검증: 실행 가능한 질의로서의 역량 질문

📍 현재 위치: 제6부 · 검증 — 모델이 만들어지는 것이 아니라 평가받는 단계입니다. 지배적 방법론은 SAMOD의 테스트 우선 루프(질문을 쓰고, 슬라이스를 모델링하고, 테스트한다)로, 온톨로지 전체를 닫아 줍니다. 그리고 온톨로지는 그 요구사항에 답함으로써 검증된다는 NeOn의 원칙입니다. 이 장은 실행 가능한 ORSD가 약속이기를 멈추고 실행이 되는 지점입니다.

다섯 개 부에 걸쳐 우리는 하나의 mAb 캠페인을 관통하는 간선을 놓아 왔습니다. 마스터·연구 은행에서 파생된 워킹 세포 은행, 시드 트레인, 생물반응기 배치, 포획 풀, 두 개의 직교 바이러스 제거 풀, 폴리싱 풀, 원료의약품, 그리고 거기서 충전된 완제의약품 로트들입니다. 각 장은 그 간선들이 실제 제조 질문에 답할 수 있으리라 믿었습니다 — 이 바이알을 그 세포 은행까지 추적하라, 실패한 로트의 운명 범위를 정하라, 바이러스 장벽들의 합을 증명하라. 검증은 우리가 믿기를 멈추고 실행하기 시작하는 순간입니다. 명세 장은 cq-catalog.json에 23개의 역량 질문을 고정하고 그것을 실행 가능한 요구사항 개요서라고 불렀습니다. 러닝 예제는 그 23개 전부가 하나의 초록색 표로 통과함을 보였습니다. 이 장은 그 표를 열어 그 아래에 깔린 질의들 — 각 제조 질문을, 로드되고 추론된 그래프 위에서 테스트된 사실로 바꾸는 실제 SPARQL — 을 읽습니다.

쉽게 말하면

배치 기록은 여러분이 바이알을 그것이 나온 정확한 세포 은행까지 거슬러 추적할 수 있다고 약속합니다. 품질 검토자는 그 약속을 다시 읽지 않습니다 — 추적을 실행합니다. 역량 질문(competency question)은 배치 기록이 하는 약속("이 바이알이 무엇으로 만들어졌는지 전부 말해 줄 수 있는가?")이고, SPARQL 질의는 추적을 실행하는 것이며, 카탈로그의 기대 결과(expected result)는 기록이 반드시 산출해야 하는 답 — 여기서는 세포 은행에서 끝나는 조상 열한 개 — 입니다. 이 장은 검토자가 캠페인이 약속하는 모든 추적을 실행하고 각각 옆에 PASS 또는 FAIL을 쓰는 안내 과정이며 — 그리고 한 추적은 비어서 돌아오는 것이 당연한데, 무엇에 포장되어 있는가를 무엇으로 만들어졌는가와 분리해 두는 것 자체가 하나의 요구사항이기 때문입니다.

질문에서 출발하라

이 장은 질문-으로서의-질의가 머무는 곳이라, ORSD 카탈로그에서 가장 큰 몫을 짊어집니다 — 그리고 모든 질문은 조사관이, 출하 검토자가, 또는 리콜 팀이 바로 이 항체에 대해 묻는 실제 사안입니다. 계보(lineage) 질문 — 이 로트는 어떤 깊이까지든 무엇에서 파생되는가?(CQ-01)와 기원이 되는 생물반응기 배치와 그 모노머 값은 무엇인가?(CQ-03) — 은 일탈 조사가 시작하는 추적입니다. 영향(impact) 질문 — 캠페인 전체에서 워킹 세포 은행으로부터 내려오는 것은 무엇인가?(CQ-02)와 실패한 로트의 운명을 어떤 형제 로트들이 공유하는가?(CQ-04) — 은 리콜 팀이 가장 먼저 던지는 질문입니다. 궤적(trajectory) 질문(CQ-05)은 정제 사슬을 따라 핵심 품질 속성을 추적합니다. QbD 질문(CQ-06, CQ-07)은 개발 단계에서 설정된 공급 속도 파라미터에서 출하된 로트의 모노머 순도까지를 가로지릅니다. 바이러스(viral) 질문(CQ-12)은 두 개의 직교 제거 장벽을 합산합니다. 포장(packaging) 쌍(CQ-13, CQ-14)은 바이알이 무엇에 포장되어 있는가를 무엇으로 만들어졌는가와 분리해 둡니다. 출처(provenance)(CQ-15, CQ-16), 특성 규명(characterization)(CQ-18), 그리고 단위/구조(units/structural) 질문(CQ-19, CQ-20, CQ-21)이 그 집합을 채웁니다. 각각은 산문이 아니라 그 질의가 카탈로그가 반드시 반환해야 한다고 말한 바로 그것을 정확히 반환하는지로 평가됩니다.

