Biobambooforest

X-ray 결정학, cryo-EM, NMR, 단백질 발현과 정제. 구조생물학이나 단백질 연구실에서 몇 년을 보낸 분들이 졸업을 앞두고 가장 많이 하는 질문은 "내 전공으로 갈 수 있는 회사 직무가 도대체 뭐가 있나"입니다. 채용 공고에는 "구조생물학 전공자"라는 직무명이 거의 없기 때문입니다. 전공이 직무명으로 바로 연결되지 않으니, 내가 하던 일이 어떤 직무의 어떤 업무로 이어지는지 지도를 먼저 그려 볼 필요가 있습니다. 이 글은 구조생물학·단백질 연구 경험을 가진 분이 바이오·제약 산업에서 갈 수 있는 직무를 큰 갈래로 나누어 정리합니다. 각 직무에서 연구 경험이 어디에 쓰이고, 진입 전에 무엇을 보완하면 좋은지도 함께 다룹니다. 연구실에서 산업계로 넘어갈 때의 기준 차이는 이전 글(연구실에서 바이오 QC·분석 직무로) 에서 먼저 다뤘으니, 직무 선택에 앞서 함께 읽어 보시길 권합니다. 구조 연구 경험이 산업계에서 쓰이는 방식 먼저 오해를 하나 풀어 두겠습니다. 결정 구조를 풀어 본 경험이 산업계에서 그대로 같은 방식으로 쓰이는 직무는 많지 않습니다. 품질관리나 특성분석 현장에서는 결정학이나 cryo-EM을 일상적으로 쓰지 않고, 분광학과 질량분석, 열분석 같은 비교적 빠르고 반복 가능한 방법으로 단백질의 구조적 특성을 확인하는 경우가 일반적입니다. 대신 "단백질이 어떻게 접히고, 무엇이 구조를 흔드는가"를 이해하는 감각은 거의 모든 단백질 의약품 직무에서 쓰입니다. 이 감각이 특히 중요한 영역이 바이오시밀러와 변경 후 비교동등성 평가입니다. FDA는 바이오시밀러 신청자에게 1차 구조뿐 아니라 2차, 3차, 4차 구조와 번역 후 변형까지 최신 분석 기술로 광범위하게 특성분석할 것을 기대합니다. [1][3] 같은 아미노산 서열이라도 당화, 전하 변이, 산화, 탈아미드화, 응집, 이황화 결합 구조, 고차 구조에서 차이가 생길 수 있고, 이를 직교적인 여러 분석법으로 비교하는 것이 분석적...

대학원에서 3~5년 동안 실험을 해 왔다면 손기술과 데이터 해석에는 자신이 있을 것입니다. 그런데 산업계 분석 직무에 들어간 첫 달, 많은 분이 같은 곳에서 당황합니다. 실험은 잘 되는데 "왜 기록을 이렇게 남기셨나요", "이 조건은 누가 승인했나요"라는 질문이 돌아오기 때문입니다. 연구실에서 칭찬받던 방식이 산업계에서는 그대로 통하지 않는 순간이 있습니다. 이 글은 대학원 산업계 전환을 준비하는 분을 위해 바이오 분석 직무(QC, 분석법 개발)를 기준으로 연구실 경험이 그대로 쓰이는 부분 , 번역이 필요한 부분 , 그리고 오히려 내려놓아야 하는 부분 을 나누어 정리합니다. 특정 회사나 내부 절차가 아니라 업계에서 공통적으로 통용되는 기준을 중심으로 썼습니다. [경험 삽입: QC와 분석법 개발 8년 경력 중 "연구실 출신 동료가 가장 먼저 부딪히는 지점"에 대한 한두 문장] 연구실 경험이 그대로 쓰이는 역량 먼저 좋은 소식부터 말씀드리겠습니다. 연구실에서 쌓은 역량 중 상당수는 이름만 바뀐 채 그대로 쓰입니다. 분석 기법의 원리를 이해하는 힘 HPLC, ELISA, 웨스턴 블롯, 세포 기반 분석처럼 연구실에서 직접 다뤄 본 기법은 산업계에서도 그대로 등장합니다. 산업계에서는 기법을 "돌릴 줄 아는 것"과 "왜 이런 결과가 나왔는지 설명할 수 있는 것"이 크게 갈립니다. 칼럼 상태가 피크 모양에 어떤 영향을 주는지, 세포 상태가 분석 결과를 어떻게 흔드는지를 몸으로 아는 사람은 문제 해결 속도가 다릅니다. 데이터를 읽고 의심하는 감각 대조군이 이상하면 결과를 믿지 않는 습관, 재현이 안 되면 원인을 쪼개서 찾는 습관은 직무에서 가장 높이 평가받는 능력입니다. 통계적 사고를 조금만 더해도 시험법의 변동 요인을 분석하는 일에 곧바로 연결됩니다. 문헌과 가이드라인을 읽는 힘 논문을 빠르게 읽고 핵심을 뽑는 훈련은 ICH 가이드라인이나 규제 문서를 ...

