제약회사 연구원의 블로그

— 우리는 다른 방식으로 측정하는 게 아니라, 다른 방식으로 ‘선택’하고 있다처음 proteomics 데이터를 접하면DDA와 DIA는 단순히 두 가지 acquisition 방식처럼 보인다.DDA는 기존 방식DIA는 더 발전된 방식그래서 자연스럽게 이렇게 생각하게 된다.“둘 다 같은 샘플을 분석하는 거니까결과는 비슷해야 하지 않을까?”하지만 실제로 데이터를 비교해보면이 기대는 쉽게 무너진다.같은 샘플인데도검출되는 단백질 수가 다르고특정 pathway는 한쪽에서만 보이고differential expression 결과까지 달라진다이건 단순한 기술적 차이가 아니다.👉 데이터를 만들어내는 방식 자체가 다르기 때문이다출발점부터 다르다: “무엇을 볼 것인가”DDA와 DIA의 가장 큰 차이는측정 방식이 아니라👉 무..

— 더 선명하게 볼 것인가, 더 많이 포착할 것인가, 그리고 언제 무엇을 포기해야 하는가LC-MS를 처음 다루기 시작하면대부분은 장비 스펙을 먼저 보게 된다.resolution, scan rate, sensitivity…숫자가 크고 높을수록 더 좋아 보인다.특히 resolution은 직관적이다.“더 잘 구분해준다”는 설명만으로도 충분히 매력적이다.그래서 자연스럽게 이렇게 생각한다.“가능하면 resolution을 최대한 높여서 쓰는 게 맞지 않을까?”실제로 많은 초보 method는 그렇게 시작된다.그리고 몇 번의 분석을 거치면서이 생각이 서서히 흔들리기 시작한다.분명 더 좋은 조건이라고 생각했는데protein 수가 줄어들고peptide가 사라지고chromatogram이 어딘가 이상하다이상하다는 느낌은 분명..

우리는 단백질의 양을 측정하고 있는가, 아니면 신호의 결과를 해석하고 있는가proteomics 데이터를 처음 접했을 때,대부분의 사람들은 같은 방식으로 이해한다.“이 값은 단백질의 양이다.”그래서 자연스럽게 이렇게 이어진다.값이 높다 → 단백질이 많다값이 낮다 → 단백질이 적다이 논리는 직관적이고,그래서 더 위험하다.왜냐하면 이 전제는절반만 맞고, 절반은 틀리기 때문이다.그리고 이 차이를 이해하지 못하는 순간,proteomics 해석은 완전히 다른 방향으로 흘러가기 시작한다.1. 우리가 보고 있는 ‘abundance’의 정체proteomics에서 말하는 abundance는실제로 무엇일까?많은 경우 이것은 다음에서 나온다.peptide intensityspectral countreporter ion sig..

1. DDA에서 DIA로: 왜 변화가 필요했는가DDA의 강점새로운 단백질 발견에 유리높은 MS/MS 스펙트럼 품질라이브러리 구축 용이그러나 현실적 한계문제영향stochastic sampling재현성 저하missing value통계 분석 왜곡low-abundance 검출 불안정biomarker 신뢰도 하락multi-site 비교 어려움임상 적용 제한👉 연구 단계에서는 유용하지만,정량 플랫폼으로는 불안정했다.2. DIA의 핵심 개념: “모든 것을 본다”DIA 작동 방식m/z 범위를 일정 window로 분할각 window 내 모든 precursor를 fragmentation반복적으로 전체 범위 스캔👉 선택이 아닌 전수 조사 방식핵심 차이특징DDADIAprecursor 선택상위 N개전체샘플링 방식확률적체계적..