제약회사 연구원의 블로그

TDM, Toxicology, Cancer Metabolism 사례로 보는 “대사체 데이터가 ‘의미 있는 신호’로 바뀌는 순간들” Metabolomics는 오랫동안 이렇게 평가받아 왔다.“재미있는 데이터는 많은데,실제 의사결정에는 쓰기 어렵다.”이 평가는 반은 맞고, 반은 틀리다.문제는 metabolomics 자체가 아니라, 어디까지를 ‘해석 가능한 데이터’로 볼 것인가에 대한 기준 부재였다.이 시리즈의 목표는 명확하다.“대사체 데이터가 언제, 어떻게 임상·독성·종양 연구에서‘결정에 영향을 주는 증거’로 작동하는지를 보여주는 것”Part 1. TDM(Therapeutic Drug Monitoring)에서의 Metabolomics– “혈중 농도 하나로는 설명되지 않는 환자 간 차이”전통적인 TDM은 명확하..

– metabolomics 해석 패러다임이 ‘이름 붙이기’에서 ‘신뢰도 관리’로 이동하는 이유1. Annotation confidence는 왜 늘 애매하게 남아 있었는가Metabolomics 논문을 수십 편만 읽어봐도 반복해서 등장하는 표현들이 있다.Putatively annotated metaboliteTentative identificationLevel 2 identification according to MSI guideline이 표현들은 모두 한 가지 사실을 우회적으로 말한다.“확실하다고 말하기에는 불안하고,그렇다고 무시하기에는 의미 있어 보인다.”Annotation confidence는 오랫동안 말로 표현되는 감각에 가까웠다.분석가는 마음속으로 이렇게 판단한다.이건 꽤 그럴듯하다이건 조금 위험하..

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..

– “단일 오믹스로는 절대 보이지 않는 신호들”1. 서론 – “독성은 한 지점에서 발현되지만, 원인은 네트워크 전체에서 시작된다”신약 개발 과정에서 가장 치명적인 리스크는 결국 “독성”이다.in vitro에서는 아무 문제 없던 화합물이 in vivo에서 갑자기 간독성을 보이고,임상에서는 환자 일부에서 예측 불가능한 부작용이 터진다.전통적인 방식은 특정 biomarker를 모니터링하거나PK profile에서 노출도(exposure)를 확인하는 수준이었다.하지만 독성이란 게 그렇게 단순하지 않다.독성은 대개 대사 경로의 무너짐(metabolic collapse)과단백체 수준에서의 기능적 붕괴(proteome disruption)가 복합적으로 일어나면서 나타난다.그래서 등장하는 접근이 바로 Proteomics..

– 데이터 기반 신약개발 패러다임의 전환점1. 서론: AI와 metabolomics가 바꾸는 제약산업의 미래최근 10년간 전 세계 제약 산업은 두 가지 거대한 축 위에서 재편되고 있다. 하나는 인공지능(AI) 이고, 다른 하나는 대사체학(Metabolomics) 이다.AI는 방대한 생명과학 데이터를 효율적으로 분석하여 신약 후보 물질을 빠르게 발굴하는 데 강점을 보이고, metabolomics는 생체 내에서 실제 일어나는 대사 변화를 정량적으로 포착함으로써 질병의 기능적 상태를 이해하게 해준다.국내 제약사들에게 이 두 기술의 융합은 단순한 연구 트렌드 이상의 의미를 갖는다.글로벌 제약사들이 이미 AI 기반 다중 오믹스(multi-omics) 플랫폼을 신약 개발 전 단계에 도입하고 있는 상황에서, 한국 제..

1. 서론: 약물 치료의 ‘실시간성’이라는 새로운 패러다임의학의 진보는 ‘정밀함(precision)’을 향해 끊임없이 나아가고 있다.유전자 분석(genomics), 단백질체(proteomics), 대사체학(metabolomics) 등이 발전하며, 약물 반응의 개별 차이를 이해할 수 있게 되었지만 여전히 임상 현장은 ‘정적(static)’인 데이터 중심이다.예를 들어, 환자가 항암제나 항응고제를 복용했을 때, 그 약물이 체내에서 실제로 얼마나 흡수되고, 대사되고, 배설되는지를 실시간으로 추적하기는 어렵다.보통은 일정한 간격으로 채혈하여 LC-MS/MS 분석을 수행하고, 그 결과를 바탕으로 ‘약동학적 모델’을 구성한다. 그러나 이 방식은 환자 상태 변화의 즉각적인 반영이 어렵다는 치명적인 한계를 가진다.이 ..

들어가며: 신약 타깃 발굴의 패러다임 변화신약개발의 첫 단계는 언제나 치료 가능한(druggable) 타깃 발굴이다. 과거에는 유전자 분석이나 전사체 데이터를 통해 질환 관련 후보 유전자를 찾고, 이를 억제하거나 조절하는 방식으로 접근했다. 하지만 실제 임상에서는 유전자 수준의 정보만으로는 한계가 많다. 어떤 변이가 있더라도 단백질 수준에서 발현되지 않거나, 대사체에 영향을 주지 않는다면 약물 타깃으로 의미가 없기 때문이다.이 때문에 최근에는 Proteogenomics(단백체-유전체 융합 분석)와 Metabolomics(대사체 분석)를 결합한 다중오믹스 접근이 주목받고 있다. Proteogenomics는 유전적 변이가 실제 단백질 발현으로 이어지는지를 확인할 수 있고, metabolomics는 이러한 단..

— LC-MS/MS와 Systems Toxicology 융합 전략 1. 서론: 비임상 독성 평가의 한계와 Metabolomics의 필요성신약 개발 과정에서 독성 평가(toxicology study)는 필수적 단계이며, 전임상 동물 모델을 통해 안전성을 확보한 후에야 임상으로 진입할 수 있다. 하지만 기존의 독성 시험은 병리학적 변화(histopathology), 혈액생화학(biochemistry), 조직학적 검사에 크게 의존하고 있어, 독성 발현이 상당히 진행된 이후에야 확인 가능한 경우가 많다.따라서 독성이 발현되기 전, 즉 early toxicity signal을 포착할 수 있는 분석 플랫폼이 필요하며, 최근 LC-MS/MS 기반 metabolomics가 주목받고 있다. 대사체는 세포 수준에서 빠르게..