현대 proteomics 분석에서 LC-MS/MS 시스템의 성능은 단순히 질량분석기 자체의 스펙만으로 결정되지 않습니다.
실제 peptide identification 품질은 다음과 같은 upstream 분석 조건에 훨씬 더 크게 영향을 받습니다.
- 샘플 준비(sample preparation)
- 오염(contamination)
- LC 분리 품질
- ion suppression
- peptide cleanup
- gradient 최적화
- 컬럼 선택
- electrospray 안정성
실제로 고성능 Orbitrap 또는 TOF 장비를 사용하더라도 샘플 준비나 LC 조건이 좋지 않으면 peptide identification 성능은 크게 저하될 수 있습니다.
즉, 성공적인 proteomics 분석은 단순한 MS 성능 경쟁이 아니라:
- sample preparation
- chromatographic separation
- ionization stability
- fragmentation quality
- data acquisition
전체 workflow 최적화의 결과입니다.
이 글에서는 실제 LC-MS/MS peptide 분석 품질에 직접 영향을 주는 핵심 요소들을 정리합니다.
 |
| The comprehensive nanoLC-MS/MS proteomics workflow pipeline, illustrating how upstream sample preparation and downstream chromatographic conditions directly dictate the quality of high-confidence peptide identification. |
1. 왜 Sample Preparation이 중요한가
많은 사용자들이 peptide identification 실패 원인을 database search 또는 MS 성능에서 찾지만, 실제 원인은 sample preparation 단계에 있는 경우가 매우 많습니다.
잘못된 sample preparation은 다음 문제를 유발할 수 있습니다.
- incomplete digestion
- peptide loss
- contamination
- unstable LC separation
- 낮은 signal intensity
- poor reproducibility
반대로 좋은 sample preparation은:
- peptide recovery 증가
- ionization efficiency 향상
- chromatographic stability 개선
- fragmentation 품질 향상
- identification confidence 증가
로 이어집니다.
2. Sample Cleanliness와 Purity
Dirty sample은 LC-MS/MS troubleshooting에서 가장 흔한 문제 중 하나입니다.
대표적인 contaminant:
- salt
- detergent
- PEG contamination
- keratin
- plasticizer
- surfactant
- polymer residue
이들은 다음 문제를 유발합니다.
- ion suppression
- chemical noise 증가
- unstable electrospray
- precursor intensity 감소
- poor fragmentation quality
심한 경우에는:
- nanoESI emitter
- LC tubing
- capillary
- ion source
오염까지 유발할 수 있습니다.
Proteomics에서는 sample purity 자체가 데이터 품질입니다.
3. Protein Digestion 품질
Bottom-up proteomics의 핵심은 효율적인 enzymatic digestion입니다.
가장 널리 사용되는 enzyme은:
- Trypsin
입니다.
Trypsin digestion 품질은:
- peptide length distribution
- charge state
- fragmentation behavior
- database search confidence
에 직접 영향을 줍니다.
Poor digestion은:
- missed cleavage
- nonspecific cleavage
- peptide degradation
- sequence coverage 감소
를 유발할 수 있습니다.
중요한 digestion 조건:
- enzyme-to-protein ratio
- temperature
- pH
- digestion time
- denaturant concentration
4. Sample 농축 및 희석 최적화
샘플을 너무 많이 넣는 것도 문제이고, 너무 적게 넣는 것도 문제입니다.
Overloading 시:
- peak broadening
- co-elution 증가
- ion suppression
- detector saturation
- unstable spray
문제가 발생할 수 있습니다.
반대로 너무 dilute하면:
- precursor intensity 감소
- MS/MS triggering 감소
- identification depth 감소
로 이어집니다.
적절한 loading amount는:
- LC column dimension
- flow rate
- sample complexity
- instrument sensitivity
에 따라 달라집니다.
5. Internal Standard와 QC Sample
안정적인 LC-MS/MS 분석에서는 QC monitoring이 필수입니다.
Internal standard와 QC sample은:
- retention time stability
- digestion consistency
- sensitivity drift
- long-term reproducibility
를 모니터링하는 데 사용됩니다.
대표적인 QC 예시:
- iRT peptide
- pooled QC
- system suitability sample
- spike-in peptide
QC 없이 장기간 proteomics 데이터를 신뢰하기는 어렵습니다.
6. Peptide Cleanup 및 Extraction
Peptide cleanup은 LC-MS/MS에서 매우 중요합니다.
