Lysis buffer 조성이 proteome을 왜곡하는 방식

Lysis buffer 조성이 proteome을 왜곡하는 방식

같은 샘플인데 왜 buffer 하나 바꿨을 뿐인데 결과가 달라질까

Proteomics 실험을 하다 보면 어느 순간부터 이상한 경험을 반복하게 된다. 분명 같은 세포를 사용했고, 같은 장비에서 분석했으며, digestion protocol도 거의 동일한데 특정 단백질군만 유독 달라지는 경우다. 어떤 실험에서는 membrane protein이 풍부하게 검출되는데, 다른 실험에서는 cytosolic protein 위주로 결과가 쏠린다. 때로는 signaling pathway 전체가 약해지거나, 반대로 특정 stress-related protein이 과도하게 증가하는 패턴이 나타나기도 한다.

처음에는 biological variability처럼 보인다. 실제 세포 상태가 달랐다고 생각하기 쉽다. 하지만 raw data를 반복해서 들여다보다 보면, 문제는 훨씬 앞 단계에서 시작된 경우가 많다. 특히 sample preparation을 조금씩 바꾸면서 실험한 경험이 있는 사람이라면 이런 사실을 체감하게 된다. 단백질을 녹여내는 과정, 그중에서도 lysis buffer 조성이 생각보다 훨씬 강하게 proteome profile을 바꿔놓는다는 점이다.

많은 사람들이 lysis buffer를 단순히 “단백질을 잘 녹이는 용액” 정도로 생각한다. 하지만 실제로는 그렇지 않다. Buffer는 어떤 단백질을 용해할 수 있는지, 어떤 단백질은 남겨두는지, 어떤 상태의 단백질을 안정적으로 유지할지를 결정한다. 더 나아가 downstream digestion, peptide recovery, ionization efficiency까지 연쇄적으로 영향을 미친다. 결국 lysis buffer는 proteome을 있는 그대로 보여주는 도구가 아니라, 특정 단백질 집단을 선택적으로 드러내는 필터에 가깝다.

1. 모든 단백질은 같은 방식으로 녹지 않는다

세포 안의 단백질은 생각보다 훨씬 다양한 환경에 존재한다. 어떤 단백질은 세포질 안에서 자유롭게 움직이고 있지만, 어떤 단백질은 세포막에 깊게 박혀 있으며, 또 어떤 단백질은 거대한 protein complex를 형성하고 있다. 세포골격과 강하게 결합된 단백질도 있고, 응집체 형태로 존재하는 단백질도 있다.

문제는 이들이 모두 동일한 용해 조건에서 같은 효율로 추출되지 않는다는 점이다. 예를 들어 urea 기반 buffer는 많은 soluble protein을 효과적으로 용해시키지만, hydrophobic membrane protein recovery는 제한적일 수 있다. 반대로 SDS를 포함한 강한 detergent buffer는 membrane protein을 훨씬 잘 녹여내지만, downstream LC-MS 과정에서 ion suppression이나 digestion inhibition 문제를 유발할 가능성이 커진다.

결국 어떤 buffer를 선택하느냐에 따라 “보이기 쉬운 단백질”과 “사라지는 단백질”이 달라진다. 이 차이는 단순한 extraction efficiency 문제가 아니라, 관찰 가능한 proteome landscape 자체를 바꾸는 문제다.

2. 실제 raw data에서 나타나는 buffer bias

이 현상은 실제 데이터에서 매우 선명하게 드러난다. 동일한 cell pellet을 서로 다른 lysis buffer로 처리한 뒤 Orbitrap 기반 proteomics를 수행하면, 전체 protein identification 수는 비슷하게 유지되더라도 protein composition은 상당히 달라지는 경우가 많다.

예를 들어 8 M urea buffer를 사용했을 때는 ribosomal protein과 cytosolic enzyme detection이 안정적으로 나타난다. 반면 SDS-containing buffer에서는 transporter, receptor, mitochondrial membrane protein detection이 증가한다. 반대로 일부 soluble protein intensity는 오히려 감소하는 경우도 있다.

이 차이는 단순한 sensitivity 문제가 아니다. 실제로는 용해 가능한 protein population 자체가 달라진 결과다.

더 흥미로운 부분은 pathway analysis다. 동일 샘플임에도 불구하고 urea extraction에서는 metabolic pathway enrichment가 강조되고, detergent-rich buffer에서는 signaling pathway와 membrane trafficking pathway가 상대적으로 강하게 나타난다. 만약 연구자가 이러한 extraction bias를 인식하지 못하면, 서로 다른 biological interpretation에 도달할 가능성이 충분하다.

