']}({r['maxcell']})" for r in thin[:10]))

High school실제 스크린의 세포 수

	세포 수
가장 적은 유전자	52개
가장 많은 유전자	1,820개

35배 차이입니다. 52개짜리 유전자에서 "변화 없음"이 나와도, 그건 검정력이 없어서일 수 있어요.

세포 수	할 수 있는 것
50 미만	사실상 판정 불가
50~200	강한 신호만
200~1,000	대체로 신뢰
1,000 이상	작은 변화까지

대충의 눈금

유전자당 세포	볼 수 있는 것	쓸 곳
~30개	세포를 죽이는 수준의 큰 효과만	생존 스크린 정도
~60개	강한 전사 효과	1차 거르기
150~300개	보통 크기의 효과가 안정적으로	표적 순위용 최소선
500개 이상	약한 효과 · 조건 간 비교	중요 표적 정밀 확인

이 강의가 쓰는 깔때기의 첫 관문이 세포 100개인 것은 이 눈금에서 나왔습니다. 넉넉해서가 아니라, 그 아래는 해석하지 않겠다는 선언입니다.

High school세포 수가 적은 것 자체가 정보

왜 어떤 유전자는 세포가 적을까요? 우연만이 아닙니다.

이유	알려 주는 것
감염 효율이 낮았다	기술적 — 정보 없음
껐더니 세포가 죽었다	필수 유전자 — 14강의 신호
증식이 느려졌다	11강 — 세포주기 영향

세포 수 감소는 드롭아웃 신호입니다 — 그 자체가 표현형입니다.

세포 30개에서 효과크기 0.2 는 거의 안 잡힙니다. 그 유전자는 '효과 없음' 으로 표에 적히고, 그대로 버려집니다.

Python Runs in your browser

import numpy as np

# 세포 수와 효과 크기에 따라 얼마나 자주 잡히는지 — 모의 실험
rng = np.random.default_rng(3)

def detected(n_cells, effect, reps=400):
    hit = 0
    for _ in range(reps):
        ctrl = rng.normal(0, 1, n_cells)
        pert = rng.normal(effect, 1, n_cells)
        se = np.sqrt(ctrl.var(ddof=1) / n_cells + pert.var(ddof=1) / n_cells)
        if abs(pert.mean() - ctrl.mean()) / se > 1.96:
            hit += 1
    return hit / reps

print("효과크기 →   0.2    0.5    1.0")
for n in [30, 60, 150, 300]:
    row = [detected(n, e) for e in (0.2, 0.5, 1.0)]
    print("세포", str(n).rjust(4), " ", "  ".join(f"{v:.2f}" for v in row))

High school생존 편향

더 미묘한 문제입니다. 살아남은 세포는 특별한 세포일 수 있어요.

일어나는 일	결과
억제가 강했던 세포가 죽음	남은 세포는 억제가 약함
그 세포들을 측정	효과가 실제보다 작아 보임

필수 유전자일수록 과소평가됩니다 — 세포 수와 억제 정도를 같이 봐야 합니다.

🤔 Check yourself

유전자당 세포 수가 적을 때 표적 목록이 기울어지는 방향은?

🤔 Check yourself

결과표의 '흔들린 유전자 0개' 를 해석할 때 반드시 함께 봐야 하는 것 둘은?