기본 콘텐츠로 건너뛰기

ICH Q14, 분석법도 "설계"해야 하는 시대가 왔다 — MODR까지 직접 그려보기

ICH Q14, 분석법도 "설계"해야 하는 시대가 왔다 — MODR까지 직접 그려보기

밸리데이션 보고서는 통과했는데, 정작 현장에서는 컬럼 로트가 바뀌거나 이동상 pH가 살짝 흔들릴 때마다 분석법이 휘청거리는 경험, CMC나 QC에 있다면 한 번쯤 겪어봤을 겁니다. 분석법을 "일단 만들고 Q2 기준에 끼워 맞추는" 방식으로 개발하면, 막상 변경이 필요할 때마다 다시 처음부터 밸리데이션을 돌리고 규제기관에 재승인을 받아야 하는 악순환이 반복됩니다. ICH Q14는 이 문제를 구조적으로 풀기 위해 등장한 가이드라인입니다. 이번 글에서는 Q14가 정확히 무엇을 요구하는지, 그리고 가장 헷갈리는 개념인 MODR(Method Operable Design Region)을 실제로 어떻게 설정하는지 통계 기법까지 포함해서 정리합니다.

ICH Q14는 왜 등장했는가

기존 분석법 개발 방식의 가장 큰 약점은 "왜 이 조건이 안전한지"에 대한 과학적 근거가 문서로 남지 않는다는 점이었습니다. 분석법을 개발한 사람의 경험과 감각에 의존하다 보니, 그 사람이 조직을 떠나거나 제조 사이트가 변경되면 똑같은 문제가 재발했습니다. 또한 사소한 조건 변경조차 규제기관의 사전 승인을 요구하는 경우가 많아, 분석법을 개선하고 싶어도 그 비용과 시간 때문에 망설이게 되는 구조였습니다.

ICH Q14(Analytical Procedure Development)는 의약품 개발에서 이미 자리 잡은 QbD(Quality by Design) 철학을 분석법 영역으로 그대로 확장한 가이드라인입니다. 핵심 메시지는 단순합니다. 분석법도 하나의 공정처럼, 위험 평가와 통계적 근거를 기반으로 설계하고 그 설계 범위를 문서로 남기라는 것입니다.

Q14가 요구하는 4가지 핵심 요소

구성 요소 핵심 질문 결과물
ATP
(Analytical Target Profile)
이 분석법은 무엇을 위해 존재하는가? 측정 목적과 성능 기준(정밀도, 정확도, 분리도 등) 정의
위험 평가
(Risk Assessment)
어떤 조건이 결과를 흔드는가? CMP(Critical Method Parameter) 식별
MODR
(Method Operable Design Region)
어디까지가 안전한 운영 범위인가? 통계적으로 검증된 다변량 운영 범위
제어 전략
(Control Strategy)
이 분석법이 계속 그 범위 안에 있는지 어떻게 확인하는가? SST(System Suitability Test), 모니터링 체계

여기서 가장 실무적으로 중요한 변화가 MODR입니다. 사전에 정의된 MODR 내에서의 조건 변경은 규제기관의 별도 재승인 없이도 적용할 수 있어, 분석법을 운영하는 입장에서는 훨씬 유연한 대응이 가능해집니다.

실전 예시로 보는 Q14: 항체의약품 전하 이질성 분석(CEX-HPLC)

단클론항체(mAb) 의약품의 산성/염기성 변이체(Charge Variant)를 분리하는 양이온 교환 크로마토그래피(CEX-HPLC)를 예로 들어보겠습니다. 이 분석법은 이동상 pH와 염 농도 구배에 매우 민감하다는 특성이 있어 Q14의 접근법을 설명하기에 적합합니다.

Step 1. ATP 설정

분석 목적을 먼저 문장으로 못 박습니다. 예를 들면 다음과 같습니다.

  • 측정 대상: 주 피크(Main peak), 산성 변이체, 염기성 변이체의 상대 함량(%)
  • 성능 기준: 주 피크와 인접 피크 간 분리도(Rs) ≥ 1.5, 반복성(Repeatability) RSD ≤ 2.0%

Step 2. 위험 평가로 CMP 좁히기

이동상 pH, 염 농도 구배 기울기, 컬럼 온도, 유속 등 후보 변수를 나열한 뒤, FMEA나 이시카와 다이어그램 같은 도구로 영향력과 발생 가능성을 점수화합니다. 이 예시에서는 이동상 pH와 구배(Gradient) 시간이 분리도에 가장 결정적인 영향을 주는 CMP로 좁혀졌다고 가정합니다.

Step 3. DoE로 MODR 설계하기 — 가장 많이 헷갈리는 단계

변수를 하나씩 바꿔가며 테스트하는 방식(OFAT, One Factor At a Time)은 변수 간 상호작용을 놓친다는 결정적 한계가 있습니다. pH와 구배 시간이 각각 따로 작동하는 게 아니라 서로 영향을 주고받기 때문에, 이를 동시에 파악하려면 실험계획법(DoE)이 필요합니다.