세포치료제 CQA, Potential인지 Non인지 어떻게 나눌 것인가 세포치료제 CMC 문서를 처음 준비하다 보면 비슷한 질문에 부딪힙니다. "이 속성은 CQA로 잡아야 하나, 아니면 공정 모니터링 지표(Key Process Parameter) 정도로 남겨도 되나?" 무균시험이나 세포 생존율처럼 답이 뻔한 항목도 있지만, 세포 형태(Morphology)나 배지 대사산물처럼 애매한 경계에 걸친 항목도 많습니다. 게다가 NK세포, CAR-T, 동종 줄기세포처럼 세포 종류가 달라지면 똑같은 "효능"이라는 단어 아래에서도 실제로 측정해야 할 항목이 완전히 달라집니다. 이 글에서는 CQA의 개념을 다시 짚고, 어떤 속성을 Potential CQA로 잡고 어떤 속성을 Non-CQA로 제외할 수 있는지 판정 기준과 근거 규정을 함께 정리합니다. CQA란 무엇이고, 왜 "Potential"이라는 말이 붙는가 CQA(Critical Quality Attribute, 중요품질속성)는 의약품의 안전성과 유효성을 보장하기 위해 적절한 한계·범위·분포 내에 있어야 하는 물리적·화학적·생물학적·미생물학적 특성을 뜻합니다. 살아있는 세포를 원료이자 완제품으로 다루는 세포치료제는 합성의약품보다 배치 간 변동성이 크기 때문에, 개발 초기 단계부터 QbD(Quality by Design) 접근법에 따라 CQA를 설정하는 작업이 필수적입니다. 여기서 "Potential CQA"라는 표현이 자주 등장하는 이유가 있습니다. 개발 초기에는 어떤 속성이 실제로 임상적 유효성·안전성에 영향을 미치는지에 대한 데이터가 충분하지 않습니다. 그래서 ICH Q8(R2)의 QbD 원칙에 따라, 확신이 서지 않는 속성은 일단 보수적으로 Potential CQA로 넣어두고 관리하다가, 임상·제조 데이터가 쌓이면서 실제로는 품질에 큰 영향을 주지 않는다는 근거가 확보된 속성만 Non-CQA로 제외(De-risk)하는 전략을 취...

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_202609 와 같은 형식입니다. 이 명명 규칙 자체가 향후 IRS로 전환될 때 "이 물질이 어느 시점의, 어느 배치의 RRS였는가...

