기본 콘텐츠로 건너뛰기

Relative Potency는 왜 항상 Reference Standard와 비교할까? — Absolute Potency의 한계와 Standard Curve의 진짜 역할

Cell-based Potency Assay를 담당해본 사람이라면 한 번쯤 이런 경험을 합니다. 같은 시료를 월요일, 화요일, 수요일에 나눠 측정했는데 EC50이 매번 다르게 나오는 상황입니다. 시료는 냉동고에서 꺼낸 그대로인데 결과만 흔들립니다. 이때 대부분의 연구원은 "왜 굳이 Reference Standard를 같이 돌려야 하지?"라는 질문에는 답할 수 있어도, "왜 그래야만 하는지"를 논리적으로 설명하는 데는 막힙니다. 이 글은 그 빈틈을 채우기 위한 글입니다.

같은 시료인데 EC50이 매번 다른 이유

다음과 같은 결과를 받았다고 가정해 보겠습니다.

실험일 EC50
월요일1.2 ng/mL
화요일1.7 ng/mL
수요일1.4 ng/mL

이 시료의 역가(Potency)가 실제로 요일마다 바뀐 것일까요? 대부분의 경우 그렇지 않습니다. Potency Assay는 일반적인 화학 분석과 달리 살아있는 세포를 반응 매개체로 씁니다. 그래서 아래와 같은 요소 하나하나가 Dose-Response Curve 전체를 좌우로 밀어낼 수 있습니다.

  • Cell passage number
  • Cell viability
  • 배양 시간
  • CO&sub2; 농도
  • Incubation 시간
  • Reagent lot
  • Plate coating 상태
  • Pipetting 오차
  • Plate reader sensitivity

이 목록에서 알 수 있듯, EC50은 시료 자체의 특성뿐 아니라 그날의 실험 환경을 함께 반영하는 값입니다. 바로 이 지점이 Potency Assay를 일반 화학 분석보다 다루기 까다롭게 만드는 근본 원인입니다.

Absolute Potency의 한계

Absolute Potency Assay는 시험 시료의 EC50이나 IC50을 그 자체로 결과값으로 사용하는 방식입니다. 예를 들어 어떤 항체의 EC50이 1.5 ng/mL로 측정됐다면, 그 숫자를 곧 Potency로 보고하는 접근입니다. 직관적이고 계산도 단순해 보입니다.

문제는 다음 날 같은 시료를 다시 측정했을 때 발생합니다. EC50이 2.0 ng/mL로 나왔다면, 이 차이가 시료의 품질 변화 때문인지, Cell 상태 때문인지, 시약 Lot 때문인지, 장비 편차 때문인지를 구분할 방법이 없습니다. Absolute Potency는 실험 변동성을 걸러내지 못한 채 결과에 그대로 섞어 넣기 때문입니다. 그래서 생물학적 분석에서는 Absolute Potency 하나만으로 제품 품질을 판단하기 어렵다는 공감대가 형성되어 있습니다.

그래서 Relative Potency가 등장했다

이 한계를 넘어서기 위해 나온 방법이 Relative Potency Assay입니다. 아이디어는 의외로 단순합니다. 시험품을 혼자 측정하지 말고, 항상 Reference Standard와 함께 측정하자는 것입니다.

같은 Plate 위에서 Reference Standard와 Test Sample을 동시에 시험하면, 두 시료는 동일한 Cell, 동일한 Reagent, 동일한 Operator, 동일한 Incubation 조건을 그대로 공유합니다. 그날 Cell 상태가 조금 나빴다면 Reference Standard도, Test Sample도 똑같이 그 영향을 받습니다. 따라서 절대적인 EC50 값보다 "기준품 대비 얼마나 차이가 나는가"를 계산하는 편이 훨씬 안정적인 지표가 됩니다.

Relative Potency는 어떻게 계산할까

Reference Standard의 EC50이 1.0 ng/mL, 시험품의 EC50이 1.2 ng/mL라고 가정해 보겠습니다. 시험품은 기준품과 동일한 반응을 얻기 위해 약 20% 더 높은 농도가 필요합니다. 즉 시험품의 Potency는 기준품보다 다소 낮다고 해석할 수 있습니다. 반대로 시험품의 EC50이 0.8 ng/mL라면 더 적은 양으로 같은 효과를 내는 셈이므로 Potency가 더 높다고 볼 수 있습니다. 이렇게 Relative Potency는 절대 EC50 값이 아니라, Reference Standard를 1(또는 100%)로 두고 그 대비 상대적인 활성으로 결과를 표현하는 방식입니다.

그런데 왜 Standard Curve까지 필요할까

여기서 흔히 나오는 질문이 있습니다. Reference Standard 농도 하나만 있으면 되지, 왜 여러 농도를 준비해서 Standard Curve 전체를 그릴까요? 이유는 명확합니다. Potency는 단일 농도에서 결정되는 값이 아니기 때문입니다.

생물학적 반응은 대부분 S자 형태(Sigmoid)의 Dose-Response Curve를 따릅니다. 농도 하나만 비교해서는 최대 반응(Emax), 최소 반응(Bottom), 기울기(Hill slope), EC50 중 어느 요소가 달라졌는지 구분할 수 없습니다. 여러 농도로 전체 Curve를 그려야 두 시료의 반응 특성을 온전히 비교할 수 있습니다. Standard Curve는 단순히 농도별 반응을 나열한 그래프가 아니라, Reference Standard의 생물학적 반응을 기준점으로 세우는 과정 그 자체입니다.

