Mass Defect Filtering(MDF)를 활용한 Unknown Metabolite 검출법

― “보이지 않던 대사체를 보이게 만드는 가장 단순하지만 강력한 필터”

 

Mass Defect Filtering(MDF)를 활용한 Unknown Metabolite 검출법

LC-HRMS 기반 metabolite profiling을 하다 보면
분석자는 늘 비슷한 벽에 부딪힌다.

• chromatogram에는 수천 개의 피크가 있고
• 대부분은 endogenous background이거나 noise이며
• 우리가 찾는 것은 그중 극히 일부의 drug-related metabolite다.

이 상황에서
“모든 피크를 다 보겠다”는 접근은 현실적이지 않다.
Unknown metabolite 탐색의 핵심은
얼마나 효율적으로 후보를 줄이느냐에 있다.

Mass Defect Filtering(MDF)는
바로 이 지점에서 등장한 개념이다.
새로운 알고리즘도, AI도 아니다.
그러나 여전히 많은 분석팀이
제대로 활용하지 못하고 있는 도구다.

이 글에서는
MDF가 무엇인지,
왜 unknown metabolite 검출에 효과적인지,
그리고 실제 분석 workflow에서
어떻게 써야 실무적으로 의미가 있는지를
차분히 정리해 본다.

1. Mass defect란 무엇인가?

1.1 정확질량과 명목질량의 차이

질량분석에서 우리가 흔히 말하는 mass defect는
아주 단순한 정의를 가진다.

Mass defect = Exact mass – Nominal mass

예를 들어:

• Carbon (C): 12.0000 → defect 0
• Hydrogen (H): 1.007825 → defect +0.007825
• Oxygen (O): 15.994915 → defect –0.005085

이 작은 차이가
질량분석에서는 매우 중요한 의미를 가진다.

1.2 왜 mass defect가 의미를 가지는가

화합물의 mass defect는
그 안에 포함된 원소 조성의 반영이다.

• hydrogen이 많을수록 positive defect
• oxygen, nitrogen 비율에 따라 defect 변화
• halogen 포함 시 독특한 패턴

즉,

유사한 구조를 가진 화합물은
유사한 mass defect를 가진다.

이 단순한 사실이
MDF의 출발점이다.

2. Drug Metabolite에서 MDF가 특히 강력한 이유

2.1 Parent drug의 mass defect는 유지된다

Drug metabolite는 대부분
다음과 같은 변환을 거친다.

• hydroxylation (+O)
• dealkylation (−CH₂)
• glucuronidation (+C₆H₈O₆)
• sulfation (+SO₃)

이 변환들은
parent 구조의 mass defect를 완전히 바꾸지 않는다.

따라서:

• parent drug의 mass defect 주변 범위에
• 대부분의 metabolite가 몰려 있다.

2.2 Endogenous background와의 분리

Biological matrix에는
수많은 endogenous compound가 존재한다.

하지만:

• drug-related compound는
• 특정 mass defect band에 집중되는 경향이 있다.

MDF는
이 mass defect band 외부의 피크를 과감히 제거한다.

3. MDF의 기본 개념: 무엇을 필터링하는가

3.1 MDF는 ‘선택’이 아니라 ‘제외’다

중요한 관점 전환이 필요하다.

• MDF는 metabolite를 찾는 도구가 아니라
• 불필요한 피크를 제거하는 도구다.

즉:

“이 범위 밖에 있는 것은
우리가 찾는 대상이 아닐 가능성이 높다.”

 

3.2 MDF 적용의 기본 요소

MDF를 적용하려면 다음이 필요하다.

1. Parent drug의 exact mass
2. Parent drug의 mass defect 계산
3. 허용 mass defect window 설정
4. 해당 window 내 피크만 유지

이 네 단계가 전부다.

4. Mass defect window 설정 전략

4.1 너무 좁으면 놓친다

Window를 너무 좁게 설정하면:

• unusual metabolite
• secondary metabolite
• unexpected rearrangement

를 놓칠 수 있다.

