Lesson 10 of 20

【실습】 역방향 점수 — 병을 되돌리는 쪽으로 움직였는가

연결지도(Connectivity Map) 방식의 점수와 그 귀무분포

이제 표적 점수를 실제로 만듭니다. 재료는 둘입니다.

🦠

질환 신호

병에서 어느 쪽으로 움직였나 (3강)

✂️

교란 신호

유전자를 껐을 때 어느 쪽으로 움직였나 (9강)

둘이 반대를 가리키면, 그 유전자를 끄는 것이 병을 되돌리는 방향입니다.

역방향 점수 = − corr(질환 신호, 교란 신호)

점수가 클수록 좋은 후보입니다. 부호에 주의하세요 — 상관이 음수일 때 점수가 양수입니다.

High school병을 되돌리는 쪽으로 움직였는가

이제 핵심 질문입니다. 이 유전자를 껐더니 전사체가 질환 신호의 반대 방향으로 움직였나?

병에서	교란 후 원하는 방향
올라간 유전자들	내려가야 함
내려간 유전자들	올라가야 함

역방향 점수 — 교란이 질환 신호를 얼마나 되돌렸나

되돌리는 교란은 +0.8 근처, 병을 따라가는 교란은 −0.8 근처가 나옵니다. 부호가 표적 후보와 위험 유전자를 가릅니다.

Python Runs in your browser

import numpy as np

rng = np.random.default_rng(42)
n = 300                                  # 유전자 300개

# 질환 신호 — 병에서 어느 쪽으로 얼마나 움직였나 (모의)
disease = rng.normal(0, 1, n)
disease[:30] += 2.0
disease[30:60] -= 2.0

def score(perturb):
    # 역방향 점수 — 상관에 마이너스를 붙인다
    return -np.corrcoef(disease, perturb)[0, 1]

# 세 가지 교란을 만들어 본다
reverser = -0.8 * disease + rng.normal(0, 0.6, n)   # 병을 되돌리는 쪽
mimic    =  0.8 * disease + rng.normal(0, 0.6, n)   # 병을 더 밀어붙이는 쪽
nothing  =  rng.normal(0, 1, n)                     # 아무 상관 없음

for name, v in [("되돌림", reverser), ("따라감", mimic), ("무관", nothing)]:
    print(name.ljust(5), "역방향 점수", f"{score(v):+.3f}")

High school연결지도(Connectivity Map) 방식

원래 약물 재창출을 위해 만들어진 방법입니다. "이 약의 발현 변화가 병의 반대인가"를 물었어요.

단계	하는 일
1	질환 신호를 올라간 목록·내려간 목록으로 준비
2	교란 후 유전자들을 변화량 순으로 줄 세움
3	병에서 오른 유전자들이 아래쪽에 몰렸나 봄
4	병에서 내린 유전자들이 위쪽에 몰렸나 봄
5	둘을 합쳐 점수를 냄 (−1 ~ +1)

점수가 음수일수록 강하게 되돌린 것입니다.

점수만으로는 부족하다 — 귀무분포가 필요하다

상관 0.3 이 큰 값인지 아닌지는 유전자 수와 잡음에 달려 있습니다. 그래서 비표적 대조군으로 아무 일 없을 때의 점수 분포를 만들고 견줍니다.

되돌림 세기 0.1 은 귀무분포에 묻힙니다. 0.3 부터 갈라지기 시작합니다. 이 문턱은 유전자 수와 잡음에 따라 달라집니다.

Python Runs in your browser

import numpy as np

rng = np.random.default_rng(42)
n = 300
disease = rng.normal(0, 1, n)
disease[:30] += 2.0
disease[30:60] -= 2.0

def score(v):
    return -np.corrcoef(disease, v)[0, 1]

# 비표적 대조군 500개로 귀무분포를 만든다
null = np.array([score(rng.normal(0, 1, n)) for _ in range(500)])
lo, hi = np.quantile(null, [0.025, 0.975])
print("귀무분포 가운데", f"{null.mean():+.3f}", "· 95% 구간", f"{lo:+.3f} ~ {hi:+.3f}")
print()

for strength in [0.0, 0.1, 0.3, 0.6]:
    v = -strength * disease + rng.normal(0, 1, n)
    s = score(v)
    p = (null >= s).mean()
    print("되돌림 세기", f"{strength:.1f}",
          "· 점수", f"{s:+.3f}",
          "· p", f"{p:.3f}",
          " ", "표적 후보" if p < 0.05 else "그냥 흔들림")

High school귀무분포가 필요한 이유

점수 −0.4가 큰 걸까요? 기준이 없으면 모릅니다. 9강에서와 같은 방법을 씁니다.

귀무분포 만드는 법	내용
비표적 대조군의 점수	아무 교란도 없을 때의 점수 분포
유전자 목록을 섞음	무작위 신호에 대한 점수
교란을 섞음	라벨 뒤섞기

"이 점수가 우연히 나올 확률"을 알아야 히트라고 부를 수 있습니다.

정규화 점수 +2 를 넘으면 후보, −2 아래는 오히려 병을 밀어붙이는 유전자입니다. 후자도 알아 둘 값어치가 있습니다 — 건드리면 안 되는 유전자니까요.

Python Runs in your browser

import numpy as np

rng = np.random.default_rng(42)
n = 300
disease = rng.normal(0, 1, n); disease[:30] += 2.0; disease[30:60] -= 2.0
def score(v): return -np.corrcoef(disease, v)[0, 1]
null = np.array([score(rng.normal(0, 1, n)) for _ in range(500)])
mu, sd = null.mean(), null.std(ddof=1)

# 후보 유전자 8개를 만들어 정규화 점수로 줄 세운다
cand = {}
for i, s in enumerate([-0.4, -0.2, 0.0, 0.1, 0.2, 0.35, 0.5, 0.7]):
    v = -s * disease + rng.normal(0, 1, n)
    cand[f"GENE{i+1}"] = (score(v) - mu) / sd

print("유전자     정규화 점수")
for g, z in sorted(cand.items(), key=lambda kv: -kv[1]):
    bar = "#" * max(0, int(round(z)))
    tag = "  ← 후보" if z > 2 else ("  ← 위험(병을 밀어붙임)" if z < -2 else "")
    print(g.ljust(8), f"{z:+6.2f}", bar.ljust(10), tag)

High school역방향 점수의 함정

함정	내용
세포주기가 섞임	11강 — 증식이 느려지면 신호가 통째로 움직임
세포 상태 붕괴	세포가 죽어 가면 어떤 신호와도 반대로 보임
신호가 나쁨	3강 — 신호가 병의 핵심이 아니면 무의미
방향만 보고 크기를 무시	미미한 되돌림도 점수가 나옴

두 번째 줄이 특히 교활합니다 — 죽어 가는 세포는 무엇이든 되돌리는 것처럼 보입니다.

그래서 세포 생존·증식 지표를 같이 봐야 합니다. 11강과 14강이 그 이야기예요.

🤔 Check yourself

역방향 점수가 크게 양수라는 것은 무슨 뜻입니까?

🤔 Check yourself

역방향 점수를 정규화하는 이유는?