제약회사 연구원의 블로그

— 우리는 발견하고 있는 것이 아니라, 선택하고 있을지도 모른다untargeted metabolomics를 처음 접했을 때,많은 사람들이 비슷한 감정을 느낀다.“이건 완전히 다른 차원의 데이터다.”수천 개의 feature,예상하지 못한 metabolite,그리고 그 안에서 보이는 패턴들.마치 아무것도 모르는 상태에서새로운 생물학을 발견하는 느낌이다.하지만 이 기대감은생각보다 쉽게 착각으로 바뀐다.그리고 그 착각은 하나의 문장으로 정리할 수 있다.“이 데이터는 샘플의 실제 상태를 그대로 보여준다.”이 문장이야말로untargeted metabolomics에서 가장 위험한 착각이다.1. 우리가 보고 있는 것은 ‘전체’가 아니다untargeted라는 단어는모든 것을 본다는 인상을 준다.하지만 실제로는 전혀 다르..

— 우리는 농도를 측정하는 것이 아니라 ‘경쟁의 결과’를 보고 있다metabolomics 데이터를 처음 해석할 때, 대부분 이렇게 생각한다.“이 피크는 이 metabolite의 농도를 반영한다.”이 문장은 틀린 말은 아니다.하지만 정확한 말도 아니다.조금 더 솔직하게 말하면, 우리가 LC-MS에서 보고 있는 신호는순수한 농도 값이 아니라, 수많은 화합물 사이의 경쟁 결과다.그리고 그 경쟁의 중심에는 항상 하나의 현상이 있다.바로 ion suppression이다.이 현상은 단순히 “신호가 줄어든다”는 수준의 문제가 아니다.더 본질적인 문제는 이것이다.ion suppression은 metabolite의 상대적 관계를 왜곡하고,그 결과 pathway 해석 자체를 바꿔버린다.1. Ion suppression은 ..

― 장내 미생물과 대사체 데이터를 연결해 약물 반응과 독성까지 해석하는 실전 전략최근 제약·바이오 연구에서 “마이크로바이옴(microbiome)”은 더 이상 유행어가 아니다. 실제로 임상 시험에서 동일한 약물을 투여했음에도 환자 간 반응 차이가 발생하는 이유 중 상당 부분이 장내 미생물과 대사체(metabolite)의 상호작용으로 설명되고 있다.Microbiome 자체만 분석해서는 충분하지 않고, metabolomics만으로도 기전을 설명하기 어렵다. 그래서 최근 주목받는 접근이 바로 Microbiome–metabolite interaction 분석, 즉 미생물 구성 변화 → 대사체 변화 → 약물 효능·독성·PK 변화를 하나의 workflow로 해석하는 전략이다.이 글에서는 분석팀 실무자가 실제로 적용할..