지난 8월 19일, 모더나와 머크(MSD)가 개인 맞춤형 mRNA 암 치료 백신 '인티스메란(Intismeran autogene, V940/mRNA-4157)'의 임상 3상(INTerpath-001) 결과를 발표하면서 여러 매체에 "재발률 49% 감소"라는 문구가 함께 돌았습니다. 그런데 이 수치를 원문 발표자료까지 따라가 보면, 사실은 이번 3상이 아니라 2년 전 발표된 2상b(KEYNOTE-942) 5년 추적 데이터 에서 나온 값입니다. 정작 이번 3상 발표에서 두 회사는 구체적인 감소율을 공개하지 않았습니다. 사소한 오차처럼 보일 수 있지만, CMC/QA 실무자 입장에서는 이런 혼동이야말로 이번 이슈를 제대로 읽는 첫 관문입니다. 이 글에서는 (1) 이번 3상 결과가 실제로 무엇을 의미하는지, (2) 환자마다 서열이 다른 치료제를 규제기관이 어떻게 심사하는지, (3) 그 심사를 뒷받침하는 FDA의 신규 Potency Assessment 초안 가이던스가 실제로 무엇을 요구하는지를 원문 기준으로 정리합니다. 무엇이 발표됐고, 무엇이 아직 안 나왔는가 INTerpath-001은 완전 절제된 IIB~IV기 흑색종 환자 1,137명을 대상으로, 인티스메란과 키트루다(Pembrolizumab) 병용요법을 키트루다 단독요법과 비교한 무작위·이중맹검 3상입니다. 1차 평가변수인 무재발 생존기간(RFS)과 핵심 2차 평가변수인 원격 전이 없는 생존기간(DMFS)에서 목표를 달성했다고 발표됐습니다. 다만 두 회사는 톱라인(topline) 발표 단계에서 구체적 위험비(Hazard Ratio)나 감소율 수치는 공개하지 않았고, 향후 국제 학회에서 세부 데이터를 발표할 예정이라고 밝혔습니다. 전체 생존율(Overall Survival) 개선 여부도 아직 확인된 단계가 아니며, 이는 장기 추적이 필요한 별도 지표입니다. 반면 "49% 감소"는 이보다 앞선 2상b(KEYNOTE-942/mRNA-4157-P201...

실험실 벤치 옆에 두고 쓰려고 만든 올인원 도구, Benchtick 을 소개합니다. 🧪 Benchtick이 뭔가요? 타이머, 플레이트 분주 위치 추적, 셀 카운트, 시약 제조 계산, 프로토콜 기록까지 — 실험 중 자꾸 켰다 껐다 하던 앱 여러 개를 하나로 합쳤습니다. 설치 없이 바로 써볼 수 있는 웹 버전 도 함께 준비했어요. 🔗 지금 바로 웹에서 써보기 benchtick-2c0b0.web.app 열기 설치 없이 브라우저에서 바로 접속 가능합니다. 📱 탭별 사용법 1. 오늘 — 계획 + 자동 기록 오늘 할 일을 텍스트로 적고 체크만 하면 되는 가벼운 체크리스트입니다. 타이머 완료, 셀카운트, 프로토콜 체크, 플레이트 완료 같은 활동은 따로 기록할 필요 없이 자동으로 쌓입니다. 우측 상단 Google 로그인 을 하면, 오늘의 계획이 폰·태블릿·PC 어디서든 실시간으로 동기화됩니다. 로그인하지 않아도 기기 안에서는 그대로 잘 저장됩니다. 2. 타이머 — T1~T4 4채널 4개 채널을 오가며 동시에 타이머/스탑워치를 돌릴 수 있습니다. 채널을 바꿔도 다른 채널은 백그라운드에서 계속 흘러갑니다. 숫자를 탭하면 시간 설정 창이 열립니다. 시간을 설정하지 않고 시작하면 스탑워치로 동작합니다. 목표 시간을 넘겨도 멈추지 않고 마이너스로 계속 흐릅니다 — 얼마나 초과됐는지 바로 확인할 수 있어요. 종료 시 알림음 + 진동 3연타로 확실하게 알려줍니다. 3. 플레이트 — 분주 위치 추적 6 / 12 / 24 / 48 / 96 / 384 Well 중 골라서 사용합니다. 칸을 탭하거나 손가락으로 쭉 드래그하면 지나가는 칸이 연속으로 선택/해제됩니다. 실험이 중간에 끊겨도 어디까지 분주했는지 그대로 남아있습니다. ...

