제약회사 연구원의 블로그

‘모르기 때문에 안전했던 시기’가 끝난다1️⃣ 문제 ①: “과잉 해석(over-interpretation)”의 폭발기존:대부분의 feature는 unknown해석 가능한 신호만 제한적으로 사용보수적 결론 가능bottleneck 붕괴 이후:수천 개 feature에 구조 class 추정pathway 연결 가능biological 의미 자동 생성👉 문제는 여기서 시작됩니다.위험한 문장 예시“이 환자군에서 산화 스트레스 증가가 관찰됨”“지질 대사 이상이 암 진행과 관련됨”이 문장들이:실제 causal 관계가 아니라annotation 알고리즘의 편향일 가능성2️⃣ 문제 ②: False plausibility의 증가Foundation model 또는 고급 annotation 시스템은“그럴듯한 설명”을 매우 잘 만들..

Metabolomics에서 annotation bottleneck은 기술 문제가 아니라 ‘해석의 한계’였다Metabolomics는 언제나 데이터 생산 속도가 해석 속도를 앞질러 왔다.LC-MS 성능은 해마다 좋아졌고, non-targeted 분석에서는 수천, 많게는 수만 개의 feature가 한 번의 실험에서 쏟아진다.문제는 그다음이다.분석가는 결국 몇 개의 peak 앞에 멈춰 선다.통계적으로 가장 유의한 것들, fold change가 큰 것들, 그림이 예쁜 것들.그리고 그중에서도 이름을 붙일 수 있는 것만 남긴다.이 과정은 자연스럽지만, 동시에 잔인하다.데이터의 대부분은 “이름이 없다는 이유”로 분석에서 탈락한다.이게 바로 annotation bottleneck의 실체다.중요한 점은, 이 병목이라이브러..