우리나라에서 바이오의약품 질량분석에 가장 많이 사용되는 시료는 ‘허셉틴’으로 나타났다. 

서정근 바이오엔시스템스 대표는 10일 한국제약바이오협회 4층 강당에서 열린 ‘바이오의약품 특성분석 최신동향 및 기반기술 실습 교육’에서 바이오의약품 특성분석 최신 동향에서 이 같이 말했다. 

서 대표의 발표 내용을 토대로 미국 FDA에 인허가를 신청한 바이오의약품 분석 트렌드와 향후 바이오의약품 질량분석 전망을 전한다. 서 대표가 발표한 FDA 인허가 바이오의약품 분석자료는 2000년부터 2015년까지 FDA로 허가신청이 들어온 모든 바이오의약품을 대상으로 어떤 질량분석 방법이 이용됐는지 다룬 논문 <A Restrospective Evaluaiton of the Use of Mass Spectrometry in FDA Biologics License Applications>을 토대로 했다. 

FDA에 승인된 바이오의약품 중 질량분석장비를 가장 많이 이용하는 것은 항체(antibody)로 약 50%를 차지했고, 이어 단백질 의약품이 36%, 융합 단백질(fusion protein) 11%인 것으로 나타났다. 실제로 질량분석장비를 이용한 데이터 분석 자료는 바이오의약품의 약 97%가 제출된 것으로 나타났다.  

서 대표는 “바이오의약품 분석에서 아미노산 서열 분석은 기본이다. 최근에는 항체 의약품과 관련해 C-terminal 분석과 N-terminal 분석을 이용하는 경우가 점점 늘고 있다.”고 말했다. 

특히 이날 서 대표는 항체 의약품과 관련해 ‘Deamidation’ 분석법에 대해 강조했다. 

Deamidation은 아미노산의 전하(charge) 변화를 통해 단백질의 binding affinity(결합친화성)을 측정하는 것이다. 최근 항체 의약품이 각광받으면서 이 분석법이 주를 이루고 있다. 이와 관련해 서 대표는 “ Deamidation를 이용해 아스파라긴이 아스파르트산으로 변화해서 binding affinity 변화를 알아 볼 수 있다. 항체 단백질의 경우 CDR을 통해 항체와 항원이 결합하는 부분에서 deamidation이 일어나는 것을 감지할 수 있고, 항체와 항원의 interaction(상호작용)에 중요한 역할을 하기 때문에 이에 대한 중요도가 높아지고 있다”고 말했다. 

덧붙여 Oxidation도 Deamidation보다는 중요도가 떨어지나 향후 항체 의약품과 관련해 중요도가 늘어날 것으로 제시됐다. Oxidation은 주로 항체 단백질의 기능에 영향을 미치는 것을 분석하는 기법이다. 

단백질 특성의 전반적인 분석을 위해 활용될 수 있는 기법으로는 ‘peptide map’이다. Peptide map을 이용하면 앞서 살펴본 아미노산 서열 분석 등 단백질에 대한 전반적인 attribute를 모두 살펴볼 수 있다. 

질량분석을 위해 가장 많이 사용되고 있는 장비로는 MALDI-TOF였으나, 점점 감소 추세를 보이고 있었으며 Q-TOF와 TOF 장비가 점점 많이 사용되고 있는 것으로 드러났다. 즉, 질량분석 초반에는 MALDI-TOF가 주도했다면, 후반부에는 Q-TOF와 TOF가 주도하는 것으로 드러났다. 

질량분석은 QC(Quality Control;품질관리)에 직접적으로 활용되기는 어려우나 바이오의약품의 단백질 특성을 추측하는 데 활용될 수 있다. 

질량분석을 통해 확인할 수 있는 단백질 특성 분석 기법으로는 ▲N-term Sequences ▲N-term Variants ▲C-term Variants ▲Charge Variants ▲Clips ▲Glycans ▲Identify ▲Process Impurities가 있다. 

단백질 특성을 분석하는 방법으로는 Multi-Attribute Method(MAM)이 제시됐다. 

서 대표는 “현실적으로 현 상황에서 하나의 workflow로 하는 방식이 가능하지는 않다. 아직까지 정량분석에 있어서 질량분석만을 적용한 것은 없다. 단백질 특성 분석에만 한정돼 있다. 실질적으로 아직도 단백질 분석용으로 QC에 질량을 적용시키는 데는 없다. 그러나 Peptide drug의 경우 QC에서 질량분석을 활용한다. Peptide drug는 구조가 비교적 간단하기 때문이다.”고 말했다. 

서 대표는 현재 MAM의 질량분석에서 가장 주용한 요소로 ‘reproducibility(재현성)’을 꼽았다. 

바이오의약품의 주요 구성성분은 단백질이다. 같은 단백질이라고 하더라도 실험하는 시간, 공간에 따라 데이터 값이 달라질 수 있다. 따라서 바이오의약품에서 재현성을 확보하는 것은 무엇보다 중요하다. 서 대표는 “재현성과 정량성은 같이 가는 요소이기 때문에 주로 HPLC를 통해 정량분석과 재현성을 측정한다. 그러나 우리 회사에서 실험해 본 결과 MAM 방식을 통해서도 정량성과 재현성을 확보할 수 있었다”고 언급했다. 

그러나 현재까지 MAM 방식에서 재현성을 평가하는 객관적인 기준은 없다. 이를 해결하기 위해 인공지능(기계학습)을 이용한 표준 데이터를 이용하는 방안이 제시됐다. 이러한 방식을 이용하면 초기 바이오의약품 개발 단계에서 후보물질을 쉽게 선별해 낼 수 있다. 

서 대표는 “MAM를 통해 다양한 단백질 attribute set을 만들어 놓으면 세포주 개발 단계에서 binding affinity를 높일 수 있다. 이를 통해 200-300개 cell line을 비교해 발현량이 가장 좋은 것을 찾아내 초기 바이오의약품 선도물질을 빠르게 찾아낼 수 있다”고 설명했다.