15강 / 20강

어느 병원에서 온 조각인가 — 기관 효과

12.8 대 2.8 로 보였던 차이의 절반은 분모였다

TCGA 자료는 세계 여러 병원이 조직을 모아 보낸 것입니다. 표에는 어느 기관에서 왔는지가 tss (tissue source site) 열에 적혀 있습니다. 그런데 이 열은 생물학이 아니라 물류입니다. 그래도 TMB 와 관계가 있을까요.

고등학생어느 병원에서 온 조각인가

3강에서 분모가 15 근처로 되찾히는 표본 43개 를 봤다. 그 표본들이 어디서 왔는지 본다.

한 기관에 몰려 있다면

가능성	내용
그 기관이 다른 포획 키트를 씀	기술적
그 기관의 필터가 다름	기술적
그 기관의 환자가 다름	생물학적

기관과 방법이 얽혀 있으면 어느 것이 원인인지 못 가른다

맨 위 12.78, 맨 아래 2.75. 같은 폐선암인데 4.6배입니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
g = d.groupby("tss")["tmb"]
tab = g.agg(["count", "median"])
tab = tab[tab["count"] >= 15].sort_values("median", ascending=False)

print(f"{'수집 기관':<46} {'표본':>5} {'중앙 TMB':>9}")
for name, row in tab.iterrows():
    print(f"{str(name)[:44]:<46} {int(row['count']):>5} {row['median']:>9.2f}")

4.6배. 생물학이라고 하기에는 너무 큽니다. 그리고 우리는 이미 실마리를 하나 갖고 있습니다 — 3강에서 분모가 15 근처로 되찾히는 표본 43개를 봤지요. 그 표본들이 어디서 왔는지 봅니다.

1위였던 Christiana Healthcare 의 표본은 대부분 30 이 아니라 15.2 로 나뉘어 있었습니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
d = d[(d["tmb"] > 0) & (d["mut_count"] > 0)].copy()
d["mb"] = d["mut_count"] / d["tmb"]          # 3강의 되찾기, 표본마다

odd = d[d["mb"] < 20]
print("분모가 20 Mb 미만으로 되찾히는 표본", len(odd), "개 — 어느 기관에서 왔나")
print(odd["tss"].value_counts().head(5).to_string())
print()
g = d.groupby("tss")["mb"].median()
print("기관별 되찾은 분모 (표본 15개 이상)")
for name, mb in g[d["tss"].value_counts().ge(15).reindex(g.index).fillna(False)].sort_values().head(4).items():
    print(f"  {str(name)[:44]:<46} {mb:>6.2f} Mb")

고등학생12.8 대 2.8 로 보였던 차이

기관별 TMB 를 비교하면 큰 차이 가 보인다.

기관	평균 TMB
A	12.8
B	2.8

4.5배 차이다. 환자가 그렇게 다를까?

그런데 절반은 분모였다

기관 A 의 분모가 15, 기관 B 의 분모가 30 이라면 같은 변이 개수라도 TMB 가 두 배 다.

분모를 맞추면 차이가 절반으로 줄어든다.

보이는 차이의 절반이 분모 차이였다 — 그것을 확인하지 않으면 생물학으로 오독한다

12.78 이 6.83 으로 내려앉아 1위에서 7위가 됩니다. 기관 사이의 폭도 10.0 에서 5.8 로 줄어듭니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad().copy()
d["fix"] = d["n_mut"] / 30                   # 모두 같은 분모로 다시 나눈다

big = d["tss"].value_counts()
big = big[big >= 15].index
sub = d[d["tss"].isin(big)]

raw = sub.groupby("tss")["tmb"].median().sort_values(ascending=False)
fix = sub.groupby("tss")["fix"].median()

print(f"{'수집 기관':<40} {'받아온 값':>9} {'분모 통일':>9}")
for name in raw.index[:6]:
    print(f"{str(name)[:38]:<40} {raw[name]:>9.2f} {fix[name]:>9.2f}")
print()
print("폭 — 받아온 값", round(raw.max() - raw.min(), 2), "· 분모를 통일하면", round(fix.max() - fix.min(), 2))

고등학생나머지 절반은 무엇인가

남은 차이의 가능한 원인	확인 방법
환자 구성 (암종 · 병기)	임상 정보로 보정
흡연력	메타데이터
시퀀싱 깊이	6강의 지표
종양 순도	VAF 분포
변이 검출 필터	재현으로 확인 (7강)

순서대로 배제해 간다

확인 가능한 것부터 하나씩 확인하고, 설명되지 않는 부분 이 남으면 그것이 진짜 생물학적 차이일 수 있다.

