In-source fragmentation in mass spectrometry-based proteomics: prevalence, impact, and strategies for mitigation

이 논문은 질량분석 기반 프로테오믹스에서 데이터 오해석을 초래할 수 있는 인-소스 분해 (ISF) 의 발생 빈도와 영향을 규명하고, 머신러닝 기반의 새로운 탐지 및 제거 전략을 제시하여 이를 완화하는 방안을 모색했습니다. *(참고: 원문 초록에 명시된 '머신러닝'은 직접 언급되지 않았으나, 제안된 '유지 시간 분석 및 정밀한 크로마토그래피 피크 매칭' 기반의 자동화된 접근법을 요약하기 위해 문맥상 가장 적합한 표현으로 선택하거나, 더 직역하여 다음과 같이 수정할 수 있습니다.)* **수정된 더 정확한 번역:** 이 논문은 질량분석 기반 프로테오믹스에서 데이터 오해석을 초래할 수 있는 인-소스 분해 (ISF) 의 발생 빈도와 영향을 광범위한 데이터를 통해 규명하고, 유지 시간 분석과 정밀한 피크 매칭을 기반으로 한 오픈소스 ISF 탐지 및 제거 전략을 제시하여 그 영향을 완화하는 방안을 모색했습니다.

핵심

이 논문은 질량 분석기 (Mass Spectrometer) 라는 정교한 장비를 이용해 단백질을 연구할 때 발생하는 **'우연한 오해'**에 대해 이야기합니다.

마치 **정교한 요리사 (과학자)**가 **고급 카메라 (질량 분석기)**로 요리의 재료를 찍어 분석하는데, 카메라가 너무 예민해서 재료 자체가 아니라, 재료가 조리되는 과정에서 떨어져 나간 **조각 (파편)**까지 진짜 재료인 것처럼 잘못 인식하는 상황을 다룹니다.

이 현상을 **'인-소스 분해 (In-Source Fragmentation, ISF)'**라고 부릅니다.

🍳 핵심 비유: "요리 중 떨어지는 부스러기"

상상해 보세요. 여러분이 맛있는 스테이크를 잘게 썰어서 접시에 담고 있습니다. 이때 칼질하는 과정에서 고기에서 작은 부스러기가 떨어집니다.

1. 진짜 재료 (Parent Peptide): 우리가 의도해서 썬 스테이크 조각입니다.
2. 부스러기 (In-Source Fragment): 칼질할 때 우연히 떨어져 나간 작은 고기 조각입니다.

이 논문은 **"이 부스러기들이 진짜 스테이크 조각인 것처럼 오해받지 않도록 어떻게 구별할까?"**를 연구했습니다.

---

🔍 이 연구가 발견한 3 가지 중요한 사실

1. 부스러기가 너무 많아요! (빈도)

연구진은 다양한 실험 데이터를 분석했는데, 놀랍게도 단백질 조각 (펩타이드) 중 약 22% 가 '부스러기' (ISF) 였습니다. 특히 실험 샘플이 단순할수록 (예: 단백질이 섞인 물만 있는 경우) 이 부스러기들이 더 많이 나타났습니다.

• 비유: 복잡한 도시 (복잡한 샘플) 에서는 진짜 사람 (진짜 단백질) 이 많아서 쓰레기 (부스러기) 를 잘 못 보지만, 텅 빈 공원 (단순한 샘플) 에서는 쓰레기 하나하나가 눈에 띄게 됩니다.

2. 부스러기는 '진짜'처럼 생겼지만, '시간'이 다릅니다. (구별법)

이 부스러기들은 진짜 단백질 조각과 아미노산 서열이 비슷해서 컴퓨터 프로그램이 혼동하기 쉽습니다. 하지만 결정적인 차이가 하나 있습니다. 바로 **'나오기 시간 (체류 시간)'**입니다.

