Co-elution이 protein quantification을 망치는 이유

— 같은 시간에 나온다는 이유만으로, 어떤 신호는 사라지고 어떤 신호는 과장된다

데이터를 보다 보면
이상한 패턴을 만나는 순간이 있다.

• 어떤 peptide는 항상 값이 낮고
• 어떤 peptide는 특정 조건에서만 갑자기 튀고
• replicate 간 변동이 유독 큰 구간이 있다

처음에는 이렇게 생각한다.

“샘플 준비 문제인가?”
“기기 상태가 불안정한가?”

하지만 chromatogram을 자세히 보면
공통된 특징이 하나 보인다.

👉 피크들이 겹쳐 있다

이때부터 문제는 명확해진다.

Co-elution

Co-elution은 단순한 ‘분리 실패’가 아니다

많은 사람들이 co-elution을
이렇게 생각한다.

“LC 분리가 덜 된 상태”

그래서 해결책도 단순하다.

• gradient 늘리기
• column 바꾸기

하지만 실제 문제는
그보다 훨씬 깊다.

Co-elution은 단순히 분리가 안 된 것이 아니라

👉 측정 자체의 조건을 바꿔버리는 상황이다

같은 시간에 나오면 경쟁이 시작된다

LC-MS에서 가장 중요한 사실 하나는 이것이다.

👉 같이 나오는 것들은 서로 영향을 준다

어떤 일이 일어나는가

동시에 elute하는 peptide들은

• 같은 droplet 안에 들어가고
• 같은 전하를 공유하고
• 같은 이온화 환경을 사용한다

결과적으로

👉 서로 경쟁한다

첫 번째 문제: ion suppression

가장 직접적인 영향이다.

상황

• peptide A (high abundance)
• peptide B (low abundance)

같이 elute할 경우

→ A가 ionization을 대부분 차지

결과:

• B signal 감소
• 심하면 아예 사라짐

중요한 포인트

이건 noise가 아니라

👉 systematic bias

즉, 반복될수록 더 “확실해 보이는 오류”가 된다

두 번째 문제: MS/MS selection bias (특히 DDA)

DDA에서는 문제가 더 커진다.

이유

DDA는

👉 “가장 강한 신호만 선택”한다

결과

co-elution 상황에서

• 강한 peptide → 선택됨
• 약한 peptide → 무시됨

이게 반복되면

• 특정 peptide는 항상 분석됨
• 다른 peptide는 항상 배제됨

실제 결과

→ 단백질 identification 자체가 달라진다

세 번째 문제: quantitative distortion

많은 사람들이 놓치는 부분이다.

co-elution은 단순히 signal을 줄이는 것이 아니라

👉 비율을 바꾼다

실제 상황

• 실제 농도: A = B

하지만 co-elution 상황에서는

→ A >> B

이 상태에서 분석하면

→ B가 감소한 것처럼 보임

실제 사례 ①: false differential expression

• condition A → co-elution 없음
• condition B → co-elution 발생

결과:

→ 특정 peptide 감소

해석:

→ “biological downregulation”

하지만 실제로는

👉 co-elution artifact

네 번째 문제: peak integration 오류

co-elution은 peak shape에도 영향을 준다.

상황

• 두 peptide peak가 겹침

결과:

• peak boundary 불명확
• area 계산 오류

실제 영향

• 일부 peptide는 과대 평가
• 일부는 과소 평가

다섯 번째 문제: interference in DIA

DIA에서는 더 복잡해진다.

이유

DIA는

• 넓은 m/z window로 fragment 수집

co-elution 시

→ 여러 peptide fragment가 섞임

결과

• 잘못된 fragment assignment
• quantification 오류

실제 사례 ②: DIA에서의 interference

• peptide A와 B co-elution

fragment overlap 발생

결과:

→ A signal에 B fragment 섞임

→ quantification 왜곡

여섯 번째 문제: protein-level 왜곡

결국 문제는 여기까지 이어진다.

상황

단백질 X에서 나온 peptide들:

• peptide A → co-elution 없음 → 안정적
• peptide B → co-elution 있음 → 억제

이걸 합치면

→ protein abundance 계산 왜곡

실제 사례 ③: peptide 간 불일치

같은 단백질인데

• peptide마다 fold change 다름

원인 분석 결과

→ co-elution 패턴 차이

왜 이 문제가 더 위험한가

co-elution은

• 항상 존재하고
• 완전히 제거할 수 없고
• 눈에 잘 보이지 않는다

그래서 우리는

👉 이걸 “기본 상태”로 받아들인다

가장 위험한 순간

데이터가 “일관되게 이상할 때”다.

• 특정 peptide만 항상 낮음
• 특정 구간에서만 변동 큼

이걸 보면 우리는

→ biological 이유를 찾는다

하지만 실제로는

→ chromatographic artifact

우리는 왜 이걸 놓치는가

이유는 단순하다.

대부분의 분석은

👉 숫자 중심으로 진행된다

• intensity
• fold change
• p-value

하지만 co-elution은

👉 chromatogram을 봐야 보인다

실무에서 반드시 해야 할 것

1) chromatogram 확인

의심되는 peptide는 반드시 직접 확인

2) co-elution 패턴 체크

같이 움직이는 signal 존재 여부

3) multiple peptide 비교

단일 peptide 기반 해석 금지

4) gradient 최적화

peak separation 개선

5) sample fractionation 고려

복잡도 낮추기

핵심 정리

co-elution은

• 단순한 분리 문제가 아니다
• quantification 문제다

그리고

• signal을 줄일 뿐 아니라
  👉 관계를 왜곡한다

결론

LC-MS에서 peptide intensity는

👉 독립적인 값이 아니다

이건 항상

👉 같이 나온 것들의 영향을 받은 결과다

그래서 어떤 peptide는

• 많아도 작게 보이고
• 적어도 크게 보인다

마지막 질문

다음에 peptide 데이터를 볼 때
이 질문을 반드시 해야 한다.

“이 값은 실제 농도를 반영하는가,
아니면 함께 나온 다른 신호의 결과인가?”

 

Co-elution이 protein quantification을 망치는 이유