3. Detergent는 proteome 구조 자체를 바꾼다

Lysis buffer에서 가장 강력한 변수 중 하나는 detergent다. Detergent는 membrane disruption과 hydrophobic protein solubilization에 핵심 역할을 하지만, 동시에 proteomics 데이터 전체를 재구성할 정도의 영향을 줄 수 있다.

예를 들어 SDS는 매우 강력한 detergent다. 세포막을 효과적으로 붕괴시키고 membrane protein recovery를 극대화한다. 하지만 SDS는 trypsin activity를 억제할 수 있으며, 제거가 충분하지 않으면 LC-MS ionization을 심각하게 방해한다. 실제로 residual SDS가 존재하는 sample에서는 spray instability와 ion suppression이 급격히 증가하는 경우가 많다.

반대로 sodium deoxycholate(SDC) 같은 MS-compatible detergent는 downstream compatibility가 상대적으로 우수하지만, 모든 membrane protein을 동일하게 회수하지는 못한다. Triton X-100이나 NP-40 같은 mild detergent는 protein complex 보존에는 유리할 수 있지만, 강하게 결합된 membrane protein recovery는 제한적이다.

결국 detergent 선택은 단순한 “용해력 차이”가 아니다. 어떤 단백질군을 우선적으로 보이게 만들 것인지에 대한 선택에 가깝다.

4. Salt concentration도 예상보다 큰 영향을 준다

많은 사람들이 buffer에서 detergent나 chaotropic agent에는 신경을 쓰지만, salt concentration은 상대적으로 단순한 변수처럼 여긴다. 하지만 실제로 ionic strength는 protein solubility와 protein-protein interaction stability에 직접적인 영향을 준다.

낮은 salt 환경에서는 일부 protein complex가 유지되면서 extraction efficiency가 떨어질 수 있고, 높은 salt 환경에서는 protein interaction이 붕괴되면서 특정 protein이 더 쉽게 용출될 수 있다. 문제는 이런 변화가 proteome 전체에 균등하게 작용하지 않는다는 점이다.

예를 들어 chromatin-associated protein이나 cytoskeletal protein은 salt concentration 변화에 민감한 경우가 많다. 실제 nuclear proteomics에서는 high-salt extraction을 사용했을 때 transcription factor recovery가 증가하는 반면, 일부 loosely associated protein은 오히려 손실되는 현상이 관찰된다.

즉 salt condition은 단순 buffer stability 문제가 아니라, 어떤 subcellular protein population을 더 잘 보여줄지를 결정하는 요소다.

5. pH 변화는 단백질 상태 자체를 바꾼다

Lysis buffer의 pH 역시 생각보다 큰 영향을 미친다. 단백질은 pH에 따라 protonation state가 달라지고, 그 결과 solubility와 structural stability가 변한다.

특히 extreme pH 환경에서는 일부 protein이 unfolding되거나 aggregation을 일으킬 수 있다. 어떤 단백질은 acidic condition에서 안정하지만, 다른 단백질은 rapid degradation을 겪는다. phosphoproteomics에서는 pH 변화가 phosphatase activity와 연결되면서 phosphorylation pattern 자체를 바꿔놓는 경우도 있다.

실제 tissue proteomics에서는 sample collection 이후 pH stabilization이 늦어질 경우 특정 signaling protein abundance가 감소하는 현상이 보고된다. 이는 실제 biological downregulation이라기보다 extraction 과정에서 발생한 instability에 가까운 경우가 많다.

결국 buffer pH는 단순한 chemical environment가 아니라, proteome integrity를 유지할 수 있는지 여부를 결정하는 변수다.

6. Chaotropic agent는 구조를 무너뜨리면서 동시에 bias를 만든다

Urea나 guanidine hydrochloride 같은 chaotropic agent는 protein unfolding을 유도해 digestion accessibility를 높인다. Proteomics에서는 매우 흔하게 사용되는 전략이다. 하지만 이 과정 역시 완전히 중립적이지 않다.

예를 들어 high-concentration urea는 많은 protein을 효과적으로 denature하지만, prolonged incubation에서는 carbamylation artifact를 유발할 수 있다. Guanidine HCl은 매우 강력한 denaturant지만, 일부 downstream enzymatic digestion과 호환성이 떨어진다.

또 중요한 것은 unfolding efficiency 자체가 protein마다 다르다는 점이다. 어떤 protein은 chaotropic condition에서 완전히 펼쳐지지만, 어떤 protein은 여전히 aggregation tendency를 유지한다. 이 차이는 digestion efficiency와 peptide recovery까지 이어진다.

결국 chaotropic agent는 digestion을 돕는 동시에 특정 protein population에 새로운 bias를 만들 수 있다.