검증: 계보 추적이 CQ-01에 답한다

대표 질의는 계보 추적(lineage walk)입니다 — 로트가 파생되는 모든 것을, 몇 홉 떨어져 있든 재구성합니다. 이것은 제조 기록이 존재하는 이유인 바로 그 질문입니다. 세포 은행은 캠페인의 모든 배치가 거기서 내려오는 단 하나의 뿌리이고, 잘못 식별되거나 오염된 은행은 모든 하류 물질로 완전한 확신과 함께 전파되므로, 어떤 로트에서든 거기까지 거슬러 걸어갈 수 있다는 것은 편의가 아니라 규제·안전상의 필수입니다. derivedFrom이 전이적이기 때문에, 그 추적은 단 하나의 SPARQL 속성 경로(property path)입니다. (bp:derivedFrom)+는 하나 이상의 홉을 따라가므로, 계보가 세 단계든 스무 단계든 같은 한 줄이 작동합니다 [1]. queries/CQ-01.rq는 원료의약품에서 거슬러 걸으며 각 조상의 유형을 바인딩합니다:

# queries/CQ-01.rq — Lineage walk: everything DS-001 derives from, to any depth, in one property path.
# (bp:derivedFrom)+ = one-or-more hops; works whether the lineage is 3 steps or 20.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?ancestor ?type WHERE {
  bp:DS-001 (bp:derivedFrom)+ ?ancestor .
  ?ancestor a ?type .
  FILTER(STRSTARTS(STR(?type), STR(bp:)))
} ORDER BY ?ancestor

카탈로그의 검사는 { "type": "row_count", "value": 11 }이고, 추론된 그래프 위에서 이 질의는 정확히 열한 개의 조상을 반환합니다 — 거친 CSV 사슬이 뭉개 버리는 모든 단위 작업 중간물입니다. validate.py는 이 통과를 자신의 수용 표에서 한 줄로 보고합니다:

      CQ-01  lineage         PASS   11 row(s)

그 열한 개의 조상은 SELECT가 거슬러 걸어가는 열한 개의 바인딩된 ?ancestor 행입니다(BATCH-2026-001, CLAR-001, MCB-CHO-001, PApool-001, POLpool-001, RCB-CHO-001, SEED-001, SEEDFLASK-001, VFpool-001, VIpool-001, WCB-CHO-001). 그 깊이는 물리적 공정 전체를 역순으로 되짚습니다. DS-001은 폴리싱 풀(POLpool-001), 두 개의 직교 바이러스 제거 풀(VFpool-001, VIpool-001), 단백질 A 포획 풀과 청징 회수액(PApool-001, CLAR-001), 생물반응기 배치, 시드 트레인(SEED-001, SEEDFLASK-001), 그리고 세 개의 세포 은행 계층 — 워킹·마스터·연구 은행(WCB-CHO-001, MCB-CHO-001, RCB-CHO-001) — 을 거슬러 추적합니다. 그 세 계층은 임의의 위계가 아닙니다. 연구 은행이 마스터 은행의 시드가 되고, 마스터 은행이 워킹 은행의 시드가 되며, 오직 워킹 은행만 생산으로 확장되어, 항체의 유전적으로 특성 규명된 기원이 상업 제품을 만드는 여러 해에 걸쳐 보존됩니다. DS-001에서 RCB-CHO-001까지의 원거리 도달 가능성은 전이적 폐포에 의해 추론되며, 손으로 단언되는 일은 결코 없습니다. 그 추론이 바로 CQ-01의 PASS가 인증하는 것입니다. 간선을 충실히 — 실제 물질 변환마다 하나씩 — 놓으면, 계보는 마감을 앞둔 조사가 필요로 할 때 스프레드시트 고고학으로 재구성되는 것이 아니라 계산됩니다.