그런데 완전히 배제할 수는 없다

기관과 여러 요인이 완전히 얽혀 있으면 수학적으로 분리 불가능하다.

교란을 하나씩 배제하고 남는 것을 보되, 완전히 배제할 수 없음을 밝힌다

그래도 남는 차이

분모를 통일해도 8.50 과 2.73 이 남습니다. 여전히 3.1배입니다. 이 나머지에는 아래 셋이 섞여 있습니다.

🧑‍⚕️

환자가 다르다

그 병원에 오는 환자의 흡연력·병기·인종 구성이 다르다

🔪

조각이 다르다

떼어내는 방식과 종양 순도가 다르면 VAF 가 눌리고 변이가 덜 잡힌다

🧊

보관이 다르다

고정·냉동 방식이 DNA 품질을, 품질이 변이 검출을 바꾼다

셋 다 실제로 일어납니다. 그리고 자료만 보고는 셋을 가를 수 없습니다. 분명한 것은 하나입니다 — TMB 는 생물학만의 함수가 아닙니다. 어떤 성분은 계산 파이프라인에서, 어떤 성분은 조직을 다루는 방식에서 옵니다.

병기 구성으로도 설명되지 않습니다. 오히려 3~4기가 적은 쪽의 TMB 가 높습니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
big = d["tss"].value_counts()
big = big[big >= 15].index
sub = d[d["tss"].isin(big)]

# 병기 구성이 기관마다 다른가 — 교란 후보를 확인한다
top = sub.groupby("tss")["tmb"].median().sort_values(ascending=False).index
for name in [top[0], top[-1]]:
    g = sub[sub["tss"] == name]
    late = g["stage"].astype(str).str.contains("III|IV", regex=True).mean()
    print(f"{str(name)[:40]:<42} 표본 {len(g):>3} · 분모 통일 TMB {(g['n_mut'] / 30).median():>6.2f} · "
          f"3~4기 비율 {100 * late:>4.1f}%")

13강의 상대 문턱과 같은 손질입니다. 교란을 걷는 대신 절대 눈금을 버립니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
big = d["tss"].value_counts()
big = big[big >= 15].index
sub = d[d["tss"].isin(big)].copy()

# 기관 안에서의 순위로 바꾸면 남은 기관 차이도 걷힌다
sub["fix"] = sub["n_mut"] / 30
sub["rank"] = sub.groupby("tss")["fix"].rank(pct=True)

print("분모 통일값의 기관별 중앙값 폭:", round(sub.groupby("tss")["fix"].median().max()
                                 - sub.groupby("tss")["fix"].median().min(), 2))
print("순위의 기관별 중앙값 폭:", round(sub.groupby("tss")["rank"].median().max()
                                 - sub.groupby("tss")["rank"].median().min(), 3))
print()
print("순위로 바꾸면 기관 사이가 거의 평평해집니다 — 대신 절대값은 잃습니다.")

고등학생이 문제가 임상에 주는 함의

함의	내용
검사실마다 값이 다를 수 있음	같은 환자라도
표준화가 필요	Friends of Cancer Research 등의 노력
검사실을 명시해야	보고서에
다기관 자료는 보정 필요	연구에서

실제로 표준화 노력이 진행 중이다

여러 검사실이 같은 시료 를 재서 값을 맞추는 작업이 이루어졌다.

그 결과 보정 공식 이 만들어졌지만, 여전히 완전히 일치하지는 않는다.

치료 자격을 정하는 지표는 검사실 간 표준화가 전제되어야 한다

🤔 확인 문제

1위 기관의 TMB 중앙값 12.78 이 분모를 통일하자 6.83 으로 내려앉았다. 이 차이의 정체는?

🤔 확인 문제

기관 효과가 있는데도 논문에 아무 언급이 없다면 대개 무엇을 뜻하나?