대표적인 cleanup 방법:
- SPE (solid-phase extraction)
- desalting
- liquid-liquid extraction (LLE)
- precipitation
Cleanup의 목적은:
- salt 제거
- detergent 제거
- lipid 제거
- buffer 제거
- hydrophobic contaminant 제거
입니다.
Proper cleanup은:
- ionization efficiency 향상
- cleaner MS spectra
- spray stability 증가
- reproducibility 향상
으로 이어집니다.
7. LC Mobile Phase와 용매 선택
LC solvent는 peptide separation과 electrospray 안정성에 매우 큰 영향을 줍니다.
대표적인 mobile phase:
- Water + 0.1% Formic Acid
- Acetonitrile + 0.1% Formic Acid
하지만 실제 성능은 다음 요소에 크게 좌우됩니다.
- solvent purity
- additive quality
- pH stability
- LC-MS compatibility
Low-quality solvent는:
- background peak
- contamination
- unstable baseline
- spray instability
를 유발할 수 있습니다.
따라서 LC-MS grade solvent 사용이 권장됩니다.
8. Peptide 분석용 LC 컬럼 선택
LC column 선택은 peptide separation 품질을 결정하는 핵심 요소 중 하나입니다.
컬럼 특성은 다음에 직접 영향을 줍니다.
- peptide resolution
- peak capacity
- sensitivity
- backpressure
- reproducibility
Particle Size
Smaller particle은:
- sharper peak
- higher efficiency
- better proteome coverage
를 제공합니다.
하지만:
- pressure 증가
- clogging risk 증가
단점도 존재합니다.
Column Length
Long column은:
- better separation
- higher peak capacity
- improved proteome depth
를 제공합니다.
반면:
- longer runtime
- higher pressure
- carryover risk 증가
문제가 있을 수 있습니다.
Column Internal Diameter (ID)
NanoLC narrow ID column은 peptide dilution을 줄여 sensitivity를 향상시킵니다.
하지만 nanoLC는:
- clogging
- leak
- spray instability
- flow fluctuation
에 더 민감합니다.
Stationary Phase Chemistry
대부분의 peptide 분석은 reversed-phase C18 column을 사용합니다.
하지만 C18 chemistry에 따라:
- hydrophobic retention
- peptide selectivity
- peak shape
- phosphopeptide behavior
가 달라질 수 있습니다.
Peptide MS/MS 데이터 품질에 영향을 주는 핵심 LC Parameter
| LC Parameter | Choice / Setup | Impact on Peptide MS/MS Data Quality |
|---|---|---|
| Particle Size | Smaller (≤ 2 μm) | Sharper peaks, higher peak capacity → 더 깊은 proteome coverage |
| Column ID | NanoLC (≤ 75 μm) | Dilution 감소 → Low-abundance peptide sensitivity 증가 |
| Gradient Length | Long (90–120+ min) | Co-elution 감소 → Chimeric spectra 감소 |
| Mobile Phase | Water/ACN + 0.1% FA | Stable protonation → 고품질 b/y ion fragmentation |
| Column Temperature | Stable thermal control | Better RT reproducibility → 정량 reproducibility 향상 |
| Flow Stability | Stable nano-flow | Stable electrospray → MS/MS acquisition reproducibility 증가 |
| Sample Load | Optimized peptide amount | Ion suppression 및 peak distortion 감소 |
| Cleanup Quality | SPE/desalting cleanup | Cleaner MS1/MS2 spectra |
| Peak Capacity | High-resolution LC separation | Better precursor isolation for DDA/DIA |
9. Gradient Elution 전략
Gradient optimization은 실제 proteomics에서 가장 과소평가되는 요소 중 하나입니다.
Poor gradient condition은:
- peptide co-elution
- chimeric MS/MS spectra
- ion suppression
- precursor isolation quality 저하
- identification rate 감소
를 유발할 수 있습니다.
왜 Gradient Elution이 중요한가
Proteomics sample에는 수천~수만 개 peptide가 존재합니다.
Gradient elution은 organic solvent 비율을 점진적으로 증가시켜 peptide를 시간에 따라 분리합니다.
이를 통해:
- precursor purity 향상
- spectral complexity 감소
- MS/MS acquisition efficiency 증가
- proteome depth 증가
효과를 얻을 수 있습니다.
Short Gradient vs Long Gradient
장점:
- 높은 throughput
- 빠른 분석
- routine QC 적합
단점:
- co-elution 증가
- peak capacity 감소
- identification 감소
장점:
- better peptide separation
- deeper proteome coverage
- reduced spectral complexity
단점:
- throughput 감소
- runtime 증가
- carryover risk 증가
Deep proteomics에서는 long gradient가 선호됩니다.