한국 바이오 취업 미스매치: 석사는 연구를 꿈꾸는데 기업은 왜 생산·QA 인력을 찾을까 대학원에서 밤새 실험을 설계하고 가설을 검증하던 시절을 떠올리며 취업 시장에 나온 석사 졸업생들이 있습니다. 이들이 기대하는 커리어는 대개 '내가 주도하는 연구'입니다. 그런데 막상 채용 공고를 열어보면 연구소 자리는 손에 꼽을 만큼 적고, 오히려 교대 근무가 있는 생산팀이나 반복 시험이 중심인 QA/QC 부서의 채용 규모가 훨씬 큽니다. 인력이 부족하다는 뉴스는 계속 나오는데, 정작 취업 준비생 커뮤니티에는 서류조차 통과하지 못했다는 하소연이 쌓입니다. 이 모순처럼 보이는 현상에는 분명한 구조적 이유가 있습니다. 숫자로 보는 미스매치: 인력난과 취업난이 동시에 벌어지는 이유 한국제약바이오협회(KPBMA)가 2025년 11월 발간한 'KPBMA FOCUS' 보고서에 따르면, 국내 제약바이오 업계는 향후 5년간 약 11만 명의 신규 인력이 필요하지만 실제 공급 가능한 인력은 3만 4천 명 수준에 그쳐 7만 명 이상의 공백이 예상됩니다. 바이오헬스 분야의 인력 부족률은 2022년 말 기준 3.5%로, 반도체나 자동차를 포함한 10대 제조 부문 가운데 가장 높은 수치였고 이는 2018년의 3.3%에서도 전혀 개선되지 않은 결과입니다. 문제는 이 부족이 '어디서' 발생하느냐입니다. 한국보건산업진흥원의 '2023년 바이오헬스 산업 인력구조 현황' 보고서를 보면, 제약산업 전체 인력의 학력 구성은 학사 54.2%, 고졸·전문학사 24.3%, 석사 14.7%, 박사 6.7% 순입니다. 그런데 이 중 석사급 인력이 가장 높은 비중을 차지하는 직무가 바로 연구개발(R&D)로, 무려 42.2%에 달합니다. 즉 석사 구직자가 가장 가고 싶어 하는 자리에는 이미 석사급 인력이 촘촘하게 몰려 있다는 뜻입니다. 가치사슬 직무 인력 부족률 전체 인력 대비 비중 해석 ...

Validation 데이터를 정리하다가, 또는 배치별 수율을 트렌드로 묶다가 "이거 엑셀로 하기엔 너무 반복적인데"라는 생각이 든 적이 있을 겁니다. 시험 결과 수백 건을 필터링하고, 배치마다 스펙 이탈 여부를 확인하고, 그 결과를 그래프로 옮기는 작업은 엑셀로도 되긴 하지만 손이 많이 갑니다. 이럴 때 등장하는 것이 파이썬(Python)과 그 위에서 돌아가는 판다스(Pandas), 넘파이(NumPy), 맷플롯립(Matplotlib)입니다. 문제는 이 넷의 이름과 역할이 뒤섞여서 다가온다는 점입니다. 이 글은 코딩을 전혀 해본 적 없지만 엑셀은 매일 쓰는 QA/CMC 실무자를 기준으로, 네 가지 도구가 각각 무엇을 담당하는지와 실무에서 자주 쓰는 핵심 용어(함수)를 정리합니다. 왜 엑셀에 익숙한 사람도 이 도구들을 알아야 할까 엑셀은 수십, 수백 행 정도의 데이터를 다루는 데는 충분합니다. 하지만 배치가 수천 건 쌓이거나, 매달 같은 형태의 트렌드 보고서를 반복해서 만들어야 하거나, 여러 파일에 흩어진 시험 결과를 한 번에 모아 분석해야 하는 상황에서는 엑셀의 수작업 방식이 병목이 됩니다. 파이썬과 그 라이브러리들은 이 반복 작업을 코드 몇 줄로 자동화하고, 사람이 놓치기 쉬운 필터링·집계 실수를 줄여줍니다. 처음부터 모든 업무를 코드로 옮길 필요는 없고, 반복이 많은 작업부터 하나씩 옮겨보는 정도로 시작하면 충분합니다. 라이브러리란 결국 무엇인가 엑셀에는 이미 만들어진 함수(AVERAGE, VLOOKUP, SUMIF)가 있어서, 그 계산 로직을 처음부터 짤 필요가 없습니다. 파이썬의 "라이브러리"도 정확히 같은 개념입니다. 누군가 미리 짜서 이름을 붙여둔 함수들의 묶음이며, 우리는 그 이름만 알면 가져다 쓸 수 있습니다. 다만 엑셀은 함수가 하나의 프로그램 안에 다 들어있는 반면, 파이썬은 목적에 따라 함수 묶음이 여러 라이브러리로 나뉘어 있다는 점이 다릅니다. 도구 엑셀에 비유하면 주로 담...

