내부 표준 선택이 metabolomics 정량 신뢰도에 미치는 영향

내부 표준 선택이 metabolomics 정량 신뢰도에 미치는 영향

— 우리는 보정을 하고 있는 걸까, 아니면 또 다른 편향을 만들고 있는 걸까

처음 LC-MS 기반 metabolomics를 시작하면
누구나 이렇게 배운다.

“internal standard(IS)를 쓰면 정량이 정확해진다.”

그래서 자연스럽게 생각한다.

• IS 넣었으니까 문제 없겠지
• normalization 했으니까 괜찮겠지

하지만 실제 데이터를 다루다 보면
이 믿음은 금방 흔들린다.

internal standard를 넣었는데도
결과가 이상하게 변하는 순간이 온다.

• batch마다 값이 달라지고
• 특정 metabolite만 튀고
• biological interpretation이 맞지 않는다

그때 비로소 깨닫게 된다.

문제는 internal standard의 ‘존재’가 아니라
‘선택’이었다는 것.

1. internal standard는 만능이 아니다

internal standard의 목적은 명확하다.

• extraction loss 보정
• ion suppression 보정
• instrument variation 보정

하지만 이 모든 기능은
한 가지 전제를 필요로 한다.

“IS가 target metabolite와 동일하게 행동한다”

이 전제가 깨지는 순간
IS는 보정 도구가 아니라
오히려 새로운 오류의 원인이 된다.

2. 구조가 다르면 보정도 다르게 된다

많은 경우
완전히 동일한 구조의 isotope-labeled standard를 쓰지 못한다.

그래서 흔히 사용하는 방식이 있다.

• 유사 구조 compound
• class 대표 metabolite

이 접근은 현실적으로 필요하다.
하지만 여기서 문제가 시작된다.

왜냐하면 LC-MS에서의 거동은
구조에 매우 민감하기 때문이다.

• retention time 차이
• ionization efficiency 차이
• matrix interaction 차이

즉,

비슷해 보여도 실제로는 전혀 다르게 행동한다

3. Ion suppression 보정의 함정

internal standard를 사용하는 가장 큰 이유 중 하나는
ion suppression 보정이다.

하지만 여기서 중요한 사실이 있다.

ion suppression은 위치 의존적이다

• 같은 시간에 elute되느냐
• 같은 matrix 환경에 있느냐

이게 핵심이다.

만약 IS가
target metabolite와 다른 시간에 elute된다면?

→ 전혀 다른 suppression을 경험한다

결과적으로

보정이 아니라 왜곡이 된다

4. Extraction recovery 차이

전처리 과정에서도 문제가 발생한다.

• protein precipitation
• liquid-liquid extraction
• SPE

이 과정에서

• IS와 metabolite의 recovery가 다르면
• 보정은 무의미해진다

특히 극성 차이가 있는 경우
이 문제는 더 커진다.

5. 농도 설정의 중요성

IS 농도 역시 중요한 변수다.

• 너무 높으면 → suppression 유발
• 너무 낮으면 → noise 영향

이 균형이 맞지 않으면
IS 자체가 system을 바꿔버린다.

6. 실제로 발생하는 왜곡된 결과

이러한 문제들이 결합되면
다음과 같은 일이 발생한다.

케이스 1

IS 적용 후 variation 감소
→ 안정적이라고 판단
→ 실제로는 잘못된 보정으로 flattening 발생

케이스 2

특정 metabolite만 변화
→ biological interpretation
→ 실제로는 IS mismatch

케이스 3

batch 간 차이 보정됨
→ 비교 가능하다고 판단
→ 실제로는 batch-specific bias 유지

이건 단순한 technical issue가 아니다.

정량 신뢰도 자체를 무너뜨리는 문제다

7. “IS를 썼다”는 착각

많은 연구에서
이렇게 기술한다.

“internal standard를 사용하여 정량하였다”

이 문장은
신뢰성을 높여주는 것처럼 보인다.

하지만 중요한 건
사용 여부가 아니라 적절성이다

8. 가장 위험한 순간

IS 적용 후
데이터가 “깔끔해 보일 때”다.

• CV 감소
• variation 감소
• 통계적으로 안정

이 순간
사람은 확신한다.

“데이터가 좋아졌다”

하지만 실제로는

신호가 왜곡되어 균일해졌을 수도 있다

9. 좋은 internal standard의 조건

완벽한 IS는 거의 없다.
하지만 좋은 기준은 있다.

1) isotope-labeled compound

가능하면 가장 이상적

2) co-elution

target과 같은 시간에 나와야 함

3) 유사한 ionization behavior

ESI 반응 유사성 중요

4) matrix interaction 유사성

같은 영향을 받아야 함

10. 실무에서의 전략

1) single IS에 의존하지 않기

class별 IS 구성

2) recovery & matrix effect 평가

실험적으로 확인

3) 조건 변경 시 IS 재검증

LC 조건 바뀌면 의미도 바뀜

4) absolute vs relative 목적 구분

목적에 따라 전략 다르게

11. 가장 중요한 질문

모든 metabolomics 정량에서
반드시 던져야 할 질문이 있다.

“이 보정은 실제 변화를 반영하는가,
아니면 새로운 왜곡을 만들고 있는가?”

결론: internal standard는 해결책이 아니라 변수다

internal standard는
문제를 해결해주는 도구처럼 보인다.

하지만 실제로는

또 하나의 변수다

이 변수를 제대로 이해하지 못하면
정량은 더 정확해지는 것이 아니라
더 설득력 있게 틀려진다.

그래서 좋은 분석가는
IS를 추가하는 순간 더 조심한다.

“나는 지금 보정을 하고 있는가,
아니면 새로운 편향을 만들고 있는가?”

이 질문 하나가
데이터의 신뢰도를 결정한다.