Shallow Gradient vs Steep Gradient
Shallow gradient는 closely eluting peptide separation을 향상시키지만 runtime이 증가합니다.
Steep gradient는 빠르지만 peptide compression과 spectral complexity 증가를 유발할 수 있습니다.
Optimal gradient는:
- sample complexity
- throughput
- instrument speed
- LC pressure limitation
에 따라 달라집니다.
10. Column Temperature 최적화
Column temperature는 chromatographic reproducibility에 직접 영향을 줍니다.
적절한 temperature control은:
- peak shape 개선
- solvent viscosity 감소
- retention stability 향상
- separation efficiency 증가
효과를 제공합니다.
NanoLC proteomics에서는 temperature fluctuation만으로도 RT drift가 발생할 수 있습니다.
11. Carryover와 오염 관리
Carryover는 false-positive peptide signal의 주요 원인입니다.
대표적인 source:
- autosampler
- injector needle
- LC tubing
- analytical column
- ion source
대표 증상:
- blank에서 반복 peak
- persistent peptide signal
- elevated background
정기적인 cleaning protocol이 필수입니다.
12. Ion Suppression과 Matrix Effect
Ion suppression은 co-eluting compound가 peptide ionization efficiency를 감소시키는 현상입니다.
원인:
- salt
- detergent
- phospholipid
- highly abundant peptide
- biological matrix
결과:
- precursor intensity 감소
- MS/MS triggering 감소
- sensitivity 감소
Good chromatography는 ion suppression을 줄이는 가장 효과적인 방법 중 하나입니다.
13. Spray Stability와 장비 안정성
Stable electrospray는 reproducible peptide analysis의 핵심입니다.
Spray instability는:
- fluctuating intensity
- missing MS/MS scans
- inconsistent precursor selection
- poor reproducibility
를 유발할 수 있습니다.
대표 원인:
- dirty emitter
- partial clogging
- unstable nano-flow
- air bubble
- contaminated solvent
- grounding issue
실제 LC-MS troubleshooting에서 spray instability는 매우 흔한 hidden problem입니다.
14. 좋은 Chromatography가 더 좋은 MS/MS 데이터를 만드는 이유
많은 사용자가 MS resolution에 집중하지만 실제 peptide identification 품질은 chromatography quality에 훨씬 더 크게 좌우됩니다.
Good chromatography는:
- precursor purity 향상
- signal-to-noise 개선
- fragmentation quality 향상
- dynamic range 증가
- identification confidence 향상
을 제공합니다.
반대로 poor chromatography는:
- co-isolation
- chimeric spectra
- ion suppression
- unstable quantitation
를 유발합니다.
실제 proteomics workflow에서는 search parameter를 바꾸는 것보다 LC 조건 개선이 identification performance를 더 크게 향상시키는 경우가 많습니다.
15. 마무리
LC-MS/MS peptide analysis의 성능은 단순한 mass spectrometer specification만으로 결정되지 않습니다.
실제 proteomics 데이터 품질은:
- sample preparation
- chromatography
- cleanup
- LC optimization
- spray stability
- contamination control
같은 analytical chemistry fundamentals에 의해 크게 좌우됩니다.
좋은 proteomics workflow는 결국:
“좋은 sample + 좋은 chromatography + 안정적인 ionization”
에서 시작됩니다.
FAQ
왜 long gradient가 proteomics에서 많이 사용되나요?
Long gradient는 peptide co-elution을 줄여:
- deeper proteome coverage
- fewer chimeric spectra
- improved precursor isolation
효과를 제공합니다.
NanoLC가 sensitivity가 높은 이유는 무엇인가요?
NanoLC는 extremely low flow rate를 사용하여 peptide dilution을 최소화합니다.
그 결과:
- ionization efficiency 증가
- low-abundance peptide detection 향상
효과를 얻을 수 있습니다.
Ion suppression은 왜 발생하나요?
Salt, detergent, phospholipid 등 co-eluting compound가 peptide ionization을 방해하기 때문입니다.
왜 LC-MS grade solvent를 사용해야 하나요?
Low-quality solvent는 background contamination과 unstable spray를 유발할 수 있기 때문입니다.
Chimeric spectrum은 왜 문제인가요?
여러 precursor ion이 동시에 fragmentation되면 database search confidence가 감소하고 false identification risk가 증가합니다.
