제약회사 연구원의 블로그

— 그때부터 분석은 과학이 아니라 ‘확신’이 된다데이터를 분석하다 보면 이상한 순간이 찾아온다.처음에는 아무 의미도 없어 보이던 숫자들이어느 순간, 하나의 이야기처럼 이어지기 시작한다.그리고 그 이야기가내가 처음에 기대했던 가설과 맞아떨어질 때,그때부터 무언가가 바뀐다.조심해야 할 순간은 바로 그때다.1. “드디어 나왔다”라는 생각이 드는 순간연구를 하다 보면 누구나 가설을 세운다.이 약물은 효과가 있을 것이다.이 바이오마커는 예후를 예측할 것이다.이 pathway가 핵심일 것이다.문제는 이 가설이 틀렸을 가능성보다맞았을 때의 기대감이 훨씬 크다는 점이다.그래서 데이터가 가설과 맞는 방향으로 조금만 움직여도머릿속에서는 이미 결론이 완성된다.“역시 예상대로야”“이건 의미 있는 신호다”“이 정도면 충분하지 ..

– Multi-omics 연구에서 가장 먼저 결정되어야 하는 것최근 생명과학 연구에서 multi-omics 통합 분석은 하나의 표준 전략처럼 자리 잡았다. 유전체(genomics), 전사체(transcriptomics), 단백질체(proteomics), 대사체(metabolomics)를 함께 분석하면 생물학적 시스템을 훨씬 더 깊이 이해할 수 있을 것이라는 기대 때문이다. 실제로 많은 연구 프로젝트는 다음과 같은 구조로 설계된다.RNA-seq 데이터 확보Proteomics 데이터 확보Metabolomics 데이터 확보통합 분석 수행그리고 마지막 단계에서 network 분석이나 pathway 분석을 통해 biological insight를 도출한다. 이러한 연구 설계는 매우 자연스럽게 보인다. 그러나 실제..

많이 검출된 단백질이 생물학적으로 중요한가?1. Proteomics 데이터의 기본 착각Proteomics 결과에서 흔히 보는 표: ProteinFold changep-valueAlbumin↑ 1.20.01CRP↑ 1.50.02Transcription factor X변화 없음0.8👉 대부분 연구자는 변화가 큰 단백질에 집중합니다.하지만 실제 생물학적 영향력은 정반대일 수 있습니다.✔ Albumin: 농도 높지만 기능 변화 없음✔ TF X: 농도 변화 없지만 활성 변화 → 질병 핵심 조절자2. Abundance는 측정 용이성의 결과일 뿐이다왜 어떤 단백질이 더 자주 보이는가?✔ 고농도✔ 이온화 효율 높음✔ tryptic peptide 생성 용이✔ database 매칭 용이👉 기술적 검출 편향(detect..

실무 중심 설계·구성·운영 가이드요약: LC-MS/MS로 얻은 대사체(타깃/언타깃) 데이터를 시험실 → 전처리 → 품질관리 → 특징추출 → AI모델 → 해석·리포트까지 자동화하는 플랫폼 설계서입니다. 분석실 현실(Calibration/QC/BLQ/ISR 등)을 감안한 전처리 파이프라인, 배치효과 보정, 소규모 임상 데이터에 적합한 모델링·검증 전략, 규제·감사 요건까지 실무 팁을 중심으로 정리했습니다. 제약/임상 연구 환경에서 바로 적용 가능하도록 단계별 실행 로드맵과 체크리스트도 포함합니다.1. 목표와 핵심 요구사항(Executive goals)목표: LC-MS/MS 산출물을 사람 개입을 최소화해 신뢰성 있게 정량·정규화하고, AI로 예측·클러스터링·해석된 결과를 자동 리포트하는 파이프라인을 구축한다...