Lesson 20 of 20

전체 파이프라인 — 처음부터 끝까지 한 번에

발현 행렬 하나에서 약물 후보까지

마지막 강의입니다. 지금까지 만든 것을 전부 이어 붙여 봅시다. 아래 파이프라인의 모든 단계를 여러분은 이미 손으로 짜 봤습니다.

발현 행렬 (유전자 × 샘플)
      │
      ├─▶ ARACNe ────────────▶ 네트워크 (3강)
      │        MI · 순열 · DPI            │
      │                                   ▼
      │                            레귤론 (2강)
      │                     부하 + MoR(4강) + likelihood(5강)
      │                                   │
      ├─▶ 시그니처 (6강) ──────────┤
      │        t 통계량                    │
      │           │                        │
      │           ▼                        │
      │    순위 → z (7·9강)         │
      │        t1 · t2                     │
      │           │                        │
      │           └────────┬───────────────┘
      │                    ▼
      │              aREA (10강)
      │           sum1 · sum2 → ES
      │                    │
      │                    ▼
      │              NES (11강) ── p 값 ── FDR (17강)
      │                    │
      │                    ├──▶ 그림자 분석 (16강)
      │                    ├──▶ 체크포인트 (18강)
      │                    └──▶ 약물 반전 점수 (19강)
      ▼
마스터 레귤레이터 · 환자 층화 · 약물 후보

High school발현 행렬 하나에서 약물 후보까지

단계	도구	강
1. 발현 행렬	—	—
2. 조절망	ARACNe	3강
3. 레귤론	MoR · 신뢰도	2 · 4 · 5강
4. 시그니처	비교 기준	6~7강
5. 활성	aREA · NES	8~11강
6. 유의성	귀무분포	12강
7. 마스터 조절자	그림자 제거	16~18강
8. 약물 후보	CMap	19강

여덟 단계 각각에 판단이 들어가고, 그것들이 쌓여 최종 결과가 된다

🎮 파이프라인을 한 화면에서 돌려 보세요

단계를 하나씩 눌러 진행시키면, 그 단계의 결과가 화면에 쌓입니다. 발현 행렬을 흔들어 보고 마스터 레귤레이터가 어떻게 바뀌는지 보세요. 지금까지 배운 모든 것이 이 하나의 흐름 안에 들어 있습니다.

High school각 단계의 오류가 전파된다

단계	오류가 미치는 영향
조절망	전부에 전파
MoR	부호가 뒤집힐 수 있음
시그니처 기준	다른 질문에 답하게 됨
다중검정	가짜 후보가 늘어남

첫 줄이 가장 크다

레귤론이 나쁘면 그 뒤의 모든 것 이 무너진다.

그런데 레귤론의 품질을 확인할 방법이 마땅치 않다 — 정답표가 없으니까.

파이프라인의 신뢰도는 가장 약한 단계가 정한다

1강부터 19강까지의 모든 조각이 이 한 셀 안에 들어 있습니다.

Python Runs in your browser

# ══════════════════════════════════════════════════════
#  VIPER 파이프라인 전체 — 한 파일에 담은 최종본
# ══════════════════════════════════════════════════════
import math
from statistics import NormalDist
Z = NormalDist(0, 1)

# ── ① 자료 ────────────────────────────────────────────
발현 = {}
import random
random.seed(20)
활성TF = "TF_A"
# TF_A 의 부하는 종양에서 크게 오르고, TF_B 의 부하는 잠잠하다
for i in range(1, 9):
    발현[f"A{i}"] = ([random.gauss(9.0, .2) for _ in range(5)],
                     [random.gauss(6.5, .2) for _ in range(5)])
for i in range(1, 5):
    발현[f"AR{i}"] = ([random.gauss(4.2, .2) for _ in range(5)],   # 브레이크 부하
                      [random.gauss(7.4, .2) for _ in range(5)])
for i in range(1, 9):
    발현[f"B{i}"] = ([random.gauss(7.0, .2) for _ in range(5)],
                     [random.gauss(7.0, .2) for _ in range(5)])
for i in range(1, 21):
    발현[f"X{i}"] = ([random.gauss(7.0, .4) for _ in range(5)],
                     [random.gauss(7.0, .4) for _ in range(5)])

네트워크 = {
    "TF_A": {**{f"A{i}": (+0.9 - i*0.02, 1.0 - i*0.05) for i in range(1, 9)},
             **{f"AR{i}": (-0.85, 0.8) for i in range(1, 5)}},
    "TF_B": {f"B{i}": (+0.9 - i*0.02, 1.0 - i*0.05) for i in range(1, 9)},
    "TF_C": {**{f"X{i}": (+0.5, 0.6) for i in range(1, 11)}},
}

# ── ② 시그니처 (6강) ──────────────────────────────────
def 평균(v): return sum(v)/len(v)
def 분산(v):
    m = 평균(v); return sum((x-m)**2 for x in v)/(len(v)-1)

시그니처 = {}
for g, (종양, 정상) in 발현.items():
    분모 = math.sqrt(분산(종양)/len(종양) + 분산(정상)/len(정상))
    시그니처[g] = (평균(종양) - 평균(정상))/분모 if 분모 else 0.0