① 실험 설계: 중심합성설계(Central Composite Design, CCD)나 반응표면분석법(RSM)을 이용해 pH(예: 6.0~6.8)와 구배 시간(예: 20~40분)을 조합한 실험 매트릭스를 짭니다. 보통 중심점을 포함해 13~20회 정도의 실험으로 구성됩니다.

② 회귀 모델링: 실험 결과(분리도)를 종속변수로 두고 아래와 같은 2차 회귀식을 적합시킵니다.

분리도(Rs) = β0 + β1(pH) + β2(시간) + β3(pH × 시간) + β4(pH²) + β5(시간²) + ε

여기서 pH×시간 항의 계수(β3)가 통계적으로 유의하다면, 이는 두 변수가 독립적으로 작동하지 않는다는 뜻이며 OFAT으로는 절대 발견할 수 없는 정보입니다.

③ 등고선도로 MODR 시각화: Design-Expert나 Minitab 같은 통계 소프트웨어로 회귀식을 등고선도(Contour Plot)로 그리면, 분리도 기준(Rs ≥ 1.5)을 만족하는 영역이 지도처럼 펼쳐집니다. 이 영역 중에서도 가장자리가 아니라 중심부에 가까운 안전 구역을 MODR로 설정하고, 그 한가운데를 실제 운영 조건(Working Point)으로 정합니다.

실무에서 한 가지 자주 놓치는 부분은, MODR을 "기준을 만족하는 영역 전체"로 잡으면 안 된다는 점입니다. 분석 장비나 시약 로트 간 미세한 변동까지 흡수할 수 있도록, 기준선에서 일정한 여유(margin)를 둔 영역만 MODR로 인정하는 것이 통계적으로 더 견고합니다. 예를 들어 등고선도상 Rs=1.5 경계선을 그대로 MODR 경계로 쓰지 않고, Rs=1.7~1.8 정도의 안쪽 등고선을 실제 MODR 경계로 잡는 식입니다.

※ 위에 제시한 구체적인 수치(pH 범위, 분리도 기준, 회귀계수 등)는 설명을 위한 예시이며, 실제 실험 데이터가 아닙니다. 실제 분석법 개발 시에는 해당 분자와 컬럼·장비 조건에 맞춰 별도의 실험 데이터로 검증해야 합니다. [수치 예시, 실데이터 아님]

Step 4. 제어 전략으로 마무리

MODR을 설정했다고 끝이 아닙니다. 실제 운영 중에도 분석법이 그 범위 안에 머물러 있는지 확인할 장치가 필요합니다.

  • 이동상 완충액 조제 시 pH 허용 오차를 ±0.05 이내로 제한
  • 매 분석 전 표준품을 반복 주입해 분리도와 피크 면적이 기준을 만족하는지 확인하는 시스템 적합성 시험(SST) 운영
  • 장기적으로는 관리도(Control Chart)를 통해 분리도 값의 경향성을 모니터링

MODR 설정, 더 탄탄하게 만들려면

MODR을 한 번 그려놓고 끝내는 경우가 많은데, 실제로 규제기관 검토에서 잘 버티는 MODR은 보통 다음 세 가지를 함께 갖추고 있습니다.

  1. 스크리닝 단계를 생략하지 않기 — CMP를 2~3개로 좁히기 전에, Plackett-Burman 디자인 같은 부분요인설계로 후보 변수 6~8개를 먼저 스크리닝하면 "중요하다고 가정했지만 실제로는 영향이 없는 변수"를 걸러낼 수 있습니다. 곧바로 CCD/RSM으로 들어가면 정작 진짜 중요한 변수를 놓칠 위험이 있습니다.
  2. 로버스트니스 데이터를 MODR 안에 포함시키기 — 컬럼 로트, 분석자, 장비 같은 변수는 DoE의 1차 CMP에는 안 들어가더라도, 별도의 로버스트니스 실험으로 MODR 경계가 실제로도 견고한지 추가 검증해두면 변경관리(Change Control) 단계에서 훨씬 수월합니다.
  3. 예측 모델의 적합도(R², 잔차 분석)를 함께 제시하기 — 등고선도만 보여주고 끝내는 것이 아니라, 회귀 모델의 R²/예측 R², 잔차의 정규성 같은 통계적 적합도 지표를 함께 보고서에 남겨야 "이 MODR이 데이터로 뒷받침된다"는 주장이 설득력을 갖습니다.

