제약회사 연구원의 블로그

— 같은 시간에 나온다는 이유만으로, 어떤 신호는 사라지고 어떤 신호는 과장된다데이터를 보다 보면이상한 패턴을 만나는 순간이 있다.어떤 peptide는 항상 값이 낮고어떤 peptide는 특정 조건에서만 갑자기 튀고replicate 간 변동이 유독 큰 구간이 있다처음에는 이렇게 생각한다.“샘플 준비 문제인가?”“기기 상태가 불안정한가?”하지만 chromatogram을 자세히 보면공통된 특징이 하나 보인다.👉 피크들이 겹쳐 있다이때부터 문제는 명확해진다.Co-elutionCo-elution은 단순한 ‘분리 실패’가 아니다많은 사람들이 co-elution을이렇게 생각한다.“LC 분리가 덜 된 상태”그래서 해결책도 단순하다.gradient 늘리기column 바꾸기하지만 실제 문제는그보다 훨씬 깊다.Co-el..

— 우리는 농도를 측정하는 걸까, 아니면 경쟁에서 살아남은 신호를 보고 있는 걸까데이터를 보다 보면 이런 순간이 온다.같은 샘플인데 intensity가 다르고replicate 간 변동이 예상보다 크고어떤 peptide는 갑자기 사라진다처음에는 이렇게 생각한다.“기기가 불안정한가?”“샘플 준비가 잘못됐나?”하지만 반복해서 보면이상한 패턴이 하나 보이기 시작한다.👉 특정 peptide들이 항상 같이 흔들린다이 순간부터문제는 다른 방향을 가리킨다.Ion suppressionion suppression은 ‘오류’가 아니라 ‘기본 동작’이다많은 사람들이 ion suppression을예외적인 문제처럼 생각한다.하지만 실제로는 그렇지 않다.ESI 기반 LC-MS에서는👉 ion suppression은 항상 존재한다..

— 우리는 같은 샘플을 분석하는 걸까, 아니면 다른 샘플을 만들어내고 있는 걸까처음에는 단순한 의도로 시작한다.“gradient를 조금만 바꿔보자”60분 → 90분shallow → steepstarting %B 약간 조정이건 흔한 최적화 과정이다.오히려 당연한 단계다.그런데 결과를 보고 나면생각보다 당황하게 된다.검출되는 단백질 수가 달라지고peptide 패턴이 바뀌고differential expression 결과까지 달라진다이 순간 질문이 생긴다.“같은 샘플인데 왜 결과가 바뀌는 걸까?”LC gradient는 단순한 분리 조건이 아니다많은 사람들이 LC gradient를이렇게 생각한다.“분리를 조금 더 잘하기 위한 설정”하지만 실제로는 훨씬 더 큰 역할을 한다.LC gradient는어떤 peptide가..

— 환자의 상태가 아니라, 샘플의 변화가 결과를 만들고 있을 수도 있다임상 연구에서 metabolomics를 적용하면항상 기대가 크다.질병 특이적 biomarker 발견치료 반응 예측환자 stratification데이터는 화려하다.통계적으로 유의미한 결과도 나온다.그런데 어느 순간이상한 일이 발생한다.다른 병원에서 같은 연구를 했는데결과가 재현되지 않는다.또는같은 cohort에서도batch에 따라 결과가 달라진다.이때 대부분 이렇게 생각한다.환자군 차이인가분석 장비 차이인가하지만 실제 원인은훨씬 더 단순한 곳에 있는 경우가 많다.샘플이 이미 변해버렸기 때문이다.1. 임상 샘플은 ‘통제되지 않는 변수의 집합’이다실험실 샘플과 달리임상 샘플은 완전히 통제할 수 없다.채혈 시간 다름공복 여부 다름약물 복용 상..

— 우리는 샘플을 분석하는 것이 아니라, 이미 ‘가공된 결과’를 해석하고 있다처음 metabolomics 실험을 설계할 때많은 사람들이 이렇게 생각한다.“전처리는 그냥 준비 단계 아닌가?”단백질 제거하고추출하고정리해서 LC-MS에 넣는다분석의 핵심은LC-MS라고 믿는다.하지만 몇 번의 프로젝트를 지나고 나면이 생각은 완전히 바뀐다.같은 샘플을 사용했는데전처리 방법만 바꿨을 뿐인데결과가 완전히 달라지는 순간을 경험하기 때문이다.어떤 경우에는결론 자체가 뒤집힌다.그때 깨닫게 된다.문제는 분석이 아니라,이미 전처리에서 시작되었다는 것.1. 전처리는 ‘손실’과 ‘선택’의 과정이다전처리는 단순히 샘플을 정리하는 과정이 아니다.이건 본질적으로 두 가지를 동시에 수행한다.무엇을 남길 것인가무엇을 버릴 것인가즉,전처리..

— 우리는 같은 샘플을 분석하고 있는 것이 아닐지도 모른다처음 LC-MS를 다루기 시작했을 때,가장 이해하기 어려웠던 순간이 있다.같은 샘플을 분석했는데결과가 다르게 나오는 순간이다.처음에는 이렇게 생각한다.“장비 상태가 안 좋은가?”“샘플이 변했나?”하지만 시간이 지나면서조금씩 다른 결론에 도달하게 된다.문제는 샘플이 아니라조건이었다.그리고 더 놀라운 사실은 이것이다.LC-MS에서 조건 하나만 바뀌어도우리는 사실상 ‘다른 데이터를 보고 있는 것’과 같다.1. LC-MS는 측정 장비가 아니라 ‘필터’다많은 사람들이 LC-MS를“농도를 측정하는 도구”라고 생각한다.하지만 실제로는 다르다.LC-MS는모든 것을 보여주는 장비가 아니라일부만 선택해서 보여주는 필터다.이 필터는 다음 요소로 구성된다.chromat..

— 같은 샘플인데 왜 전혀 다른 결론이 나오는가 metabolomics 데이터를 처음 받아봤을 때의 당혹감은 쉽게 잊히지 않는다.같은 샘플을 분석했는데,조건이 조금만 바뀌어도 결과가 완전히 달라진다.어떤 날은 특정 metabolite가 뚜렷하게 보이고,다른 날은 거의 사라진다.처음에는 장비 문제라고 생각하기 쉽다.하지만 경험이 쌓일수록 알게 된다.문제는 장비가 아니라우리가 설정한 LC-MS 조건 그 자체라는 것을.그리고 더 중요한 사실은이 조건들이 단순히 “신호 강도”만 바꾸는 것이 아니라결과 해석의 방향 자체를 바꾼다는 점이다.1. Chromatography가 결정하는 ‘보이는 세계’LC 조건은 metabolomics에서사실상 “무엇을 볼 것인가”를 결정한다.Reverse-phase vs HILICRe..

– 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 ..