Lesson 7 of 20

손으로 만든 TMB, 받아 온 TMB

39 표본을 다시 세어 cBioPortal 값과 맞춰 보기

2강부터 6강까지 정한 것을 모으면 함수 하나가 됩니다.

def compute(sample, mb=30.0, drop=SILENT):
    d = mut(sample)                 # 그 표본의 변이 줄
    d = d[~d["type"].isin(drop)]    # 단백질 바꾸지 않는 것 빼고
    return len(d) / mb              # 세서 분모로 나눈다

세 줄입니다. TMB 계산의 전부가 여기 있습니다. 이제 이 함수로 39 표본을 재고, cBioPortal 이 준 값과 맞춰 봅니다.

High school정한 것을 모으면 함수 하나

2강부터 6강까지 정한 것들을 모으면 TMB 계산 함수 가 된다.

단계	어느 강에서 정했나
MAF 를 읽는다	2강
변이 종류로 거른다	4~5강
VAF · 깊이로 거른다	6강
표본별로 센다	—
분모로 나눈다	3강

다섯 단계 각각에 판단이 들어갔다 — 그 판단들이 모여 하나의 숫자가 된다

늘 우리 값이 조금 작습니다. 5강에서 본 그대로 — 저쪽은 Splice_Region 까지 세고 있으니까요. 맨 아래 한 줄만 빼고요.

Python Runs in your browser

import tmb

d = tmb.luad().set_index("sample")
print(f"{'표본':<18} {'우리 값':>8} {'받아온 값':>10} {'차이':>7}")
for s in tmb.samples()[:8]:
    mine = tmb.compute(s)
    theirs = d.loc[s, "tmb"]
    print(f"{s:<18} {mine:>8.3f} {theirs:>10.3f} {mine - theirs:>7.3f}")

규칙을 맞추면 대부분의 차이가 사라집니다. 딱 하나, 12.8 이나 어긋나는 표본이 남습니다.

Python Runs in your browser

import tmb

d = tmb.luad().set_index("sample")
diff = []
for s in tmb.samples():
    diff.append(tmb.compute(s) - d.loc[s, "tmb"])

import statistics as st
print("39 표본의 차이")
print("  중앙값", round(st.median(diff), 3))
print("  가장 크게 벌어진 곳", round(min(diff), 3))
print()
# 규칙을 저쪽에 맞추면 — 아무것도 빼지 않고 세면
same = [tmb.compute(s, drop=set()) - d.loc[s, "tmb"] for s in tmb.samples()]
print("아무것도 빼지 않고 세면 차이 중앙값", round(st.median(same), 3))
print("남은 큰 어긋남", round(min(same), 3), "— 규칙으로 설명되지 않는 표본이 하나 있습니다.")

High school받아 온 값과 맞춰 보기

우리가 계산한 TMB 와 cBioPortal 의 공개 값 을 견준다.

결과	뜻
정확히 일치	같은 규칙을 재현함
비례하게 다름	분모가 다름
불규칙하게 다름	필터가 다름

두 번째와 세 번째를 가르는 법

우리 값과 공개 값의 비 를 그려 본다.

비가 일정하면 분모 차이 — 곱하기 하나로 맞출 수 있다.

비가 표본마다 다르면 필터 차이 — 어느 변이를 포함했느냐가 다르다.

두 값의 비가 일정한지 보면 차이의 원인을 좁힐 수 있다

남은 한 표본을 들여다봅니다. 우리가 센 변이는 392개인데 저쪽 TMB 는 25.87 입니다. 25.87 × 30 = 776 — 우리 표에 있는 변이의 두 배입니다. 어느 쪽이 틀린 걸까요.

변이 개수도 TMB 도 맞습니다. 어긋난 것은 분모입니다 — 이 표본들만 15 Mb 로 나뉘어 있습니다.

Python Runs in your browser

import tmb

d = tmb.luad().set_index("sample")
s = "TCGA-44-2659-01"
row = d.loc[s]
print(s)
print("  표에 적힌 변이 개수", int(row["mut_count"]))
print("  표에 적힌 tmb      ", round(row["tmb"], 3))
print("  둘로 되찾은 분모   ", round(row["mut_count"] / row["tmb"], 2), "Mb  ← 30 이 아니다")
print()
print("같은 일이 벌어진 표본이 몇이나 되나")
a = tmb.luad()
a = a[(a["tmb"] > 0) & (a["mut_count"] > 0)]
mb = a["mut_count"] / a["tmb"]
print("  분모 20 Mb 미만으로 되찾히는 표본:", int((mb < 20).sum()), "개 / 561")

High school재현이 왜 중요한가

얻는 것	내용
계산 규칙을 알게 됨	문서에 없어도
다른 자료에 적용 가능	같은 규칙으로
차이의 원인을 앎	어디가 다른지
공개 값을 믿을지 판단	재현되면 신뢰

두 번째가 실무적으로 크다

새 자료를 받았을 때 같은 규칙으로 TMB 를 계산할 수 있어야 기존 자료와 비교할 수 있다.

규칙을 모르면 비교 자체가 불가능하다.

공개 값을 재현하는 것은 그 값을 확인하는 일이자 규칙을 배우는 일이다

이제 566명 전부로 갑니다. 변이 줄은 39 표본 것만 실어 두었지만, 표본별 집계(n_mut·n_nonsyn)는 566명 모두 있습니다. 집계만으로도 규칙을 바꿔 가며 TMB 를 만들 수 있습니다.

규칙 네 벌로 같은 566명을 재면 TMB-High 가 180명에서 137명까지 움직입니다.

Python Runs in your browser

import tmb

d = tmb.luad()
d = d[d["n_mut"] > 0].copy()

for mb in [30.0, 38.0]:
    for col, name in [("n_mut", "전부"), ("n_nonsyn", "비침묵만")]:
        t = d[col] / mb
        print(f"분모 {mb:>4.0f} Mb · {name:<8s} 중앙 {t.median():>6.2f} · "
              f"10 이상 {int((t >= 10).sum()):>3d}명 ({100 * (t >= 10).mean():>4.1f}%)")

High school완벽히 안 맞아도 괜찮다

대개 완전히 일치하지는 않는다. 그것이 정상이다.

불일치의 원인	내용
필터 세부	VAF · 깊이 문턱
변이 종류 정의	4강
중복 제거	같은 변이가 여러 줄
주석 버전	유전자 정의가 바뀜

중요한 것은 차이의 크기

차이	판단
몇 % 이내	실용적으로 같음
수십 %	규칙이 크게 다름 — 조사 필요

재현의 목적은 똑같이 만드는 것이 아니라 차이를 설명할 수 있게 되는 것이다

🤔 Check yourself

우리가 다시 센 TMB 가 cBioPortal 값보다 늘 조금 작았던 까닭은?

🤔 Check yourself

같은 566명을 규칙만 바꿔 다시 쟀더니 TMB-High 인원이 180명에서 137명으로 바뀌었다. 여기서 얻을 교훈은?