검증: 영향 분석이 CQ-02와 CQ-04에 답한다

영향 분석은 리콜 조사가 실제로 던지는, 역방향의 바깥쪽 질의입니다. CQ-02는 (bp:derivedFrom)+를 안쪽으로 뿌리까지 걸어가, WCB-CHO-001로부터 내려오는 캠페인 전체 — 그 한 은행으로 추적되는 모든 배치, 풀, 원료의약품, 제품 로트 — 를 반환하는데, 이는 세포 은행 수준의 우려(오식별 플래그, 무균성 의문)가 단 한 걸음에 위험에 빠뜨리는 집합입니다. CQ-04는 더 어려운 것입니다. DP-004가 출하에 실패할 때, 질문은 그 밖에 무엇이 영향을 받는가?입니다 — 그리고 그래프는 DP-004의 계보를 따라 공유 조상까지 올라간 다음, 거기로 추적되는 다른 모든 완제의약품까지 다시 내려가며 답합니다:

# queries/CQ-04.rq — Impact analysis: when DP-004 fails, what shares its fate?
PREFIX bp: <https://example.org/bioproc#>
SELECT DISTINCT ?affected WHERE {
  bp:DP-004 (bp:derivedFrom)+ ?shared .          # an ancestor of the failed lot
  ?affected (bp:derivedFrom)+ ?shared .          # anything else derived from it
  ?affected a bp:DrugProduct .
  FILTER(?affected != bp:DP-004)
} ORDER BY ?affected

CQ-04를 추동하는 실패는 구체적입니다. DP-004는 폴리싱이 고분자량 응집체를 충분히 제거하지 못한 형제 계보라, 그 모노머 순도는 규격 안에 머무는데도 hmwPct가 2.0 % 출하 상한에 대해 2.41 %에 떨어집니다 — "그 밖에 무엇이 영향을 받는가?"를 가설이 아니라 긴급한 질문으로 만드는, 현실적인 규격 이탈 양상입니다. 카탈로그는 { "type": "equals", "var": "affected", "values": ["DP-001", "DP-002"] }를 요구하고, validate.py는 정확히 그 두 형제를 반환합니다 — 같은 원료의약품에서 충전되어 DP-004의 WCB-CHO-001 세포 은행을 공유하는, 출하된 로트들입니다. equals 검사는 수용 표에 일치된 집합을 출력합니다:

      CQ-04  impact          PASS   affected = [DP-001, DP-002]

캠페인의 모든 배치가 그 한 세포 은행으로 추적되기 때문에, 오염 우려는 단 한 번의 순회로 캠페인 전체에 걸쳐 답할 수 있습니다 — 질의로 범위가 정해진 리콜과, 캠페인 전체를 눈먼 채 격리하는 것 사이의 차이입니다. 모델이 지니는 전방 분기(bp:DS-001 bp:fillsInto bp:DP-001 , bp:DP-002)는 영향 집합을 운에 의해서가 아니라 구성에 의해 완전하게 만드는 것입니다. 그것은 하류 장들이 놓은 후방 풀링 분기를 거울처럼 비추는, 전방향의 동일한 공유-운명 분기여서, 여러 충전 로트로 부채처럼 펼쳐지는 단 하나의 원료의약품이 완전히 순회 가능합니다. CQ-04의 equals 검사 — 단순한 contains가 아니라 — 는 모델이 모든 형제를 반환하되 가짜를 하나도 반환하지 않도록 붙드는 것이며, 이는 리콜 범위가 방어 가능하려면 충족해야 하는 바로 그 기준입니다. 만약 실패가 은행이 아니라 소모품으로 추적되었다면, 같은 추적은 포획 수지나 필터를 공유하는 형제들도 드러냈을 것입니다. 여기서는 실패한 경로가 공유된 세포 은행을 통과하므로, 은행이 그 추적이 도달하는 조상입니다.

검증: 수명주기를 가로지르는 추적이 CQ-07에 답한다

세 번째 부류는 개발, 제조, 출하 사이의 이음매를 가로지릅니다 — 오직 이 책의 모델링만이 물을 수 있게 만드는 질문입니다. 그것은 질의 가능해진 Quality-by-Design 약속입니다. 개발 단계에서 실험계획법 연구가 공급 속도가 모노머 순도를 움직인다는 것을 발견하고, 그 발견은 연구 보고서의 산문 속에 묻히는 대신 공정 파라미터에서 품질 속성으로 가는, 저작된 affectsQuality 간선으로 기록됩니다. CQ-07은 그 핵심 공정 파라미터에서 출발해, 개발기의 affectsQuality 링크를 따라가, 그 파라미터를 생산 생물반응기의 설정값으로 실현(realize)한 실행을 찾고, 그 실행이 출력한 배치로 이동한 다음, derivedFrom을 전방으로 걸어가 모노머 결과를 지닌 출하된 원료의약품 로트에 도달합니다:

# queries/CQ-07.rq — From a CPP, through affectsQuality, to the run that REALIZED it,
# to the batch it output, forward down derivedFrom to the released DS lot.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?parameter ?attribute ?lot WHERE {
  ?parameter bp:affectsQuality ?attribute .
  ?setting   bp:parameterType  ?parameter .
  ?phase     bp:realizesParameter ?setting .
  ?run       bp:hasPhase ?phase ;
             bp:hasOutput ?batch .
  ?lot       bp:derivedFrom+ ?batch ;
             bp:monomerPct ?m ;
             a bp:DrugSubstance .
}