• 비유: 진짜 스테이크 조각과 부스러기가 같은 배를 타고 항구에 도착합니다. 하지만 부스러기는 배에서 떨어졌기 때문에, 진짜 조각과 정확히 같은 시간에 물에 떨어집니다.
• 해결책: 연구진은 이 '동시 도착 (Retention Time)' 현상을 이용했습니다. "서열은 비슷하지만, 같은 시간에 같은 곳에서 나왔다면? 아, 이건 원래 큰 조각에서 떨어져 나간 부스러기구나!"라고 판단하는 알고리즘을 만들었습니다.

3. 어떤 실험에서 가장 위험할까? (영향)

• 면역 펩타이드 (Immunopeptidomics): 우리 몸의 면역 세포가 인식하는 아주 작은 단백질 조각들을 연구할 때 가장 위험합니다. 부스러기들이 진짜 면역 신호인 것처럼 잘못 해석되면, 가짜 백신을 개발하거나 잘못된 치료를 할 수 있습니다. 특히 9 개 이하의 아미노산으로 된 아주 짧은 조각들 중 37% 가 가짜 부스러기일 수 있다고 합니다.
• 단백질 양 측정: 다행히도, 단백질의 '양'을 재는 데는 큰 영향을 주지 않았습니다. 부스러기가 있든 없든, 전체적인 무게 (양) 는 비슷하게 잡히기 때문입니다. 하지만 어떤 단백질이 있는지 '식별'하는 데는 큰 혼란을 줍니다.

---

🛠️ 연구진이 제안하는 해결책

이 논문은 과학자들에게 다음과 같은 조언을 합니다:

1. 자동 필터링: 이제부터는 단백질 데이터를 분석할 때, 위와 같은 '동시 도착' 알고리즘을 자동으로 돌려서 가짜 부스러기를 찾아내고 제거해야 합니다.
2. 장비 설정 조절: 질량 분석기의 온도나 전압을 너무 높게 설정하면 부스러기가 더 많이 생깁니다. 실험 조건을 조금만 조정하면 이 문제를 줄일 수 있습니다.
3. 주의가 필요한 분야: 면역학이나 단백질 구조 연구처럼 '짧은 조각'이나 '비정형적인 조각'을 찾는 실험에서는 이 가짜 부스러기를 반드시 걸러내야 합니다.

💡 결론

이 연구는 **"우리가 보고 있는 데이터가 진짜일지, 아니면 장비가 만들어낸 가짜일지 확인하는 새로운 안경"**을 만들어준 것입니다.

앞으로 더 민감해진 최신 장비들은 더 많은 미세한 신호를 잡아내지만, 그중에는 '부스러기'도 많습니다. 이 논문의 방법론을 쓰면, 진짜 생물학적 신호와 장비가 만들어낸 잡음 (Noise) 을 명확히 구분하여, 더 정확하고 신뢰할 수 있는 의학 및 생명 과학 연구를 할 수 있게 됩니다.

한 줄 요약:

"질량 분석기라는 카메라가 찍은 사진 속의 '부스러기'들을 진짜 '재료'로 오해하지 않도록, 같은 시간에 도착하는지 확인하는 새로운 필터를 만들었습니다."

기술 요약

논문 요약: 질량 분석 기반 프로테오믹스에서의 인-소스 단편화 (ISF)

1. 문제 제기 (Problem)

• 배경: 질량 분석 (MS) 기반 프로테오믹스, 특히 면역프로테오믹스 (immunopeptidomics), 구조 프로테오믹스, 번역후 변형 (PTM) 분석 등 펩타이드 중심의 분석 기법이 증가하고 있습니다.
• 핵심 문제: 전기분무 이온화 (ESI) 과정에서 펩타이드가 생물학적으로 의미 있는 분해가 아닌, 크로마토그래피 분리 후 첫 번째 질량 필터 전에 발생하는 인-소스 단편화 (In-Source Fragmentation, ISF) 를 겪을 수 있습니다.
• 위험: ISF 로 생성된 펩타이드는 실제 생물학적 샘플에 존재하지 않는 인공물 (artifact) 이지만, 데이터 해석 시 실제 생물학적 펩타이드로 오인될 수 있어 데이터의 질적 왜곡을 초래합니다.
• 현황: 대사체학 (metabolomics) 에서는 ISF 가 널리 연구되었으나, 전통적인 바텀 - 업 프로테오믹스 (bottom-up proteomics) 에서는 단백질 정량 분석 시 펩타이드 수준이 단백질 수준으로 집계되므로 영향이 작다고 여겨져 상대적으로 간과되어 왔습니다. 그러나 데이터 독립적 획득 (DIA) 방식과 고감도 장비의 등장으로 저농도 ISF 신호도 검출 가능해지면서 그 영향력이 재조명받고 있습니다.

