기본 콘텐츠로 건너뛰기

CTD 작성, 같은 숫자를 다르게 말하면 생기는 일 — 유효숫자와 부등호 표기 체크리스트

“이 표현은 왜 매번 보완 요구를 받을까.” CTD를 세 번째 제출하고도 같은 항목에서 Deficiency Letter를 받아본 RA 담당자라면 한 번쯔음 해봤을 생각입니다. 문제는 데이터 자체가 아니라, 데이터를 옮기는 과정에서 표현이 흔들리는 데 있습니다. CTD 작성은 결국 “같은 숫자를 처음부터 끝까지 같은 방식으로 말하는 작업”에 가깝습니다.

왜 같은 숫자가 문서마다 다르게 보일까

CTD는 한 사람이 처음부터 끝까지 쓰는 문서가 아닙니다. QC가 원자료를 만들고, 분석법 밸리데이션 담당자가 보고서를 작성하고, RA 담당자가 모듈 3로 옮기고, 다시 모듈 2 요약문으로 압축합니다. 숫자와 표현이 최소 세 번 손을 거치는 셈입니다.

이 과정에서 자주 발생하는 패턴은 크게 두 가지입니다.

  • 유효숫자 불일치: 규격이 소수점 둘째 자리(예: ≤ 0.05%)인데, 배치 분석표에는 0.047%처럼 더 정밀한 자리수가 섞여 들어가는 경우. 또는 중간 계산 단계에서 미리 반올림을 해버려 최종 합격/불합격 판정이 바뀌는 경우.
  • 부등호 표기 혼용: 정량한계(LOQ) 미만 데이터를 어떤 섹션에서는 “< 0.05%”로, 다른 섹션에서는 “ND” 또는 “0.0%”로 적는 경우. 또는 “이상/이하”와 “초과/미만”을 구분하지 않고 물결표(~)로 얼버무리는 경우.

두 패턴 모두 데이터가 잘못된 게 아닙니다. 같은 데이터를 말하는 방식이 모듈마다, 작성자마다 달라졌을 뿐입니다. 하지만 심사관 입장에서는 표기가 흔들리는 순간 “이 회사가 데이터를 제대로 관리하고 있는가”라는 더 근본적인 질문으로 넘어갑니다.

CTD 작성의 4가지 공통 원칙

규제기관마다 세부 요구사항은 다르지만, 여러 바이오·제약 기업이 공통적으로 따르는 글쓰기 원칙은 의외로 단순합니다.

1) 수동태 중심의 서술 (영문 작성 시)

주어가 누구인지보다 어떤 행위와 데이터가 수행되었는지가 중심이어야 합니다. “We analyzed the samples”보다 “The samples were analyzed”가 CTD 본문의 기본 어투입니다.

2) 시제를 용도에 맞게 분리

이미 끝난 특정 실험이나 배치 생산, 밸리데이션 결과는 과거형으로 기재합니다. 반면 현재 유효한 SOP나 일반적인 과학적 사실, 영구적인 공정 절차는 현재형으로 씁니다. 두 시제가 한 문단 안에서 뒤섞이면 “이게 1회성 결과인지 표준 절차인지” 심사관이 헷갈리게 됩니다.

3) 가치 판단적 형용사 배제

“매우 뛰어난 안정성”이나 “현저한 감소” 같은 주관적 표현은 CTD에서 설 자리가 없습니다. 통계적 유의성(p < 0.05)이나 구체적인 감소율 같은 수치로 대체해야 합니다. 형용사가 들어가는 순간 그 문장은 근거가 아니라 주장이 됩니다.

4) 약어는 모듈별로 다시 정의

같은 약어라도 모듈이 바뀌면 처음 등장할 때 풀네임을 다시 명시해야 합니다. CMC(Chemistry, Manufacturing, and Controls)처럼 흔한 약어도 예외는 아닙니다.

실무에서 통하는 해결책 3가지

원칙을 안다고 실수가 줄지는 않습니다. 실제로 효과가 있었던 운영 방식은 다음 세 가지로 정리됩니다.

해결책 1. 시험 항목별 유효숫자 가이드를 문서화하기

작성을 시작하기 전에 함량, 불순물, 미생물 등 시험 항목별로 규격 유효숫자를 표로 고정해 둡니다.

