Proteomics 정량 전략 비교: LFQ vs TMT

 

Proteomics 정량 전략 비교: LFQ vs TMT

1. 두 전략의 철학적 차이

LFQ: 샘플을 독립적으로 측정

• 각 샘플을 별도로 LC-MS 분석
• MS1 신호 기반 정량

👉 장점: 자연 상태 유지
👉 단점: run 간 변동 존재

TMT: 샘플을 하나로 합쳐 비교

• isobaric tag로 샘플 labeling
• 혼합 후 단일 LC-MS run
• reporter ion 기반 정량

👉 장점: run 간 변동 제거
👉 단점: ratio compression, 복잡한 전처리

2. Workflow 비교

LFQ workflow

1. 단백질 추출
2. digestion
3. LC-MS 분석 (샘플별)
4. feature alignment
5. 정량

TMT workflow

1. 단백질 추출
2. digestion
3. TMT labeling
4. 샘플 혼합
5. LC-MS 분석
6. reporter ion 정량

👉 핵심 차이: 혼합 시점

3. 재현성 관점 비교

 

항목	LFQ	TMT
run 간 변동	존재	거의 없음
batch effect	큼	낮음
missing value	많음	적음
multi-site 재현성	제한적	우수

4. 정량 정확도: 예상과 다른 현실

LFQ의 정량 특징

• 넓은 dynamic range
• ratio compression 없음
• low abundance 정량 불안정

TMT의 정량 특징

• 높은 정밀도
• ratio compression 발생
• co-isolation interference 영향

Ratio compression이란?

혼합된 peptide가 동시에 fragmentation될 때
다른 샘플 신호가 reporter ion에 섞여
실제 fold change가 작아 보이는 현상.

👉 특히 low fold-change biomarker 연구에서 치명적.

5. 통계적 검정력 차이

LFQ

• run variability 존재
• 더 많은 replicate 필요
• missing value가 통계력 저하시킴

TMT

• 동일 run 비교
• 낮은 기술 변동
• 작은 sample size에서도 검정력 확보

👉 discovery 단계에서는 TMT가 강력

6. 비용 구조의 숨은 차이

LFQ 비용 요소

• 분석 시간 증가
• 장비 사용 시간
• 데이터 처리 비용

TMT 비용 요소

• labeling reagent 비용
• 추가 전처리 시간
• 고해상도 MS 필요

👉 단순 시약 비용이 아닌 전체 비용으로 비교해야 한다.

7. 어떤 상황에서 LFQ가 더 적합한가

✔ 대규모 코호트 (수백 샘플)

→ TMT multiplexing 한계 존재

✔ 넓은 dynamic range 분석

→ ratio compression 회피 필요

✔ exploratory 연구

→ labeling 없이 빠른 분석

✔ 장비 접근성이 제한적

→ 고급 MS 불필요

8. 어떤 상황에서 TMT가 더 적합한가

✔ 작은 cohort, 높은 정밀도 필요

→ 임상 pilot study

✔ batch effect 최소화 필요

→ multi-day acquisition

✔ biomarker discovery 초기 단계

→ 높은 통계력 확보

✔ 제한된 sample 양

→ multiplexing으로 효율 증가

9. 임상 적용 관점에서의 선택

임상 proteomics에서는 다음이 중요하다:

• 재현성
• 표준화
• 다기관 비교 가능성

현재 추세:

• discovery: TMT
• validation: DIA 또는 targeted MS

👉 LFQ는 임상 번역 단계에서는 점차 축소되는 경향

10. Multi-omics 통합에서의 영향

정량 전략은 multi-omics 통합에도 영향을 준다.

LFQ

• 샘플 독립성 유지
• metabolomics와 구조 유사
• 통합 분석 용이

TMT

• 상대 정량
• batch 간 비교 어려움
• 통합 시 normalization 필요

11. 흔한 오해

❌ TMT가 항상 더 정확하다

→ ratio compression 존재

❌ LFQ는 재현성이 낮다

→ 적절한 QC와 alignment로 개선 가능

❌ TMT는 batch effect가 없다

→ labeling batch effect 존재 가능

12. 실제 연구 설계에 미치는 영향

정량 전략 선택은 다음을 결정한다:

• 샘플 수 설계
• 통계 방법
• batch 구성
• 데이터 정규화 방식
• 임상 적용 가능성

👉 단순한 기술 선택이 아니라 연구 설계의 핵심 요소

13. 핵심 메시지

LFQ와 TMT의 차이는 기술의 차이가 아니라,
데이터 해석 철학의 차이다.

 

14. 기억해야 할 한 문장

“LFQ는 현실을 반영하고, TMT는 비교를 극대화한다.”

 

15. 실무자를 위한 선택 가이드

다음 질문에 답해보면 전략 선택이 쉬워진다:

• 샘플 수가 많은가? → LFQ
• 작은 차이를 검출해야 하는가? → TMT
• batch effect가 우려되는가? → TMT
• dynamic range가 중요한가? → LFQ
• 임상 적용을 목표로 하는가? → TMT → DIA

16. 앞으로의 방향

최근 proteomics 정량 전략은 다음 흐름을 보인다:

• Discovery: TMT 또는 DIA
• Verification: DIA
• Clinical: Targeted MS (PRM/MRM)

👉 LFQ는 exploratory 영역에,
TMT는 discovery 정밀화에,
DIA는 재현성 기반 표준으로 자리 잡는 구조.