제약회사 연구원의 블로그

Proteomics에서 우리가 실제로 보는 것은 단백질일까, 아니면 peptide 패턴일까Proteomics를 처음 배우는 사람들은 대개 이렇게 생각한다.Mass spectrometry로 단백질을 측정하고, 어떤 단백질이 증가했는지 확인한 뒤 biology를 해석한다고.논문도 대부분 그렇게 보인다. Volcano plot에는 protein name이 적혀 있고, pathway enrichment 역시 protein list 기반으로 진행된다. 그래서 자연스럽게 “이 데이터는 단백질 abundance를 직접 보여주는구나”라고 받아들이게 된다.하지만 raw data를 오래 보다 보면 어느 순간 이상한 경험을 하게 된다.같은 protein인데 peptide마다 abundance 방향이 다르다. 어떤 pepti..

Proteomics에서 존재하지 않던 biology가 만들어지는 순간Proteomics 데이터를 분석하다 보면 어느 순간 반드시 마주치는 문제가 있다. Missing value다.어떤 protein은 control에서는 잘 보이는데 disease에서는 비어 있고, 어떤 peptide는 replicate 중 절반만 존재하며, low abundance signaling protein은 거의 랜덤하게 사라지는 것처럼 보인다. 처음 raw matrix를 보면 데이터가 구멍 난 스펀지처럼 느껴질 정도다.그리고 대부분의 분석은 여기서부터 시작된다.“빈칸을 어떻게 채울까?”많은 사람들은 imputation을 단순한 preprocessing 정도로 생각한다. 통계를 위해 비어 있는 칸을 적절한 값으로 채우는 과정이라고..

Total ion vs Median vs Quantile vs VSN… Proteomics에서 무엇을 “같게 만든다”는 의미일까Proteomics 데이터를 처음 분석할 때 많은 사람들이 normalization을 거의 자동 단계처럼 생각한다. Raw intensity를 software에 넣으면 normalization이 수행되고, 이후 abundance table과 volcano plot이 생성된다. 데이터가 훨씬 깔끔해지고 replicate 간 variation도 줄어든다. 그래서 자연스럽게 이런 생각을 하게 된다.“Normalization을 하면 technical noise가 제거되고 biology만 남는 것 아닐까?”실제로 normalization은 proteomics에서 거의 필수 과정이다. LC..

Proteomics에서 가장 위험한 신호는 biology가 아니라 preparation history일 수도 있다Proteomics 데이터를 처음 해석할 때 많은 사람들은 instrument variability를 가장 먼저 경계한다. LC gradient stability, spray fluctuation, mass accuracy drift, ion suppression 같은 요소들이 결과를 흔든다고 배운다. 실제로 이런 요소들은 매우 중요하다. 그래서 연구자들은 QC sample을 반복 주입하고, retention time alignment를 확인하며, normalization 전략을 세운다.하지만 실제 대규모 proteomics 데이터를 오래 다루다 보면 어느 순간 이상한 패턴이 보이기 시작한다...

Proteomics에서 가장 당연하게 믿는 과정이 사실은 가장 불안정할 수도 있다Proteomics를 처음 배우면 trypsin은 거의 절대적인 존재처럼 등장한다. 대부분의 workflow는 “단백질을 trypsin으로 digestion한 뒤 LC-MS/MS로 분석한다”는 문장으로 시작한다. 너무 익숙하다 보니 어느 순간부터는 trypsin digestion을 하나의 자동 과정처럼 받아들이게 된다. 단백질을 넣고 overnight incubation을 하면 peptide가 생성되고, 그 peptide를 기반으로 identification과 quantification이 이루어진다고 생각한다.실제로 많은 논문도 digestion 자체를 자세히 설명하지 않는다. Trypsin digestion은 이미 표준화된..

같은 단백질인데 왜 trypsin 상태 하나로 abundance가 달라질까Proteomics 데이터를 해석하다 보면 어느 순간부터 이상한 패턴이 눈에 들어오기 시작한다. 분명 biological replicate인데 특정 protein의 abundance만 유독 흔들리거나, 어떤 peptide는 consistently 낮게 검출되며, 특정 sample group에서만 fold change가 과장되어 나타나는 경우다. 처음에는 instrument variability를 의심하게 된다. LC gradient가 흔들렸나, spray stability에 문제가 있었나, ion suppression이 발생했나 같은 생각부터 하게 된다.하지만 raw peptide level 데이터를 계속 들여다보다 보면 문제는 의..

같은 샘플인데 왜 buffer 하나 바꿨을 뿐인데 결과가 달라질까Proteomics 실험을 하다 보면 어느 순간부터 이상한 경험을 반복하게 된다. 분명 같은 세포를 사용했고, 같은 장비에서 분석했으며, digestion protocol도 거의 동일한데 특정 단백질군만 유독 달라지는 경우다. 어떤 실험에서는 membrane protein이 풍부하게 검출되는데, 다른 실험에서는 cytosolic protein 위주로 결과가 쏠린다. 때로는 signaling pathway 전체가 약해지거나, 반대로 특정 stress-related protein이 과도하게 증가하는 패턴이 나타나기도 한다.처음에는 biological variability처럼 보인다. 실제 세포 상태가 달랐다고 생각하기 쉽다. 하지만 raw da..

같은 조직인데 왜 extraction protocol 하나로 proteome이 달라질까Proteomics 실험을 처음 설계할 때 많은 사람들이 가장 중요하게 생각하는 단계는 mass spectrometry 분석 조건이다. 어떤 instrument를 사용할지, DIA와 DDA 중 무엇을 선택할지, fragmentation energy는 어떻게 조정할지 같은 요소들에 관심이 집중된다. 반면 단백질 추출 단계는 상대적으로 단순한 준비 과정처럼 취급되는 경우가 많다. 조직을 lysate buffer에 넣고 깨뜨린 뒤 단백질을 녹여내는 과정 정도로 생각하기 쉽다.하지만 실제 데이터를 오래 보다 보면 생각이 달라진다. 같은 조직을 사용했는데 extraction buffer만 바뀌어도 검출되는 protein popu..