전문성 #5: Assay Developer
국내 바이오 인재 동향 리포트 (2025)
시작하며. 핵심 요약
Assay & Screening Developer는 후보물질 발굴의 속도와 정확도를 좌우하는 실험-데이터 운영자다.
HTS(High-Throughput Screening), HCS(High-Content Screening), PPI(Protein–Protein Interaction) Assay, CRISPR screens는 서로 다른 해상도/비용/리스크를 가진다. 한국 산업은 신약 탐색(항체/ADC/소분자/RNA) 수요 확대로, 설계(Design of Experiment, DoE)–자동화(Liquid handler)–품질지표(Z’-factor, S/B, CV)–데이터 파이프라인(ELN/LIMS/MLOps)을 한 번에 이해하는 크로스오버형 개발자를 찾고 있다.
서론. 시장과 기술의 전환점
수요 변화: 전임상 초기(HTS/HCS)에서 임상 번역(모델 적합성, orthogonal 검증)까지 연결형 스크리닝 요구가 증가.
기술 전환: 리포터(Luc/NanoLuc/HiBiT) 중심 HTS → 이미지 기반 HCS/Cell Painting → 유전학 기반 CRISPR pooled screens로 다층화.
운영 표준: 자동화(테칸/해밀턴), 로보틱스 인큐베이터, 이미지 분석(세그멘테이션/피처링), 통계 로버스트화(중앙값 정규화/Robust Z), Z’-factor 기반 적합성 판단이 기본 문법으로 정착.
국내 신호: 대형 제약/바이오텍의 HTS 리빌드, 병원/연구소의 HCS 코어시설 확장, AI-약물탐색(phenomics × ML) 협업 프로젝트 증가.
Orthogonal 검증
Orthogonal validation (직교적 검증): 동일한 현상을 전혀 다른 방식(메커니즘)으로 다시 검증하는 절차.
즉, 하나의 결과(예: 히트, 결합, 발현, 활성)가 실험 조건·장비·탐지 원리의 한계로 생긴 가짜 결과(false positive)가 아닌지를 확인하기 위해 다른 검출 원리의 실험으로 재검증하는 것.
쉽게 말해, 교차검증.
본론 1. 역할/기술 스펙트럼
사례
HTS: 384/1,536-well 리포터 기반 효소/세포 분석으로 연 10^5–10^6 규모 라이브러리 스크리닝.
HCS: 공초점/고함량 이미징 + Cell Painting로 표현형 기반 타깃 재발견 및 오프타깃 위험도 예측.
PPI: AlphaLISA, TR-FRET, BRET, SPR/BLI 등으로 결합/저해를 다각도로 검증(orthogonal 체계).
CRISPR screens: pooled knockout/CRISPRi/a로 타깃 발굴/내성 기전 규명(유세포/NGS readout).
핵심 기술 스택
Assay 설계/최적화
> 리포터/항체/기질 동역학, DMSO 허용치, 플레이트 맵핑(양/음성·엣지 보정), Z’ ≥ 0.5 기준.
자동화/운영
> Liquid handler(정확도/정밀도), 플레이트 리더/이미저, 로보틱스 스케줄링, 온습도/진동 관리.
데이터·통계
> Normalization(중앙값/B-score), Robust Z-score, FDR/q-value, Hit-triage(확증/카운터/ orthogonal).
이미지/ML
> 세그멘테이션(전처리/아티팩트 제거), 피처 엔지니어링/임베딩, 배치 효과 제거, 주성분 기반 QC.
품질/문서화
> SOP–ELN–LIMS, 원자료(plate/이미지) 보존, 레퍼런스 컴파운드/컨트롤의 장기 모니터링.
본론 2. 국내 수요/공급 동향 및 병목
어디서 왜 필요한가
제약/바이오텍: Small molecule/PROTAC/항체/ADC/RNA의 히트→리드→리드옵 파이프라인 단축.
진단/바이오로직스: PPI/항원–항체 친화도(SPR/BLI) + HCS 기능성 검증의 양팔 체계 필요.
CRO/CDMO/코어시설: 스크리닝 as-a-service, 이미지/NGS 데이터 파이프라인, 자동화 유지보수.
병원/연구소: 환자 유래 모델(Organoid/Primary) × HCS·CRISPR 기능검정 연계.
인재 병목
실험–자동화–데이터 삼위일체형 인력 부족: 한 축만 강한 ‘편향형’이 다수.
표준화 경험 결핍: Z’/S:B/CV와 배치 효과 관리, orthogonal 설계 경험 공백.
이미지/NGS 해석 역량 격차: 데이터 QC/false positive 제어 역량 희소.
모달리티 비교
결론. 2025–2027 전망
연결형 파이프라인: HTS→HCS→PPI/SPR→CRISPR 기능검증의 연동 표준화가 보편화.
표준의 경쟁: Z’/orthogonal/데이터 거버넌스를 먼저 정립한 조직이 TTM(Time-to-Milestone) 우위.
인재 프리미엄: 설계(DoE)–자동화–데이터/이미지–규격(QC/문서화)을 수평으로 잇는 개발자에 프리미엄.
교육 전환: ‘장비 운용’ 교육에서 ‘실험 설계+데이터 QC’ 중심으로.
→ 요약: 앞으로 3년, 스크리닝의 핵심 경쟁력은 속도가 아닌 재현성/표준화/해석력
맺으며.
스크리닝은 실험과 데이터의 공장이 아니다. 사실을 재현 가능한 형식으로 번역하는 작업이다.
플레이트 위의 숫자는 시작일 뿐, orthogonal 검증과 문서화를 거칠 때 과학이 된다.
기술은 공유될 수 있지만 숙련은 전수되어야 한다—표준을 매일 갱신하는 사람이 결국 발견을 앞당긴다.
출처
학술/기술자료
Zhang J-H, Chung TDY, Oldenburg KR. (1999). “A Simple Statistical Parameter for Use in Evaluation & Validation of HTS Assays (Z’-factor)”. J Biomol Screen.
Bray M-A et al. (2016). Cell Painting reveals biology by image-based profiling. Nat Protoc.
Shalem O et al. (2014/2015). Genome-scale CRISPR-Cas9 knockout screens. Science/Nat Rev Genet.
Konermann S et al. (2015). CRISPRa/i enabling functional screens. Nature.
Hall MP et al. (2012–2018). BRET/NanoBRET applications for PPI.
Rich RL & Myszka DG. (2010–2020). SPR/BLI data analysis best practices.
산업/시장자료
Thermo Fisher, PerkinElmer, Molecular Devices HCS/HTS Application Notes (2019–2025).
Revvity(PerkinElmer) AlphaLISA/AlphaScreen Technical Guides (2020–2024).
Grand View Research/MarketsandMarkets HTS/HCS Market Outlook (2022–2025).
Broad Institute Cell Painting/CRISPR screen platform highlights (2019–2025).
정책/교육자료
MFDS(식약처) 의료제품 비임상 평가 가이드(최근 개정).
보건복지부/산업부 바이오헬스 인력수급 실태조사(2023–2024).
한국바이오협회 산업 실태조사(2024).
주요 대학/연 연구소 HCS/게놈편집 코어시설 교육 커리큘럼(2021–2025).
