기본 콘텐츠로 건너뛰기

항체의약품 Bioassay 개발 초기, RRS 안정성은 무엇과 비교해야 할까

항체의약품 Bioassay 개발 초기, RRS 안정성은 무엇과 비교해야 할까

항체의약품 Assay 개발을 처음 시작할 때 누구나 맞닥뜨리는 질문이 있습니다. 아직 정식 표준품(Reference Standard)이 없는 단계에서, 내가 만든 이 물질을 "표준"이라고 불러도 되는가. 그리고 그 물질의 안정성은 대체 무엇과 비교해서 판정해야 하는가. Research Reference Standard(RRS)를 처음 셋팅하는 실험실이라면 이 두 질문에서 자주 막힙니다. 특히 물질 양이 절대적으로 부족한 초기 단계에서는, 안정성 평가를 위해 대조군으로 삼을 별도의 물질조차 없는 경우가 흔합니다.

이 글에서는 RRS의 명명 방식부터, 장기 보관 안정성 평가에서 자주 빠지는 Self-comparison(자기 비교)의 논리적 함정, 그리고 이를 회피하면서 정식 In-house Reference Standard(IRS) 체계로 전환하는 실무 로드맵까지 단계별로 정리합니다.

RRS, 명명부터 이력 추적이 가능하게

개발 초기 단계에는 약전이나 공식 표준품이 존재하지 않으므로, 사내 시스템에서 식별과 이력 추적(Traceability)이 가능한 명명 체계를 처음부터 잡아두는 것이 중요합니다. 일반적으로 아래 요소를 조합해 구성합니다.

  • 프로젝트/물질 코드 — 항체의 고유 개발 코드 (예: ABC-101)
  • RRS 표기 — Research Reference Standard임을 명시. 차후 정식 Primary/Working Reference Standard가 나올 때 명확히 구분하기 위한 장치입니다.
  • Lot/Batch 번호 — 해당 표준품을 생산한 정제(Purification) 공정 배치 번호
  • 제조 연월 — 생산 시점 식별

예를 들면 ABC-101_RRS_Lot01_202609와 같은 형식입니다. 이 명명 규칙 자체가 향후 IRS로 전환될 때 "이 물질이 어느 시점의, 어느 배치의 RRS였는가"를 추적하는 근거가 되므로, 개발 초기부터 일관되게 유지하는 것이 좋습니다.

왜 "-70°C 보관 대조군"만으로는 부족한가

단백질은 -70°C 이하 초저온 환경에서 분자 운동 에너지가 극도로 제한되어, 화학적·물리적 분해 반응이 사실상 멈춘 상태로 가정합니다. 그래서 RRS 안정성 평가의 기본 설계는 "생산 직후 -70°C에 얼려둔 동일 배치"를 Baseline(T0)으로 삼고, 실온 노출이나 동결-융해를 거친 RRS를 이 Baseline과 비교하는 방식입니다.

그런데 이 설계에는 구조적인 허점이 하나 있습니다. 장기 보관 안정성을 평가할 때, 즉 "-70°C에 6개월 또는 1년 보관한 RRS가 여전히 온전한가"를 보려는 경우, 비교할 대조군 역시 같은 배치의 -70°C 보관 물질뿐이라면 이는 Self-comparison(자기 비교)이 되어버립니다. 두 샘플이 똑같이 분해되고 있어도 상대 비교 결과는 100%에 가깝게 나오기 때문에, "안정하다"는 결론 자체가 성립하지 않는 논리적 모순에 빠집니다.

Self-comparison 함정, 세 갈래로 해체하기

1. 물리화학적 절대 지표로 메인 판정을 이관한다

Bioassay처럼 상대 비교(Reference 대비 %)가 필요한 분석법은 태생적으로 Self-comparison 문제에서 자유롭지 않습니다. 반면 SEC-HPLC의 Monomer 함량(%), CE-SDS의 Heavy/Light Chain 비율, UV A280 농도 같은 물리화학적 분석은 별도의 기준물질 없이 절대값 자체를 시계열로 추적할 수 있습니다. T0 시점 98.5%였던 Monomer 순도가 12개월 뒤에도 98.4%라면, 기준물질 없이도 물질이 망가지지 않았다는 것을 직접 증명할 수 있습니다. 따라서 RRS 단계의 장기 보관 안정성은 물리화학적 순도 데이터를 주 지표(Primary Metric)로 놓고, Bioassay 데이터는 보조 지표로 병행하는 구조가 실무적으로 안전합니다.

2. Forced Degradation으로 "순도-활성 상관관계"를 미리 확보한다

물리화학 데이터만으로 "그러니 생물학적 활성도 유지되었을 것"이라고 넘어가면 근거가 약합니다. 이를 보강하는 방법은 가혹 시험(Forced Degradation)입니다. RRS 일부를 40°C 등 스트레스 조건에 의도적으로 노출시켜 분해를 유도한 뒤, SEC-HPLC 순도 하락과 Bioassay 역가(EC₅₀ 또는 Relative Potency) 하락이 함께 나타나는지 확인합니다. 이 상관관계 데이터를 미리 확보해 두면, "이 물질이 망가지면 순도와 활성이 동시에 떨어진다는 것을 알고 있고, 장기 보관 중인 RRS는 순도가 그대로이므로 활성도 안전한 영역에 있다"는 논리가 과학적으로 성립합니다.

