MS1 Peak Intensity 기반 정량과 Spectral Counting 방식 비교
Proteomics LC-MS/MS 분석에서는 단백질의 존재 여부만 확인하는 것이 아니라, 샘플 간 단백질 abundance 차이를 비교하는 정량 분석이 매우 중요합니다.
예를 들어:
- 질병군 vs 정상군
- 약물 처리 전후
- 세포주 간 발현 차이
- 시간 경과에 따른 proteome 변화
등을 분석하기 위해서는 단백질 abundance를 정량적으로 비교해야 합니다.
이때 가장 널리 사용되는 접근 중 하나가:
- Label-Free Quantitation (LFQ)
입니다.
LFQ는 isotope label이나 chemical tag 없이 LC-MS/MS 데이터만으로 peptide 및 protein abundance를 비교하는 방법입니다.
현대 proteomics에서는 다음 두 가지 LFQ 접근이 대표적입니다.
- MS1 Peak Intensity 기반 정량
- Spectral Counting 기반 정량
이 글에서는 두 방식의 원리와 차이점, 장단점, 그리고 왜 현대 proteomics가 intensity-based LFQ 중심으로 이동했는지를 설명합니다.
Label-Free Quantitation (LFQ)란 무엇인가?
Label-Free Quantitation은 샘플에 isotope label을 붙이지 않고 LC-MS/MS 데이터만으로 상대 abundance를 비교하는 정량 방식입니다.
대표적인 label 기반 정량 방법:
- SILAC
- TMT
- iTRAQ
반면 LFQ는 별도 labeling 과정이 필요하지 않습니다.
따라서:
- workflow 단순화
- 비용 절감
- 샘플 수 제한 감소
- large cohort 분석 가능
등의 장점이 있습니다.
Proteomics에서 정량이 중요한 이유
Proteomics의 핵심 목적은 단순 identification만이 아닙니다.
즉:
-
어떤 단백질이 존재하는가?
뿐 아니라 - 얼마나 많이 존재하는가?
를 측정하는 것이 중요합니다.
예를 들어 동일 peptide가:
- Sample A에서는 매우 강하게 검출
- Sample B에서는 약하게 검출
된다면, 해당 단백질 abundance 차이를 의미할 수 있습니다.
LFQ는 이러한 abundance 변화를 정량화하는 접근입니다.
MS1 Peak Intensity 기반 LFQ란 무엇인가?
현대 proteomics에서 가장 널리 사용되는 LFQ 방식은:
- MS1 precursor peak intensity 기반 정량
입니다.
핵심 원리는 매우 직관적입니다.
MS1 Intensity 기반 정량의 기본 원리
Peptide abundance가 높을수록:
- LC chromatographic peak area 증가
- ion signal intensity 증가
가 발생합니다.
즉:
Peptide abundance ↑
→ MS1 signal ↑
관계를 이용하는 것입니다.
LC-MS에서의 정량 과정
MS1 기반 LFQ는 일반적으로 다음 workflow를 사용합니다.
1 peptide precursor 검출
2 isotope envelope 추출
3 XIC 생성
4 chromatographic peak integration
5 peak area 계산
6 sample 간 intensity 비교
XIC (Extracted Ion Chromatogram)이란 무엇인가?
MS1 기반 LFQ의 핵심은:
- XIC (Extracted Ion Chromatogram)
입니다.
특정 precursor m/z에 대해 retention time 방향으로 intensity를 추출하면 chromatographic peak가 생성됩니다.
예:
m/z 523.276
↓
RT 12.1–12.8 min 구간에서 peak 형성
↓
Peak Area 계산
이 peak area가 peptide abundance를 반영합니다.
왜 Peak Area를 사용하는가?
단일 scan intensity는 noise 영향을 크게 받을 수 있습니다.
따라서 대부분의 LFQ 알고리즘은:
- chromatographic peak 전체 면적(area)
을 사용합니다.
즉:
-
peak height
보다 - integrated peak area
가 훨씬 안정적입니다.
Isotope Envelope와 LFQ
고해상도 MS에서는 precursor isotope envelope 전체를 활용할 수 있습니다.
