기본 콘텐츠로 건너뛰기

분석법 SOP, 어디까지 적어야 할까? — Q14와 Q2(R2)로 디테일의 정도를 정하는 법

"이거 다 적어야 해요?"

분석법 SOP(Standard Operating Procedure, 표준작업지침서)를 작성하다 보면 누구나 한 번쯤 이 질문 앞에서 멈추게 됩니다.

"Pipetting 시 angle은 적어야 하나?", "Vortexing 시간은 5초 단위로 명시해야 하나?", "Reagent 첨가 순서가 결과에 영향을 주는지 모르겠는데 일단 다 적어야 하나?"

이 고민은 단순한 "꼼꼼함"의 문제가 아닙니다. SOP의 디테일 수준은 사실 Reproducibility(재현성)와 사용성(Usability) 사이의 트레이드오프를 어떻게 관리하느냐의 문제이고, 여기에는 이미 ICH가 제시한 프레임워크가 있습니다. 바로 Q14와 Q2(R2)입니다.

분석법 SOP란 무엇인가

분석법 SOP는 한 줄로 정의하면, "검증된 운영 범위 안에서 분석을 수행하도록 절차로 고정해 놓은 문서"입니다.

여기서 핵심은 "검증된"이라는 단어입니다. SOP에 적힌 조건들은 임의로 정한 게 아니라, 어딘가에서 "이 범위 안에서는 결과가 흔들리지 않는다"는 게 이미 확인된 조건이어야 한다는 뜻입니다. 그 "어딘가"가 바로 Q14와 Q2(R2)입니다.

Q14와 Q2(R2)는 SOP에 무엇을 채워주는가

Q14(분석법 개발)는 분석법을 만드는 단계에서, "이 파라미터를 흔들었을 때 결과가 어디까지 버티는지"를 미리 실험으로 확인합니다. 이를 통해 Critical Method Parameter(CMP)와 그 운영 가능 범위(Established Range)가 정해집니다.

Q2(R2)(밸리데이션)는 그렇게 정해진 절차가 실제로 정밀성, 정확성, Robustness 기준을 통계적으로 만족하는지 입증합니다.

즉 SOP를 쓰기 전에, "이 조건은 흔들려도 되고, 이 조건은 흔들리면 안 된다"는 데이터가 이미 존재합니다. SOP 작성자가 해야 할 일은 이 데이터를 보고 "어디를 고정하고, 어디를 자유롭게 둘지"를 결정하는 것입니다.

그래서 디테일의 정도는 어떻게 정하는가

여기서 실무적으로 쓸 수 있는 네 가지 기준을 제안합니다.

1. Robustness 데이터에서 민감했던 파라미터만 수치로 고정한다

Q14/Q2(R2) Robustness 평가에서 결과값에 유의미한 영향을 준 파라미터(예: incubation 온도, 특정 시약의 pH)는 SOP에 구체적인 수치와 허용 범위로 명시합니다.

반대로 Robustness 평가에서 영향이 없었던 파라미터(예: pipetting angle, 특정 vortexing 시간의 ±몇 초)는 "일반적인 실험실 관행(Good Laboratory Practice)" 수준으로 두어도 무방합니다. 이걸 다 수치화하면 SOP가 두꺼워지고, 분석자는 본질적으로 중요한 게 무엇인지 놓치게 됩니다.

디테일은 "데이터가 민감하다고 말해준 곳"에만 집중되어야 합니다.

2. Critical Step과 General Step을 시각적으로 구분한다

모든 단계를 같은 비중으로 적으면, 분석자는 어디에 집중해야 할지 알 수 없습니다. Critical reagent, Critical step은 굵게 표시하거나 별도 박스로 강조하고, 나머지는 흐름 위주로 간결하게 서술하는 구조가 필요합니다.

3. "왜"를 적을지 "어떻게"만 적을지 결정한다

SOP는 원칙적으로 "어떻게"를 적는 문서입니다. 그런데 Critical parameter의 경우, 짧게라도 "왜 이 범위인지"에 대한 한 줄 근거(혹은 관련 Validation report 참조)를 남겨두면, 향후 개정이나 일탈(Deviation) 조사 시 그 조건이 왜 거기 있는지 추적할 수 있습니다. 이게 없으면 후임자는 그 숫자를 임의로 바꿔도 되는지 판단할 근거가 없습니다.

4. 신규 분석자 기준으로 한 번 검증한다

작성자 본인은 익숙해서 빠진 디테일을 못 느낍니다. SOP 초안을 해당 분석을 처음 접하는 사람에게 주고, 그 SOP만 보고 따라할 수 있는지 확인하는 과정이 사실상 "디테일 수준"에 대한 가장 현실적인 테스트입니다. 이 단계에서 막히는 지점이 있다면, 그게 바로 추가 디테일이 필요한 지점입니다.

정리하면

분석법 SOP의 디테일 수준을 정하는 기준은 "얼마나 꼼꼼한가"가 아니라, "Q14/Q2(R2) 데이터가 가리키는 민감한 지점에만 디테일을 집중시켰는가"입니다.

  • 너무 자세하면: 정말 중요한 Critical parameter가 다른 비중요 정보에 묻혀버립니다.
  • 너무 간단하면: Robustness 데이터가 입증한 운영 범위가 절차로 고정되지 않아, 분석자마다 다른 조건에서 분석을 수행하게 되고 결국 Reproducibility가 흔들립니다.

결국 좋은 SOP는 "얇지만 중요한 곳은 무겁게" 쓰인 문서입니다. 그리고 그 "무겁게 써야 할 곳"을 알려주는 게 바로 Q14 개발 데이터와 Q2(R2) Validation 결과입니다.

FAQ

Q. SOP에 모든 파라미터를 수치로 명시하면 더 안전하지 않을까요?
오히려 반대입니다. 영향이 없는 파라미터까지 모두 수치로 고정하면 문서가 비대해지고, 분석자가 정작 중요한 Critical parameter를 놓칠 위험이 커집니다. 핵심은 양이 아니라 "민감도에 따른 선택적 디테일"입니다.

Q. Q14 데이터가 없는 기존 분석법은 어떻게 해야 하나요?
기존 분석법이라도 Q2(R2) 기반 Validation 데이터(정밀성, 정확성, Robustness 결과)는 보통 존재합니다. 이 데이터를 거슬러 올라가 어떤 파라미터가 민감했는지 재검토하는 것이 출발점이 될 수 있습니다.

Q. Reproducibility와 Intermediate Precision은 어떻게 다른가요?
ICH Q2(R2) 기준으로 Reproducibility는 실험실 간(Inter-laboratory) 변동을 다루고, Intermediate Precision은 동일 실험실 내 분석자·장비·일자 간 변동을 다룹니다. 단일 실험실용 SOP는 주로 Intermediate Precision을 담보하며, 다수 실험실에 적용될 때 Reproducibility 확보를 위한 전제 조건으로 기능합니다.

Q. Critical Step을 어떻게 시각적으로 강조하는 게 좋을까요?
별도 박스, 굵은 글씨, 색상 강조 등 회사 SOP 템플릿 표준에 맞는 방식이면 됩니다. 중요한 건 "이 부분은 절대 임의로 바꾸면 안 된다"는 신호가 한눈에 들어오게 만드는 것입니다.

참고문헌


참고할 글

    라벨:

    댓글

    댓글 쓰기

    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 ...
    댓글 쓰기
    자세한 내용 보기

    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...
    댓글 쓰기
    자세한 내용 보기

    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...
    댓글 쓰기
    자세한 내용 보기