  • 함량(Assay) 규격이 95.0–105.0%라면 결과는 98.2%, 101.0%처럼 소수점 첫째 자리까지만 표기. 101%나 101.03%는 금지.
  • 불순물(Impurity) 규격이 ≤ 0.15%라면 결과는 0.07%, 0.11%처럼 둘째 자리까지 표기.

이 표 하나만 미리 합의해도, 작성자마다 자릿수를 임의로 정하는 일이 사라집니다. 중간 계산 단계에서는 최종 유효숫자보다 한 자리 이상 더 유지한 뒤 마지막에만 반올림하는 것이 원칙입니다. USP <1010>(Analytical Data—Interpretation and Treatment)에서도 규격이 요구하는 것보다 더 많은 소수점 자리로 데이터를 수집하고, 최종 계산이 끝난 뒤에만 반올림하라고 권고합니다. 중간에 미리 반올림하면 누적 오차로 합격이 불합격으로 바뀌는 일이 실제로 생깁니다.

해결책 2. 정량한계 미만 데이터의 부등호 표기를 하나로 통일하기

가장 추천하는 표기는 “< 0.05% (LOQ)”처럼 부등호 뒤에 구체적인 LOQ 수치를 함께 적는 방식입니다. 단순히 “< LOQ”라고만 적으면 심사관이 별첨 문서를 매번 뒤져서 실제 수치를 찾아야 합니다.

여기서 절대 피해야 할 표기가 “0” 또는 “0.0%”입니다. 실제로 측정값이 0인 것과 시험법의 한계로 검출하지 못한 것은 과학적으로 전혀 다른 의미이기 때문입니다. ND(Not Detected)는 검출한계(LOD) 미만, “< 0.05%”는 정량한계(LOQ) 미만이라는 점도 섹션마다 흔들리지 않게 구분해야 합니다.

경계값 표기도 같은 원칙입니다. pH 6.5–7.5처럼 물결표나 하이픈을 쓰면 경계값 포함 여부가 모호해집니다. ≥ 6.5 및 ≤ 7.5처럼 명확한 부등호로 통일하고, 제조공정·품질규격·밸리데이션 보고서 세 문서에서 동일하게 적용해야 합니다.

해결책 3. 데이터를 만지지 않은 제3자가 크로스체크하기

작성자 본인이 자기 문서를 다시 읽으면 착시 현상으로 오류가 잘 보이지 않습니다. QC 원자료나 밸리데이션 보고서의 수치가 모듈 3, 다시 모듈 2로 옮겨지는 과정에서 한 글자씩 유실되는 경우가 흔합니다.

가장 실질적인 방법은 데이터를 직접 다루지 않은 다른 파트원이나 QA 담당자에게 “규격서 수치와 본문 수치·부등호 일치 여부만” 타겟해서 검토하도록 체크리스트에 필수 단계로 넣는 것입니다. 검토 범위를 좁혀줄수록 실제로 더 꼼꼼하게 봅니다.

실전 체크리스트

아래 항목은 실제 허가 문서를 검토할 때 가장 자주 걸리는 항목만 추려낸 것입니다. CTD 작성을 마무리하기 전, 제출 직전 단계에서 한 번씩 훑어보길 권합니다.

데이터 및 수치 일관성

  • 모듈 3의 세부 데이터와 모듈 2 요약문에 인용된 수치가 완벽히 일치하는가
  • 동일 시험법의 결과·규격 소수점 자리수가 문서 전체에서 통일되었는가 (1.0%와 1.00%가 혼용되지 않았는가)
  • 정량한계 미만 결과의 부등호·문자 표기가 규격서와 결과 보고서 간에 일치하는가
  • 숫자와 단위 사이의 공백 규정이 전반에서 일관적인가 (37 °C vs 37°C)

문서 구조 및 포맷

  • ICH M4 규정에 따른 섹션 넘버링(3.2.S.4.1, 3.2.P.5.1 등)이 누락되거나 변형되지 않았는가
  • 외부 별첨 Validation Report나 SOP 번호가 최신 개정본과 일치하는가
  • 모든 표·그림에 일련번호와 타이틀이 있고, 본문에서 정확히 인용하고 있는가

톤앤매너

  • “~해야 한다(Should, Must)” 대신 “~하게 수행되었다(Was performed)”처럼 서술형으로 작성되었는가
  • “대체로(Generally)”, “약(Approximately)”, “필요 시(If necessary)” 같은 모호한 표현 대신 구체적 조건·기준이 명시되었는가

FAQ

Q. 유효숫자 가이드는 어느 부서가 만들어야 하나요?
보통 QA나 RA 부서가 주도하되, 실제 데이터를 생성하는 QC·분석팀과 함께 합의하는 방식이 가장 잘 정착됩니다. 한쪽에서만 정하면 현장 데이터와 맞지 않는 경우가 생깁니다.