3. 절대 EC₅₀보다 두 배치 간 Ratio로 리스크를 헤지한다

물질 양이 확보되는 시점부터는, 절대 EC₅₀ 값이나 신호 강도(Signal)를 T0 대비 통계적 허용범위(예: ±2SD)로 관리하는 방식은 피하는 것이 좋습니다. Cell-based Bioassay는 세포 상태·시약 로트·실험자 숙련도에 따른 변동성이 본질적으로 크기 때문에, 절대값을 좁은 통계 범위에 가두면 물질과 무관한 이유로 OOS(규격 이탈)가 발생할 위험이 큽니다.

대신 하나의 플레이트에서 Reference 배치와 Test 배치(장기 보관 RRS)를 동시에 돌려 상대 역가(Relative Potency)의 Ratio를 구하는 방식(Parallel Line/4-PL 모델)을 씁니다. 이렇게 하면 그날 세포 컨디션이 좋든 나쁘든 두 곡선이 같은 방향으로 흔들리므로, 실험 자체의 변동성은 상쇄되고 물질 고유의 활성 저하만 걸러낼 수 있습니다.

평가 항목 비교 방식 Self-comparison 여부
SEC-HPLC / CE-SDS 순도T0(초기 CoA) 대비 절대값 변화해당 없음 (절대 측정)
절대 EC₅₀ / Signal 트렌드T0 대비 ±SD 범위세포 변동성이 그대로 반영되어 OOS 리스크 높음
동일 RRS끼리 상대역가RRS(Reference) vs RRS(Test)발생 (System Suitability 용도로만 유효)
두 배치 간 상대역가Reference 배치 vs 장기보관 RRS회피됨 — 물질 고유 변화만 검출

물질이 부족한 초기, 그래도 RRS끼리 상대평가했다면

실무에서는 물질과 시간이 부족해 결국 동일 RRS를 Reference와 Test로 동시에 넣어 상대평가를 진행하는 경우가 실제로 발생합니다. 이미 이렇게 데이터를 확보했다면, 데이터를 "무효"로 취급하기보다는 그 용도를 명확히 재정의하는 편이 낫습니다.

핵심은 이 데이터를 "RRS 물질 자체의 안정성 증명"이 아니라 당일 어세이 시스템과 세포 상태의 건전성을 검증하는 System Suitability 지표로 위치시키는 것입니다. 즉 "동일 물질을 두 번 찍었을 때 Relative Potency가 100±10% 내로 일정했다"는 결과는, RRS가 안 망가졌다는 증거가 아니라 그날 플레이트 내 변동성과 곡선 피팅이 정상적으로 작동했다는 증거로 읽어야 합니다. 물질 자체의 실제 장기 안정성 판정은 앞서 언급한 물리화학적 절대 지표가 맡습니다.

내부 보고서에는 이 한계를 굳이 "모순"이나 "참고용 데이터"처럼 낮춰 표현할 필요는 없습니다. 대신 "물질 양적 제한을 고려해 동등 물질 교차 검증(Identical-batch cross-check)을 시스템 적격성 검증 목적으로 우선 수행했고, 물질 자체의 안정성 판정은 SEC-HPLC 등 절대 정량 분석으로 뒷받침했다"는 식으로, 선택의 이유와 보완 근거를 함께 제시하는 것이 설득력이 높습니다.

IRS 단계로 넘어가면 무엇이 바뀌는가

RRS에서 정식 IRS(In-house Reference Standard)로 전환되면, 물질 양과 데이터가 축적되어 있으므로 Self-comparison 우회 전략을 쓸 이유가 사라집니다. 이 단계부터는 표준품을 이원화합니다.

  • Primary IRS(마스터) — 가장 깨끗한 상태로 초저온에 봉인해 두고 일상적으로 꺼내 쓰지 않는 물질
  • Working IRS(실험용) — 실제 QC 출하시험이나 Bioassay에 매번 사용하는 물질

일정 주기(예: 6개월 또는 1년)마다 Working IRS를 Test Sample로, Primary IRS를 Reference로 하여 Relative Potency Ratio를 산출하고, 물리화학적 순도는 T0 CoA 대비 절대값 변화로 추적합니다. RRS 단계에서 구축한 "두 배치를 동시에 얹어 Ratio를 본다"는 어세이 설계 자체는 버리는 것이 아니라, 그대로 QC Release Assay의 모태로 이어집니다.

평가 항목 분석 방법 비교 대상 (Baseline)
생물학적 활성Cell-based Bioassay (4-PL)Primary IRS (Freshly Thawed)
분자 순도SEC-HPLCT0 CoA (절대값)
전하 이질성CEX-HPLC / iCET0 CoA (절대값)
단백질 농도UV A280T0 CoA (절대값)

[실무 참고] 표의 Relative Potency Ratio 허용범위(흔히 80~125% 또는 초기 단계에서는 더 넓게 70~130%가 언급됨)나 순도 변화 허용폭은 산업계에서 관행적으로 쓰이는 수치이지, 모든 제품에 적용되는 고정 규제 기준은 아닙니다. 실제 분석법 밸리데이션 데이터(정밀도·재현성)를 근거로 사내 스펙을 별도 설정해야 합니다.