# ── ③ 순위 → 정규분위수 (7·9강) ───────────────────────
N = len(시그니처)
오름 = sorted(시그니처, key=lambda g: 시그니처[g])
t2 = {g: Z.inv_cdf((i+1)/(N+1)) for i, g in enumerate(오름)}
절대 = sorted(시그니처, key=lambda g: abs(시그니처[g]))
t1 = {g: Z.inv_cdf(0.5 + 0.5*(i+1)/(N+1)) for i, g in enumerate(절대)}

# ── ④ aREA → NES (10·11강) ───────────────────────────
def viper(레귤론):
    부하 = [g for g in 레귤론 if g in t2]
    if not 부하: return 0.0
    최대 = max(레귤론[g][1] for g in 부하)
    w = {g: 레귤론[g][1]/최대 for g in 부하}
    합 = sum(w.values())
    s1 = sum(w[g]/합 * 레귤론[g][0] * t2[g] for g in 부하)
    s2 = sum(w[g]/합 * (1-abs(레귤론[g][0])) * t1[g] for g in 부하)
    es = (abs(s1) + max(s2, 0.0)) * (1.0 if s1 >= 0 else -1.0)
    return es * math.sqrt(sum(x*x for x in w.values()))

# ── ⑤ FDR (17강) ─────────────────────────────────────
def bh(p들):
    m = len(p들); 순서 = sorted(range(m), key=lambda i: p들[i])
    q = [0.0]*m; 이전 = 1.0
    for 위치 in range(m-1, -1, -1):
        i = 순서[위치]
        이전 = min(이전, p들[i]*m/(위치+1))
        q[i] = min(1.0, 이전)
    return q

TF목록 = list(네트워크)
NES = [viper(네트워크[tf]) for tf in TF목록]
p값 = [2*(1 - Z.cdf(abs(x))) for x in NES]
q값 = bh(p값)

print("═══ VIPER 결과 ═══")
print(f"{'전사인자':<8}{'NES':>9}{'p':>12}{'FDR':>12}   판정")
for tf, nes, p, q in sorted(zip(TF목록, NES, p값, q값), key=lambda t: -abs(t[1])):
    판정 = "마스터 레귤레이터 ★" if (q < 0.05 and abs(nes) > 3) else "탈락"
    print(f"{tf:<8}{nes:>+9.2f}{p:>12.2e}{q:>12.2e}   {판정}")

print()
print(f"정답: 우리가 활성으로 심어 둔 전사인자는 {활성TF} 였습니다.")

High school그럼에도 이 파이프라인이 쓰이는 이유

이유	내용
수천 개를 수십 개로	실험이 가능해짐
기전이 명확	왜 그 후보인지 설명 가능
발현보다 안정적	표적의 평균
실제 성공 사례	일부 확인됨

두 번째가 중요하다

기계학습이 후보를 주면 왜 그것인지 모른다.

VIPER 는 "이 표적들이 이렇게 변했으니" 라고 설명할 수 있다.

설명 가능성이 실험 설계로 이어진다

왜 그런지 알면 무엇을 확인할지 도 안다.

설명할 수 있는 예측이 검증할 수 있는 예측이다

실제로 써 보려면

# R / Bioconductor
BiocManager::install("viper")
library(viper)

# 레귤론 만들기 (ARACNe 결과 파일에서)
regul <- aracne2regulon("network.txt", eset, format="3col")

# msVIPER — 집단 대 집단
sig  <- rowTtest(eset, "group", "tumor", "normal")$statistic
null <- ttestNull(eset, "group", "tumor", "normal", per=1000)
mra  <- msviper(sig, regul, null)
summary(mra)          # 마스터 레귤레이터 순위표
plot(mra, 20)         # 상위 20개 그림

# 환자별 VIPER — 활성 행렬
vpres <- viper(eset, regul, method="scale")

# 그림자 · 시너지
mra <- shadow(mra, regulators=25)
mra <- msviperCombinatorial(mra, regulators=25)

파이썬 쪽에서는 pyviper(단일세포용) 와 decoupler (dc.mt.viper) 가 널리 쓰입니다. scanpy 생태계와 붙여 쓰기 좋습니다.

High school다음 걸음

관심	과목
조절망 만들기	/arac
인과 추론	/diggit
실제 연구 사례	/gene
발현 자료 다루기	/geo
다중검정과 통계	/stat
단일세포 분석	/tenx

이 강의가 남기려는 한 문장

직접 못 재는 것은 그것이 남긴 자국 으로 잰다.

단백질 활성을 못 재니 표적들의 상태 로 읽는다. 그러면 잡음에 강해지고 번역 후 조절까지 잡힌다.

대신 표적 목록의 품질 에 전부가 달린다.

간접 측정의 정확도는 그 간접 경로를 얼마나 잘 아느냐가 정한다

🤔 Check yourself

VIPER 파이프라인에서 ARACNe 가 담당하는 부분은?

🤔 Check yourself

전체 파이프라인에서 순서를 바꿀 수 없는 의존 관계는?

🤔 Check yourself

이 강의에서 짠 파이썬 파이프라인과 실제 R viper 패키지의 가장 큰 차이는?