4.2 너무 넓으면 의미가 없다

반대로 window가 넓으면:

• endogenous compound가 다시 유입
• noise 증가
• 후보 감소 효과 상실

4.3 실무적 권장 범위

경험적으로 많이 쓰이는 범위는:

• ±20–50 mDa
• 또는 ±0.02–0.05 Da

drug 구조와 변환 유형에 따라
조정이 필요하다.

5. MDF를 활용한 Unknown Metabolite 탐색 Workflow

5.1 Step 1. Parent drug 기준 MDF 적용

• full-scan HRMS 데이터 확보
• parent mass defect 계산
• MDF로 candidate feature 필터링

이 단계에서
피크 수가 급격히 줄어든다.

5.2 Step 2. Biotransformation logic 결합

MDF로 줄어든 후보에 대해:

• +O, −CH₂, +glucuronide
• known metabolic reaction mass shift

를 overlay 하면
가능성 있는 unknown metabolite가 부각된다.

5.3 Step 3. MS/MS 확인

이제야 MS/MS를 본다.

• neutral loss
• diagnostic fragment
• parent core 유지 여부

MDF는 MS/MS 해석을
가능한 수준으로 만들어 준다.

6. MDF의 실제 적용 사례 패턴

6.1 Glucuronide metabolite 탐색

• parent mass defect 기준 MDF
• +176.0321 Da shift 확인
• neutral loss 176 확인

Library 없어도
구조 가설 수립 가능.

6.2 Halogen-containing drug

• Cl, F 포함 drug는
• 독특한 mass defect 분포

MDF 효과가 특히 크다.

6.3 Toxicometabolomics 적용

Drug-related metabolite와
endogenous metabolite를
mass defect 기반으로 분리하여
독성 관련 unknown 탐색에 활용 가능.

7. MDF의 한계와 주의점

7.1 모든 metabolite가 같은 band에 있지는 않다

• extensive rearrangement
• ring opening
• multiple conjugation

은 mass defect를 크게 바꿀 수 있다.

7.2 Endogenous compound도 우연히 들어올 수 있다

MDF는 확률 도구다.
100% 분리는 아니다.

따라서:

• MDF 결과 = candidate
• confirmation은 반드시 추가 분석 필요

8. MDF + 다른 도구의 결합 전략

8.1 MDF + Extracted Ion Chromatogram

• MDF로 feature 선택
• time profile로 dose-dependency 확인

8.2 MDF + In Silico Fragmentation

• MDF로 후보 축소
• in silico fragmentation으로 구조 검증

이 조합은
unknown metabolite ID에서 매우 강력하다.

9. 분석팀 실무자용 체크리스트

MDF 적용 전

• parent drug exact mass 확인
• mass accuracy (ppm) 검증
• isotope pattern 확인

MDF 설정

• mass defect window 근거 설정
• 너무 공격적이지 않은 범위
• 예상 biotransformation 고려

결과 해석

• MDF 밖의 피크 완전 배제 금지
• MS/MS 기반 추가 검증
• biological plausibility 검토

10. 결론: MDF는 ‘보조 도구’가 아니라 ‘전략 도구’다

Mass Defect Filtering은
새로운 기술도, 화려한 알고리즘도 아니다.

하지만:

• unknown metabolite 탐색에서
• 가장 많은 시간을 아껴주고
• 가장 합리적인 후보 축소를 가능하게 한다.

MDF를 제대로 쓰는 분석자는
수천 개의 피크 앞에서 당황하지 않는다.
그는 어디를 볼지 알고 있기 때문이다.

Unknown metabolite를 찾는다는 것은
보이지 않는 것을 억지로 찾는 일이 아니다.
불필요한 것을 지워가며
의미 있는 것을 남기는 과정이다.

MDF는 그 출발점으로
지금도 충분히 강력하다.