제약회사 연구원의 블로그

slope drift의 숨은 원인들1. “이번 배치는 slope가 좀 다르네요”라는 말의 정체LC-MS/MS 분석 회의에서가장 자주, 가장 가볍게 나오는 말 중 하나가 이것이다.“이번 배치는 slope가 조금 다르네요.”그리고 보통 이렇게 이어진다.R²는 괜찮음back-calculated accuracy도 허용 범위QC도 통과그래서 결론은 늘 같다.“사용에는 문제 없습니다.”하지만 여기서 놓치는 사실이 있다.slope가 바뀌었다는 건, 이미 시스템이 바뀌었다는 신호라는 점이다.2. Calibration curve는 ‘선’이 아니라 ‘시스템의 지문’이다우리는 calibration curve를종종 단순히 이렇게 생각한다.농도 vs response의 직선정량을 위한 수학적 도구하지만 실제로 calibratio..

– 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..

Metabolomics에서 annotation bottleneck은 기술 문제가 아니라 ‘해석의 한계’였다Metabolomics는 언제나 데이터 생산 속도가 해석 속도를 앞질러 왔다.LC-MS 성능은 해마다 좋아졌고, non-targeted 분석에서는 수천, 많게는 수만 개의 feature가 한 번의 실험에서 쏟아진다.문제는 그다음이다.분석가는 결국 몇 개의 peak 앞에 멈춰 선다.통계적으로 가장 유의한 것들, fold change가 큰 것들, 그림이 예쁜 것들.그리고 그중에서도 이름을 붙일 수 있는 것만 남긴다.이 과정은 자연스럽지만, 동시에 잔인하다.데이터의 대부분은 “이름이 없다는 이유”로 분석에서 탈락한다.이게 바로 annotation bottleneck의 실체다.중요한 점은, 이 병목이라이브러..

LC-MS vendor 로그 데이터는 왜 늘 ‘있지만 부족한가’LC-MS 장비를 켜면 수많은 로그가 자동으로 쌓인다.압력, 전압, 온도, 진공 상태, 에러 코드까지.겉으로 보면 predictive maintenance에 딱 맞는 데이터처럼 보인다.하지만 막상 로그를 열어보면 분석가는 곧 실망하게 된다.값은 있는데, 맥락이 없다.변화는 보이는데, 해석 기준이 없다.예를 들어 펌프 압력 로그를 보자.시간에 따라 압력이 흔들린다.그런데 이 흔들림이 정상 범위인지, 위험 신호인지 판단할 기준은 제공되지 않는다.Vendor는 “이 값은 정상입니다”라고 말하지만,그 정상은 분석 품질과 연결되지 않은 정상이다.Vendor 로그의 첫 번째 한계: 분석 품질과 분리된 데이터가장 근본적인 문제는,vendor 로그가 장비 ..

1. 서론 – “stability는 검증의 마지막 단계가 아니라, method의 일상 테스트다”Bioanalytical validation에서 stability 항목은 흔히 ‘마지막 단계’로 다뤄진다.정확도, 정밀도, 회수율, selectivity, carry-over 등 주요 항목이 끝나면마지막으로 bench-top, autosampler, extract, freeze-thaw stability를 수행하는 식이다.하지만 실제 분석팀 관점에서 보면 stability는“마지막에 검증하는 항목”이 아니라,“매일 반복되는 분석의 신뢰도를 증명하는 테스트”다.특히 extract stability와 bench-top stability는시료 전처리 및 보관 환경의 미세한 차이가 결과를 완전히 바꿔버릴 수 있다.즉,..