제약회사 연구원의 블로그

— 우리는 샘플을 분석하는 것이 아니라, 이미 ‘가공된 결과’를 해석하고 있다처음 metabolomics 실험을 설계할 때많은 사람들이 이렇게 생각한다.“전처리는 그냥 준비 단계 아닌가?”단백질 제거하고추출하고정리해서 LC-MS에 넣는다분석의 핵심은LC-MS라고 믿는다.하지만 몇 번의 프로젝트를 지나고 나면이 생각은 완전히 바뀐다.같은 샘플을 사용했는데전처리 방법만 바꿨을 뿐인데결과가 완전히 달라지는 순간을 경험하기 때문이다.어떤 경우에는결론 자체가 뒤집힌다.그때 깨닫게 된다.문제는 분석이 아니라,이미 전처리에서 시작되었다는 것.1. 전처리는 ‘손실’과 ‘선택’의 과정이다전처리는 단순히 샘플을 정리하는 과정이 아니다.이건 본질적으로 두 가지를 동시에 수행한다.무엇을 남길 것인가무엇을 버릴 것인가즉,전처리..

— 우리는 데이터를 보고 있는가, 아니면 조건이 만든 환상을 보고 있는가metabolomics 데이터를 처음 열어보는 순간,대부분의 사람들은 비슷한 감정을 느낀다.“이 안에 모든 정보가 들어 있다.”수천 개의 peak,정리된 feature table,그리고 통계적으로 정리된 결과들.이 모든 것이샘플의 상태를 그대로 보여주는 것처럼 느껴진다.하지만 이 믿음은생각보다 쉽게 무너진다.왜냐하면 metabolomics에서가장 중요한 구분이 하나 있기 때문이다.“보이는 것”과 “실제로 존재하는 것”은 다르다.그리고 이 차이를 이해하지 못하는 순간,해석은 이미 틀어지기 시작한다.1. LC-MS는 ‘현실’을 보여주지 않는다많은 사람들이 LC-MS 데이터를현실의 반영이라고 생각한다.하지만 실제로 LC-MS는현실을 그대로..

— 우리는 같은 샘플을 분석하고 있는 것이 아닐지도 모른다처음 LC-MS를 다루기 시작했을 때,가장 이해하기 어려웠던 순간이 있다.같은 샘플을 분석했는데결과가 다르게 나오는 순간이다.처음에는 이렇게 생각한다.“장비 상태가 안 좋은가?”“샘플이 변했나?”하지만 시간이 지나면서조금씩 다른 결론에 도달하게 된다.문제는 샘플이 아니라조건이었다.그리고 더 놀라운 사실은 이것이다.LC-MS에서 조건 하나만 바뀌어도우리는 사실상 ‘다른 데이터를 보고 있는 것’과 같다.1. LC-MS는 측정 장비가 아니라 ‘필터’다많은 사람들이 LC-MS를“농도를 측정하는 도구”라고 생각한다.하지만 실제로는 다르다.LC-MS는모든 것을 보여주는 장비가 아니라일부만 선택해서 보여주는 필터다.이 필터는 다음 요소로 구성된다.chromat..

— 우리는 발견하고 있는 것이 아니라, 선택하고 있을지도 모른다untargeted metabolomics를 처음 접했을 때,많은 사람들이 비슷한 감정을 느낀다.“이건 완전히 다른 차원의 데이터다.”수천 개의 feature,예상하지 못한 metabolite,그리고 그 안에서 보이는 패턴들.마치 아무것도 모르는 상태에서새로운 생물학을 발견하는 느낌이다.하지만 이 기대감은생각보다 쉽게 착각으로 바뀐다.그리고 그 착각은 하나의 문장으로 정리할 수 있다.“이 데이터는 샘플의 실제 상태를 그대로 보여준다.”이 문장이야말로untargeted metabolomics에서 가장 위험한 착각이다.1. 우리가 보고 있는 것은 ‘전체’가 아니다untargeted라는 단어는모든 것을 본다는 인상을 준다.하지만 실제로는 전혀 다르..

