현대 LC-MS/MS 분석은 단순히 precursor m/z 값을 측정하는 수준을 넘어, 분자의 구조(Structure)와 fragmentation chemistry를 함께 해석하는 방향으로 발전하고 있습니다.
특히 small molecule 분석에서는 단순 peak list 만으로는 다음과 같은 문제를 해결하기 어렵습니다.
- 왜 특정 fragment ion이 생성되는가?
- 어떤 결합이 preferentially cleavage 되는가?
- 합성한 신약 후보가 실제 의도한 구조와 일치하는가?
- 예상치 못한 peak는 impurity 인가, adduct 인가, degradation product 인가?
- isotope pattern은 구조를 어떻게 지지하는가?
이러한 문제를 해결하기 위해 최근 중요성이 커지고 있는 접근법이 바로:
SMILES 기반 Structure-Aware LC-MS/MS Interpretation
입니다.
이 접근법은 단순히 MS/MS peak를 나열하는 것이 아니라:
- 분자 구조
- functional group
- bond connectivity
- fragmentation pathway
- isotope signature
- experimental spectrum
을 하나의 workflow로 연결하여 해석합니다.
Small Molecule MS/MS 해석이 어려운 이유
Proteomics peptide fragmentation은 비교적 규칙적인 backbone cleavage를 따르는 경우가 많습니다.
반면 small molecule은 훨씬 복잡합니다.
예를 들어 small molecule에는:
- aromatic ring
- heterocycle
- halogen
- amide
- ester
- sulfonamide
- phosphate
- flexible side chain
등 매우 다양한 구조 요소가 존재합니다.
따라서 CID/HCD fragmentation 시:
- bond stability
- charge localization
- resonance stabilization
- rearrangement reaction
- neutral loss energetics
등의 영향으로 fragmentation pattern이 매우 복잡해질 수 있습니다.
심지어 동일 precursor mass를 가지더라도 구조에 따라 completely different MS/MS spectrum이 생성될 수 있습니다.
SMILES란 무엇인가?
SMILES(Simplified Molecular Input Line Entry System)는 화학 구조를 문자열로 표현하는 방식입니다.
예를 들어 aspirin은 다음과 같이 표현할 수 있습니다.
CC(=O)OC1=CC=CC=C1C(=O)O
SMILES는:
- atom connectivity
- bond type
- ring structure
- aromaticity
- branching
정보를 포함하기 때문에 machine-readable structure format으로 널리 사용됩니다.
이 정보를 이용하면 RDKit과 같은 cheminformatics toolkit에서:
- exact mass 계산
- formula 생성
- fragment simulation
- isotope pattern prediction
- 2D structure visualization
등이 가능합니다.
왜 Structure 정보가 LC-MS/MS 해석에 중요한가?
전통적인 LC-MS/MS 해석은 보통:
- precursor m/z
- retention time
- fragment ion mass
중심으로 이루어졌습니다.
하지만 structure-aware workflow에서는 다음 질문이 추가됩니다.
“이 fragment는 분자의 어느 부분에서 생성된 것인가?”
이 접근법은 다음 영역에서 매우 중요합니다.
- synthetic compound verification
- impurity analysis
- metabolite identification
- degradation product analysis
- environmental LC-MS
- forensic toxicology
Typical Structure-Guided LC-MS/MS Workflow
아래 workflow는 structure-aware LC-MS/MS interpretation의 전체 흐름을 보여줍니다.
Figure. Structure-aware LC-MS/MS interpretation workflow using SMILES-based fragmentation and experimental spectrum overlay.
(Click image to enlarge)
 |
| SMILES-driven LC-MS/MS interpretation workflow integrating structure-aware fragmentation, predicted isotope patterns, in silico fragment libraries, and expected-versus-observed spectrum matching. (Click image to enlarge) |
1. Chemical Structure 입력
분석자는:
- SMILES
- MOL
- SDF
형태로 화학 구조를 입력합니다.
이 단계에서 software는:
- formula
- exact mass
- isotope composition
- functional group
등을 계산할 수 있습니다.
2. SMILES 기반 Fragment Generation
다음 단계에서는 molecule 내부의 candidate bond를 virtual cleavage하여 theoretical fragment를 생성합니다.
각 fragment에 대해:
- fragment structure
- fragment SMILES
- exact mass
- formula
- isotope pattern
을 계산할 수 있습니다.
이 과정은 단순 peak prediction이 아니라:
structure-aware fragmentation
이라는 점이 중요합니다.
즉:
- 어떤 결합이 끊어질 가능성이 높은가?
- 어떤 fragment가 resonance stabilized 되는가?
- 어떤 neutral loss가 energetically favorable 한가?
를 함께 고려할 수 있습니다.
CID/HCD에서 특정 결합이 preferentially cleavage 되는 이유
Fragmentation은 분자 구조에 매우 강하게 의존합니다.
특정 bond는 다음 이유로 preferential cleavage를 보입니다.
