3강 / 20강

분모는 어디에도 적혀 있지 않다

변이개수 ÷ TMB 로 30 Mb 를 되찾기 · 561 표본

cBioPortal 은 표본마다 mut_count 와 tmb 를 함께 줍니다. 그런데 무엇으로 나눴는지는 어디에도 적어 두지 않았습니다.

문서에도, 열 이름에도, 논문 방법 부분에도 없습니다. 분모를 모르면 다른 자료의 TMB 와 견줄 수 없습니다. 그럼 어떻게 할까요.

분모 = 변이 개수 ÷ TMB

몫과 분자를 알면 분모는 나눗셈 한 번입니다. 한 표본이 아니라 566 표본 전부에서 해 보고, 같은 값이 나오는지 봅니다. 같은 값이 나오면 그게 분모입니다.

고등학생분모는 어디에도 적혀 있지 않다

TMB 를 계산하려면 분모 가 필요하다. "몇 Mb 를 조사했나."

그런데 그 값이 자료에 없다

MAF 표에는 변이 목록 만 있다. 얼마나 넓은 범위를 조사했는지는 안 적혀 있다.

있는 것	없는 것
변이 목록	조사 범위 (Mb)
—	어떤 필터를 썼나

비율을 계산하려는데 분모가 자료에 없다 — 그럼 어떻게 하나

561 표본의 중앙값이 29.91. 반올림하면 30 Mb 입니다. 이것이 cBioPortal 의 분모입니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
ok = d[(d["tmb"] > 0) & (d["mut_count"] > 0)]
ratio = ok["mut_count"] / ok["tmb"]

print("쓸 수 있는 표본", len(ok), "개")
print("중앙값", round(ratio.median(), 4), "Mb")
print("1사분위", round(ratio.quantile(.25), 4), "· 3사분위", round(ratio.quantile(.75), 4))
print("최소", round(ratio.min(), 2), "· 최대", round(ratio.max(), 2))

고등학생되찾는 방법

영리한 방법이 있다. 이미 계산된 TMB 값 이 있으면 역산할 수 있다.

분모(Mb) = 변이 개수 ÷ TMB

단계	하는 일
1	표본마다 변이 개수를 셈
2	공개된 TMB 값을 가져옴
3	나눔 → 그 표본의 분모
4	561 표본에서 반복

결과는 대부분 30 Mb 근처 로 모인다. 그것이 전엑솜의 표준 분모다.

역산으로 숨은 상수를 되찾는 것 — 자료 분석의 유용한 기법

그런데 최소가 14.4, 최대가 32.1 입니다. 왜 딱 30 이 아닐까요. 대부분은 반올림 때문입니다. cBioPortal 의 TMB 는 소수 몇 자리에서 잘려 있고, 변이가 적은 표본일수록 그 자름이 비율을 크게 흔듭니다.

그런데 14~15 쪽에 뭉쳐 있는 무리는 반올림으로 설명되지 않습니다. 분모가 아예 다른 표본들입니다. 이 무리의 정체는 15강에서 밝힙니다 — 지금은 '30 이 아닌 표본이 43개 있다' 는 것만 기억해 둡니다.

흩어짐은 반올림 탓입니다. 그런데 15 근처에 뭉쳐 있는 43 표본은 반올림으로 설명되지 않습니다 — 15강에서 정체가 드러납니다.

Python 브라우저에서 실행

import tmb

d = tmb.luad()
ok = d[(d["tmb"] > 0) & (d["mut_count"] > 0)].copy()
ok["ratio"] = ok["mut_count"] / ok["tmb"]

# 변이가 적은 표본과 많은 표본을 갈라서 흩어짐을 본다
few  = ok[ok["mut_count"] < 50]["ratio"]
many = ok[ok["mut_count"] >= 200]["ratio"]
for name, r in [("변이 50개 미만 ", few), ("변이 200개 이상", many)]:
    print(f"{name} {len(r):>3}표본 · 중앙 {r.median():>7.3f} · "
          f"1~3사분위 폭 {r.quantile(.75) - r.quantile(.25):>6.3f}")
print()
print("변이가 많을수록 흩어짐이 좁아집니다 — 반올림 오차가 묻히기 때문입니다.")
print()
print("그런데 30 근처가 아니라 15 근처인 표본이 따로 있습니다:",
      int((ok["ratio"] < 20).sum()), "개")

고등학생30 Mb 라는 값

사람 엑솜(단백질 코딩 부위)의 크기가 약 30~40 Mb 다. 유전체 전체 30억(3,000 Mb)의 약 1~1.3%.

범위	크기
유전체 전체	3,000 Mb
엑솜	약 30 Mb
유전자 패널	0.8~2 Mb (10~11강)

그런데 정확히 30 이 아니다

포획 키트마다 조금씩 다르다. 그리고 실제로 충분히 읽힌 범위 는 더 작다 — 깊이가 얕은 곳은 변이를 못 찾으니까.

그래서 엄밀히는 "유효 조사 범위" 를 써야 한다.

명목상의 분모와 실제 유효 분모가 다르다 — 대개 실제가 더 작다

왜 하필 30 Mb 인가

사람 유전체는 3,200 Mb 입니다. 그중 단백질을 만드는 엑손만 모으면 30~40 Mb 쯤 됩니다. 전엑솜 시퀀싱(WES)은 이 부분만 낚아채 읽습니다. 그러니 분모는 실제로 읽은 엑손의 총 길이여야 합니다.

30 Mb

cBioPortal · 이 강의가 쓰는 값. 561 표본에서 되찾았다

38 Mb

TCGA 표를 쓰는 다른 논문·강의에서 흔한 값. 12강에서 견준다

0.8~1.2 Mb

유전자 패널 검사. 전엑솜의 30분의 1을 본다 (11강)

같은 종양, 같은 변이 개수인데 분모만 30 이냐 38 이냐로 TMB 가 27% 차이납니다.

분모는 규모를 정합니다. 패널은 분모가 작아서 TMB 가 크게 나오고, 그래서 문턱도 따로 정해야 합니다.

Python 브라우저에서 실행

# 같은 환자, 분모만 바꿔 본다
n_mut = 300
for mb in [30.0, 34.0, 38.0, 1.1565]:
    t = n_mut / mb
    mark = "TMB-High" if t >= 10 else "-"
    print(f"분모 {mb:>8.4f} Mb → TMB {t:>7.2f}   {mark}")
print()
print("맨 아래는 468 유전자 패널의 분모다 — 같은 300개를 세도 숫자가 완전히 달라진다.")

고등학생분모가 15 근처인 표본들

561 표본을 역산하면 대부분 30 근처인데 43개 표본이 15 근처 로 나온다.

이것을 어떻게 읽어야 하나

가능성	내용
다른 포획 키트	범위가 절반
다른 필터	변이를 더 걸러냄
다른 기관	15강에서 확인

왜 심각한가

같은 변이 개수라도 분모가 절반이면 TMB 가 두 배 다. 그러면 문턱 10 을 넘느냐 가 달라진다.

기술적 차이가 치료 자격 을 바꾸는 것이다.

분모의 차이가 곧 치료 자격의 차이가 된다 — 15강에서 확인한다

🤔 확인 문제

561 표본에서 mut_count ÷ tmb 를 구했더니 중앙값 29.91, 최소 14.4, 최대 32.1 이었다. 이 흩어짐의 주된 까닭은?

🤔 확인 문제

어떤 논문이 'TMB 15 mut/Mb 이상을 높음으로 정의했다' 고만 적었다. 가장 먼저 확인해야 할 것은?