Lesson 9 of 20

줄을 세운다 — 그런데 무엇으로

DepMap 24Q4 유전자 17,097개 · 무작위 표본 1,000개

이제 8강의 계산을 유전자 하나가 아니라 전부에 돌립니다. 그리고 좋은 순서대로 줄을 세웁니다. 여기가 이 강의의 한복판입니다.

High school줄을 세운다 — 그런데 무엇으로

유전자 17,097개에 순위를 매기려면 기준이 필요합니다. 두 가지 후보가 있어요.

기준	묻는 것	상위에 오는 것
평균 차이	얼마나 크게 다른가	크게 다르지만 흔들릴 수도
t 값	얼마나 확실히 다른가	확실하지만 작을 수도

"크다"와 "확실하다"는 다른 질문입니다 — 둘 다 필요합니다.

무작위 표본 1,000개 안에서는 WRN 이 t 로도 1등입니다. 하지만 이건 제비뽑기 운입니다 — 전체 표를 보면 달라집니다.

Python Runs in your browser

# 1,000개 유전자를 전부 훑습니다. 몇 초 걸립니다.
import wrn

s = wrn.scan()          # 8강의 웰치 t 를 유전자마다
print("훑은 유전자", len(s), "개")
print()
print("t 가 가장 작은 열 개")
print(s.sort_values("t").head(10)[["gene", "msi_mean", "mss_mean", "diff", "t"]].round(3).to_string(index=False))

1,000개 안에서는 WRN 이 t 로도 1등이었습니다. 그런데 이건 운입니다 — WRN 을 이길 유전자들이 그 제비뽑기에 안 뽑혔을 뿐입니다.

전체 17,097개를 비교한 결과가 따로 실려 있습니다. 그것으로 다시 세워 봅시다. 표본이 커지면 경쟁자가 나타납니다.

High school두 자를 따로 써 보면

같은 자료를 두 기준으로 줄 세우면 상위권이 다릅니다.

차이로 세우면	t로 세우면
큰 차이를 보인 유전자	일관되게 차이 나는 유전자
한두 세포주가 극단적일 수도	산포가 작은 것이 유리
노이즈가 섞임	미미한 차이도 상위에

어느 쪽도 정답이 아닙니다. 그래서 실무에서는 둘 다 문턱을 걸어 씁니다.

WRN 은 7등입니다. 위에 여섯 개가 더 있습니다.

Python Runs in your browser

import wrn

g = wrn.genes()
print("전체", len(g), "개 유전자")
print()
print("── t 로 줄 세우기 ──")
print(g.sort_values("t").head(10)[["gene", "msi_mean", "mss_mean", "diff", "t"]].round(3).to_string(index=False))
print()
rank = int((g.sort_values("t")["gene"].values == "WRN").argmax()) + 1
print("WRN 의 순위:", rank, "등")

1등부터 6등까지를 자세히 보세요

PRPF39 — MSI −0.728, MSS −0.488. 차이 0.24
RNPC3 — MSI −1.891, MSS −1.577. 차이 0.31
MAGIX — MSI −0.118, MSS −0.003. 차이 0.11

WRN — MSI −0.907, MSS −0.069. 차이 0.84

위 셋은 차이가 WRN 의 3분의 1도 안 됩니다. 그런데 t 는 더 좋습니다. 왜냐하면 흔들림이 작기 때문입니다. t 는 차이를 흔들림으로 나눈 값이니까요.

그리고 MAGIX 를 보세요. MSS 에서 −0.003 이면 아무 일도 없다는 뜻이고, MSI 에서 −0.118 이어도 여전히 아무 일도 없습니다. 통계적으로는 다르지만 세포는 죽지 않습니다.

자를 바꿔 봅시다. t 대신 차이의 크기로 줄을 세우면 어떻게 될까요.

High school무작위 표본 1,000개로 감을 잡기

17,097개를 다 보기 전에 무작위로 1,000개를 뽑아 분포를 봅니다.

확인할 것	알 수 있는 것
차이의 분포	대부분이 0 근처인가
t의 분포	귀무가설 아래의 모양과 비슷한가
이상한 치우침	계통적 문제가 있나

전체를 보기 전에 배경이 어떻게 생겼는지 확인하는 습관 — 이상 신호를 일찍 잡습니다.

1등입니다. 그것도 2등(PELO, −0.55)을 한참 따돌린 1등입니다.

Python Runs in your browser

import wrn

g = wrn.genes()
print("── 차이의 크기로 줄 세우기 ──")
print(g.sort_values("diff").head(10)[["gene", "msi_mean", "mss_mean", "diff", "t", "p"]].round(3).to_string(index=False))
print()
rank = int((g.sort_values("diff")["gene"].values == "WRN").argmax()) + 1
print("WRN 의 순위:", rank, "등")

어느 줄 세우기가 맞나

둘 다 맞습니다. 다른 것을 재고 있을 뿐입니다.

t 로 세우기

얼마나 확실한가를 잽니다.
작은 차이라도 흔들림이 없으면 위로 올라옵니다

차이로 세우기

얼마나 큰가를 잽니다.
흔들려도 크게 벌어지면 위로 올라옵니다

약을 만들려는 사람에게 필요한 것은 둘 다입니다. 확실하지 않으면 헛짚은 것이고, 크지 않으면 세포가 안 죽습니다.

그리고 사실 아직 더 중요한 조건 하나가 남아 있습니다. 그것을 걸고 나면 WRN 은 비교 자체가 안 되는 1등이 됩니다. 12강입니다.

High school순위표를 그대로 믿지 않기

t 순위 상위를 보면 익숙한 이름들이 나옵니다. 그런데 12강에서 보게 되듯 대부분이 공통필수 유전자예요.

왜 공통필수가 상위에 오나	내용
모든 세포주에서 낮음	산포가 작음 → t의 분모가 작음
MSI에서 조금 더 낮으면	작은 차이도 t가 커짐

t 순위 1등이 좋은 표적이라는 보장이 없습니다 — 12강에서 한 칸을 더 넣습니다.

17강에서 이 이야기를 다시 합니다 — 통계가 답을 주지 않는 지점에서 생물학이 필요해집니다.

🤔 Check yourself

t 로 줄 세웠을 때 WRN 이 1등이 아니었던 이유는?

🤔 Check yourself

MAGIX 는 MSI −0.118, MSS −0.003 으로 t 순위 3등이었습니다. 이 유전자가 표적이 될 수 없는 이유는?