1. (한미약품 R&D센터 면접자료) 표적항암.hwp
2. (한미약품 R&D센터 면접자료) 표적항암.pdf

표적 항암연구에서 가장 중요한 연구역량은 무엇이라고 생각합니까?
표적 항암제 개발에서 타깃 검증이 왜 중요하다고 생각합니까?
화학구조 모델링과 AI 기반 신약 개발을 어떻게 연구에 활용할 수 있다고 생각합니까?
표적 항암연구에서는 하나의 화합물이 세포 수준에서 좋은 활성을 보였다고 해서 바로 좋은 후보물질이 되는 것은 아니라고 생각합니다.
특히 표적항암 직무는 저분자 기반 표적 단백질 조절 약물설계, 유기화합물 합성, 후보물질 탐색, 화학구조 모델링 및 AI 기반 신약 연구개발과 연결된다는 점에서, 한미약품의 항암R&D 전략에서 매우 실질적인 초기 연구 역할을 맡는다고 생각합니다.
표적 항암연구에서는 여러 유도체를 합성하고 평가하면서 어떤 구조가 타깃 결합력, 선택성, 세포 활성, 물성, 독성 가능성에 영향을 주는지 확인합니다.
표적 항암연구에서는 좋은 활성을 보이는 화합물을 찾는 것만큼, 왜 그런 활성이 나타났는지 설명하고 다음 설계로 연결하는 능력이 중요하다고 생각합니다.
또한 화학구조 모델링과 AI 기반 신약 개발도구를 실험 데이터와 연결해 후보물질 탐색의 효율을 높이는 데 기여하겠습니다.

화학구조 모델링과 AI 기반 신약 개발을 어떻게 연구에 활용할 수 있다고 생각합니까?
한미약품의 차세대 항암모달리티 확장에 대해 어떻게 생각합니까?
입 사후 한미약품 R&D센터에서 어떤 연구자로 성장하고 싶습니까?
한미약품 R&D센터 표적항암 직무면접에서는 "항암제에 관심이 있습니다"라는 수준을 넘어, 표적항암연구의 실무 흐름을 얼마나 이해하고 있는지가 중요합니다.
이는 표적항암 직무지원자가 한미약품의 연구방향을 말할 때 "저분자 표적항암, TPD, mRNA, 이중 항체, ADC 등 다양한 모달리티를 융합하는 항암R&D"라는 관점으로 접근해야 함을 보여줍니다.
제가 한미약품 R&D센터 표적항암 직무에 지원한 이유는, 한미약품이 국내 제약사 중에서도 신약 개발을 단순한 구호가 아니라 실제 파이프라인과 연구 성과로 확장해온 기업이라고 판단했기 때문입니다.
한미약품은 비만·대사, 항암, 희귀질환을 중심으로 R&D 전략을 세우고 있으며, 항암 분야에서는 저분자 표적치료제뿐 아니라mRNA, TPD, ADC, 이중 항체 등 다양한 모달리티를 확장하고 있습니다.
특히 표적항암 직무는 저분자 기반 표적 단백질 조절 약물설계, 유기화합물 합성, 후보물질 탐색, 화학구조 모델링 및 AI 기반 신약 연구개발과 연결된다는 점에서, 한미약품의 항암R&D 전략에서 매우 실질적인 초기 연구 역할을 맡는다고 생각합니다.
저분자 기반 표적 단백질 조절 약물 설계는 질병과 관련된 특정 단백질의 기능을 작은 유기화합물로 조절해 치료 효과를 유도하는 연구라고 이해하고 있습니다.
한미약품 표적항암 직무에서도 저분자 기반 표적 단백질 조절 약물설계가 주요
좋은 후보물질은 활성, 선택성, 물성, 대사 안정성, 독성 가능성, 합성 가능성을 함께 만족해야 합니다.
SAR 분석은 화합물의 구조 변화가 생물학적 활성에 어떤 영향을 주는 지 해석하는 과정이라고 이해하고 있습니다.
표적 항암연구에서는 여러 유도체를 합성하고 평가하면서 어떤 구조가 타깃 결합력, 선택성, 세포 활성, 물성, 독성 가능성에 영향을 주는지 확인합니다.
SAR은 단순히 활성이 높은 화합물을 찾는 과정이 아니라, 다음에 어떤 구조를 설계해야 하는지 알려주는 지도라고 생각합니다.
저는 SAR 분석을 통해 실험 결과를 다음 설계로 연결하고 , 후보물질의 개발 가능성을 높이는 데 기여하고 싶습니다.
예를 들어 docking 결과 상 결합이 좋을 것으로 예상한 화합물이 실제 assay에서 활성이 낮다면, 세포투과성 문제인지, 용해도 문제인지, 단백질 구조 예측의 한계인지, 타깃 engagement가 부족한지 확인해야 합니다.
저는 연구에서 예상과 다른 결과가 나오는 것은 실패라기보다가설을 수정할 기회라고 생각합니다.
항암제 연구에서 효능과 안전성의 균형은 매우 중요하다고 생각합니다.
신약 개발 연구는 한 번의 좋은 결과보다 재현 가능한데이터가 중요합니다.
표적 항암연구에서는 하나의 실험 결과가 다음 화합물 설계, 후보물질 선정, 추가 평가, 동물실험, 나아가 임상개발 방향까지 영향을 줄 수 있습니다.만약 데이터가 부정확하거나 선택적으로 해석된다면 잘못된 후보물질에 시간과 비용을 투입하게 되고, 결국 환자에게 도달할 가능성도 낮아집니다.
실험 실 패 데이터도 기록해야 하고, 예상과 다른 결과도 숨기지 않아야 합니다.
또한 예상과 다른 결과가 나왔을 때 단순 실패로 처리하지 않고, 구조적원 인과 실험적 원인을 나누어 분석하는 방식으로 연구하고 싶습니다.
실험 실패가 반복되는 상황은 신약 개발 연구에서 피하기 어렵다고 생각합니다.
먼저 실패가 기술적 실패인지, 가설의 실패인지 구분하겠습니다.
연구자로서 중요한 것은 실패를 피하는 능력이 아니라, 실패를 통해 가설을 더 정교하게 만드는 능력입니다.
AI 기반 신약 개발에서 중요한 것은 알고리즘만이 아니라 좋은데이터와 해석 능력이라고 생각합니다.
신약 개발에서는 속도도 매우 중요하지만, 신뢰할 수 없는데이터를 바탕으로 빠르게 진행하는 것은 결국 더 큰 지연과 비용을 만들 수 있다고 생각합니다.
물론 데이터 신뢰성을 이유로 지나치게 느리게 일해서도 안 된다고 생각합니다.
중요한 것은 신뢰성을 유지하면서 속도를 높이는 구조를 만드는 것입니다.
예를 들어 실험조건을 표준화하고, 반복 실험 기준을 명확히 하며, 데이터 기록 양식을 통일하고, 분석과정에서 오류 가능성을 줄이면 속도와 신뢰성을 함께 높일 수 있습니다.

표적, 성, 항암, 물질, 후보, 연구, 데이터, 한미, 약품, 구조, 생각, 개발, 가능성, 실험, 결과, 타깃, 신약, 중요하다, 항, 연구자