하루의 업무 중 가장 마지막에 일감이 나와서 다음날 오전에 주로 하는 sequencing 판독이 있다. 현재 병원에서는 AB 3130 Genetic Analyzer 를 사용하고 있다. 이에 대한 기본 원리는 말보다는 홈페이지의 Flash 설명을 보면 쉽게 이해할 수 있다.
http://www.appliedbiosystems.com/absite/us/en/home/applications-technologies/dna-sequencing-fragment-analysis.html 로 들어간 후
Video Tutorial: Learn the Basics of DNA Sequencing (Flash) 를 선택
확실한 악성 림프종(malignant lymphoma)의 경우에는 이 검사를 굳이 시행하지는 않지만, 림프구 증식성 질환에서 B 림프구의 monoclonality 를 확인하기 위하여 Semi-nested PCR 방법을 현재 분자병리검사실에서 시행하고 있다. 하지만 이에 대한 지식이 부족하여 결과 해석을 위한 자료를 찾으려고 노력하였고, 그 결과 원하는 정도의 내용을 찾을 수 있었다. 설명을 쓰고 싶어도 IgH rearrangement 에 대한 기본 지식이 매우매우 부족한 관계로 직관적인 그림만… OTL
1. 현재 분자병리검사실에서는 FR3A, LJH, VLJH primer를 사용한 semi-nested PCR 방법을 사용하고 있다.
2. Monoclonality 가 있을 경우 PCR 증폭 산물은 대략 110 bp 내외의 단일 band로 나타나게 된다.
인용문헌: Wan et al. Monoclonality in B cell lymphoma detected in paraffin wax embedded sections using the polymerase chain reaction. J Clin Pathol 1990; 43(11): 888-890. (PMID: 2124587)
기본 개념은 다음의 논문을 참고하면 되기는 한데 이 논문만으로는 약간 부족한 느낌이 든다.
의학과 관련된 연구에 있어서 환자의 익명성 보장은 중요한 문제가 된다. 그래서 각종 결과를 넣어둔 자료 파일에서 환자의 정보는 원칙적으로 노출이 되면 안되게 되어 있다. 그에 대한 방법은 여러가지가 있겠지만 크게 2가지 방법을 생각해 보았다.
연구군에 포함된 순서대로 번호를 할당하는 방법이 우선적으로 고려될 수 있다. 이 방법은 임의의 숫자를 할당하는 방법에 대한 고민을 덜 수가 있지만, 앞선 번호의 환자가 오랜 기간 포함되어 있다는 판단을 할 수 있게 하여 bias 를 만들어 낼 수 있는 단점이 있다.
그래서 프로그램을 통하여 임의로 숫자를 만들어내는 방법을 생각해 보았다. R-Project 에서도 다른 프로그램과 마찬가지로 임의의 숫자를 만들어내게 되면 일반적으로 0-1까지 범위내에서 숫자를 만들어내게 된다. 그리도 중복된 숫자가 있는지에 대한 여부를 확인해야 한다. 예전에 사용하던 방법으로는 중복 여부에 대한 확인 과정에서 시간이 걸리는 단점이 있었는데, 이 부분을 획기적으로 줄일 수 있는 방법이 떠올랐다.
임의로 숫자를 만든 후에 오름차순으로 정렬을 한다. N번째에 중복된 수가 있다면, N, N+1 에는 같은 숫자가 있게 된다. 그래서 N+1 번째 값과 N 째의 값이 같으면 중복된 것이 있다고 판단을 할 수 있다. 순환구문으로 이것을 확인하기 때문에 중간에 중복이 발생할 경우 순환구문을 취소하면 되는데 아직 그 것 까지는 못찾았다. 하지만 100만개의 숫자를 만들어서 중복을 확인하였을 때 내 컴퓨터로 5초 정도 소요되기 때문에 더 최적화시켜야 할 이유가 아직은 없다. ㅡㅡ;;
Supplementary 에 환자 정보를 입력할 때 Case number 등을 이런 식으로 만들어 두고, Case number는 R-Project 를 사용하여 임의로 만들어서 각각의 환자에 배정했습니다라는 표현을 쓰면 될것 같다.
