15강 / 20강

단일세포 — 구멍 난 데이터에서 살아남기

발현은 무너져도 활성은 버틴다

단일세포 RNA 시퀀싱은 세포 하나하나를 따로 읽습니다. 놀라운 기술인데, 데이터를 열어 보면 당황스럽습니다 — 대부분이 0 입니다.

세포 하나에서 잡히는 mRNA 분자는 몇천 개뿐이고, 유전자는 2만 개입니다. 어떤 유전자가 실제로 발현되고 있어도 운 나쁘면 한 조각도 안 잡힙니다. 이것을 드롭아웃(dropout)이라고 부릅니다. 데이터의 80~90%가 0 인 것이 보통입니다.

그러면 이 데이터로 "이 세포에서 MYC 가 활성인가"를 물을 수 있을까요? MYC 의 발현량을 보면? 십중팔구 0 이라 아무 말도 못 합니다. 그런데 VIPER 는 답할 수 있습니다.

고등학생구멍 난 데이터에서 살아남기

단일세포 자료는 0 이 아주 많다.

자료	0 의 비율
덩어리 RNA-seq	낮음
단일세포	80~95%

왜 그런가

이유	내용
세포 하나의 RNA 가 적음	—
포획 효율이 10~20%	대부분을 놓침
실제로 발현 안 함	—

발현이 있는데 0 으로 잡히는 것 — 그것이 탈락(dropout)이다

부하 하나가 사라지는 것은 사고지만, 40명 중 34명이 사라져도 6명이 증언합니다.

Python 브라우저에서 실행

# 드롭아웃을 시뮬레이션해서, 발현과 활성 중 어느 쪽이 버티는지 봅니다.
import random, math
random.seed(42)

부하수 = 40
진짜활성 = 2.0        # 이 세포에서 상사가 활발하다

def 한세포(드롭률):
    # 부하들의 진짜 시그니처 — 상사 때문에 다들 올라가 있다
    부하 = [random.gauss(진짜활성, 1.0) for _ in range(부하수)]
    상사 = random.gauss(진짜활성, 1.0)
    # 드롭아웃 — 확률적으로 0 이 된다
    부하 = [0.0 if random.random() < 드롭률 else v for v in 부하]
    상사 = 0.0 if random.random() < 드롭률 else 상사
    # 발현 기반 판정: 상사 유전자 하나만 본다
    발현판정 = 상사
    # 활성 기반 판정: 부하들의 평균 (VIPER 를 아주 단순화한 것)
    살아있는 = [v for v in 부하 if v != 0.0]
    활성판정 = (sum(살아있는)/len(살아있는) * math.sqrt(len(살아있는))
                if 살아있는 else 0.0)
    return 발현판정, 활성판정

print(f"{'드롭률':>7}{'발현으로 맞춘 비율':>20}{'활성으로 맞춘 비율':>20}")
for 드롭률 in [0.0, 0.3, 0.5, 0.7, 0.85, 0.95]:
    발현맞춤 = 활성맞춤 = 0
    for _ in range(2000):
        e, a = 한세포(드롭률)
        if e > 1.0: 발현맞춤 += 1
        if a > 1.0: 활성맞춤 += 1
    print(f"{드롭률:>7.0%}{발현맞춤/2000:>20.1%}{활성맞춤/2000:>20.1%}")

print()
print("드롭률 85% 에서도 활성 판정은 거의 흔들리지 않습니다.")
print("부하 40명 중 6명만 남아도 그 6명이 같은 말을 하기 때문입니다.")

고등학생발현은 무너져도 활성은 버틴다

이것이 VIPER 의 강점이다.

	개별 유전자 발현	VIPER 활성
탈락의 영향	치명적	완화됨
이유	0 이면 정보 없음	표적 수백 개의 평균

평균이 구해 준다

표적 100개 중 80개가 0 이어도 남은 20개 로 활성을 추정할 수 있다.

그리고 어느 20개가 남을지는 무작위 니 평균은 편향되지 않는다.

개별 측정이 불안정해도 여럿을 모으면 안정적이 된다

🎮 구멍을 뚫어 보세요

드롭아웃 비율 슬라이더를 올려 보세요. 왼쪽의 발현 히트맵이 점점 검게 변합니다. 오른쪽의 활성 추정이 언제까지 버티는지 지켜보세요. 90%를 넘겨도 활성이 살아 있는 것을 확인할 수 있습니다.

고등학생그래도 문제가 남는다

문제	내용
순위 매기기	0 이 많으면 동점이 많음
탈락이 무작위가 아님	발현이 낮을수록 더 탈락
세포마다 깊이가 다름	—

두 번째가 편향을 만든다

발현이 낮은 유전자가 더 자주 0 이 된다. 그러면 낮은 발현 표적 이 체계적으로 빠진다.

레귤론이 높은 발현 표적 위주 로 축소되는 셈이다.

대응

방법	내용
메타셀	비슷한 세포를 묶어 깊이를 늘림
대치(imputation)	0 을 추정값으로 채움 — 위험
순위 처리를 조정	0 을 동점으로 두기

탈락이 무작위가 아니면 평균도 편향된다 — 완전히 안전하지는 않다

단일세포 VIPER 의 실전 요령

metaVIPER 를 함께 씁니다. 단일세포 데이터로 ARACNe 를 돌리기는 어려우므로, 대량(bulk) 데이터로 만든 네트워크 여러 장을 겹쳐 씁니다.
기준을 세포 전체로 잡습니다. 시그니처의 기준은 보통 "이 실험의 모든 세포"이고, 그러면 "이 세포는 다른 세포들과 무엇이 다른가"를 묻게 됩니다.
결과가 곧 세포 유형입니다. VIPER 활성으로 세포를 군집화하면, 발현으로 군집화한 것보다 훨씬 또렷하게 갈리는 경우가 많습니다. 구멍이 메워졌기 때문입니다.

실제로 단일세포 분야에서 VIPER 는 차원 축소 · 잡음 제거 도구처럼 쓰입니다. 20,000개의 성긴 유전자 벡터를 6,000개의 촘촘한 단백질 활성 벡터로 바꿔 놓는 것이니까요.

고등학생단일세포 VIPER 가 여는 것

가능해지는 것	내용
세포마다 활성	세포 유형별 조절자
희귀 세포 발견	활성이 특이한 세포
분화 궤적의 조절자	어느 인자가 방향을 정하나
세포 유형 정의	발현 대신 활성으로

마지막이 흥미롭다

발현으로 세포를 나누면 탈락 때문에 흔들린다.

활성으로 나누면 더 안정적 이다 — 수백 개 표적의 평균이니까.

불안정한 측정을 여럿 모아 안정적인 특징으로 바꾸는 것 — 그것이 이 방법의 값어치다

🤔 확인 문제

단일세포 데이터에서 VIPER 가 발현량 자체보다 강건한 근본 이유는?

🤔 확인 문제

단일세포 분석에서 metaVIPER 를 함께 쓰는 까닭은?

🤔 확인 문제

단일세포 시그니처를 만들 때 드롭아웃된 0 을 아주 낮은 발현값으로 그냥 취급하면 생기는 문제는?