Q. “< LOQ”와 “ND”를 같은 의미로 써도 되나요?
아닙니다. ND는 검출한계(LOD) 미만을 뜻하고 “< LOQ”는 정량한계 미만을 뜻하므로, 두 표현은 측정 가능 범위 자체가 다릅니다. 혼용하면 데이터의 실제 신뢰 구간이 왜곡되어 보입니다.

Q. 스타일 가이드를 만들 시간이 부족하면 어떻게 하나요?
전체 스타일 가이드를 한 번에 완성하지 않아도 됩니다. 이번 제출 건에서 다루는 시험 항목만이라도 유효숫자·부등호 표기 표를 먼저 만들고, 제출이 끝난 뒤 점진적으로 확장하는 방식이 현실적입니다.

참고문헌

  • USP General Chapter <1010> Analytical Data—Interpretation and Treatment — 분석 데이터의 통계적 처리 및 반올림 원칙(최종 계산 이후에만 반올림)을 규정.
  • ICH M4 (CTD: The Common Technical Document) — CTD 모듈 구성 및 섹션 넘버링 규정.

댓글

이 블로그의 인기 게시물

PyMOL 명령어 정리: 논문·발표용 이미지 스크립트까지 한 번에

PyMOL 명령어 정리: 논문·발표용 이미지 스크립트까지 한 번에 지난 PyMOL 설치·마우스 조작 글에 대한 반응이 예상보다 컸습니다. 설치는 끝냈고 화면도 어느 정도 돌려봤는데, 그다음이 막막하다는 분들이 많았습니다. 커맨드 라인에 뭘 쳐야 할지 몰라 결국 캡처 화면만 들고 보고서를 쓰거나, 어디서 복사해온 스크립트를 그대로 붙여 넣었다가 에러 메시지만 보고 포기하는 경우입니다. 이번 글은 그 다음 단계, 즉 실제로 자주 쓰는 명령어와 논문·발표용 이미지를 뽑아내는 스크립트를 정리합니다. 다만 인터넷에 떠도는 PyMOL 스크립트 중에는 예전 버전 문법이거나, 애초에 존재하지 않는 세팅 이름이 섞여 있는 경우가 적지 않습니다. 그래서 이 글에 실린 모든 명령어는 PyMOL 공식 문서와 PyMOL Wiki를 기준으로 하나씩 확인한 뒤 실었습니다. 확인 과정에서 실제로 동작하지 않는 표현 3곳을 발견해 수정했고, 어떤 부분이 왜 틀렸는지는 별도로 짚어두었습니다. 1. 화면 제어 및 구조 불러오기 커맨드 라인은 화면 하단에 있습니다. 아래 명령어들은 세션을 시작할 때 거의 매번 쓰게 되는 기본기입니다. PDB 구조 불러오기 : fetch 1tup — 인터넷에서 해당 PDB ID의 구조를 바로 내려받아 표시합니다. 배경색 변경 : bg_color white — 논문·발표 자료는 흰 배경이 기본입니다. 화면 정렬/초기화 : orient — 구조 전체가 화면에 꽉 차도록 각도와 확대 비율을 자동으로 맞춥니다. zoom 은 현재 각도를 유지한 채 확대 비율만 조정한다는 점에서 차이가 있습니다. 특정 부위로 확대 : zoom resi 150 — 150번 잔기를 중심으로 확대합니다. 도킹 부위나 특정 변이 위치를 자세히 볼 때 유용합니다. 2. 표시 방식과 컬러링 리본형(2차 구조 강조) : show cartoon 막대형(원자·결합 강조) : show sticks 공간 채움형 : show spheres 표면형 : show ...