RRS → IRS 전환을 잇는 Bridging Study

새로운 배치가 확보되어 정식 IRS를 수립할 때, 기존 RRS와 신규 IRS 간 EC₅₀의 절대적 위치(Range)가 달라지는 경우가 많습니다. 세포 계대(Passage)나 생산 스케일이 달라졌기 때문입니다. 이 차이를 논리적으로 연결하는 절차가 Bridging Study(가교 시험)입니다.

  1. IRS 공식 출시 직전, 남아 있는 RRS와 신규 IRS를 한 플레이트에 동시에 얹어 최소 3~5회 반복 분석합니다.
  2. 두 물질 간 EC₅₀ 또는 Relative Potency의 체계적인 경향 차이(보정 계수, Correction Factor)가 있는지 확인합니다.
  3. 보정 계수를 확보해 두면, IRS 체계로 완전히 전환된 이후에도 과거 RRS 데이터와 연속성 있는 안정성 트렌드로 이어 붙일 수 있습니다.

물질 양이 정말 부족한 초기에는 이 절차를 한 번에 완벽히 수행하기 어렵습니다. 이런 경우 실무에서는 ①RRS 단독 트렌드 모니터링(물리화학 위주, Bioassay는 절대값 허용범위를 넓게 설정) → ②신규 배치 확보 시 Ratio 시스템 전환 → ③Bridging으로 두 세대를 연결, 하는 3단계 로드맵으로 리스크를 분산합니다. 소분(Aliquot) 시 바이알당 극소량으로 나누고, 곡선 포인트 수를 초기 모니터링 단계에서는 줄이는 것도 물질 소모를 아끼는 실무적인 방법입니다.

FAQ

Q1. RRS와 IRS의 안정성 평가 논리는 근본적으로 다른가요?
아니요. "-70°C 보관 물질이 진짜 원형을 유지하는지"를 증명해야 한다는 목표는 동일합니다. 차이는 물질 양입니다. RRS 단계는 비교할 물질이 부족해 물리화학적 절대 지표에 더 의존하고, IRS 단계는 Primary/Working 이원화를 통해 처음부터 Self-comparison 없이 설계할 수 있습니다.

Q2. 동일 RRS로 상대평가한 Bioassay 데이터는 규제기관에 제출할 수 없나요?
용도를 명확히 하면 제출 가능합니다. 물질 안정성의 직접 증거가 아니라 System Suitability(당일 어세이 시스템 건전성) 검증 지표로 위치시키고, 물질 자체의 안정성은 물리화학적 절대 분석으로 뒷받침하는 구조라면 논리적으로 방어할 수 있습니다.

Q3. Relative Potency Ratio를 절대 EC₅₀ 허용범위 대신 쓰는 이유는 무엇인가요?
Cell-based Assay의 절대 EC₅₀는 세포 컨디션, 시약 로트, 실험자 숙련도에 따른 변동성이 본질적으로 큽니다. 두 배치를 동일 플레이트에서 동시에 비교하면 이 공통 변동성이 상쇄되어, 물질 고유의 활성 변화만 남습니다.

Q4. Bridging Study는 몇 회 반복해야 하나요?
정해진 절대 기준은 없습니다. 다만 통계적으로 유의미한 보정 계수를 산출하려면 최소 3회 이상, 가능하면 5회 이상 반복 분석하는 것이 실무에서 흔히 권장됩니다. 반복 횟수는 사내 분석법 밸리데이션 결과와 물질 가용량을 함께 고려해 결정해야 합니다.


정리하면, RRS 안정성 평가의 핵심은 "무엇과 비교할 것인가"를 단계별로 다르게 설계하는 데 있습니다. 물질이 부족한 초기에는 물리화학적 절대 지표가 안정성 판정의 중심을 잡고, Bioassay는 시스템 검증 역할을 맡습니다. 물질이 확보되면 두 배치 간 Relative Potency Ratio로 전환하고, 이 설계는 그대로 IRS의 Primary-Working 이원 관리 체계로 이어집니다. Self-comparison을 완전히 피하는 것이 이상적이지만, 피할 수 없는 초기 단계에서는 그 데이터의 용도를 정확히 재정의하는 것이 실무적인 해법입니다.

참고문헌

[참고] 초안 검토 과정에서 "JPBA(Journal of Pharmaceutical and Biomedical Analysis), 2020"이라는 특정 논문이 근거로 언급되었으나, 해당 제목·저널·연도 조합의 논문은 검색으로 확인되지 않아 이 글에는 포함하지 않았습니다. 대신 실존이 확인된 BEBPA 백서와 BioProcess International(CASSS CMC Strategy Forum 기반) 자료로 대체했습니다. [미확인 출처 제외]

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...