Drug inhibition analysis

약물에 의한 성장 저해 정도를 평가하는 실험을 설계하고 수행하는 중.

우리 실험실에서는 거의 수행하지 않았기 때문에 직접 해보고 문제점을 찾고, 개선을 해야하는 상황이었다. 지금 3번째로 구상한 실험 방법으로 실험 중이며, 다음 주 월요일이면 그 결과를 확인할 수 있음. 그 과정중에서 확인한 개선 사항들은 다음과 같다.

약물의 농도. 가장 중요한 요소인데, 조금사서 많이 실험을 해보기 위해서는 적정 농도를 맞추어야 한다. 다른 약물은 구입해보지 않아서 잘 모르겠는데, 통상적으로는 10uM 정도가 시도할 수 있는 상한 농도에 가깝다. 임상적으로 그 이상의 약물 농도가 사용되는지는 모르겠으나, 실험 비용 측면에 있어서는 그 이상의 약물 농도를 사용하는 것은 어렵다.

용량-반응 곡선 예측에 필요한 부분인데, 통계적인 목적을 위해서 충분히 낮은 농도의 약물 처리 해야 한다. 논문 준비에 있어서 참고했던 논문들은 대부분의 경우 10, 1, 0.1, 0.01, 0.001 uM 정도의 약물 농도만 사용해서 여기에 근거를 두고 나도 실험을 수행했다. 그런데 통계적으로 예쁜 곡선을 이끌어내려면(sigmoid curve를 보일 것이라는 가정으로), 농도가 낮은 부분에 대한 정보가 충분히 필요하다는 것을 알았다. 음성 대조군을 10^(-10) uM 농도를 가질 것이라고 간주해도 크게 문제될 것 같지는 않지만, 거짓말을 하지 않기 위해서 그리고 보다 구체적인 용량-반응 곡선을 위해서라면 매우 낮은 농도의 약물 처리가 꼭 필요하다.

 

약물의 용매가 그 자체로 세포 독성을 일으킬 수 있다. 배양액에 많은 용매가 섞이도록 하는 것은 곤란하다. 최소한의 부피로 결정하는 것이 필요하다. 음성 대조군으로는 PBS 보다는 용매 그 자체를 사용하는 것이 좋다. 적어도 DMSO 의 경우 배양액의 1%의 부피를 첨가했을 경우에도 세포 증식이 억제된다.

 

용량-반응 곡선의 예측. 통상적으로 약물-반응 곡선은 sigmoid curve 를 그리는 것으로 알려져 있다. 하지만, 실제적으로 어떻게 보여지는지 확인하고 그에 따라서 회귀분석을 하는 것이 필요하다. 소프트웨어는 이미 여러 종류에서 여러 회귀분석을 지원해준다. 선형 관계를 이루고 있으면, 엑셀로도 쉽게 구할 수 있으나, sigmoid curve 를 그린다고 하면 조금 난이도가 있다. 별도의 프로그램을 구하던가 아니면 R에서 제공하는 패키지를 사용하면 된다. 난 R에서 제공하는 nplr 패키지를 이용했다. Four-parameter logistic regression 이나 Five-parameter logistic regression 까지는 지원하므로 크게 어렵지는 않다. 대부분의 논문에서는 어떤 방법으로 통해서 IC50을 구했는지 특별하게 언급을 하고 있지 않으므로 방법을 언급한 것이 문제가 될 것 같지 않다.

 

균일한 세포. 앞에서 약물 농도가 중요하다고 했는데... 사실 이게 가장 중요하다. 96 well 은 지나치게 편차가 발생할 가능성이 높다. 24 well 에서 하는 것을 매우 심각하게 고려해보아야 한다.