MS resolution이 identification 결과에 미치는 영향

MS resolution이 identification 결과에 미치는 영향

— 더 선명하게 보는 것이 항상 더 정확한 것은 아닌 이유

처음 장비 스펙을 볼 때
많은 사람들이 자연스럽게 이렇게 생각합니다.

“resolution이 높을수록 좋은 거 아닌가?”

이건 틀린 말은 아닙니다.
실제로 높은 resolution은 분명히 장점이 많습니다.

• peak를 더 잘 구분할 수 있고
• 질량 정확도가 올라가고
• interference를 줄일 수 있습니다

그래서 자연스럽게 이어집니다.

“그럼 identification도 더 정확해지겠네”

여기까지는 맞습니다.

하지만 실제 데이터를 다뤄보면
조금 다른 경험을 하게 됩니다.

같은 샘플인데

• resolution을 높였더니 protein 수가 줄어들기도 하고
• 반대로 늘어나기도 하고
• 특정 peptide는 아예 사라지기도 합니다

이건 단순한 성능 향상의 문제가 아닙니다.

👉 무엇을 볼 수 있는지가 바뀌는 문제입니다

resolution은 “분해능”이 아니라 “경계 설정”이다

MS resolution은 흔히 이렇게 설명됩니다.

“서로 가까운 m/z를 얼마나 잘 구분하느냐”

맞는 설명입니다.
하지만 실제 데이터에서는 이게 이렇게 작동합니다.

👉 “어디까지를 같은 신호로 볼 것인가, 어디서부터 다른 신호로 나눌 것인가”

즉, resolution은 단순한 선명도가 아니라
신호를 나누는 기준 자체를 바꾸는 변수입니다.

낮은 resolution에서 벌어지는 일

resolution이 낮을 때는
서로 가까운 이온들이 하나로 합쳐집니다.

겉으로 보면 신호가 더 강해 보입니다.

• peak가 넓고
• intensity가 크고
• 안정적으로 보입니다

그래서 분석 초반에는 오히려
“데이터가 더 좋다”고 느껴질 수도 있습니다.

하지만 그 안을 들여다보면

👉 여러 개의 peptide가 하나로 섞여 있는 상태입니다

실제 상황

• peptide A
• peptide B

m/z가 비슷해서 분리되지 않음

→ 하나의 peak로 관측

이 경우 검색 알고리즘은
이 혼합된 신호를 하나의 peptide로 해석하려고 합니다.

결과는 두 가지로 나뉩니다.

• 잘못된 identification
• 혹은 애매한 score로 탈락

높은 resolution에서 벌어지는 일

resolution을 높이면
이제 상황이 반대로 바뀝니다.

하나로 보이던 peak가
여러 개로 나뉘기 시작합니다.

이건 분명 좋은 변화입니다.

• interference 감소
• 정확도 증가

하지만 여기에도 함정이 있습니다.

signal이 “나뉜다”는 것의 의미

하나의 peak가 쪼개진다는 건

• 각 peak의 intensity가 줄어든다는 뜻입니다

즉,

👉 detectability가 떨어질 수 있습니다

실제 상황

• 낮은 resolution → strong peak → identification 성공
• 높은 resolution → signal 분산 → threshold 미만 → identification 실패

이건 성능이 나빠진 게 아니라

👉 기준이 바뀐 것입니다

identification은 “보이는 것”이 아니라 “선택된 것”이다

많은 사람들이 놓치는 부분입니다.

MS 데이터에서 identification은

• 모든 신호를 사용하는 것이 아니라
• 특정 threshold를 넘는 신호만 사용합니다

그래서 resolution이 바뀌면

• signal 구조가 바뀌고
• threshold를 넘는지 여부가 바뀌고
• 결국 identification 결과가 바뀝니다

실제 사례: resolution 변경 후 protein 수 감소

비슷한 조건에서

• resolution 30k → 4,000 proteins
• resolution 120k → 3,200 proteins

처음 보면 이상합니다.

“더 좋은 조건인데 왜 줄지?”

하지만 실제로는

• peak 분리 → signal 약화
• 일부 peptide threshold 미달

이게 누적된 결과입니다.

mass accuracy와 false positive

resolution이 높아지면
mass accuracy도 좋아집니다.

이건 분명 장점입니다.

하지만 동시에

search space가 더 엄격해집니다.

• tolerance가 좁아지고
• candidate가 줄어듭니다

결과:

• false positive 감소
• 동시에 true positive 일부도 손실

co-elution과 resolution의 관계

앞서 이야기한 co-elution 문제도
resolution과 밀접하게 연결됩니다.

낮은 resolution

→ co-eluted signal이 하나로 합쳐짐
→ interference 숨겨짐

높은 resolution

→ 분리됨
→ interference 드러남

하지만 여기서 중요한 건

👉 드러난다고 해서 항상 해결되는 건 아니다

MS/MS 단계에서의 영향

MS1뿐 아니라
MS/MS에서도 resolution은 중요한 변수입니다.

낮은 resolution MS/MS

• fragment ion이 겹침
• 해석 모호

높은 resolution MS/MS

• fragment 분리
• 더 정확한 매칭

하지만 역시 trade-off가 있습니다.

• scan time 증가
• cycle time 증가
• sampling 감소

DDA에서의 간접 영향

resolution을 높이면
scan 속도가 느려집니다.

결과

• 한 cycle에서 분석 가능한 precursor 수 감소
• 일부 peptide는 아예 선택되지 않음

즉,

👉 identification coverage 감소 가능

가장 흔한 착각

“resolution을 높이면 항상 더 많은 것을 볼 수 있다”

이건 절반만 맞는 말입니다.

정확하게는

👉 “다르게 보게 된다”가 맞습니다

우리는 왜 이걸 놓치는가

이유는 단순합니다.

resolution은

• 장비 설정에 포함되어 있고
• method에 고정되어 있고
• 분석할 때는 거의 의식하지 않기 때문입니다

그래서 결과를 해석할 때

👉 이 변수를 고려하지 않습니다

실무에서 반드시 고려해야 할 것

1) resolution 변경 시 직접 비교 금지

조건이 달라지면 결과도 달라진다

2) 목적에 맞는 설정 선택

• identification 중심 vs quantification 중심

3) sensitivity vs specificity 균형

무조건 높은 것이 정답이 아님

4) scan speed 고려

특히 DDA에서 중요

5) consistency 유지

프로젝트 내 동일 조건 유지

핵심 정리

MS resolution은

• 단순한 성능 지표가 아니다
• 데이터 구조를 바꾼다

그리고

• 어떤 신호가 보일지
• 어떤 신호가 선택될지
• 어떤 peptide가 존재한다고 판단될지

를 모두 바꾼다

결론

우리는 종종
더 선명한 데이터를 원합니다.

하지만 proteomics에서 중요한 건

👉 “얼마나 선명한가”가 아니라
👉 “어떤 기준으로 보고 있는가”입니다

resolution을 바꾸는 순간

• 더 많이 보는 것이 아니라
  👉 다르게 보게 되는 것입니다

마지막 질문

다음에 MS resolution을 설정할 때
이 질문을 먼저 떠올려야 합니다.

“나는 신호를 더 정확히 보고 있는 걸까,
아니면 다른 방식으로 나누고 있는 걸까?”

이 질문 하나가
identification 해석을 완전히 바꿉니다.