11강 / 20강

섭동 — 유전자를 붙박아 두는 한 줄

녹아웃(KO)과 과발현(OE)

가상 유전자 조작은 놀랄 만큼 간단합니다. 갱신할 때 그 유전자만 규칙을 건너뛰게 하면 됩니다.

new[g] = perturb[g] if g in perturb else rule[g](state)
#         ↑ 붙박은 값       ↑ 원래 규칙

이 한 줄이 두 가지 실험을 모두 표현합니다.

이름	코드	실험실에서는
녹아웃 (KO)	`{"DDX54": 0}`	siRNA · shRNA 녹다운, CRISPR 결손
과발현 (OE)	`{"p53": 1}`	플라스미드 도입, 유도 발현계

중요한 차이가 하나 있습니다. 9강의 '한 번 뒤집기' 는 초기 상태만 바꿨습니다. 섭동은 규칙 자체를 바꿉니다. 약을 계속 투여하는 것과 같아요.

고등학생유전자를 붙박아 두는 한 줄

가상 실험의 도구가 섭동 이다. 유전자를 영구히 고정한다.

섭동	코드	실험 대응
녹아웃 (KO)	항상 0	유전자 제거 · siRNA
과발현 (OE)	항상 1	플라스미드 · 유도 발현

코드로는 한 줄이다

갱신 규칙을 무시하고 값을 고정하면 된다.

실험실에서 몇 주 걸리는 일이 코드 한 줄이 된다

왼쪽 첫 칸이 계속 ○ 로 붙박여 있는 것을 확인하세요. 그 아래로 도미노가 넘어집니다.

Python 브라우저에서 실행

import bn

net = bn.twin()
cancer = net.state(DDX54=1, MDM2=1, CD47=1, PDL1=1, Proliferation=1)

print("■ 무처치 — 암 고정점에서 꼼짝하지 않는다")
net.trace(cancer, n=4)

print()
print("■ DDX54 녹아웃 — DDX54 를 0 으로 붙박는다")
net.trace(cancer, n=8, perturb={"DDX54": 0})

벌써 결과가 갈립니다. 면역 표적 단독(PDL1 · CD47)이 듣지 않는다는 점을 눈여겨보세요.

Python 브라우저에서 실행

import bn

net = bn.twin()
cancer = net.state(DDX54=1, MDM2=1, CD47=1, PDL1=1, Proliferation=1)

print("암세포 하나에 여러 처치를 걸어 최종 운명을 본다")
print("-" * 58)
for name, p in [
    ("무처치",                 None),
    ("DDX54 녹아웃",           {"DDX54": 0}),
    ("p53 과발현",             {"p53": 1}),
    ("MDM2 녹아웃",            {"MDM2": 0}),
    ("PDL1 녹아웃 (항-PD1)",   {"PDL1": 0}),
    ("CD47 녹아웃 (항-CD47)",  {"CD47": 0}),
    ("p53 녹아웃",             {"p53": 0}),
]:
    a = net.attractor(cancer, p)
    kind = "고정점" if len(a) == 1 else f"주기 {len(a)}"
    print("  " + bn.pad(name, 26) + "-> " + bn.pad(net.label(a), 6) + f"({kind})")

고등학생섭동이 지형을 바꾼다

9강에서 본 대로 섭동은 규칙을 바꾼다.

바뀌는 것	내용
상태 공간	2ⁿ → 2ⁿ⁻¹ (한 유전자가 고정되니)
어트랙터	사라지거나 새로 생김
베이슨	크기가 달라짐

어트랙터가 사라질 수 있다

암 어트랙터가 어떤 유전자에 의존한다면, 그 유전자를 끄면 어트랙터 자체가 없어진다.

그러면 공이 다른 골짜기로 갈 수밖에 없다.

치료의 목표는 공을 미는 것이 아니라 골짜기를 없애는 것이다

모형을 만들 때 반드시 정하고 문서에 적어야 하는 선택입니다.

Python 브라우저에서 실행

import bn

net = bn.twin()

# 섭동은 초기 상태도 함께 바꾼다 — 그래야 '약을 먹은 상태로 출발' 이 된다
cancer = net.state(DDX54=1, MDM2=1, CD47=1, PDL1=1, Proliferation=1)
p = {"DDX54": 0}

path = net.run(cancer, 6, perturb=p)
i = net.genes.index("DDX54")
print("DDX54 자리의 값:", [s[i] for s in path])
print("t=0 부터 이미 0 입니다 — 규칙을 건너뛰고 붙박았기 때문입니다.")
print()
print("만약 초기 상태를 그대로 두고 규칙만 바꿨다면 t=0 에는 1 이었을 것이고,")
print("그 한 시점의 차이가 결과를 바꾸는 경우가 실제로 있습니다.")

🎮 섭동 실험대

유전자마다 KO / 무처치 / OE 를 골라 보세요. 궤적이 즉시 다시 계산됩니다.

고등학생모형 섭동과 실제 실험의 차이

모형	실제 실험
완전히 0	부분적 감소 (50~90%)
즉시	며칠 걸림
부작용 없음	오프타깃 효과
다른 유전자는 그대로	보상 반응이 일어남

마지막이 특히 중요하다

실제 세포는 적응한다. 한 유전자를 끄면 다른 경로가 보상할 수 있다.

모형에는 그 보상 경로가 없으면 예측이 틀린다.

모형에 없는 경로는 모형이 예측할 수 없다 — 당연하지만 자주 잊는다

고등학생그래도 섭동 시뮬레이션이 유용한 이유

이유	내용
빠름	256가지를 몇 초에
조합 탐색	실험으로는 불가능한 규모
우선순위 정함	어느 것부터 실험할지
기전 이해	왜 그런 결과가 나오나

세 번째가 실무적 가치다

모형이 정확할 필요는 없다. 유망한 후보를 좁혀 주면 충분하다.

100가지 중 5가지로 좁혀 주면 실험 비용이 20분의 1 이 된다.

모형의 값어치는 답을 주는 데 있는 것이 아니라 실험을 좁혀 주는 데 있다

🤔 확인 문제

불리언 모형에서 유전자 녹아웃을 표현하는 방법은?

🤔 확인 문제

9강의 '한 번 뒤집기' 와 11강의 '섭동' 의 결정적 차이는?

🤔 확인 문제

섭동을 걸 때 초기 상태에도 그 값을 미리 적용하는 이유는?