SMILES 기반 In-silico Fragmentation과 실측 MS/MS 매칭 (실전 예시)

SMILES 기반 In-silico Fragmentation과 실측 MS/MS 매칭 (실전 예시)

아래 결과는 SMILES 구조를 기반으로 생성된 이론적 fragment와, 실제 LC-MS/MS에서 측정된 스펙트럼을 비교한 예시입니다. 

본 분석은 단순한 mass matching이 아니라, 다음의 통합 과정을 통해 수행되었습니다.

1. 구조 기반 Fragmentation 예측

• 입력: SMILES (펩타이드 구조 포함) : 펩타이드는 펩타이드 서열로 SMILES 표현을 생성할 수 있습니다.

• 처리:

  • 결합 유형 분석 (single, double, amide bond 등)

  • α-cleavage 가능 위치 탐색

  • 기능기 기반 neutral loss 예측

    • H₂O loss (-18 Da)

    • NH₃ loss (-17 Da)

    • CO₂ loss (-44 Da)

• 출력:

• fragment 구조 (SMILES 유지) 

• 분자식

• 이론 질량

2. Fragment Stability 평가

각 fragment는 단순 생성이 아니라 구조 기반 안정성 평가를 거칩니다.

• amide bond 인접 cleavage

• resonance stabilization 여부

• charge localization 가능성

→ 이를 통해 실제로 관측될 가능성이 높은 fragment만 선별됩니다.

3. In-silico Spectrum 생성

생성된 fragment를 기반으로:

• m/z 계산 (charge state 고려)

• isotope pattern 계산

• theoretical spectrum 생성

4. 실측 MS/MS와 매칭

아래 그래프에서:

• 검은색 peak → 실측 데이터

• 색상 peak → 이론 fragment

비교 결과:

• 주요 peak 대부분이 구조 기반 fragment로 설명 가능

• neutral loss fragment도 정확히 일치

• isotope pattern 또한 일관성 유지

5. 핵심 해석

이 결과는 다음을 의미합니다:

• 단순히 “mass가 맞는 후보”가 아니라
  → 구조적으로 타당한 후보만 선택됨

• 
  fragmentation이 설명되지 않는 후보는 자동으로 배제됨

6. 기존 접근과의 차이

기존 DB search:

• precursor mass 기반 후보 생성

• fragment match는 통계 기반

본 접근:

• SMILES 기반 구조 분석

• fragmentation을 직접 예측

• 구조 ↔ MS/MS 양방향 검증

7. 결론

SMILES 기반 fragmentation 분석은
단순 identification을 넘어:

• 구조 검증 (structure validation)

• false positive 제거

• unknown peak 해석

까지 확장 가능한 접근입니다.

핵심 요약

SMILES → 구조 → fragmentation → MS/MS 매칭

이 흐름이 일관되게 성립할 때
비로소 “신뢰 가능한 identification”이 가능합니다.

※ 본 글은 LC-MS/MS 기반 proteomics 분석 경험을 바탕으로 실무 관점에서 SMILES의 역할을 설명한 내용입니다.