Benchtick은 Google 로그인을 사용하며, 로그인 시 이메일 주소와 계정 식별자를 수집합니다. 로그인한 사용자가 작성한 "오늘 할일" 데이터는 여러 기기 간 동기화를 위해 Google Firebase(Firestore)에 저장됩니다. 수집된 정보는 본 서비스 제공 목적으로만 사용되며, 제3자에게 판매되거나 공유되지 않습니다. 사용자는 언제든지 로그아웃할 수 있으며, 데이터 삭제를 원하시면 biobambooforest@gmail.com로 요청해 주세요.

개인정보처리방침 Benchtick 개인정보처리방침 최종 수정일: 2026년 8월 3일 Benchtick(이하 "앱")은 사용자의 개인정보를 중요하게 생각하며, 관련 법령을 준수합니다. 본 개인정보처리방침은 Benchtick 앱에서 개인정보를 어떻게 처리하는지 설명합니다. 1. 수집하는 개인정보 현재 Benchtick은 회원가입 기능을 제공하지 않으며, 사용자의 개인정보를 직접 수집하거나 저장하지 않습니다. 또한 다음과 같은 개인정보를 수집하지 않습니다. 이름 이메일 주소 전화번호 주소 주민등록번호 생체정보 위치정보 2. 기기 내 저장되는 데이터 앱은 원활한 기능 제공을 위해 일부 데이터를 사용자의 기기 내부에만 저장합니다. 예를 들어 다음과 같은 정보가 저장될 수 있습니다. 타이머 설정 플레이트(Plate) 선택 상태 프로토콜 목록 프로토콜 진행 상태 계산기 입력값(필요한 경우) 사용자 설정 이 데이터는 사용자의 기기를 벗어나 외부 서버로 전송되지 않습니다. 3. 개인정보의 제3자 제공 Benchtick은 사용자의 개인정보를 제3자에게 판매하거나 제공하지 않습니다. 4. 인터넷 연결 현재 앱의 주요 기능은 인터넷 연결 없이 사용할 수 있습니다. 향후 업데이트를 통해 온라인 기능이 추가될 경우 본 개인정보처리방침을 개정하여 안내드립니다. 5. 이메일 공유 기능 사용자가 프로토콜 공유 기능을 사용하는 경우, 앱은 사용자의 기본 이메일 앱을 실행하여 작성된 내용을 전달하도록 도와줍니다. 이 과정에서 이메일 전송은 사용자가 직접 수행하며, Benchtick은 이메일 내용을 별도로 저장하거나 서버로 전송하지 않습니다. 6. 데이터 삭제 사용자는 다음 방법으로 저장된 데이터를 삭제할 수 있습니다. 앱 내 초기화 기능 이용 기기의 앱 데이터 삭제 앱 삭제 앱 삭제 시 기기에 저장된 데이터도 함께 삭제됩니다. 7. 어린이 개인정보 Benchtick은 만 13세 미만 어린이를 대상으로 하지 않으며, 어린이의 개인...

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 ...