2. 방법론 (Methodology)

저자들은 ISF 의 유무와 특성을 규명하기 위해 다음과 같은 접근법을 개발하고 적용했습니다.

• ISF 탐지 알고리즘 개발:
  • 원리: ISF 는 크로마토그래피 분리 후 발생하므로, 부모 펩타이드 (Parent) 와 단편 펩타이드 (Fragment) 는 동일한 머무름 시간 (Retention Time, RT) 을 가지지만 분자량은 다릅니다.
  • 절차:
    1. 시퀀스가 부분적으로 겹치는 펩타이드 쌍을 식별합니다.
    2. 각 쌍의 머무름 시간 차이 ($\Delta$RT) 를 계산합니다.
    3. 전하 상태만 다르고 질량은 동일한 펩타이드 쌍 (Ground Truth) 의 $\Delta$RT 분포를 분석하여 '동시 용출 (co-elution)'의 임계값 (cutoff) 을 통계적으로 결정합니다.
    4. $\Delta$RT 가 임계값 이하인 쌍을 ISF 증거가 있는 것으로 분류하고, 부모 - 자식 관계를 매핑합니다.
    5. ISF 네트워크를 구축하여 복잡한 단편화 패턴을 분석합니다.
• 데이터셋 구성:
  • 13 개의 자체 생성 데이터셋 (다양한 복잡도의 샘플: 펩타이드 믹스, 단백질 믹스, 효모, 대장균, 인간 세포주, 면역프로테오믹스, 리미티드 프로테올리시스 등) 과 25 개의 공개된 데이터셋을 총 38 개, 317 개의 샘플로 분석했습니다.
  • 다양한 장비 (Orbitrap Exploris 480, Astral, Q Exactive Plus 등) 와 파라미터 (RF, 온도, 전압) 를 변경하여 ISF 발생 양상을 평가했습니다.
• 검증: 상업용 소프트웨어 (Spectronaut 20) 의 ISF 탐지 기능과 비교하여 알고리즘의 정확성을 검증했습니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

가. ISF 의 보편성과 영향력

• 발생률: 일반적인 트립신 소화 샘플에서 완전 트립신 펩타이드의 약 1%, 반-트립신 (semi-tryptic) 펩타이드의 약 22% 가 ISF 기원인 것으로 확인되었습니다.
• 샘플 복잡도 의존성: 샘플 복잡도가 낮을수록 ISF 비율이 급격히 증가했습니다. 저복잡도 샘플 (단백질/펩타이드 믹스) 에서는 ISF 가 전체 펩타이드 식별의 30% 이상을 차지하기도 했습니다.
• 신호 점유율: ISF 와 그 부모 펩타이드를 합산할 경우, 전체 펩타이드 신호 강도의 최대 **37%**까지 ISF 관련 신호가 차지할 수 있었습니다.

나. ISF 의 특성

• 구조적 특징: ISF 는 주로 N 말단에서 발생하며, 부모 펩타이드보다 1~2 개의 아미노산이 짧은 경우가 많습니다.
• 결합 부위 선호도: Val-Leu, Val-Ile, Val-Ala 등 소수성 아미노산이 F1' 위치에, Proline 이 F1 위치에 위치할 때 단편화가 잘 일어나는 경향이 있었습니다.
• PTM 영향: 메티오닌 산화 및 N 말단 아세틸화와 같은 PTM 이 ISF 로 인해 제거되는 현상 (PTM ISF) 이 관찰되었으며, 인산화 (Phosphorylation) 의 경우 티로신 (Tyr) 인산화가 세린/트레오닌보다 ISF 에 더 취약했습니다.