7. Lysis 과정 자체가 biology를 바꿀 수도 있다

Proteomics에서 자주 간과되는 부분 중 하나는 lysis 자체가 세포 상태를 변형시킬 수 있다는 점이다. 세포가 파괴되는 순간 compartmentalization이 무너지면서 protease와 phosphatase가 활성화되고, 일부 signaling pathway protein은 매우 빠르게 변형되기 시작한다.

특히 phosphoproteomics에서는 이 문제가 심각하다. Lysis가 충분히 빠르지 않거나 inhibitor 조성이 적절하지 않으면 phosphorylation pattern이 extraction 과정에서 변할 수 있다.

실제 kinase signaling 연구에서는 동일 샘플이라도 lysis delay 몇 분 차이만으로 phosphopeptide abundance pattern이 달라지는 사례가 보고된다. 연구자는 이를 biological signaling change로 해석할 수 있지만, 실제로는 sample handling artifact일 가능성이 높다.

즉 lysis buffer는 단순 extraction reagent가 아니라 biological state preservation tool이기도 하다.

8. Buffer 조성은 digestion efficiency까지 바꾼다

많은 사람들이 extraction과 digestion을 별개의 단계처럼 생각하지만, 실제로는 매우 강하게 연결되어 있다. 어떤 lysis buffer를 사용했는지가 trypsin accessibility와 peptide generation pattern까지 영향을 주기 때문이다.

예를 들어 residual detergent가 충분히 제거되지 않으면 trypsin activity가 감소하고 missed cleavage가 증가할 수 있다. 반대로 과도한 denaturation은 peptide accessibility를 높일 수 있지만, 일부 peptide는 overdigestion되거나 nonspecific cleavage가 증가하기도 한다.

실제 raw peptide distribution을 비교해보면 동일 sample이라도 lysis condition에 따라 peptide length distribution과 charge state pattern이 달라지는 경우가 있다. 이 차이는 downstream identification efficiency와 quantification reproducibility까지 연결된다.

결국 lysis buffer는 extraction 단계에서 끝나는 것이 아니라 peptide generation ecology 전체를 재구성한다.

9. 왜 lysis buffer bias는 쉽게 보이지 않는가

가장 큰 이유는 대부분의 QC가 total protein yield 중심으로 이루어지기 때문이다. 단백질 양이 충분하고 identification 수도 높게 나오면 protocol이 잘 작동했다고 생각하기 쉽다.

하지만 실제로는 특정 protein class가 지속적으로 underrepresentation되고 있을 가능성이 있다. 특히 reproducibility가 높은 경우 이 문제는 더 위험하다. Consistent bias는 오히려 robust biological signal처럼 보이기 때문이다.

또한 대부분의 downstream analysis는 이미 extraction bias가 반영된 상태에서 진행된다. Protein table과 pathway enrichment 결과만 보면 buffer-induced distortion이 직접적으로 드러나지 않는다.

결국 연구자는 biological conclusion을 해석하고 있다고 생각하지만, 실제로는 lysis chemistry가 만든 selective proteome을 보고 있는 경우가 적지 않다.

10. 실제 데이터에서 반드시 확인해야 하는 것들

Lysis buffer를 평가할 때는 단순한 protein yield만 보는 것으로 충분하지 않다. 어떤 protein class가 preferentially enrichment되는지 확인할 필요가 있다.

Subcellular localization analysis나 GO enrichment를 이용해 특정 buffer에서 membrane protein, nuclear protein, cytoskeletal protein 비율이 어떻게 변하는지 점검하는 것이 중요하다.

가능하다면 동일 sample을 여러 buffer 조건에서 pilot test 해보는 것도 도움이 된다. 특히 연구 목적이 특정 protein class에 집중되어 있다면, 그 단백질군 recovery에 최적화된 buffer를 선택해야 한다.

또한 longitudinal study에서는 buffer consistency 관리가 매우 중요하다. 작은 formulation 변화나 detergent lot variation도 장기적으로는 batch effect를 만들 수 있기 때문이다.

결론

Proteomics에서 lysis buffer는 단순한 단백질 용해 용액이 아니다. 실제로는 어떤 단백질이 관찰 가능한 형태로 들어올 수 있는지를 결정하는 첫 번째 선택 구조다.

Detergent 종류, salt concentration, pH, chaotropic agent 조성 같은 요소들은 모두 proteome composition에 영향을 준다. 결국 같은 샘플이라도 어떤 lysis buffer를 사용하느냐에 따라 completely different proteome profile이 만들어질 수 있다.

이 사실을 이해하기 시작하면 이전에는 단순한 technical variability처럼 보였던 현상들이 다르게 보이기 시작한다. 왜 특정 pathway만 반복적으로 변하는지, 왜 membrane protein detection이 불안정한지, 왜 연구실마다 결과가 달라지는지에 대한 답이 lysis chemistry 안에 숨어 있는 경우가 생각보다 많기 때문이다.