제약회사 연구원의 블로그

– discovery 연구와 clinical biomarker 연구는 전혀 다른 문제다 Metabolomics 연구는 지난 10여 년 동안 폭발적으로 증가했다. 특히 LC-MS 기반 untargeted metabolomics 기술이 발전하면서 수천 개의 metabolite feature를 동시에 관찰할 수 있게 되었고, 다양한 질병에서 새로운 biomarker 후보들이 제시되었다.논문만 보면 metabolomics는 이미 precision medicine의 핵심 기술처럼 보인다. 특정 metabolite 패턴을 이용해 질병을 진단하고, 환자를 분류하며, 치료 반응을 예측할 수 있다는 연구 결과들이 매우 많기 때문이다.하지만 현실적으로 보면 상황은 조금 다르다.수많은 metabolomics biomarke..

– 논문에서는 성공하지만 병원에서는 사라지는 이유 생명과학 연구에서 biomarker 발견은 매우 중요한 목표 중 하나이다. 새로운 biomarker는 질병의 조기 진단, 치료 반응 예측, 환자 분류 등 다양한 임상 의사결정에 활용될 수 있기 때문이다. 실제로 genomics, proteomics, metabolomics 연구에서는 매년 수많은 biomarker 후보가 보고된다.그러나 흥미로운 사실이 하나 있다. 논문에서는 매우 유망해 보이던 biomarker가 실제 임상 검사로 이어지는 경우는 극히 드물다는 점이다.많은 연구에서 다음과 같은 과정을 거친다.discovery cohort에서 유의미한 biomarker 발견논문 발표후속 연구에서 재현 실패임상 적용 단계에서 중단이러한 패턴은 특정 분야에만 ..

유전자와 표현형 사이의 ‘기능적 번역 계층’1. Multi-omics의 구조: 정보 흐름 관점생명 시스템을 정보 흐름으로 보면 다음과 같습니다.Genome → Transcriptome → Proteome → Metabolome → Phenotype각 단계의 의미: Omics의미한계Genomics가능성 (potential)실제 발현 여부 모름Transcriptomics발현 계획단백질 생성 보장 없음Proteomics실제 실행자동적 조절 복잡Metabolomics결과물원인 추적 어려움👉 Proteomics는 계획과 결과 사이의 실행 계층2. 왜 transcriptomics만으로는 충분하지 않은가흔한 오해:mRNA가 증가하면 단백질도 증가한다현실:mRNA–protein 상관계수: 0.3–0.6 수준번역 효율..

왜 유망한 지표가 병원에서는 사라지는가1. 통계적 유의성 ≠ 임상적 유용성연구에서 흔히 보는 결과:p AUC = 0.82환자군 vs 대조군 차이 명확하지만 임상 질문은 다릅니다.임상의가 묻는 질문✔ 치료 결정을 바꿀 수 있는가?✔ 기존 검사보다 더 빠른가?✔ 비용 대비 이득이 있는가?✔ 결과 해석이 명확한가?👉 통계적으로 유의해도 의사결정에 영향이 없으면 탈락2. 효과 크기(effect size)가 너무 작다연구에서는 평균 차이가 유의하지만:개인 수준에서는 겹침(overlap) 큼cut-off 설정이 불안정위양성/위음성 증가예:그룹평균분산환자12±5대조군10±5👉 통계적 차이 존재👉 임상에서는 구분 불가3. Cohort bias: “발견된 biomarker”는 특정 집단에만 유효흔한 문제단일 병원 ..

– 측정에서 ‘행동 가능한 정보(actionable insight)’로1️⃣ 첫 번째 오해: “정량 정확도 = 임상 유용성”많은 연구가 여기서 멈춥니다.✔ LLOQ 달성✔ CV ✔ recovery 안정✔ matrix effect 통제→ 논문 출판 가능→ 하지만 임상에서는 질문이 다릅니다.임상의가 묻는 질문:이 수치가 위험한가?치료를 바꿔야 하는가?예후를 예측하는가?다른 검사보다 나은가?👉 정량 정확도는 필수 조건이지만👉 임상 유용성은 완전히 다른 차원입니다.2️⃣ 임상 의사결정으로 연결되기 위한 4단계 구조Targeted metabolomics 결과가 임상에서 쓰이려면다음 4단계를 모두 통과해야 합니다.① Analytical validity→ 정확하게 측정되는가② Clinical validity→ 질..