PyMOL 설치 방법부터 마우스 사용법까지 — AI 신약개발 시대 분자 시각화 입문 가이드

"AI가 신약을 설계해준다"는 말은 이제 뉴스 헤드라인이 아니라 실험실의 일상이 되었습니다. 알파폴드 같은 단백질 구조 예측 모델이 구조 데이터를 쏟아내면서, 그 결과물을 사람이 눈으로 확인하고 해석하는 능력은 오히려 더 중요해졌습니다. 그 확인 작업의 표준 도구가 바로 PyMOL입니다. 그런데 막상 PyMOL을 처음 켜본 분들의 반응은 대체로 비슷합니다. 마우스를 드래그했는데 분자가 움직이는 줄 알았더니 사실은 화면(카메라)이 돌아간 것이고, 어떤 때는 또 분자 자체가 진짜로 움직여서 구조가 깨진 것처럼 보이기도 합니다. 단축키를 몰라서 우왕좌왕하다가 그냥 캡처 화면만 들고 보고서를 쓰는 경우도 많습니다. 이 글에서는 컴퓨터 비전공자도 따라 할 수 있도록 PyMOL 설치부터, 가장 많이 헷갈리는 마우스 동작의 원리, 실전 사용법까지 순서대로 정리합니다. PyMOL이 AI 신약개발 시대에 필수가 된 이유 PyMOL은 단백질, 핵산, 저분자 화합물 같은 생체분자의 3차원 구조를 시각화하는 프로그램입니다. 단순히 "예쁜 그림"을 만드는 도구가 아니라, 결합 부위의 형태를 확인하고 화합물이 들어갈 공간을 가늠하고 변이가 일어난 자리를 짚어내는 분석 도구입니다. 요즘 AI 신약개발 파이프라인은 보통 이런 흐름을 따릅니다. AI 모델이 단백질 구조를 예측하거나 결합 후보 화합물을 제안하면, 연구자가 그 결과를 분자 시각화 프로그램으로 열어 타당성을 검토합니다. 예측이 그럴듯해 보이는지, 입체 장애는 없는지, 알려진 결합 부위와 일치하는지를 눈으로 확인하는 단계가 빠지지 않습니다. 그 검증 단계에 PyMOL이 사실상 업계 표준으로 쓰이고 있어서, 생물학이나 제약 전공자라면 코딩 경험이 없어도 PyMOL 사용법 정도는 익혀두는 편이 유리합니다. PyMOL 설치, 두 가지 무료 경로 중 나에게 맞는 것 고르기 PyMOL은 신기하게도 "무료"라는 말이 두 가지 다른 의미로 쓰입니다. 어떤 경로로 받느냐에 따...

CQA(Critical Quality Attribute)란 무엇인가: 바이오의약품 CMC에서 "관리해야 할 것"을 정하는 방식

CQA(Critical Quality Attribute)란 무엇인가: 바이오의약품 CMC에서 "관리해야 할 것"을 정하는 방식 시험 목록을 보다 보면 이런 의문이 듭니다. "이 시험은 왜 하는 거지?" SEC-HPLC로 Aggregation을 보고, CEX로 Charge Variant를 보고, ELISA로 HCP를 보는데, 정작 "왜 이 항목들을 관리해야 하는가"에 대한 답은 문서 어디에도 명확히 적혀 있지 않은 경우가 많습니다. 이 질문에 답하는 개념이 바로 CQA, Critical Quality Attribute입니다. 이전 글 RACI Matrix: 바이오·제약 CMC 조직에서 의사결정이 꼬이는 진짜 원인 에서는 "누가 결정하는가"를 다뤘다면, 이번 글은 그 결정의 대상, 즉 "무엇을 관리해야 하는가"를 다룹니다. CQA는 시험 항목을 나열한 표가 아니라, 제품 품질과 환자 안전을 연결하는 과학적 의사결정 체계입니다. CQA란 무엇인가 ICH Q8(R2)에서는 CQA를 이렇게 정의합니다. "제품이 요구되는 품질, 안전성, 유효성을 확보하기 위해 적절한 한계, 범위 또는 분포 내에서 관리되어야 하는 물리적, 화학적, 생물학적 또는 미생물학적 특성 또는 성질" 풀어 말하면 이렇습니다. CQA = 제품의 품질 특성 중, 변화가 생겼을 때 환자에게 미치는 영향을 고려해 반드시 관리해야 하는 핵심 특성 항체(mAb) 제품을 예로 들면, 하나의 분자 안에도 관리 가능한 특성이 수십 가지 존재합니다. 품질 특성 대표 시험 Primary structure Peptide mapping Aggregation SEC-HPLC Charge variant CEX-HPLC Glycosylation LC-MS Potency Cell-based assay Host Cell Protei...