제약회사 연구원의 블로그

— 가장 직관적인 그래프가 가장 많은 것을 숨길 때처음 Volcano plot을 접했을 때의 느낌을 아직도 기억한다.데이터가 이렇게까지 명확하게 보일 수 있다는 사실이오히려 놀라웠다.좌우로 나뉘어진 점들,위로 올라갈수록 강해지는 신뢰도,그리고 그 위에 표시된 몇 개의 단백질 이름.그건 마치 데이터가 스스로 말하고 있는 것처럼 보였다.“이게 답이야.”그래서 우리는 자연스럽게 그 그림을 믿는다.의심 없이, 망설임 없이.하지만 시간이 지나고,비슷한 실험을 반복하고,결과가 재현되지 않는 순간을 몇 번 겪고 나면이 질문이 떠오른다.“이 그래프는 정말 진실을 보여주는 걸까?”1. Volcano plot은 ‘단순한 시각화’가 아니다겉으로 보면 Volcano plot은 단순하다.x축: log2 fold changey축..

— 우리는 단백질을 보고 있는가, 아니면 데이터가 만든 환상을 해석하고 있는가proteomics 데이터를 처음 접했을 때의 기억은대부분 비슷하다.수천 개의 단백질 리스트,정교하게 정리된 정량값,그리고 통계적으로 정리된 결과.모든 것이 완성된 것처럼 보인다.마치 우리가생물학적 시스템을 직접 들여다보고 있는 것처럼 느껴진다.그리고 자연스럽게이런 생각에 도달한다.“이 데이터는 실제 단백질 상태를 반영한다.”하지만 이 문장은proteomics에서 가장 위험한 착각이다.1. proteomics는 ‘전체’를 보여주지 않는다많은 사람들이 proteomics를전체 단백질 분석이라고 생각한다.하지만 실제로는 전혀 다르다.우리가 보는 것은 다음 조건을 만족한 것들뿐이다.추출된 단백질digestion에 성공한 peptide..

— 우리는 데이터를 보고 있는가, 아니면 조건이 만든 환상을 보고 있는가metabolomics 데이터를 처음 열어보는 순간,대부분의 사람들은 비슷한 감정을 느낀다.“이 안에 모든 정보가 들어 있다.”수천 개의 peak,정리된 feature table,그리고 통계적으로 정리된 결과들.이 모든 것이샘플의 상태를 그대로 보여주는 것처럼 느껴진다.하지만 이 믿음은생각보다 쉽게 무너진다.왜냐하면 metabolomics에서가장 중요한 구분이 하나 있기 때문이다.“보이는 것”과 “실제로 존재하는 것”은 다르다.그리고 이 차이를 이해하지 못하는 순간,해석은 이미 틀어지기 시작한다.1. LC-MS는 ‘현실’을 보여주지 않는다많은 사람들이 LC-MS 데이터를현실의 반영이라고 생각한다.하지만 실제로 LC-MS는현실을 그대로..

1. Missing value는 오류가 아니라 데이터의 일부다Proteomics 데이터에서 NA는 다음을 의미할 수 있다:단백질이 실제로 존재하지 않음농도가 검출 한계 이하MS/MS sampling 실패peptide 동정 실패데이터 필터링 기준 미충족👉 즉, missing value는 “0”이 아니라 불확실성의 표현이다.2. Missing value의 세 가지 유형통계적으로 missing value는 세 가지로 분류된다.2.1 MCAR (Missing Completely At Random)특징무작위로 발생abundance와 무관기술적 오류 가능성 높음예파일 손상peak picking 오류소프트웨어 버그👉 가장 드물지만, 발견 시 데이터 품질 점검 필요2.2 MAR (Missing At Random)특..

1. QC는 “정밀도”를 확인할 뿐 “정확성”을 보장하지 않는다✔ QC가 평가하는 것instrument stability반복 측정 정밀도 (precision)signal drift✔ QC가 평가하지 않는 것biological relevancematrix representativenesssample-specific suppressionmetabolite misannotation👉 즉, QC는 기기가 안정적인지만 본다.2. QC가 실제 샘플을 대표하지 못하는 문제가장 흔한 구조적 오류QC sample = pooled sample하지만 실제 샘플은:질병 상태약물 복용극단적 대사 상태고지혈, 고단백, 용혈 등👉 QC는 평균 상태일 뿐극단적 matrix 조건을 반영하지 못한다.실제 영향상황QC 결과실제 샘플I..

‘모르기 때문에 안전했던 시기’가 끝난다1️⃣ 문제 ①: “과잉 해석(over-interpretation)”의 폭발기존:대부분의 feature는 unknown해석 가능한 신호만 제한적으로 사용보수적 결론 가능bottleneck 붕괴 이후:수천 개 feature에 구조 class 추정pathway 연결 가능biological 의미 자동 생성👉 문제는 여기서 시작됩니다.위험한 문장 예시“이 환자군에서 산화 스트레스 증가가 관찰됨”“지질 대사 이상이 암 진행과 관련됨”이 문장들이:실제 causal 관계가 아니라annotation 알고리즘의 편향일 가능성2️⃣ 문제 ②: False plausibility의 증가Foundation model 또는 고급 annotation 시스템은“그럴듯한 설명”을 매우 잘 만들..