Lesson 20 of 20

정리 — 말할 수 있는 것과 없는 것, 그리고 진짜 API 로

자료 셋 · 계산 넷 · 빈칸 둘

스무 강 동안 자료 셋을 썼습니다. 무엇을 확인했는지 한 번에 찍어 봅시다.

High school말할 수 있는 것

주장	근거
Open Targets 순위는 순환 논리에 오염돼 있다	6강 — 상위 30개 중 10개
TNIK은 공개 자료의 어느 목록에도 없었다	7·8·10강
확신과 새로움은 서로 반대다	9강 — 손잡이 하나로 1등이 바뀜
CD4+ T세포에서 TNIK은 조용하다	15강 — 세포 1,082개, 녹다운 −21.4, 흔들림 4개
2a상에서 FVC가 플러스로 보고됐다	19강

네 칸이 채워졌습니다. 그리고 마지막 칸의 값이 0 에 가깝다는 것까지 함께 적혔습니다.

Python Runs in your browser

import ot, lit, pseq, geo

print("=" * 62)
print("TNIK 발견 따라하기 — 확인한 것 전부")
print("=" * 62)
print()
print("[근거] Open Targets")
print("  IPF 연관 표적           :", ot.disease()["count"], "개")
print("  TNIK 의 순위            :", ot.rank("TNIK"), "  <- 상위 300 안에 없다")
print("  상위 30 중 '이미 약이 있어서' 오른 표적 :",
      sum(1 for r in ot.assoc(30) if r["by_type"].get("clinical", 0) > 0.9), "개")
print()
print("[새로움] PubMed")
print("  TNIK x IPF, 2020년까지  :", lit.count("TNIK", "ipf_before"), "편")
print("  TNIK 논문 전체          :", lit.count("TNIK", "gene"), "편")
print()
print("[발현] /geo 강의의 GEO 메타분석 — 남의 계산을 가져다 확인")
gs = geo.summary()
print("  IPF %d명 대 정상 %d명   : 유전자 %s개" % (gs["n_ipf"], gs["n_ctrl"], format(gs["n_genes"], ",")))
print("  상위 %d 안에 TNIK       :" % gs["n_top"], "있음" if geo.has("TNIK") else "없음  <- 여기서도 못 찾는다")
print()
print("[약물성] Open Targets tractability")
t = ot.tractability("TNIK", "SM")
print("  질 좋은 주머니          :", t["High-Quality Pocket"])
print("  약을 만들어 본 집안      :", t["Druggable Family"])
print("  허가된 약               :", t["Approved Drug"], " <- 새 표적이다")
print()
print("[인과] Perturb-seq API — 사람 CD4+ T세포")
r = pseq.perturb("TNIK")
print("  세포 수                 :", max(v["n_cells"] for v in r["conditions"].values()))
print("  녹다운                  : %.1f (유의)" % r["conditions"]["Rest"]["ontarget_effect"])
print("  흔들린 유전자           :", r["summary"]["total_de_genes"], " <- 틀린 세포다")

빈칸을 화면에 그대로 찍습니다. 이 출력이 이 강의의 마지막 주장입니다.

Python Runs in your browser

print("=" * 62)
print("이 강의가 <계산하지 못한> 칸")
print("=" * 62)
print()
blanks = [
 ("지식그래프 · 경로 · 노화 시계",
  "실제 엔진(PandaOmics)이 쓴 그 층들의 입력 목록이 공개되어 있지 않다",
  "10강 — 그래서 '이 방법을 따라 하면 TNIK 이 나온다' 고 말하지 않는다"),
 ("역방향 점수",
  "교란별 전체 발현 벡터와 질환 신호를 맞대 볼 자료가 없다",
  "/tgt 10강이 같은 이유로 비워 둔 칸이다"),
 ("공통필수 · 안전",
  "DepMap 자료가 없다",
  "3강에서 미리 밝혔다. 17강의 T세포 결과가 아주 약한 대체물이다"),
 ("사람 유전학 가중치",
  "IPF 에 대한 TNIK 의 유전 근거가 애초에 0 이다",
  "7강 — 없는 것에 가중치를 줄 수는 없다"),
]
for name, why, where in blanks:
    print("  [빈칸] %s" % name)
    print("         왜  : %s" % why)
    print("         어디: %s" % where)
    print()
print("지어낸 점수를 순위에 섞지 않는 것이 이 강의의 규칙이었습니다.")

High school말할 수 없는 것

말할 수 없는 것	왜
왜 하필 TNIK이었나	회사 내부 근거가 비공개
공개 자료로 TNIK을 찾을 수 있었나	이 강의의 경로로는 안 나옴
TNIK이 IPF에 듣는다	2a상 71명 — 확정 아님
T세포에서 조용하니 안전하다	다른 조직은 안 봄
이 약이 허가될 것이다	3상이 남음

3강에서 말한 빈칸 둘이 여기 있습니다 — 그대로 비워 둡니다.