우리가 보고 있는 변화는 진짜인가, 아니면 측정의 산물인가metabolomics 데이터를 해석하다 보면어느 순간부터 확신이 생긴다.“이건 분명히 biological difference다.”그런데 시간이 지나고,다른 batch나 다른 cohort에서 같은 분석을 반복하면그 확신은 너무 쉽게 무너진다.같은 pathway, 같은 metabolite인데결과가 재현되지 않는다.이때 많은 사람들이“샘플이 다르기 때문”이라고 생각한다.하지만 실제로 더 자주 등장하는 원인은 이것이다.matrix effect.문제는 이 matrix effect가굉장히 그럴듯하게 “biological signal처럼 보인다”는 점이다.그래서 이 둘을 구분하는 능력은metabolomics 분석에서 가장 중요한 역량 중 하나다.1. Matr..

— 우리는 농도를 측정하는 것이 아니라 ‘경쟁의 결과’를 보고 있다metabolomics 데이터를 처음 해석할 때, 대부분 이렇게 생각한다.“이 피크는 이 metabolite의 농도를 반영한다.”이 문장은 틀린 말은 아니다.하지만 정확한 말도 아니다.조금 더 솔직하게 말하면, 우리가 LC-MS에서 보고 있는 신호는순수한 농도 값이 아니라, 수많은 화합물 사이의 경쟁 결과다.그리고 그 경쟁의 중심에는 항상 하나의 현상이 있다.바로 ion suppression이다.이 현상은 단순히 “신호가 줄어든다”는 수준의 문제가 아니다.더 본질적인 문제는 이것이다.ion suppression은 metabolite의 상대적 관계를 왜곡하고,그 결과 pathway 해석 자체를 바꿔버린다.1. Ion suppression은 ..

— 같은 샘플인데 왜 전혀 다른 결론이 나오는가 metabolomics 데이터를 처음 받아봤을 때의 당혹감은 쉽게 잊히지 않는다.같은 샘플을 분석했는데,조건이 조금만 바뀌어도 결과가 완전히 달라진다.어떤 날은 특정 metabolite가 뚜렷하게 보이고,다른 날은 거의 사라진다.처음에는 장비 문제라고 생각하기 쉽다.하지만 경험이 쌓일수록 알게 된다.문제는 장비가 아니라우리가 설정한 LC-MS 조건 그 자체라는 것을.그리고 더 중요한 사실은이 조건들이 단순히 “신호 강도”만 바꾸는 것이 아니라결과 해석의 방향 자체를 바꾼다는 점이다.1. Chromatography가 결정하는 ‘보이는 세계’LC 조건은 metabolomics에서사실상 “무엇을 볼 것인가”를 결정한다.Reverse-phase vs HILICRe..

— 왜 같은 실험을 다시 하면 다른 결과가 나오는가omics 데이터를 처음 다뤘을 때의 기억은 꽤 인상적이다.수천, 수만 개의 변수.그리고 그 안에서 튀어나오는 “유의미한 신호들”.처음 결과를 보면 대부분 비슷한 생각을 한다.“이 정도면 뭔가 잡힌 것 같은데?”하지만 시간이 지나고,다른 코호트에서 같은 분석을 반복해보면상황은 전혀 다르게 흘러간다.똑같은 방법을 썼는데도결과는 재현되지 않는다.이건 단순한 실수의 문제가 아니다.많은 omics 연구들이 비슷한 방식으로 설계되고,그 설계 자체가 재현성을 무너뜨린다. 1. 작은 샘플, 거대한 변수: 구조적인 불균형omics 연구의 가장 근본적인 문제는데이터 구조 자체에 있다.샘플 수 (n): 수십 ~ 수백변수 수 (p): 수천 ~ 수만즉, p >> n 구조다.이..