Lesson 19 of 20

높은데 왜 안 듣나 — 면역사막

PNAS 2025 · 폐선암 472명의 TMB 와 림프구 침윤률

TMB 가 높은 환자도 절반 넘게 듣지 않습니다. 왜일까요.

TMB 가 재는 것은 알아볼 거리가 얼마나 있느냐입니다. 면역관문억제제가 하는 일은 이미 와 있는 T세포의 브레이크를 푸는 것입니다. 와 있는 T세포가 없으면 풀 브레이크도 없습니다. 종양 안에 면역세포가 거의 없는 상태를 면역사막이라고 부릅니다.

High school높은데 왜 안 듣나

TMB 가 높은데도 면역치료가 안 듣는 환자가 있다. 왜 그럴까?

1강의 사슬을 다시 보자

단계	필요한 것
1	변이가 많다 — TMB 가 재는 것
2	신생항원이 만들어진다
3	MHC 에 제시된다
4	T세포가 종양에 들어와 있다
5	브레이크만 풀면 된다

TMB 는 1단계만 잰다.

사슬의 첫 고리만 확인하고 나머지를 확인하지 않는 것이 TMB 의 한계다

같은 폐선암 환자의 림프구 침윤률을 표에 함께 실어 두었습니다. 병리 슬라이드를 조각으로 잘라 조각마다 림프구가 있는지 판정한 뒤, 조직 조각 가운데 림프구가 있는 조각의 비율을 낸 값입니다 (TCIA TIL-WSI-TCGA — /til 강의가 20강에 걸쳐 다루는 그 숫자입니다).

High school면역사막

T세포가 거의 없는 종양을 면역사막이라 한다.

상태	TMB	T세포	면역치료
염증형	높음	많음	잘 들음
사막형	높음	없음	안 들음
—	낮음	많음	중간

두 번째 줄이 문제다

TMB 만 보면 치료 대상 인데 T세포가 없어서 풀어 줄 것이 없다.

브레이크를 푸는 약은 밟고 있는 액셀이 있어야 듣는다

472명입니다. 침윤률 중앙값 5.7% — 조직 조각 스무 개 중 하나쯤에 림프구가 보입니다.

Python Runs in your browser

import tmb

d = tmb.luad()
d = d[d["til_pct"].notna()]
print("TMB 와 침윤률이 모두 있는 환자", len(d), "명")
print()
print("침윤률(%) — 중앙값", round(d["til_pct"].median(), 2),
      "· 1사분위", round(d["til_pct"].quantile(.25), 2),
      "· 3사분위", round(d["til_pct"].quantile(.75), 2))
print()
print(d[["sample", "tmb", "til_pct"]].head(5).to_string(index=False))

상관 0.05. TMB 와 침윤은 사실상 독립입니다. 이것이 이 강의의 마지막 뒤집기입니다.

Python Runs in your browser

import tmb
import numpy as np

d = tmb.luad()
d = d[(d["til_pct"].notna()) & (d["tmb"] > 0)]

r = np.corrcoef(np.log10(d["tmb"]), d["til_pct"])[0, 1]
print("TMB(로그) 와 침윤률의 상관계수:", round(r, 3))
print()
print("거의 0 입니다. 변이가 많다고 림프구가 더 들어와 있지 않습니다.")
print("두 숫자는 서로 다른 것을 재고 있습니다.")

High schoolPNAS 2025 의 자료

폐선암 472명 에서 TMB 와 림프구 침윤률 을 함께 봤다.

두 지표의 관계

가능성	내용
상관이 높다	TMB 가 높으면 T세포도 많음
상관이 낮다	두 지표가 다른 것 을 잼

상관이 낮다면 그것이 좋은 소식이다

두 지표가 다른 정보 를 담고 있다는 뜻이다. 그러면 함께 쓰면 예측이 좋아진다.

TMB	침윤	예상 반응
높음	높음	가장 좋음
높음	낮음	나쁨 — 사막
낮음	높음	중간
낮음	낮음	가장 나쁨

두 지표가 상관이 낮으면 함께 쓸 때 정보가 더해진다

TMB-High 170명 가운데 43명, 넷 중 하나가 면역사막입니다. 검사지에는 'TMB-High' 라고만 찍혀 나올 사람들입니다.

Python Runs in your browser

import tmb

d = tmb.luad()
d = d[d["til_pct"].notna()].copy()

cold = d["til_pct"] <= d["til_pct"].quantile(.25)     # 침윤 하위 25% = 면역사막
hot  = ~cold
high = d["tmb"] >= 10

print(f"{'':<14} {'침윤 낮음(사막)':>16} {'침윤 있음':>12}")
print(f"{'TMB 높음':<14} {int((high & cold).sum()):>16} {int((high & hot).sum()):>12}")
print(f"{'TMB 낮음':<14} {int((~high & cold).sum()):>16} {int((~high & hot).sum()):>12}")
print()
print("TMB-High 환자 가운데 면역사막:", round(100 * (high & cold).sum() / high.sum(), 1), "%")
print("전체 472명 가운데            :", round(100 * (high & cold).sum() / len(d), 1), "%")

같은 'TMB-High' 안의 두 세계

TMB 높음 · 침윤 있음 (127명)

알아볼 거리도 있고 알아볼 세포도 와 있다 — 브레이크를 풀면 될 상태

TMB 높음 · 면역사막 (43명)

알아볼 거리는 많은데 알아볼 세포가 없다 — 풀 브레이크가 없는 상태

두 무리 모두 검사 결과는 TMB-High 입니다. 숫자 하나로는 갈리지 않습니다. 갈리려면 다른 축이 필요합니다 — 침윤률이 그 축의 하나입니다.

High school왜 하나의 지표로 부족한가

필요조건	재는 지표
알아볼 것이 있나	TMB
제시되나	HLA · B2M 상태
T세포가 있나	침윤률 · GEP
브레이크가 걸려 있나	PD-L1

네 조건이 곱해진다

하나라도 0 이면 전체가 0 이다. 그러니 하나만 보면 나머지 셋을 모르는 것이다.

그래서 복합 지표가 나온다

TMB + PD-L1 + GEP 를 합친 점수들이 개발되고 있다. 개별 지표보다 예측력이 낫다는 보고가 있다.

필요조건이 여럿이면 지표도 여럿이어야 한다

🤔 Check yourself

TMB 와 림프구 침윤률의 상관이 거의 0 이라는 사실이 뜻하는 것은?

🤔 Check yourself

'TMB-High 이면서 면역사막' 인 환자에게 면역관문억제제가 잘 듣지 않는다고 보는 까닭은?