Lesson 19 of 20

【실습 종합】 표적에 점수를 매겨 줄을 세운다

135 → 129 → 115 → 103 → 87 → 54 · 그리고 그 뒤

이제 처음부터 끝까지 한 번에 돌립니다. 스크린 결과 135개를 넣고 표적 후보 목록을 받는 것이 목표입니다.

High school점수를 매겨 줄을 세운다

지금까지의 체를 순서대로 적용하면 후보가 좁혀집니다. 이 강의의 실제 숫자입니다.

135 → 129 → 115 → 103 → 87 → 54

단계	거르는 것	강
출발	역방향 점수 히트 135개	10강
→129	억제 확인 안 된 것 제외	8강
→115	세포주기 착시 제외	11강
→103	공통필수 제외	14강
→87	조직 폭이 넓은 것 제외	15강
→54	약물화 가능성 낮은 것 제외	16강

각 관문에서 몇 개가 떨어지는지 보입니다. 가장 많이 떨어지는 곳이 '질환 클러스터에 든다' — 87개에서 54개입니다.

Python Runs in your browser

import tgt

# 깔때기 — 관문을 차례로 통과시킨다
steps, alive = tgt.funnel()

prev = None
for label, n in steps:
    drop = "" if prev is None else f"  (−{prev - n})"
    print(label.ljust(22), str(n).rjust(4), drop)
    prev = n

관문의 순서를 바꾸면 어떻게 되나

깔때기는 교집합이므로 최종 개수는 순서와 무관합니다. 그런데 중간에 무엇을 보게 되는지는 완전히 달라집니다.

High school체마다 몇 개가 빠지는지 보기

체	빠진 수	읽는 법
억제 확인	6	적음 — 실험이 대체로 잘 됨
세포주기	14	상당함 — 이 함정이 실재함
공통필수	12	상당함
조직 폭	16	가장 많이 빠짐
약물화	33	가장 많이 빠짐

마지막 줄이 현실입니다 — 생물학적으로 좋은 표적의 상당수가 약으로 만들 수 없습니다.

안전 체를 먼저 걸면 '이 스크린에 애초에 몇 개의 안전한 유전자가 있었나' 가 먼저 보입니다. 설계를 되돌아볼 때 쓸모 있는 순서입니다.

Python Runs in your browser

import tgt

gates = tgt.gates()

# 원래 순서
a, _ = tgt.funnel(gates)
# 안전 체를 맨 앞으로
reordered = [gates[3], gates[4], gates[0], gates[1], gates[2]]
b, _ = tgt.funnel(reordered)

print("원래 순서                      안전 체를 먼저")
for (la, na), (lb, nb) in zip(a, b):
    print(f"{la:<20}{na:>4}    {lb:<20}{nb:>4}")
print()
print("→ 끝 숫자는 같습니다. 중간에서 무엇을 보게 되는지가 다릅니다.")

깔때기를 통과한 뒤 — 점수로 줄 세우기

54개는 여전히 많습니다. 이제 남은 것들에 점수를 붙여 순서를 만듭니다. 가중치는 정답이 없습니다 — 회사마다, 질환마다 다릅니다. 그래서 직접 정합니다.

High school체의 순서가 중요한가

순서를 바꾸면 최종 수는 같지만, 중간에 보이는 것이 달라집니다.

순서 원칙	이유
싼 것부터	계산으로 되는 것을 먼저
확실한 것부터	억제 확인 같은 기술적 검사를 먼저
생물학 → 약물화	흥미로운 표적을 미리 안 버리려고

약물화를 맨 뒤에 두는 이유 — 기술이 발전하면 다시 볼 수 있으니까요.

이것이 이 파이프라인의 출력입니다. 맨 위 몇 개를 손으로 확인할 후보로 삼습니다.

Python Runs in your browser

import tgt

steps, alive = tgt.funnel()

def score(r, w_act=1.0, w_kd=0.5, w_dis=1.5, w_cell=0.3):
    # 각 항목을 0~1 로 눌러 놓고 가중합한다
    act  = min(r["act"] / 5000, 1.0)
    kd   = min(r["kd"] / 40, 1.0)
    dis  = min(r["n_dis"] / 8, 1.0)
    cell = min(r["maxcell"] / 1000, 1.0)
    return w_act * act + w_kd * kd + w_dis * dis + w_cell * cell

ranked = sorted(alive, key=lambda r: -score(r))

print("순위 유전자      점수  흔든수  넉다운  질환수  클러스터 주석")
for i, r in enumerate(ranked[:15], 1):
    print(str(i).rjust(3),
          r["gene"].ljust(11),
          f"{score(r):5.2f}",
          str(r["act"]).rjust(6),
          str(r["kd"]).rjust(7),
          str(r["n_dis"]).rjust(6), "  ",
          (r["ann"] or "-")[:28])

표적 하나를 회사에 가져가려면 이 정도 카드는 만들어야 합니다. 여기에 약물성과 유전학 두 칸이 더 붙으면 완성입니다.

Python Runs in your browser

import tgt

steps, alive = tgt.funnel()

# 1등을 뜯어본다 — 왜 여기 있는지 전부 적어 본다
top = max(alive, key=lambda r: r["act"])
print("표적 후보:", top["gene"])
print()
print("  세포 수      ", top["maxcell"])
print("  넉다운 세기  ", top["kd"], "· 유의" if top["kd_ok"] else "")
print("  흔든 유전자  ", top["act"])
for c in tgt.CONDS:
    print("     ", c.ljust(9), str(top["n_de"][c]).rjust(5))
print("  DepMap 공통필수", "예" if top["ess"] else "아니오")
print("  클러스터     ", top["clusters"])
print("  주석         ", top["ann"] or "-")
print("  걸린 질환    ")
for d in top["dis"]:
    print("     ", d["dis_ko"].ljust(12), "배수", d["or"], "· 클러스터 주석:", d["ann"])

High school그리고 그 뒤 — 54개로 무엇을 하나

54개도 여전히 많습니다. 다음 단계가 있어요.

다음 단계	내용
유전 증거 확인	17강 — 사람 유전학 자료와 대조
문헌 검토	사람이 직접 읽음 — 자동화 불가
독립 모델에서 재현	다른 세포·다른 자극
기전 확인	왜 그런지
화합물 탐색	실제로 붙는 분자가 있나

54개에서 프로그램이 되는 것은 한두 개입니다 — 그것이 이 일의 통상적 수율입니다.

🤔 Check yourself

깔때기 관문의 순서를 바꾸면 최종 개수는?

🤔 Check yourself

이 실습이 만든 54개 목록을 뭐라고 불러야 정확합니까?