카탈로그의 검사는 { "type": "row_match", "match": { "parameter": "FeedRate", "lot": "DS-001" } }입니다 — 그리고 질의는 공급 속도 CPP를 그것이 궁극적으로 빚어낸 출하 로트에 안착시키며, 분절된 공장이 세 가지 방언으로 따로 두는 세 시스템 — 개발 연구, 플랜트 히스토리안, QC 출하 기록 — 을 결합합니다. row_match 검사는 요구된 행이 존재함을 확인합니다(바인딩된 행은 ?attribute = MonomerPct-CQA, 즉 공급 속도가 영향을 주는 모노머 속성을 지닙니다):

      CQ-07  qbd             PASS   row {parameter: FeedRate, lot: DS-001} present

그것이 책 전체가 향해 쌓아 온 단 하나의 질의입니다 [2]: 개발기의 affectsQuality 단언, 이 실행에서의 실현된 공급 속도 설정, 그리고 DS-001에 대한 QC 판정이 하나의 문장으로 결합됩니다. 공유 모델이 없으면 이 셋은 세 개의 서류함에 살고 "우리가 개발에서 조정한 파라미터가 정말로 출하 시 약속한 순도에 안착했는가?"라는 질문은 수작업 상호 참조입니다. 그것이 있으면, QbD 지식은 연결되고 질의 가능한 구조입니다.

세 가지 역량 질문, 하나의 그래프: 속성 경로가 계보를 세포 은행까지 거슬러 걸어가고(CQ-01), 영향 질의가 공유된 세포 은행을 통해 형제들에 걸쳐 실패 범위를 정하며(CQ-04), 수명주기를 가로지르는 링크가 공정 파라미터를 출하된 속성에 잇습니다(CQ-07) — 각각 validate.py가 실행하고 카탈로그와 대조해 검사합니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

검증: 품질 궤적이 CQ-05에 답한다

CQ-05는 묻습니다 — 모노머 순도는 어디서 정화되었는가? — 그리고 정직한 답은 단일한 지점이 아니라 궤적입니다. 고분자량(HMW) 응집체 분율이 중요한 까닭은 응집체가 면역원성 위험이기 때문입니다. 출하 게이트는 그것을 상한으로 막고, 하류 사슬 전체가 그것을 끌어내리려 작동합니다. 그러나 어떤 단일 단계도 최종 수치를 "소유"하지 않습니다. 포획이 순도를 올리고, 바이러스 안전성이 그것을 보호하며, 폴리싱이 그것을 정련합니다 — 순도는 정제 시퀀스 전체의 누적 속성으로, 거의 창발적이며, 결코 한 작업의 행위가 아닙니다 [3]. 폴리싱은 항체를 밀접하게 관련된 산물 변이체 — 응집체 bp:AGG-1과 산성 전하 변이체 bp:CHV-1, 둘 다 바이러스 여과된 풀로부터 derivedFrom되고 폴리싱 폐기물 스트림으로 routedTo된 실제 존재로 모델링됨 — 로부터 분리함으로써 그 자리를 얻으며, 그래서 그래프는 수치가 개선되었다는 사실만이 아니라 무엇이 제거되었고 어디로 갔는지를 기록합니다. 질의는 HMW 값을 지닌 모든 공정 중 결과를 수집합니다:

# queries/CQ-05.rq — Quality-attribute trajectory: the in-process HMW aggregate value at
# each step along the purification chain, so an analyst can see WHERE a quality changed.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?material ?hmw WHERE {
  ?result a bp:InProcessResult ;
          bp:isAbout ?material ;
          bp:hmwPct ?hmw .
} ORDER BY DESC(?hmw)