단계별 통계 기법 한눈에 보기

단계 통계 기법 목적
변수 스크리닝 Plackett-Burman 디자인, 부분요인설계 수많은 후보 조건 중 진짜 영향력 있는 CMP만 골라내기
최적화 및 MODR 도출 반응표면분석법(RSM), 중심합성설계(CCD), 등고선도 변수 간 상호작용을 반영해 안전한 운영 영역 확보
전주기 모니터링 통계적 공정관리(SPC), 관리도(Control Chart) 시간이 지나도 분석법 성능이 흔들리지 않는지 추적

실전 팁 세 가지

첫째, ATP 문장을 가장 먼저, 가장 구체적으로 써두세요. ATP가 모호하면 이후 위험 평가와 DoE 설계 전체가 흔들립니다. "정밀도가 좋아야 한다"가 아니라 "RSD ≤ 2.0%"처럼 숫자로 못 박아야 MODR 경계도 명확해집니다.

둘째, DoE 결과를 회사 내 통계 전문가나 QA와 함께 리뷰하세요. 분석 담당자가 혼자 등고선도를 그리고 끝내기보다, 회귀 모델의 타당성을 통계 담당자가 한 번 더 검토하면 규제 대응 시 훨씬 든든합니다. 이 지점은 역할과 책임(R/A/C/I)이 흐려지기 쉬운 구간이라, 사전에 누가 분석을 수행하고 누가 최종 승인하는지 정해두는 것도 도움이 됩니다.

셋째, MODR 문서는 한 번 쓰고 끝내지 말고 버전 관리하세요. 새로운 세포주나 장비가 도입될 때마다 기존 MODR이 여전히 유효한지 재확인하고, 변경 이력을 문서에 남겨두면 감사 대응이 훨씬 수월해집니다.

FAQ

Q1. Q14를 적용하면 Q2(밸리데이션) 가이드라인은 더 이상 필요 없나요?
아닙니다. Q14는 분석법을 "어떻게 설계하고 그 범위를 입증할 것인가"를 다루고, Q2는 그렇게 설계된 분석법의 최종 성능(정확도, 정밀도, 특이성 등)을 어떻게 검증할 것인가를 다룹니다. 두 가이드라인은 서로 대체 관계가 아니라 보완 관계입니다.

Q2. MODR과 단순한 "운영 범위(Operating Range)"는 뭐가 다른가요?
단순 운영 범위는 보통 변수 하나씩 따로 정한 허용 범위인 반면, MODR은 여러 변수의 상호작용까지 통계적으로 검증한 다변량 공간입니다. MODR 안에서는 개별 변수가 동시에 변하더라도 분석법 성능이 보장된다는 점이 핵심적인 차이입니다.

Q3. 소규모 조직이라 DoE 소프트웨어나 통계 전문 인력이 부족합니다. Q14를 적용할 수 있을까요?
가능합니다. Q14는 반드시 RSM 같은 고급 기법을 요구하지 않으며, 위험 기반 접근(Minimal Approach)도 인정합니다. 다만 변경관리의 유연성을 충분히 누리려면 결국 통계적 근거가 뒷받침되는 Enhanced Approach 쪽이 장기적으로 유리합니다.

Q4. MODR을 설정해두면 규제기관에 변경 신고를 아예 안 해도 되나요?
아닙니다. MODR 내에서의 변경이라도 변경관리 절차와 내부 문서화는 그대로 필요하며, 규제기관에 보고하는 절차(신고 수준)가 간소화되는 것이지 면제되는 것은 아닙니다. 구체적인 보고 요건은 해당 국가 규제기관의 최신 지침을 함께 확인하는 것이 안전합니다. [규제기관별 세부 요건은 최신 공식 가이드라인에서 재확인 필요]


결국 ICH Q14가 요구하는 것은 "이 분석법이 왜 안전한지"를 감이 아니라 데이터와 통계로 증명하라는 것입니다. ATP로 목적을 명확히 하고, 위험 평가로 변수를 좁히고, DoE로 MODR을 통계적으로 검증한 뒤, 제어 전략으로 그 범위를 지속적으로 지켜내는 흐름 — 이 네 단계를 한 번 제대로 경험해두면 이후 분석법 변경이나 이관 상황에서 드는 시간과 비용을 크게 줄일 수 있습니다.

참고문헌

  • ICH, "Q14: Analytical Procedure Development" — Enhanced Approach, ATP, MODR, Control Strategy 등 핵심 개념의 공식 정의. (가이드라인 본문 및 최신 개정 여부는 ICH 공식 사이트에서 확인 권장) [수치·세부 조항은 원문 재확인 필요]
  • ICH, "Q2(R2): Validation of Analytical Procedures" — Q14와 함께 적용되는 밸리데이션 기준 가이드라인.
  • 본문 내 CEX-HPLC 예시와 회귀식, 실험 조건은 설명을 위해 구성한 가상의 예시로, 실제 임상/상업 데이터가 아님.

함께 읽으면 좋은 글

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...