제약회사 연구원의 블로그

단백질의 이름을 아는 것과, 그 단백질이 실제로 무엇을 하고 있는지를 아는 것은 전혀 다른 문제다Proteomics 분석을 처음 시작하면 데이터는 대개 숫자로 가득 차 있다.수천 개의 protein ID, fold change, p-value, abundance 값들이 나열된다.그 자체로는 의미를 읽어내기 어렵다.그래서 대부분의 연구자는 다음 단계로 넘어간다.Functional annotation.즉 검출된 단백질에 기능(function)을 부여하는 과정이다.예를 들어 어떤 단백질이 검출되면:Cell cycleApoptosisInflammationMetabolismSignal transduction같은 기능 카테고리가 붙는다.그리고 연구자는 그 순간부터 데이터를 "해석"하기 시작한다."Cell cycle..

— 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..