Lesson 15 of 20

라벨이 같아도 병이 다르다 — 혈액 아홉 개

혈액·림프계 세포주 71개 · MSI 9 대 MSS 62

13강에서 이상한 것을 봤습니다. 혈액 세포주에서는 MSI 와 MSS 가 전혀 갈리지 않았습니다. 아홉 개를 이름으로 불러 봅시다.

High school라벨이 같아도 병이 다르다

혈액·림프계 세포주 71개 중 9개가 MSI 라벨을 달고 있습니다. 그런데 이 9개에서는 WRN 의존성이 안 나타납니다.

조직	MSI에서 WRN 의존
대장	뚜렷함
자궁내막·위	나타남
혈액·림프	안 나타남

같은 "MSI" 라벨인데 다른 이야기를 합니다.

아홉 개 중 WRN 에 의존하는 것이 하나도 없습니다. 가장 낮은 값도 −0.32 입니다.

Python Runs in your browser

import wrn

c = wrn.cells()
h = c[c["tissue"] == "Haematopoietic and Lymphoid"]
m = h[h["msi"] == "MSI"].sort_values("WRN")

print("MSI 로 적힌 혈액 세포주", len(m), "개")
print(m[["name", "cancer", "WRN"]].to_string(index=False))
print()
print("평균", round(m["WRN"].mean(), 3))
print("의존(< -0.5)", int((m["WRN"] < -0.5).sum()), "개")

High school왜 다를까

가능한 설명	내용
MSI의 기전이 다름	혈액암의 불안정성은 다른 원인일 수 있음
라벨 기준이 다름	고형암 기준으로 만든 검사를 혈액암에 적용
반복 구간 부담이 다름	16강 — TA 반복이 덜 늘었을 수 있음
세포 계통의 차이	혈액세포는 다른 수선 의존성

라벨은 측정 방법의 산물입니다 — 같은 이름이 같은 생물학을 뜻하지 않을 수 있습니다.

왜 다를까 — 세 가지 가능성

🏷️

판정이 다르다

MSI 검사는 고형암을 기준으로 만들어졌습니다. 혈액암에 그대로 쓰면 뜻이 달라질 수 있습니다

⏳

시간이 다르다

반복 서열이 길어지려면 세포분열이 여러 번 쌓여야 합니다. 걸어온 길이 짧으면 아직 안 길어졌을 수 있습니다

🧬

바탕이 다르다

혈액세포는 애초에 DNA 를 다루는 방식이 다릅니다. 항체 유전자를 일부러 재배열하는 세포들이니까요

이 표만으로는 셋 중 무엇인지 가릴 수 없습니다. 표는 '다르다' 까지만 말합니다.

High school이 발견이 임상에 뜻하는 것

순진한 적용	이 자료가 시사하는 것
"MSI-H 환자 전체에 WRN 억제제"	고형암 MSI-H에 한정해야 할 수도
MSI 검사만으로 선별	추가 바이오마커가 필요할 수도

임상시험을 설계할 때 이 차이를 모르면, 안 듣는 환자를 넣어 전체 결과를 희석시킵니다.

하위군을 미리 아는 것이 임상시험 성공률을 바꿉니다.

MSI 환자 중 약이 들을 비율이 49% 에서 62% 로 올라갑니다. 라벨 하나만 다듬어도 이만큼 달라집니다.

Python Runs in your browser

# 라벨을 다듬으면 얼마나 좋아지나 — 혈액을 빼는 것만으로.
import wrn
from scipy import stats

c = wrn.cells()

def report(d, label):
    a = d[d["msi"] == "MSI"]["WRN"]
    b = d[d["msi"] == "MSS"]["WRN"]
    hit = int((a < -0.5).sum())
    t, p = stats.ttest_ind(a, b, equal_var=False)
    print(label.ljust(14), "MSI", str(len(a)).rjust(3),
          " 듣는 비율", str(round(100 * hit / len(a))).rjust(3) + "%",
          "  t", str(round(t, 2)).rjust(7), "  p", format(p, ".1e"))

report(c, "전체")
report(c[c["tissue"] != "Haematopoietic and Lymphoid"], "혈액 제외")

0.3% 남짓입니다. 우연으로 보기는 어렵습니다 — 이 아홉 개는 다른 무리입니다.

Python Runs in your browser

# 아홉 개가 모두 어긋날 확률 — 우연이라고 볼 수 있나.
import wrn

c = wrn.cells()
msi = c[c["msi"] == "MSI"]
rate = (msi["WRN"] < -0.5).mean()          # MSI 전체에서 의존하는 비율

p_all_miss = (1 - rate) ** 9               # 아홉 개가 모두 빗나갈 확률
print("MSI 전체의 의존 비율", round(100 * rate, 1), "%")
print("아홉 개가 모두 의존하지 않을 확률", format(p_all_miss, ".4f"))
print()
print("우연이라 보기에는", "어렵다" if p_all_miss < 0.05 else "가능하다")

565개 중 11개뿐입니다. 위암 세포주 둘이 맨 위에 있는 것은 눈여겨볼 만합니다 — 위암은 MSI 비율이 높은 암종입니다.

Python Runs in your browser

# 반대쪽 어긋남도 봅니다 — MSS 인데 WRN 에 의존하는 세포주.
import wrn

c = wrn.cells()
odd = c[(c["msi"] == "MSS") & (c["WRN"] < -0.5)].sort_values("WRN")
print("MSS 로 적혔는데 의존하는 세포주", len(odd), "개")
print(odd[["name", "tissue", "WRN"]].to_string(index=False))

High school라벨을 의심하는 습관

확인할 것	왜
라벨을 어떻게 정했나	검사 방법·문턱
같은 라벨 안에 하위군이 있나	조직·기전별로 나눠 보기
다른 방법으로도 같은가	MSI 검사 vs 시퀀싱 기반 판정
라벨이 결측인 표본은	제외 이유와 수를 기록

"MSI"라는 두 글자 뒤에 여러 생물학이 있을 수 있습니다.

🤔 Check yourself

MSI 로 분류된 혈액 세포주 아홉 개가 모두 WRN 에 의존하지 않았습니다. 이것을 어떻게 다뤄야 합니까?

🤔 Check yourself

이 발견이 실제 임상시험 설계에 주는 교훈은?