Lesson 3 of 20

질환 신호 — 무엇을 되돌릴 것인지 먼저 정한다

신호가 없으면 히트라는 말에 뜻이 없다

스크린을 돌리기 전에 정해야 하는 것이 있습니다. 무엇을 되돌릴 것인가.

이것을 정하지 않고 스크린을 돌리면, 나오는 것은 표적 목록이 아니라 유전자 기능 지도입니다. 좋은 자료지만 약으로 이어지지 않습니다.

질환 신호는 유전자마다 하나씩 붙은 숫자다

환자와 정상을 견주면 유전자마다 얼마나, 어느 쪽으로 달라졌는지가 나옵니다. 그 숫자를 유전자 순서대로 늘어놓은 것이 신호입니다.

유전자     COL1A1  ACTA2  FN1   SERPINE1  ...  CDH1   CAV1
질환 신호   +2.4   +2.1  +1.8    +1.6    ...  −1.4   −1.9
           ← 병에서 올라간 것              내려간 것 →

이제 어떤 유전자를 껐을 때의 변화도 같은 모양으로 적을 수 있습니다. 두 벡터를 견주면 같은 방향인지 반대 방향인지가 나옵니다.

High school질환 신호를 만드는 법

단계	하는 일
1	병든 조직과 정상 조직의 발현을 비교
2	유의하게 달라진 유전자를 고름
3	올라간 것과 내려간 것으로 나눔
4	상위 몇백 개를 신호로 삼음

이때 방향이 핵심입니다. 신호는 단순한 유전자 목록이 아니라 "이것들은 올라가고 저것들은 내려간 상태"라는 패턴이에요.

신호는 어디서 가져오나

출처	무엇	주의
환자 vs 정상 scRNA-seq	세포 종류별로 따로 신호가 나온다	세포 종류를 섞으면 신호가 흐려진다
환자 vs 정상 bulk	표본이 많다 · 구하기 쉽다	세포 조성 변화가 신호로 둔갑한다
유도한 질환 상태	TGF-β → 근섬유아세포 · IL-1β → 염증	접시가 병이 아닐 수 있다 (18강)
공개 아틀라스	GTEx · TCGA · 질환 컨소시엄	배치와 코호트가 섞여 있다

High school좋은 신호의 조건

조건	왜
여러 코호트에서 재현	한 연구의 배치 효과가 아님
병의 핵심을 반영	세포 구성 변화만 잡은 게 아님
모델 세포에서 측정 가능	4강 — 접시에서 잴 수 없으면 무의미
충분히 큼	수십 개면 통계가 불안정
너무 크지 않음	수천 개면 특이성이 없음

세 번째 줄이 실무적 제약입니다 — 환자 조직의 신호를 배양 세포에서 잴 수 있어야 합니다.

여기 신호는 방법을 보이기 위한 모의 자료입니다. 뒤에 나오는 유전자 이름과 숫자는 전부 진짜 스크린 결과입니다.

Python Runs in your browser

import numpy as np

# 유전자 200개짜리 장난감 질환 신호 (모의 자료입니다 — 방법을 보이려는 것)
rng = np.random.default_rng(7)
n = 200
disease = rng.normal(0, 1, n)
disease[:20] += 2.5          # 병에서 크게 올라간 20개
disease[20:40] -= 2.5        # 크게 내려간 20개

print("질환 신호 유전자", n, "개")
print("올라간 것(>1) ", int((disease > 1).sum()))
print("내려간 것(<-1)", int((disease < -1).sum()))
print()
print("가장 올라간 5개 자리:", np.argsort(-disease)[:5].tolist())
print("가장 내려간 5개 자리:", np.argsort(disease)[:5].tolist())

High school신호가 잘못되면 전부 잘못된다

신호의 문제	결과
세포 구성 변화가 섞임	세포 종류를 바꾸는 유전자가 히트로
증식 관련이 섞임	11강 — 세포주기 유전자가 다 히트
배치 효과가 섞임	기술적 잡음을 되돌리는 유전자
방향이 뒤집힘	병을 악화시키는 유전자를 고름

신호는 파이프라인의 기준선입니다 — 여기가 흔들리면 뒤의 모든 계산이 흔들립니다.

🤔 Check yourself

질환 신호를 정하지 않고 Perturb-seq 를 돌리면 나오는 것은?

🤔 Check yourself

bulk 로 만든 질환 신호에서 특히 조심해야 할 것은?