- resonance stabilization
- aromatic stabilization
- charge stabilization
- low-energy neutral loss formation
예를 들어:
| Functional Group | Common Neutral Loss |
|---|---|
| Alcohol | H₂O loss |
| Amine | NH₃ loss |
| Carboxylic acid | CO₂ loss |
| Phosphate | H₃PO₄ loss |
| Sulfoxide | SO loss |
이러한 fragmentation chemistry를 이해하면 observed peak의 chemical meaning을 훨씬 잘 해석할 수 있습니다.
Isotope Pattern Simulation의 중요성
Structure-aware workflow의 강력한 장점 중 하나는 isotope simulation입니다.
특히 다음 원소들은 characteristic isotope signature를 가집니다.
| Element | Characteristic Pattern |
|---|---|
| Cl | M : M+2 ≈ 3:1 |
| Br | M : M+2 ≈ 1:1 |
| S | enhanced M+2 |
| Multiple N | stronger M+1 |
예를 들어 bromine-containing fragment는:
거의 1:1 비율의 M/M+2 isotope pattern
을 생성하기 때문에 fragment assignment confidence를 크게 높여줍니다.
Experimental MS/MS와 Overlay
Structure-aware workflow의 핵심은:
Expected vs Observed comparison
입니다.
즉:
- predicted fragment
- predicted isotope
- expected neutral loss
를 실제 LC-MS/MS spectrum과 overlay 합니다.
이를 통해:
- matching fragment
- missing fragment
- unexpected peak
- impurity candidate
- degradation product
등을 훨씬 직관적으로 확인할 수 있습니다.
합성 신약 후보 검증에서의 활용
Medicinal chemistry에서는 새로운 compound를 합성한 뒤 LC-MS/MS로 구조를 검증하는 workflow가 매우 흔합니다.
Typical workflow:
- 신규 compound 합성
- SMILES 생성
- theoretical fragment simulation
- LC-MS/MS acquisition
- expected vs observed comparison
이 과정을 통해:
- intended structure 확인
- impurity detection
- side product identification
- fragmentation consistency
를 평가할 수 있습니다.
Structure-Aware LC-MS/MS의 장점
1. Improved Fragment Annotation
Fragment peak가 단순 m/z 값이 아니라 chemical meaning을 가지게 됩니다.
2. Better Unknown Identification
Unknown peak 해석 정확도가 크게 향상됩니다.
3. Faster Impurity Analysis
Unexpected fragment를 통해:
- impurity
- degradation product
- side reaction product
등을 빠르게 추정할 수 있습니다.
4. Higher Confidence in Structure Verification
Predicted fragment와 experimental spectrum의 일치 여부를 통해 구조 검증 신뢰도가 증가합니다.
5. Improved Educational Value
2D fragment structure visualization은 fragmentation chemistry를 훨씬 직관적으로 이해하게 해 줍니다.
왜 이러한 접근이 아직 흔하지 않은가?
흥미롭게도 대부분의 LC-MS software는 여전히:
- peak picking
- XIC extraction
- quantitation
- database search
중심입니다.
반면 cheminformatics software는:
- fingerprint
- descriptor
- similarity calculation
중심인 경우가 많습니다.
즉:
Structure ↔ Fragment ↔ Isotope ↔ Experimental Spectrum
를 하나의 workflow로 연결하는 사례는 아직 많지 않습니다.
앞으로의 가능성
향후 small molecule LC-MS/MS는:
- structure-aware fragmentation
- isotope simulation
- AI-assisted annotation
- cheminformatics integration
- real-time interpretation
방향으로 더욱 발전할 가능성이 높습니다.
특히:
- metabolomics
- drug discovery
- impurity profiling
- forensic toxicology
- environmental analysis
분야에서 구조 기반 fragmentation interpretation의 중요성은 계속 증가할 것으로 보입니다.
 |
| Figure 1. Selection of precursor ions and candidate peptide identification using sequence-tag database searching. Candidate peptide sequences are identified before conversion into molecular structures for structure-aware fragmentation analysis. |
 |
| Figure 2. SMILES-based structure-aware fragmentation workflow. The selected peptide is converted into a SMILES representation, followed by molecular structure visualization, virtual fragment generation, molecular formula calculation, and isotope pattern prediction. |
 |
| Figure 3. Final step of the author's LC-MS/MS interpretation platform. Experimentally acquired MS/MS spectra are overlaid with structure-aware predicted fragments generated from the molecular SMILES representation, enabling intuitive fragment annotation and structural interpretation. |
결론
Small molecule LC-MS/MS 해석은 단순 peak matching만으로는 한계가 있습니다.
하지만:
- SMILES
- structure information
- fragmentation simulation
- isotope prediction
- experimental overlay
를 함께 사용하면:
chemically interpretable LC-MS/MS analysis
가 가능해집니다.
Cheminformatics와 LC-MS/MS가 결합된 structure-aware workflow는 앞으로 더욱 중요한 분석 접근법이 될 가능성이 높습니다.
관련글 :
전체 분석 구조를 단계별로 정리한 통합 페이지는 아래에서 확인할 수 있습니다.
→ LC-MS/MS 질량분석 전체 흐름 가이드 보기