Relative Potency를 계산하기 전에 반드시 확인해야 할 것

Reference Standard와 시험품의 Curve를 나란히 겹쳐 놓았다고 곧바로 Relative Potency를 계산할 수 있는 것은 아닙니다. 먼저 두 Curve가 비교 가능한 형태인지 확인하는 절차가 선행되어야 합니다. 대표적으로 아래 항목을 점검합니다.

  • 두 Curve가 같은 형태(모델)를 따르는지
  • 최대 반응(Emax)이 서로 비슷한지
  • 최소 반응(Bottom)이 서로 비슷한지
  • 기울기(Hill slope)가 유사한지
  • 두 Curve가 서로 평행한지(Parallelism)

이 조건이 충족되어야 비로소 Relative Potency 계산이 의미를 갖습니다. 이 검증 과정을 통계적으로 자동화해주는 프로그램이 PLA(Parallel Line Analysis) Software입니다. Parallelism이 왜 Relative Potency 계산에서 가장 중요한 전제 조건인지는 다음 글에서 더 자세히 다루겠습니다.

USP <1032>와 ICH Q2(R2)는 왜 Relative Potency를 권장할까

이 접근이 개별 실험실의 관행에 그치는 것은 아닙니다. USP 총칙 <1032> "Design and Development of Biological Assays"는 동물, 세포, 장비, 시약은 물론 실험일과 실험실 간 차이에서 비롯되는 생물학적 시험계 고유의 변동성 때문에, 절대적인 Potency보다 Reference Standard 대비 상대적인 활성을 측정하는 방식이 채택되어 왔다고 설명합니다.[1] 이 관점에서 Reference Standard의 Potency는 통상 1(또는 100%)로 고정되고, 시험품은 그 기준에 대한 상대값으로 보고됩니다.[1] 두 Curve의 평행성(Parallelism)을 검증하는 세부 통계 방법은 USP <1034> "Analysis of Biological Assays"에서, Validation 요건은 USP <1033> "Biological Assay Validation"에서 각각 다루고 있습니다.[2][3]

ICH Q2(R2) "Validation of Analytical Procedures"는 2023년 채택되어 화학의약품뿐 아니라 생물의약품 분석법 밸리데이션까지 명시적으로 포괄하도록 개정된 가이드라인입니다.[4] 이 가이드라인은 적절한 경우 Reference Material(기준 물질)을 활용해 분석법 밸리데이션을 수행하도록 요구하며, 서로 다른 실험실에서 측정한 생물학적/생명공학 제품의 Potency를 의미 있게 비교하려면 적절히 관리된 기준 물질이 전제되어야 한다는 점을 명시하고 있습니다.[5]

정리하면 Reference Standard는 단순한 비교 대상이 아닙니다. 실험의 변동성을 보정하고, 결과의 일관성과 실험실 간 비교 가능성을 확보하기 위한 핵심 기준점입니다.

이 글에서 기억해야 할 네 가지

핵심 개념 한 줄 요약
Absolute PotencyEC50 자체를 결과로 쓰지만 실험 변동성을 그대로 떠안는다
Relative PotencyReference Standard와 동시에 측정해 변동성을 상쇄한다
Standard Curve단일 농도가 아닌 전체 Dose-Response 반응을 기준으로 세운다
Parallelism두 Curve가 비교 가능한지 먼저 검증해야 Relative Potency가 성립한다

FAQ

Q1. Reference Standard 없이 Potency Assay를 수행하면 안 되나요?
불가능하지는 않지만 권장되지 않습니다. Reference Standard 없이 얻은 Absolute Potency는 그날의 실험 조건 변화를 결과와 분리할 수 없어, 시료 간 비교나 배치 간 품질 추적에 활용하기 어렵습니다.

Q2. Relative Potency 값이 100%보다 높으면 무조건 좋은 것인가요?
반드시 그렇지는 않습니다. Relative Potency는 Reference Standard 대비 활성의 상대값일 뿐이며, 제품 규격(Specification)에서 정한 허용 범위 안에 들어오는지가 판단 기준입니다. 100%보다 높다고 해서 항상 바람직한 것은 아니며, 범위를 벗어나면 그 자체로 조사(Investigation) 대상이 될 수 있습니다.

Q3. Parallelism이 확인되지 않으면 Relative Potency를 아예 계산할 수 없나요?
원칙적으로는 그렇습니다. 두 Curve가 평행하지 않다는 것은 시험품과 Reference Standard가 단순한 농도 차이로 설명되지 않는, 즉 생물학적으로 유사하지 않을 가능성을 시사합니다. 이 경우 Relative Potency 값 자체의 해석이 무의미해지므로, 원인 분석이 선행되어야 합니다.

Q4. Absolute Potency는 아예 쓸모가 없는 개념인가요?
그렇지는 않습니다. 초기 Assay 개발 단계에서 반응 범위나 감도를 확인할 때는 Absolute Potency 값도 참고 자료로 쓰입니다. 다만 배치 출하 판정이나 안정성 평가처럼 결과의 재현성이 중요한 상황에서는 Relative Potency가 표준으로 자리 잡았습니다.

참고문헌

  1. USP General Chapter <1032> "Design and Development of Biological Assays" — 생물학적 시험계의 변동성과 Relative Potency 방법론 채택 배경.
  2. USP General Chapter <1034> "Analysis of Biological Assays" — Parallelism 통계 분석 방법.
  3. USP General Chapter <1033> "Biological Assay Validation" — Bioassay Validation 요건.
  4. ICH Q2(R2) "Validation of Analytical Procedures" (2023년 채택) — 생물의약품 분석법 밸리데이션 범위 확대.
  5. ICH Q2(R2)/Q14 Training Material — Reference Material 활용 및 실험실 간 Potency 비교 가능성에 관한 서술.

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...