SOP 개정 이력을 열어보면 Ver.07, Ver.08처럼 버전이 계속 올라가 있는 경우가 있습니다. 내용을 들여다보면 시험 절차 자체는 크게 바뀐 게 없고, 장비 에러 대처법 한두 줄이 추가되거나 수정된 것뿐입니다. 그런데도 문서 전체가 개정되고, 그 시험을 수행하는 모든 분석원이 재교육 기록을 남겨야 합니다. 이런 식으로 SOP가 50페이지, 100페이지로 불어나면 정작 현장 분석원은 필요한 페이지만 복사해서 벽에 붙여놓고 보게 되고, 문서 버전 관리는 사실상 무너집니다. 이 문제는 SOP 하나에 "절차"와 "작업 행동"과 "예외 대응"을 전부 욱여넣었을 때 반드시 발생합니다. 이번 글에서는 SOP가 어디까지 상세하게 적혀야 하는지, 그리고 비대해진 SOP를 WI(작업지침서)와 트러블슈팅 가이드로 어떻게 분리하는지를 실무 기준으로 정리합니다. SOP란 무엇이고, 어디까지 적어야 하는가 SOP(Standard Operating Procedure, 표준 운영 절차)는 특정 업무를 누가 수행하더라도 동일한 품질과 결과를 낼 수 있도록 단계별로 기록한 표준 지침 문서입니다. 실무적인 작성 기준은 명확합니다. 해당 업무를 처음 하는 신입 사원이 선임의 설명 없이 이 문서만 보고도 똑같은 결과물을 만들어낼 수 있는 수준 이어야 합니다. SOP에 반드시 포함되어야 하는 핵심 구성 요소는 아래와 같습니다. 구성 요소 핵심 질문 내용 기본 정보 및 개요 왜 (Why), 어디까지 (Where/When) 문서번호·제개정일·버전, 목적, 적용 범위 역할 및 책임 누가 (Who) 수행 주체, 검토자·승인자·보고 대상 세부 작업 절차 어떻게 (How) 준비 사항, 단계별 행동 동사, 정량적 기준 판단 기준 및 분기 조건 어떤 경우 (If) 의사결정 시점의 명확한 흐름 설계 예외 상황 및 비상 대응 만약 (What if) 오류·이상 발생 시 즉각 조치, 안전 수칙 결과 확인 및 서식 끝...

ADC 대량 생산 공정, 실험실 프로토콜과 무엇이 다른가 항체에 형광 라벨을 붙이는 실험은 대부분 비슷한 순서를 따릅니다. 아민이 없는 버퍼로 바꾸고, 표지 시약을 넣고, 미반응 물질을 제거합니다. 그런데 이 익숙한 절차를 그대로 ADC(항체-약물 접합체, Antibody-Drug Conjugate) 상업 생산 규모로 옮기려고 하면 곳곳에서 막힙니다. 원심분리 필터로는 처리할 수 없는 부피, 실험실 권장 농도의 5~20배에 달하는 반응 농도, 그리고 무엇보다 "왜 어떤 ADC는 Lysine에 붙이고 어떤 ADC는 Cysteine에 붙이는가"라는 질문까지 이어집니다. 최근 ADC 신약을 다루는 회사들이 늘어나면서, CMC나 공정개발 직무를 준비하는 분들 사이에서 이 질문들이 자주 오갑니다. 이번 글에서는 실험실 스케일의 항체 접합(Conjugation) 프로토콜에서 출발해, 그 원리가 대량 cGMP 공정에서 어떻게 확장되고 변형되는지, 그리고 pH·첨가물 같은 공정 변수가 DAR(Drug-to-Antibody Ratio)·순도·역가(Potency) 같은 CQA(Critical Quality Attribute)에 어떤 영향을 주는지를 실제 문헌 기반으로 정리합니다. 실험실 접합 프로토콜의 기본 골격 고전적인 항체 접합은 세 단계로 이루어집니다. 버퍼 교환 — Tris, Glycine, BSA처럼 반응에 끼어드는 아민 성분을 제거하고, PBS나 중탄산 버퍼(pH 7.2~8.5)로 교체합니다. 접합 반응 — NHS-ester 형태의 라벨을 DMSO 등 유기용매에 녹여 항체 대비 3~20배 몰 과량으로 투입하고, 실온에서 30~60분 반응시킵니다. 정제 및 특성 분석 — 크기 배제 스핀 컬럼이나 투석으로 미반응 라벨을 제거하고, UV-Vis로 표지율(라벨:단백질 비율)을 계산합니다. 이 골격 자체는 대량 공정에서도 유지됩니다. 버퍼 교환 → 반응 → 정제라는 순서는 그대로입니다. 달라지는 것은 각 단계를 구현하는 ...