Metabolomics에서 QC sample이 통과해도 결과를 믿기 어려운 이유

 

Metabolomics에서 QC sample이 통과해도 결과를 믿기 어려운 이유

1. QC는 “정밀도”를 확인할 뿐 “정확성”을 보장하지 않는다

✔ QC가 평가하는 것

• instrument stability
• 반복 측정 정밀도 (precision)
• signal drift

✔ QC가 평가하지 않는 것

• biological relevance
• matrix representativeness
• sample-specific suppression
• metabolite misannotation

👉 즉, QC는 기기가 안정적인지만 본다.

2. QC가 실제 샘플을 대표하지 못하는 문제

가장 흔한 구조적 오류

QC sample = pooled sample

하지만 실제 샘플은:

• 질병 상태
• 약물 복용
• 극단적 대사 상태
• 고지혈, 고단백, 용혈 등

👉 QC는 평균 상태일 뿐
극단적 matrix 조건을 반영하지 못한다.

실제 영향

상황	QC 결과	실제 샘플
Ion suppression	없음	심각
Recovery	안정	변동 큼
Signal linearity	유지	붕괴

👉 QC pass지만 실제 데이터는 왜곡됨

3. QC는 batch drift를 감지하지만 batch bias는 감지하지 못한다

✔ 감지 가능

• 시간에 따른 signal 감소
• column aging
• source contamination

✔ 감지 불가

• 그룹별 batch 분리
• plate effect
• 분석 순서 편향

예시

• Batch 1: 환자군
• Batch 2: 대조군

QC: 안정
결과: 완벽한 그룹 분리

👉 원인: 질병이 아니라 batch

4. QC는 annotation 오류를 절대 잡아내지 못한다

Metabolomics에서 가장 큰 리스크는
잘못된 metabolite identification 이다.

QC가 놓치는 문제

• isobaric compound 혼동
• in-source fragment 오인
• adduct misassignment
• library mismatch

👉 QC가 안정적이어도 metabolite 이름이 틀릴 수 있다.

5. QC는 biological variability를 검증하지 않는다

실제 metabolomics 데이터 변동 요인

• 식이
• 수면
• 약물
• 장내 미생물
• 스트레스
• 채혈 시간

QC는 이런 변이를 반영하지 않는다.

👉 QC pass는 biological 해석의 타당성을 의미하지 않는다.

6. QC pass 상황에서 흔히 나타나는 “의심 신호”

다음 상황이 보이면 QC pass라도 결과를 재검토해야 한다.

✔ PCA에서 QC는 잘 모이지만 샘플은 이상하게 분리됨

→ batch 또는 hidden confounder 가능성

✔ 특정 metabolite만 극단적 fold change

→ matrix effect 가능성

✔ 임상 변수와 전혀 맞지 않는 결과

→ annotation 오류 가능성

7. QC pass에도 결과가 틀릴 수 있는 구조적 이유 5가지

1️⃣ QC는 평균 matrix일 뿐이다

→ 극단적 샘플에서 ion suppression 발생

2️⃣ QC는 동일한 전처리를 반복할 뿐이다

→ 실제 샘플의 전처리 변이 반영 못함

3️⃣ QC는 동일한 농도 범위

→ low abundance metabolite 신뢰성 검증 불가

4️⃣ QC는 동일한 batch 내에서만 안정

→ batch 간 편향 검출 불가

5️⃣ QC는 정체성 검증 기능 없음

→ annotation 오류 방치

8. 특히 위험한 상황: 임상 연구에서 QC pass 착시

임상 metabolomics 연구에서 가장 위험한 상황:

• QC RSD < 15%
• PCA separation 명확
• 통계적 유의성 확보

→ 논문 제출

하지만 이후 재현 실패

👉 원인: hidden batch effect + annotation 오류

9. 왜 QC pass에 과도하게 의존하게 되는가

이유 1: 규제 프레임 영향

Bioanalysis에서는 QC pass = run acceptability

→ metabolomics에서도 같은 사고 적용

이유 2: 수치화된 지표의 심리적 안정감

RSD, drift, S/N → 숫자는 믿음을 준다.

하지만 metabolomics 문제는 대부분 구조적이다.

10. QC pass 이후 반드시 확인해야 할 추가 검증

✔ QC 외 추가 점검 항목

• injection order effect
• batch–group confounding
• annotation confidence
• matrix effect evaluation
• internal standard behavior
• biological plausibility

👉 QC pass는 시작점이지 종결 조건이 아니다.

11. 핵심 메시지

QC sample은 “기기가 안정적이다”는 증거일 뿐,
“결과가 옳다”는 증거가 아니다.

 

12. 실무자를 위한 현실적인 체크 질문

QC pass 후 반드시 스스로에게 물어야 한다:

• QC가 실제 샘플 matrix를 대표하는가?
• 분석 순서가 그룹과 섞여 있는가?
• annotation 신뢰도는 평가했는가?
• biological plausibility는 확인했는가?
• batch effect 가능성을 제거했는가?

이 질문에 확신 있게 답하지 못하면
결과 해석은 아직 이르다.

13. 기억해야 할 한 문장

“QC는 시스템을 검증하고, 해석은 과학을 검증한다.”