예:
- M
- M+1
- M+2
signal을 함께 사용하면:
- quantitation precision 향상
- noise 감소
- peak integration 안정성 증가
효과가 있습니다.
Retention Time Alignment란 무엇인가?
LFQ에서는 sample 간 RT drift가 중요한 문제가 됩니다.
예:
Sample A:
RT 12.32 min
Sample B:
RT 12.58 min
같은 peptide라도 LC condition 변화로 RT가 이동할 수 있습니다.
따라서 현대 LFQ software는:
- RT alignment
를 수행합니다.
대표 software:
- MaxQuant
- Skyline
- DIA-NN
- Spectronaut
 |
| 좌측의 Spectral Counting은 DDA의 무작위 샘플링(Stochastic Sampling) 조건에서 MS2 가 발생한 횟수만을 세기 때문에 저농도나 고농도 구간에서 포화(Saturation) 문제가 발생하기 쉽습니다. 반면, 우측의 MS1 Peak Intensity 방식은 고해상도 장비에서 추출한 XIC의 전체 면적을 통합(Integration)하므로 훨씬 정밀하고 연속적인 정량이 가능합니다. |
Spectral Counting이란 무엇인가?
초기 proteomics에서는:
- Spectral Counting
방식이 널리 사용되었습니다.
원리는 매우 단순합니다.
Spectral Counting의 기본 원리
단백질 abundance가 높을수록:
- MS/MS spectrum 획득 횟수 증가
한다고 가정하는 것입니다.
예:
Protein A:
MS/MS spectra 120개
Protein B:
MS/MS spectra 12개
↓
Protein A abundance가 더 높다고 추정
왜 Spectral Counting이 사용되었는가?
초기 LC-MS/MS 시스템은:
- 낮은 resolution
- 제한된 scan speed
- 불안정한 chromatographic quantitation
문제가 있었습니다.
따라서 계산이 단순한:
- spectral counting
방식이 널리 사용되었습니다.
Spectral Counting의 장점
별도 chromatographic integration이 필요하지 않습니다.
초기 proteomics pipeline에 적합했습니다.
대략적인 abundance 비교에는 유용할 수 있습니다.
하지만 spectral counting에는 중요한 제한이 존재합니다.
DDA Stochastic Sampling 문제
DDA에서는 precursor selection이 intensity 기반으로 이루어집니다.
따라서:
- 어떤 peptide는 선택되고
- 어떤 peptide는 누락될 수 있습니다.
즉 spectral count는 instrument acquisition bias 영향을 강하게 받습니다.
Low-Abundance Protein 문제
낮은 abundance peptide는:
- MS/MS acquisition 자체가 드물게 발생
할 수 있습니다.
따라서 spectral counting은 low-level quantitation에 약합니다.
Dynamic Range 제한
Spectral count는 signal intensity를 직접 사용하지 않기 때문에:
- saturation
- nonlinear behavior
- dynamic range compression
문제가 발생할 수 있습니다.
왜 현대 Proteomics는 Intensity-Based LFQ를 선호하는가?
현재 proteomics는 대부분:
- MS1 intensity 기반 LFQ
중심으로 이동했습니다.
이유는 다음과 같습니다.
Chromatographic peak integration은 spectral counting보다 훨씬 정밀합니다.
특히:
- Orbitrap
- QTOF
같은 high-resolution instrument에서는 매우 높은 reproducibility를 제공합니다.
Intensity 기반 접근은 abundance 차이를 훨씬 연속적이고 정밀하게 반영합니다.
현대 DIA proteomics에서는:
- precursor intensity extraction
- fragment ion chromatogram
- RT correlation
기반 정량이 핵심입니다.
즉 DIA 발전과 함께 intensity-based quantitation 중요성이 더욱 커졌습니다.
LFQ에서 Missing Value가 발생하는 이유
LFQ의 가장 큰 문제 중 하나는:
- missing value
입니다.
예:
Sample A에서는 peptide 검출
Sample B에서는 미검출
상황이 발생할 수 있습니다.
원인:
- DDA stochastic sampling
- low signal intensity
- co-elution
- ion suppression
등.
Match Between Runs (MBR)란 무엇인가?
현대 LFQ software는 missing value 문제를 줄이기 위해:
- Match Between Runs (MBR)
알고리즘을 사용합니다.
