대사체 안정성 문제가 임상 연구에서 특히 중요한 이유

대사체 안정성 문제가 임상 연구에서 특히 중요한 이유

— 환자의 상태가 아니라, 샘플의 변화가 결과를 만들고 있을 수도 있다

임상 연구에서 metabolomics를 적용하면
항상 기대가 크다.

• 질병 특이적 biomarker 발견
• 치료 반응 예측
• 환자 stratification

데이터는 화려하다.
통계적으로 유의미한 결과도 나온다.

그런데 어느 순간
이상한 일이 발생한다.

다른 병원에서 같은 연구를 했는데
결과가 재현되지 않는다.

또는
같은 cohort에서도
batch에 따라 결과가 달라진다.

이때 대부분 이렇게 생각한다.

• 환자군 차이인가
• 분석 장비 차이인가

하지만 실제 원인은
훨씬 더 단순한 곳에 있는 경우가 많다.

샘플이 이미 변해버렸기 때문이다.

1. 임상 샘플은 ‘통제되지 않는 변수의 집합’이다

실험실 샘플과 달리
임상 샘플은 완전히 통제할 수 없다.

• 채혈 시간 다름
• 공복 여부 다름
• 약물 복용 상태 다름
• 채취 후 처리 시간 다름

여기에 더해

보관 조건까지 균일하지 않다

즉,

임상 metabolomics는
이미 variability가 높은 상태에서 시작된다.

2. 대사체는 생각보다 훨씬 불안정하다

많은 사람들이 간과하는 사실이 있다.

대사체는 단백질보다 훨씬 빠르게 변한다

• 효소 반응 지속
• 화학적 분해
• 산화/환원 반응

특히 다음과 같은 metabolite는 매우 민감하다.

• 에너지 대사 관련 물질
• redox 관련 물질
• 지질 계열

이들은
몇 분 ~ 몇 시간 사이에도 변한다.

3. 임상 환경에서는 “즉시 처리”가 불가능하다

연구실에서는
샘플을 바로 처리할 수 있다.

하지만 임상에서는 다르다.

• 채혈 후 이동
• 원심분리 지연
• 냉동까지 시간 지연

이 과정에서
대사는 계속 진행된다.

즉,

우리가 측정하는 것은
‘채취 시점의 상태’가 아니다

4. freeze-thaw와 장기 보관의 현실

임상 연구에서는
샘플을 장기간 보관하는 경우가 많다.

• 수개월 ~ 수년
• 반복적인 해동

이 과정에서

• degradation
• transformation
• loss

가 발생한다.

특히 문제는 이것이다.

이 변화가 환자군 간 차이처럼 보일 수 있다

5. 병원 간 차이가 결과를 만든다

멀티센터 임상 연구에서는
더 큰 문제가 발생한다.

• 병원마다 처리 속도 다름
• 장비 및 프로토콜 차이
• 보관 환경 차이

이 차이는
데이터에서 이렇게 나타난다.

• center별 clustering
• batch effect
• false biomarker

즉,

질병 차이가 아니라
병원 차이를 보고 있을 수 있다

6. 실제로 발생하는 왜곡된 해석

케이스 1

특정 metabolite 증가
→ 질병 biomarker 제시
→ 실제로는 storage degradation

케이스 2

treatment response 차이
→ 약물 효과 해석
→ 실제로는 sample handling 차이

케이스 3

group separation
→ 임상적 의미 부여
→ 실제로는 processing delay

이건 단순한 technical issue가 아니다.

임상 결론 자체를 바꾸는 문제다

7. 왜 임상 연구에서 더 치명적인가

기초 연구에서는
오류가 있어도 수정할 수 있다.

하지만 임상에서는 다르다.

• 환자 치료 방향에 영향
• biomarker 개발 실패
• 임상시험 비용 손실

즉,

잘못된 metabolomics 결과는
현실적인 비용과 위험으로 이어진다

8. 가장 위험한 순간

데이터가 “너무 잘 맞을 때”다.

• 통계적으로 유의
• cohort separation 명확
• clinical correlation 존재

이때 사람은 확신한다.

“이건 진짜다”

하지만 그 결과가
샘플 변화에서 비롯된 것이라면?

이건 발견이 아니라
착각이다.

9. 실무에서 반드시 해야 할 것

1) sample handling 표준화

• 채취 ~ 냉동 시간 제한
• SOP 구축

2) stability study 수행

• short-term
• long-term
• freeze-thaw

3) time 변수 기록

metadata로 관리

4) internal standard 활용

변화 감지

5) batch effect 분석

center별 비교 필수

10. 가장 중요한 질문

임상 metabolomics에서는
이 질문이 핵심이다.

“이 차이는 환자의 차이인가,
아니면 샘플의 변화인가?”

결론: 임상 metabolomics는 ‘샘플 관리의 학문’이다

많은 사람들이
임상 metabolomics를
분석 기술로 생각한다.

하지만 실제로는 다르다.

이건 샘플 관리의 문제다

샘플이 안정하지 않으면
아무리 좋은 LC-MS도 의미가 없다.

결과적으로 우리가 보는 것은

• 환자의 상태가 아니라
• 샘플이 겪은 변화일 수 있다

그래서 좋은 임상 연구자는
데이터를 보기 전에 먼저 확인한다.

“이 샘플은
정말 환자의 상태를 유지하고 있는가?”

이 질문 하나가
임상 연구의 신뢰도를 결정한다.