다. 장비 및 파라미터 의존성

• 장비 차이: 동일한 샘플을 다른 장비로 측정했을 때 ISF 비율이 크게 달랐습니다 (예: Exploris 480 은 5.68%, Astral 은 1.51%, QE+ 는 1.07%).
• 파라미터 영향: Funnel RF(전파) 와 Ion Transfer Capillary (ITC) 온도가 ISF 발생에 가장 큰 영향을 미쳤습니다. RF 와 온도가 높을수록 ISF 가 증가했습니다. 전압은 큰 영향을 주지 않았습니다.

라. 정량 분석 및 특정 분야 영향

• 상대 정량 (Relative Quantification): ISF 는 펩타이드/단백질의 상대 정량 정확도에 큰 영향을 미치지 않았습니다. 오히려 ISF 부모 펩타이드는 높은 신호 강도로 인해 정량 오차가 작았습니다. 하지만 ISF 단편을 부모 펩타이드 그룹에 합치면 정량 오차가 미세하게 증가하는 경향이 있어, ISF 펩타이드는 필터링하는 것이 권장됩니다.
• 면역프로테오믹스 (Immunopeptidomics): HLA-I 펩타이드 (9~14 aa) 분석에서 9 개 미만 아미노산으로 이루어진 짧은 펩타이드의 경우, ISF 가 전체 식별의 **37%**까지 차지하여 생물학적 신호와 혼동될 위험이 매우 높았습니다.
• 리미티드 프로테올리시스 (LiP-MS): 반-트립신 펩타이드가 많지만, ISF 로 인한 오인은 전체의 1~4% 수준으로 낮아 LiP 분석에는 큰 문제가 되지 않는 것으로 나타났습니다.

마. DIA 분석의 한계

• 기존 DIA 분석 알고리즘은 펩타이드가 하나의 피크로만 존재한다고 가정합니다. 그러나 ISF 로 인해 하나의 펩타이드 시퀀스가 여러 RT 에서 피크를 형성할 수 있는데, 이를 고려하지 않으면 ISF 를 과소평가하거나 실제 펩타이드 식별을 놓칠 수 있습니다.

4. 의의 및 결론 (Significance)

• 데이터 해석의 정확성 제고: ISF 는 저복잡도 샘플 및 펩타이드 중심 분석 (면역프로테오믹스 등) 에서 데이터 오해석의 주요 원인이 될 수 있으므로, 이를 탐지하고 제거하는 과정이 표준 분석 파이프라인에 포함되어야 합니다.
• 새로운 분석 도구 제시: 머무름 시간 (RT) 기반의 ISF 탐지 알고리즘을 제안하여, 오픈 소스 도구로 활용 가능하게 했습니다.
• 실험 조건 최적화: 장비 파라미터 (RF, 온도 등) 를 조절하여 ISF 를 최소화하는 것이 데이터 품질 향상에 필수적임을 입증했습니다.
• 미래 전망: ISF 패턴을 이해하면 기존에 주석되지 않은 미지의 질량 신호 (unannotated m/z features) 를 해석하는 데 기여할 수 있으며, 특히 PTM 이나 측쇄 변형과 관련된 새로운 단편화 메커니즘을 규명하는 데 도움이 될 것입니다.

요약하자면, 이 연구는 인-소스 단편화 (ISF) 가 프로테오믹스 데이터에서 무시할 수 없는 빈도로 발생하며, 특히 펩타이드 중심 분석에서 심각한 오해석의 원인이 될 수 있음을 입증했습니다. 저자들은 이를 탐지하고 제거하기 위한 계산적 방법론과 실험적 전략을 제시하여 프로테오믹스 데이터의 신뢰성을 높이는 데 기여했습니다.