암 proteogenomics에서 단백체와 PTM은 무엇을 보여주는가

1. Proteogenomics는 mutation catalog가 아니라 functional state를 읽는 방식입니다

암 유전체 연구는 어떤 mutation, copy-number alteration, transcript change가 있는지를 잘 보여주지만, 그 변화가 실제 단백질 abundance와 pathway activity로 이어지는지는 별도 층에서 확인해야 합니다. CPTAC-style 연구들은 그래서 genome/RNA와 MS-based proteome·phosphoproteome을 붙여서 읽습니다.

Mertins 2016 breast cancer, Dou 2020 endometrial carcinoma, Gillette 2020 LUAD, Cao 2021 PDAC 같은 연구는 공통적으로 “유전체 이벤트가 protein abundance와 signaling state에서 어떻게 드러나는가”를 묻습니다. 따라서 protein identification count는 단순히 많이 찾았다는 수치가 아니라, downstream phenotype을 읽기 위한 좌표계의 크기입니다.

2. Identification count는 “생물학적 크기”가 아니라 workflow가 남긴 흔적입니다

논문마다 protein group, quantified protein, phosphosite, phosphopeptide, acetylsite, acetylated peptide가 서로 다른 단위로 보고됩니다. 그래서 phospho 70,000과 protein 12,000을 같은 축에서 “더 많다/더 좋다”로 읽으면 안 됩니다. phosphosite는 하나의 protein에서 여러 위치가 나올 수 있고, enrichment와 site localization 기준에 따라 수가 크게 달라집니다.

3. MS workflow는 sample → label → fractionation → enrichment → search 순서로 읽습니다

암 proteogenomics 연구에서 반복되는 큰 흐름은 TMT/iTRAQ multiplexing, high-pH or bRPLC fractionation, IMAC/Fe-NTA/TiO2 phosphopeptide enrichment, anti-K-ac enrichment, Orbitrap 계열 LC-MS/MS, MaxQuant/Spectrum Mill/Philosopher류 search입니다. 방법 이름을 외우는 것보다 “왜 이 단계가 필요한가”를 따라가는 게 더 중요합니다.

• TMT/TMTpro/iTRAQ: 여러 tumor sample을 같은 실험 batch 안에서 상대정량하기 위한 labeling 전략입니다. cohort subtype 비교에 강하지만 reference channel과 batch design을 봐야 합니다.
• Fractionation: peptide mixture 복잡도를 낮춰 더 많은 feature를 식별합니다. count는 늘 수 있지만 instrument time과 batch burden도 커집니다.
• IMAC/Fe-NTA/TiO2: low-abundance phosphopeptide를 농축해 kinase signaling을 site 단위로 볼 수 있게 합니다.
• K-ac enrichment: acetylated lysine peptide를 선택적으로 잡아 acetylome을 만들지만 샘플량과 antibody specificity 부담이 큽니다.
• Orbitrap 계열: Q Exactive, HF/HF-X, Fusion/Lumos가 반복적으로 등장하지만, 장비명만으로 count가 결정되지는 않습니다.

4. PTM 신호는 protein abundance와 분리해서 생각해야 합니다

PTM-aware cancer proteomics wiki에서는 “phosphosite 변화가 진짜 modification-specific regulation인지, 아니면 total protein abundance가 함께 변해서 생긴 효과인지”를 핵심 질문으로 잡습니다. 같은 protein이 두 배 많아지면 그 protein에서 나온 phosphopeptide도 같이 늘어날 수 있습니다. 그래서 kinase activity나 pathway activation을 말하려면 site signal과 protein abundance의 관계를 같이 봐야 합니다.

이 관점은 pan-cancer proteomics나 kinase inference에서 특히 중요합니다. phosphoproteome은 activity layer로 강력하지만, protein-normalized interpretation 없이 단순 phosphosite abundance만 읽으면 protein expression 변화와 signaling rewiring을 섞어버릴 수 있습니다.

단백체 데이터가 만들어지는 원리: 원문 Methods에서 반복되는 순서

이 카탈로그의 Methods에서 반복되는 핵심은 MS가 “완성된 단백질 하나”를 직접 세는 장비가 아니라, 시료 단백질을 peptide로 잘라 LC-MS/MS에서 peptide spectrum을 얻고, database search와 FDR 기준을 거쳐 protein group 또는 site count로 되돌려 읽는다는 점입니다. 그래서 protein count, peptide count, phosphosite count, acetylsite count를 한 단위처럼 섞으면 안 됩니다.

분석할 때 이 원리가 왜 중요한가

Subtype이나 pathway 분석을 할 때 “단백질이 많이 검출됐다”는 말만으로는 충분하지 않습니다. 같은 cohort라도 global proteome은 abundance 좌표를 만들고, phosphoproteome은 phosphorylation site 좌표를 만들고, acetylome은 lysine acetylation 좌표를 만듭니다. downstream 분석에서 protein abundance와 PTM abundance를 연결하려면, 각 값이 protein group인지 peptide인지 site인지 먼저 확인해야 합니다.

• Proteome 분석: RNA/protein correlation, CNV dosage, subtype abundance를 보려면 protein group 또는 quantified protein 단위를 씁니다.
• Phosphoproteome 분석: kinase activity나 pathway activation을 말하려면 phosphosite/phosphopeptide 단위와 localization 기준을 확인합니다.
• Acetylome 분석: chromatin/metabolic regulation을 해석할 때도 acetylsite와 acetylated peptide를 구분하고, enrichment antibody와 coverage 차이를 함께 봅니다.
• Count 비교: 같은 10,000이라도 protein group 10,000과 phosphosite 10,000은 의미가 다릅니다. 단일 cohort acquisition과 pan-cancer processed compendium도 직접 순위화하지 않습니다.