제약회사 연구원의 블로그

Proteomics에서 가장 흔하지만 가장 위험한 해석 실수Proteomics 데이터를 분석하다 보면 가장 먼저 눈에 들어오는 것은 변화가 큰 단백질들이다.Volcano plot에서 오른쪽 위에 위치한 단백질.Fold change가 크고 p-value도 매우 작은 단백질.연구자는 자연스럽게 그 단백질에 주목한다.그리고 거의 반사적으로 이런 해석을 시작한다."이 단백질의 기능이 증가했다.""이 pathway가 활성화되었다.""이 단백질이 질병 진행을 촉진한다."사실 대부분의 Proteomics 논문은 이런 흐름으로 전개된다.---------------------------------------Protein abundance 증가↓기능 증가 추론↓생물학적 의미 부여↓메커니즘 제안----------------..

Proteomics에서 “유의한 결과”가 사라지는 가장 조용한 순간Proteomics 데이터를 처음 분석하면 많은 사람들이 이런 경험을 한다.처음 t-test를 돌렸을 때는 significant protein이 수백 개 나온다. Volcano plot도 굉장히 화려하다. Disease와 control 사이 biology가 아주 선명하게 보이는 것 같다. 그런데 FDR correction을 적용하는 순간 상황이 완전히 바뀐다.방금 전까지 빨갛게 보이던 점들이 대부분 회색으로 변한다.유의하다고 생각했던 pathway가 사라진다.특정 signaling protein은 더 이상 significant하지 않다.그리고 연구자는 혼란스러워진다.“아까는 분명 차이가 있었는데 왜 갑자기 사라진 거지?”이 순간부터 많은 ..