말할 수 있는 것

주장	근거
근거를 모아 줄을 세우는 방법으로는 TNIK 에 도달하지 못한다	상위 300 밖 · TNIK 의 연관 질환 382개에 IPF 없음 (7강)
그 순위의 상당 부분은 “이미 시도 중인 것” 이다	상위 30 중 10개가 clinical 0.9 초과, 유전학 0.000 (6강)
TNIK 은 발견 당시 IPF 논문이 0편이었다	PubMed [tiab], 2020년까지 (8강)
환자 폐조직 발현 메타분석도 TNIK 을 못 찾는다	/geo 의 계산 — IPF 102명 대 정상 40명, 상위 600 밖 (10강)
새로움 가중치를 올려야 TNIK 이 올라온다	같은 자료 · 같은 코드 · 손잡이만 다름 (9강)
TNIK 은 저분자로 갈 수 있는 자리에 있다	주머니 · 리간드 · 구조 · 집안 네 칸 (14강)
T세포 스크린은 이 표적에 대해 아무것도 말하지 못한다	녹다운 −21.4 인데 DE 11개 · 클러스터 0 (15강)
2a상은 안전성을 보였고 FVC 는 신호 수준이다	1차 지표 = 이상반응 비율 · 신뢰구간 겹침 · n=18 (19강)

말할 수 없는 것

못 하는 말	왜
“TNIK 이 폐섬유증의 원인이다”	표적 가설이지 인과가 아니다. 이 강의의 인과 자료는 틀린 세포에서 왔다
“렌토서팁이 IPF 에 효과가 있다”	2차 지표 · 겹치는 신뢰구간 · 무리당 18명 · 12주
“AI 가 표적을 찾았다”	새로움 가중치를 올리기로 정한 것은 사람이다 (9강)
“Open Targets 상위 표적들은 가짜다”	이 강의의 스크린이 그 질문에 답할 수 없는 자료다 (12·16강)
“이 방법을 따라 하면 새 표적이 나온다”	계산하지 못한 칸이 넷이다. 위 셀이 그것을 찍는다

High school자료 셋 · 계산 넷

이 강의가 실제로 쓴 것들입니다.

자료	얻은 것
Open Targets	표적 순위와 근거 분해
PubMed	새로움 (논문 수)
GEO · Perturb-seq API	발현과 교란 결과

계산	내용
순위 재구성	근거 갈래별 가중치
확신 × 새로움	9강의 손잡이
차등 발현	10강
침묵의 분류	16강

전부 열쇠 없이 두드릴 수 있는 자료였습니다.

사설망 안에서 진짜 API 로 넘어가기

이 강의의 pseq · ot · lit 는 전부 진짜 API 의 응답을 떠서 만든 것입니다. 함수 이름과 JSON 모양이 같으므로 요청을 보내는 줄만 바꾸면 그대로 돌아갑니다.

세 꾸러미 전부 진짜로 부르는 법을 스스로 찍어 줍니다. 복사해서 쓰세요.

Python Runs in your browser

import pseq, ot, lit, geo

for mod in (pseq, ot, lit):
    print("=" * 62)
    print(mod.live())
    print()
print("=" * 62)
print("geo 는 API 가 아닙니다 — /geo 강의의 계산 결과를 옮겨 온 것입니다.")
print(geo.source())

이어서 볼 강의

🎯

/tgt

스크린 한 벌을 표적 순위로 바꾸는 엔진을 손으로 만듭니다

🧬

/pdrug

같은 API 로 틀린 세포 문제를 스무 강에 걸쳐 봅니다

💊

/trial

18강의 그 78명이 재료입니다 — 0상과 1상

🕸️

/viper

10강이 미룬 마스터 조절자 계산이 거기 있습니다

High school이 강의가 가르친 습관

	습관	강
①	총점이 아니라 분해표를 본다	4·5강
②	순환 논리를 의심한다	6강
③	"없음"과 "안 찾아봄"을 가른다	7·8강
④	가중치를 명시한다	9강
⑤	0의 세 종류를 가른다	12·16강
⑥	자료를 탓하기 전에 질문을 본다	17강
⑦	모르는 것은 빈칸으로 남긴다	3·20강

이어서 볼 것	어디서
표적 선정 방법론 전체	/tgt · /insilico
Perturb-seq 깊이 보기	/pseq · /pdrug
발현 자료 재분석	/geo
유전 증거	/gwas
마스터 조절자 계산	/arac · /viper
임상시험 읽기	/trial

10강이 미룬 마스터 조절자 계산이 /viper에 있습니다.

🤔 Check yourself

이 강의가 “AI 가 표적을 찾았다” 는 표현을 쓰지 않는 이유는?

🤔 Check yourself

이 강의의 인과 확인(Perturb-seq)이 남긴 결론으로 가장 정확한 것은?