해결하야할 문제 1. 중복 발생시 바로 중단하는 방법 찾기
해결하야할 문제 2. 엑셀 파일로 예쁘게 출력하는 방법 찾기.
rm(list=ls(all=TRUE))
RNGkind(kind=”Mersenne-Twister”)
NUMBER <- 1000000
a <- matrix(nrow=NUMBER, ncol=1)
b <- matrix(nrow=NUMBER, ncol=1)
a[,1] <- trunc(runif(NUMBER) * 10e7)
b[,1] <- sort(a[,1])
COUNT <- 0
for (X in 2:NUMBER)
{if (b[X,1] == b[X-1,1]) {COUNT <- COUNT + 1}}
if (COUNT == 0) {print(“Not-duplicated”)} else {print(“dulicated”)}
RNGkind(kind=”Mersenne-Twister”); 임의의 수를 만들어내는 기본 방법에 대한 이야기인것 같은데 잘 모르겠음.
NUMBER <- 700; 몇 개를 만들어낼 것인가에 대한 지정
a <- matrix(nrow=NUMBER, ncol=1); 만들어낸 수를 입력하는 행렬을 만들기
b <- matrix(nrow=NUMBER, ncol=1); 중복 확인을 위한 같은 크기의 행렬을 만들기
a[,1] <- trunc(runif(NUMBER) * 10e07); 대충 경험상 100만을 곱해서 소수점 이하를 버리는 경우를 취하면 중복 하지 않는 숫자를 만들기가 쉬웠다.
b[,1] <- sort(a[,1]); 행렬a에 입력된 수를 오름차순으로 정렬하여 b에 입력하기.
COUNT <- 0; 중복이 있는 경우를 확인하기 위한 초기값 설정
for (X in 2:NUMBER){if (b[X,1] == b[X-1,1]) {COUNT <- COUNT + 1}}; ; 2번째 항목부터 중복을 확인하여 중복이 있을 경우 COUNT 항목에 1씩 더한다.
if (COUNT == 0) {print(“Not-duplicated”)} else {print(“dulicated”)}; 중복이 없으면 COUNT 값은 초기값 그대로 0이 되기 때문에 Not-duplicated 가 보이게 된다.
여전히 Lung cancer 의 분류에서 SCLC 와 NSCLC 의 분류는 중요하지만, 요즘에는 NSCLC 의 세분류를 요구하는 경우도 많다. 특히, 수술적 치료 보다는 항암화학 요법을 우선적인 치료대상으로 고려해야하는 경우에 이러한 요구가 있어서, 그럴 경우에는 여러가지 면역화학검사 등을 통하여 감별을 해주려고 하고 있다. 이럴 때의 문제는 어떤 면역화학검사를 시행할 것인가인데, 개인의 선호도라던가 조직의 크기, 그리고 지불해야할 비용의 문제가 있기 때문에 적절한 최소한의 검사를 시행하는 것이 필요하다. 가장 최근의 논문을 참고하여 보았다.
딱히, 새로운 것이라고는 할 수 없지만, 최신 지견을 알아두는 것이 중요한 이유는, 적어도 과 내부 지침에 이러한 것을 시행하여야 한다는 것이 필요하기 때문이다. 🙁
이 논문에서는 CK5/6, CK7. p63, TTF1, Napsin의 면역화학검사와 Mucicarmine 염색을 추천하고 있다. 하지만, Napsin 면역화학검사는 병원에서는 시행하고 있지 않으니깐 과감히 생략하고, 나머지 4개의 면역화학검사와 Mucicarcmine 염색을 해보면 될 것 같다.
Adenocarcinoma를 시사하는 면역화학검사: CK7, TTF1, Mucicarcime 에 양성
Squamous cell carcinoma 를 시사하는 면역화학검사: CK5/6, p63
검사를 해도 뭐라 type 을 지정해 줄 수 없을 때에는… NCSLC, NOS 로 분류.