제약회사 연구원의 블로그

서론: 소량 채혈의 시대가 열리다제약 및 임상 연구 환경은 나날이 환자 친화적이고 정밀한 방향으로 진화하고 있습니다. 특히 소아, 노인, 만성질환자 등 반복적인 혈액 채취가 어려운 환자군의 증가로 인해, 기존의 수 mL 단위 채혈 방식에서 벗어나 훨씬 더 간편하고 적은 양의 혈액만으로도 정확한 약물 정량이 가능한 Micro-sampling 기법이 주목받고 있습니다.Micro-sampling은 일반적으로 10~30 μL 수준의 극소량 혈액만으로도 분석을 가능하게 하는 기술로, DBS(Dried Blood Spot) 및 VAMS(Volumetric Absorptive Microsampling) 방식이 대표적입니다. 이러한 기술은 LC-MS/MS(액체크로마토그래피-질량분석기)와 결합되어 고감도 분석 플랫폼을 ..

1. 서론: Extraction Recovery가 왜 중요한가?약물 분석에서 가장 중요한 목표 중 하나는 시료 내에 존재하는 약물을 정확하고 정밀하게 정량하는 것이다. 이때 시료 내의 분석 대상 물질을 효과적으로 추출하지 못하면, 실제 존재하는 농도보다 낮은 수치로 측정되거나 분석 간 오차가 커지는 문제가 발생한다. 이로 인해 약물동태학(PK), 생물학적 동등성(BE), 독성 시험 등 모든 후속 연구의 신뢰성이 크게 저하될 수 있다.‘Extraction Recovery’는 전처리 과정을 거쳐 분석 대상 성분이 실제로 얼마나 추출되었는가를 나타내는 지표다. LC-MS/MS 기반 분석에서는 이 수치가 특히 중요하다. 높은 회수율(recovery)을 유지하면서도 정량성과 재현성을 확보할 수 있는 전처리 방법을..

서론: Matrix Effect, 무시할 수 없는 변수 LC-MS/MS는 의약품 정량 분석에서 가장 널리 사용되는 기술 중 하나로, 특히 생체시료(혈장, 혈청, 뇌척수액 등) 내 극미량 약물의 정밀 정량에 탁월한 성능을 보여준다. 그러나 분석의 정확성과 신뢰도를 위협하는 대표적인 장애 요인 중 하나가 바로 Matrix Effect이다. 시료 내 다양한 내재 물질들이 분석 과정에서 이온화 효율에 영향을 미치며, 결과적으로 신호 증강 혹은 신호 억제가 발생할 수 있다.Matrix Effect는 단순히 실험 오차의 원인을 넘어, 허위 음성(false negative) 또는 허위 양성(false positive) 결과로 이어질 수 있으며, 이는 규제기관의 자료 반려 및 임상 실패로 이어질 수 있는 심각한 문제로..

현대 의약품 개발에서는 환자의 복약 순응도와 치료 효율성을 동시에 고려한 다양한 제형 개발이 이루어지고 있다. 그 중에서도 구강붕해정(ODT, Orally Disintegrating Tablet), 서방형 제형(Extended/Controlled Release Formulations), 경피제제, 장용정 등의 특수 제형은 기존의 정제(Tablet)와는 물리적 성상, 용출 특성, 생체이용률 등에서 큰 차이를 보인다. 이러한 제형 변화는 단순히 제형학적 접근만이 아니라, 약물 분석법의 전반적인 수정 및 재검토를 요구하게 된다.본 글에서는 특수 제형에 대응하기 위한 약물 분석법의 수정 전략을 중심으로, ODT 및 서방형 제형을 주요 사례로 하여 시료 전처리, 용출 조건 설정, 생체시료 분석 전략에 이르기까지 ..

최근 글로벌 의약품 시장에서 위변조 약물(Counterfeit Medicines)의 문제는 단순한 품질 이슈를 넘어 공공보건과 환자 안전을 위협하는 심각한 글로벌 이슈로 부각되고 있다. 세계보건기구(WHO)는 개도국을 중심으로 유통되는 의약품의 10% 이상이 위변조된 것으로 추정하며, 특히 온라인 유통 채널과 병행수입 경로 등을 통한 위조약 유입 사례가 꾸준히 증가하고 있다.이러한 위조약은 유효성분이 전혀 없거나 잘못된 성분을 포함하고 있는 경우가 많아, 복용 시 치료 효과가 없을 뿐 아니라 심각한 부작용을 유발할 수 있다. 특히 항생제, 항암제, 항바이러스제와 같은 고위험군 의약품의 경우, 위변조 여부에 따라 환자의 생명이 직결될 수 있다. 이에 따라 국내외 규제기관과 제약사들은 위변조 의약품 탐지를 ..

최근 몇 년 사이, 분석 연구 분야에도 점차 머신러닝(Machine Learning) 기술이 침투하고 있다. 단순한 수치 계산을 넘어, 반복 실험에서 얻어지는 데이터를 기반으로 예측 모델을 구축하고, 정량 분석 결과를 사전에 추정하거나 품질관리를 자동화하려는 시도들이 활발하게 이어지고 있다. 특히 LC-MS/MS 기반의 약물 정량 분석과 같이, 수많은 변수와 복잡한 상관관계가 얽힌 데이터에서는 머신러닝 기법이 유용한 도구가 될 수 있다.그러나 머신러닝 모델의 성능을 보장하려면 단순히 알고리즘을 적용하는 것만으로는 부족하다. 모델이 훈련 데이터에만 적합되고, 새로운 상황에서는 제대로 작동하지 않는 과적합(overfitting) 문제를 피하기 위해서는, 반드시 적절한 검증 방식이 병행되어야 한다. 이때 핵심..

신약개발의 전 임상 단계에서 수행되는 약물 분석 결과는 IND(Investigational New Drug) 제출 문서의 핵심 구성요소 중 하나다. 이 중에서도 바이오분석 데이터(LC-MS/MS 기반 정량 분석 결과)는 약동학(PK) 평가, 독성시험 해석, 임상 초기 용량 설정의 근거로 활용되므로, 문서 요약과 작성 방식에 따라 허가 기관의 평가 결과가 크게 달라질 수 있다.이 글에서는 미국 FDA와 한국 MFDS에 IND 자료 제출 시, 약물 분석 결과 요약 방식의 실제 요건 및 사례를 중심으로, 양 기관의 공통점과 차이점을 정리하고, 실무적인 대응 전략을 공유하고자 한다.1. IND 제출 시 바이오분석 보고서의 역할과 위치IND 제출 시 바이오분석 결과는 보통 다음 두 영역에 포함된다:Pharmaco..

분석팀과 Pharmacometrics 팀의 협업 사례를 중심으로약물개발의 성패를 좌우하는 여러 결정적인 요소 중 하나는 약물의 약동학/약력학(PK/PD) 모델링 과정이다. 이 모델링은 단순히 수학적인 예측에 그치지 않고, 실제 환자에게 적용될 수 있는 용량, 투여 간격, 치료 효과의 예측 등 임상 개발 전략을 구체화하는 핵심 기반이다. 특히 분석팀에서 생성한 정량적 약물 농도 데이터는 이 모델링의 출발점이 되며, 분석의 정확도와 정밀도는 전체 모델의 신뢰도에 직결된다.본 글에서는 분석팀과 파마코메트릭스(Pharmacometrics) 팀이 협업하여 진행한 PK/PD 모델링 사례를 중심으로, 양 팀 간의 실질적인 데이터 흐름과 소통 전략, 모델링 적용 전후의 피드백 구조를 기반으로 한 실무 노하우를 공유하고..