제약회사 연구원의 블로그

– Peak shape, S/N, tailing을 SOP로 고정하는 방법1. “이 피크, 좀 별로인데…”는 언제나 말로만 끝난다LC-MS/MS 분석실에서 가장 자주 오가는 말 중 하나는 이것이다.“이 피크, 좀 별로죠?”하지만 이상하게도이 말은 늘 공기 중에 흩어지고,어디에도 기록되지 않는다.QC는 pass수치는 기준 충족결과는 reportable그런데도분석가는 찜찜하다.이 ‘찜찜함’이LC-MS 분석에서 가장 위험한 영역이다.2. ‘좋은 피크’는 왜 정의되지 않은 채 사용되는가아이러니하게도LC-MS/MS 분석에서가장 중요한 요소 중 하나인 peak quality는대부분의 SOP에서 이렇게 한 줄로 끝난다.“적절한 peak shape를 확인한다.”문제는 여기서 “적절한”이라는 단어다.누구에게 적절한가?언제..

– 코드가 아니라 ‘판단 기준’을 문서로 남기는 기술 1. 자동화는 되어 있는데, SOP에는 왜 남지 않는가많은 분석팀이 이런 상태에 있다.R 기반 자동화 파이프라인은 잘 돌아가고QC, trend, anomaly 결과도 매일 확인하지만SOP에는 여전히 예전 문장이 그대로 남아 있다예를 들면 이런 식이다.“QC 결과를 검토하여 분석 적합성을 판단한다.”이 문장은 틀리지 않다.하지만 아무것도 설명하지 않는다.그리고 audit에서 항상 같은 질문이 나온다.“검토했다는 근거는 무엇입니까?”자동화의 가치는이 질문에 답할 수 있을 때 비로소 완성된다.2. 가장 큰 오해: “SOP에 코드를 넣어야 한다”R 자동화를 SOP로 옮기려 할 때가장 흔한 실수는 이것이다.“이 R 스크립트를 SOP에 어떻게 써야 하지?”정답은..

실제 조직 도입 사례 –코드를 들여온 게 아니라, 판단을 구조화했다”1. 자동화는 늘 필요했지만, 아무도 시작하지 못했다LC-MS 분석팀에서 “자동화”라는 단어는항상 회의실 어딘가에 떠 있었지만,실제로 손에 잡히는 형태로 내려온 적은 거의 없었다.데이터는 늘 많았고검토 시간은 늘 부족했고QC fail이 나면 항상 “사람”이 원인이었다하지만 그걸 구조적으로 바꾸자는 논의는언제나 이렇게 끝났다.“일단 지금도 돌아가니까…”이 사례의 시작도대부분의 제약·CRO 조직과 다르지 않았다.2. 배경: Multi-project, Multi-batch, Multi-analyst 환경이 조직은 다음과 같은 특징을 갖고 있었다.PK / TDM / tox bioanalysis를 동시에 수행LC-MS/MS 장비 6대 이상분석가 ..

– Raw data 이후, 분석팀의 판단을 구조화하는 데이터 흐름 LC-MS 자동화를 이야기할 때 가장 흔한 오해는 이것이다.“자동화 = raw data부터 전부 R로 처리”실제 제약·CRO 환경에서 가장 현실적인 자동화 파이프라인은👉 vendor software 이후 단계에서 시작한다.즉, 사람의 판단이 반복되는 지점을 R이 대신 정리해 주는 구조다.전체 파이프라인 개요 (개념도) [LC-MS Instrument] ↓ [Vendor Software] (Integration / Calibration / QC 평가) ↓ Exported Data] (CSV / Excel / LIMS dump) ↓ [R 자동화 파이프라인] ├─ 데이터 정합성 검사 ├─ QC / IS / RT 품질 지표 계산 ├─ Trend..

– Vendor software를 넘어, “분석 사고를 확장하는 도구”로서의 RLC-MS 분석을 오래 해본 연구원일수록 이런 감정을 한 번쯤 느낀다.“데이터는 엄청나게 쌓이는데,정작 우리가 활용하는 건 보고서에 들어간 숫자 몇 개뿐이다.”LC-MS/MS 장비는 매 런마다수천 개의 데이터 포인트수십 개의 품질 지표장비 상태를 반영하는 미묘한 신호들을 남긴다.하지만 대부분의 조직에서 이 데이터는👉 vendor software 안에서만 소비되고 사라진다.R을 활용한 데이터 자동화의 진짜 의미는“새로운 분석을 한다”가 아니라,이미 존재하는 LC-MS 데이터를 ‘다르게 읽는 것’에 있다.1. 왜 vendor software만으로는 한계가 생길까?Vendor software는 본질적으로 “개별 batch 처리”에..

– ICH M10, FDA 21 CFR Part 11, Audit 대비 체크리스트“분석은 끝났는데, 데이터는 아직 준비되지 않았다”LC-MS/MS 분석은 기술적으로는 이미 완성 단계에 가깝다.민감도, 선택성, 재현성—문제는 더 이상 분석이 되느냐가 아니라 “이 결과를 규제 환경에서 방어할 수 있느냐”다.실제 audit 현장에서 가장 자주 들리는 말은 이것이다.“분석 결과 자체에는 큰 문제는 없어 보입니다.다만, 이 결과가 어떻게 만들어졌는지가 명확하지 않습니다.”이 시리즈는 바로 이 지점을 파고든다.LC-MS/MS 데이터를 ‘잘 만든 결과’에서 ‘규제 대응 가능한 증거’로 바꾸는 과정,그 전체 구조를 하나씩 해부한다.Part 1. ICH M10 이후, LC-MS/MS는 무엇이 달라졌는가– “Validat..

– 속도의 문제가 아니라, “판단의 일관성”에 대한 이야기 LC-MS/MS 분석은 흔히 이렇게 표현된다.“장비는 정밀하지만, 결과는 사람이 만든다.”이 말은 과장이 아니다.같은 장비, 같은 method, 같은 시료를 사용해도누가 데이터를 처리하느냐에 따라 결과 해석이 달라지는 경우는 지금도 흔하다.그래서 LC-MS/MS 데이터 자동화의 본질적인 목적은✔ 분석 속도를 높이는 것도✔ 인력을 줄이는 것도 아니라👉 “사람마다 다른 판단을, 하나의 일관된 논리로 고정시키는 것”이다.1. LC-MS/MS 데이터 처리, 왜 이렇게 사람이 많이 개입할까?LC-MS/MS 데이터 흐름을 차분히 뜯어보면 자동화가 어려웠던 이유가 분명해진다.1-1. 전통적인 데이터 처리 흐름Raw data acquisition (vendo..

– 데이터 자동화, Explainable AI, Anomaly Detection “분석가는 대체되지 않는다. 다만, 분석의 방식은 바뀐다”LC-MS/MS는 오랫동안 제약·바이오 분석의 gold standard였다.정확도, 민감도, 선택성—어느 하나 빠지지 않는 기술이지만,아이러니하게도 이 장비는 사람의 개입이 가장 많이 필요한 분석 시스템이기도 하다.시퀀스 설계샘플 전처리 편차integration 판단outlier 제거validation 결과 해석이 모든 과정은 여전히 분석가의 경험과 감각에 의존해 왔다.그리고 바로 이 지점에서 AI는 LC-MS/MS와 만날 수밖에 없었다.“AI는 LC-MS/MS를 자동화하기 위해 들어온 것이 아니라,사람이 감당하지 못하는 복잡도를 흡수하기 위해 들어왔다.”Part 1...