핵심 개념은 다음과 같습니다.
A 샘플에서는 MS/MS가 획득되지 않아 peptide가 missing value 처리되었더라도,
- B 샘플에서 이미 확인된 정확한 precursor m/z
- retention time
- isotope pattern
정보를 alignment하여,
A 샘플의 MS1 signal에서 동일 feature를 강제로 찾아내 abundance를 복구하는 방식입니다.
이를:
- alignment-based transfer
라고도 합니다.
대표적으로:
- MaxQuant
- Skyline
- DIA-NN
등이 이러한 접근을 사용합니다.
Ion Suppression이 LFQ에 미치는 영향
LC-MS에서는 co-eluting compound가 ionization efficiency를 방해할 수 있습니다.
이를:
- ion suppression
이라고 합니다.
이 현상은 LFQ reproducibility를 감소시킬 수 있습니다.
DIA는 LFQ를 어떻게 개선했는가?
DIA는 전체 precursor window를 지속적으로 acquisition하기 때문에:
- missing value 감소
- reproducibility 증가
- quantitative consistency 향상
효과가 있습니다.
따라서 현대 quantitative proteomics에서는:
- DIA + intensity-based LFQ
조합이 빠르게 증가하고 있습니다.
LFQ에서 Normalization이 중요한 이유
샘플 간:
- injection volume
- ionization efficiency
- LC condition
차이가 존재할 수 있습니다.
따라서 LFQ에서는 normalization이 매우 중요합니다.
대표 방법:
- Total ion normalization
- Median normalization
- Quantile normalization
LFQ Workflow 예시
일반적인 LFQ proteomics workflow:
1 Protein digestion
2 LC-MS/MS acquisition
3 Peptide identification
4 Feature extraction
5 RT alignment
6 Peak integration
7 Normalization
8 Statistical analysis
LFQ와 TMT/iTRAQ의 차이
LFQ는 label-free 방식입니다.
반면:
- TMT
- iTRAQ
는 isotope label 기반 multiplex quantitation입니다.
LFQ 장점:
- 비용 감소
- sample number 제한 적음
- simpler workflow
TMT 장점:
- multiplexing
- reduced missing values
- stronger batch consistency
MS1 Intensity vs Spectral Counting 비교
| 항목 | MS1 Peak Intensity 기반 LFQ | Spectral Counting |
|---|---|---|
| 정량 기준 | Chromatographic peak area | MS/MS spectrum 횟수 |
| 정량 정밀도 | 높음 | 상대적으로 낮음 |
| Dynamic range | 넓음 | 제한적 |
| Low-abundance sensitivity | 우수 | 낮음 |
| DDA bias 영향 | 상대적으로 적음 | 큼 |
| 계산 복잡도 | 높음 | 낮음 |
| RT alignment 필요 | 필요 | 거의 없음 |
| High-resolution MS 의존성 | 높음 | 상대적으로 낮음 |
| DIA compatibility | 매우 우수 | 제한적 |
| 현대 proteomics 활용도 | 매우 높음 | 감소 추세 |
Practical Strategy: LFQ 데이터를 해석할 때 중요한 점
실제 LFQ 분석에서는 다음 항목을 반드시 확인하는 것이 좋습니다.
- chromatographic peak quality
- RT alignment 상태
- isotope pattern consistency
- missing value frequency
- normalization quality
- co-elution interference
- signal saturation 여부
Conclusion
Label-Free Quantitation (LFQ)은 현대 proteomics에서 가장 중요한 정량 전략 중 하나입니다.
초기 proteomics에서는 spectral counting이 많이 사용되었지만, 현재는 대부분:
- MS1 peak intensity 기반 정량
중심으로 발전했습니다.
특히 high-resolution LC-MS/MS와 DIA proteomics의 발전으로 인해:
- XIC extraction
- chromatographic peak integration
- RT alignment
- Match Between Runs (MBR)
- intensity-based quantitation
의 중요성이 크게 증가했습니다.
LFQ를 올바르게 이해하면:
- quantitative proteomics
- biomarker discovery
- differential expression analysis
- systems biology
데이터를 훨씬 정확하게 해석할 수 있습니다.