카탈로그는 결과가 PApool-001과 POLpool-001을 포함하도록 요구하고, 질의는 두 점짜리 사슬을 반환합니다 — HMW가 포획 후 4.1 %에서 폴리싱 후 1.4 %로 떨어지는, 한 품질 속성의 로드 가능하고 순서가 매겨진 역사입니다. 이것은 derivedFrom을 단순한 계보가 아니라 품질의 보관 사슬(chain of custody)로 읽는 것입니다. 각 간선은 물질과 그 속성의 진화하는 상태를 함께 지니므로, 그래프는 "이것은 어디서 왔는가?"뿐 아니라 "그 순도는 단계별로 어떻게 여기에 이르렀는가?"에도 답합니다 — 이는 계보를, 분석가가 설계 공간에 견주어 재생할 수 있는 공정 이해 기록으로 바꿉니다. CQ-05의 PASS는 그 역사가 서로 다른 시스템에 철해진 단계별 시험 보고서에 흩어져 있는 것이 아니라 질의 가능함을 인증합니다. CQ-05가 의도적으로 주장하지 않는 것은 인과입니다. 궤적은 값이 어디서 바뀌었는지를 보여 주지만, 단계들이 독립적이지 않기 때문에 — 폴리싱이 달성할 수 있는 것은 포획이 남긴 것에 달려 있으므로 — 그래프는 그것들 사이에 공로를 배분할 수 없습니다. 그 배분은 계보가 아니라 설계 공간 모델이 답하는 인과 추론 질문입니다. 이 장의 규율은 궤적을 기록하되 단일한 "순도 결정 단계"를 단언하기를 거부하는 것입니다.

검증: 직교 바이러스 제거가 CQ-12에 답한다

바이러스 안전성은 모델의 정직함이 시험받는 곳인데, 중요한 양이 산물 속성이 전혀 아니라 위험 감소의 척도 — 애초에 결코 거기 없었기를 바라는 오염원에 대한 보증 — 이기 때문입니다. 배치에서 "바이러스 제로"를 측정할 수는 없습니다. 대신 공정은 직교(orthogonal) 장벽들 — 서로 다른 메커니즘으로 바이러스를 제거하는 장벽들 — 로 구성되어, 하나를 살아남은 바이러스가 다른 하나도 살아남기는 어렵습니다. 러닝 예제는 두 개의 표준 장벽을 지닙니다. 외피 보유 바이러스를 불활성화하는 저 pH 유지(VI-001)와, 바이러스 입자를 크기로 제거하는 바이러스 차단 나노여과 단계(VF-001)입니다. 메커니즘이 독립적이기 때문에 그 로그 감소 값(LRV)도 독립적이며, 총 제거는 그것들의 합입니다 — 단계들이 직교이기 때문에 비로소 방어 가능한 합입니다 [4]. 모델은 안전성 논거가 의존하는 날카로운 구분을 유지합니다. 각 단계의 LRV(4.5, 4.2)는 검증된 역량(validated capability)으로, 전용 제거 연구에서 한 번 입증되어 bp:hasClearanceCapability를 통해 단계에 매달리는 반면, 그 연구가 의존한 배치별 조건 — 이 실행에서 실제로 달성된 pH 3.6과 60분 유지 — 은 제거된 물질에 내재하는 측정된 품질입니다. CQ-12는 각 단계의 검증된 역량을 걸어가 그 LRV와 메커니즘을 읽습니다:

# queries/CQ-12.rq — Viral safety: each clearance step's VALIDATED log reduction value
# (a capability, not a per-batch measurement) and its mechanism.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?step ?lrv ?mechanism WHERE {
  ?step bp:hasClearanceCapability ?cap .
  ?cap  bp:lrvValue ?lrv ;
        bp:clearanceMechanism ?mechanism .
} ORDER BY ?step

카탈로그의 검사는 { "type": "sum", "var": "lrv", "round": 1, "value": 8.7 }입니다. 질의는 [('VF-001', 4.2), ('VI-001', 4.5)]를 반환합니다 — 나노여과 단계의 size-based removal (nanofiltration)가 4.2이고 저 pH 유지의 enveloped-virus inactivation by low pH가 4.5이며 — 그 합인 8.7은 bp:VClear-Study가 한 번 확립한 직교 총합인 파생된 bp:TotalClearance-mAb-A 개체와 정확히 일치합니다. LRV가 bp:hasClearanceCapability를 통해 단계에 매달리는 것은 바로 그것이 배치별 측정과 결코 혼동되지 않도록 하기 위함입니다. 만약 그래프가 LRV를 이 배치의 산물에서 관측된 것처럼 기록한다면, 어떤 기기도 보지 못한 것을 단언하는 셈입니다 — 모델이 저지를 수 있는 안전성상 가장 치명적인 단 하나의 왜곡입니다. CQ-12는 안전성 논거가 두 개의 무관한 서류함 속 수작업 집계가 아니라 — 각 LRV가 그 메커니즘에 연결되고 직교 합이 도출 가능한 — 연결되고 검사 가능한 구조임을 검증합니다.

두 직교 장벽, 합산되고 검사됨: CQ-12는 bp:hasClearanceCapability를 걸어가 각 단계의 검증된 LRV(4.5와 4.2)에 도달하고, 카탈로그는 그 합이 총 제거 8.7임을 확인합니다 — 스프레드시트 합계가 아니라 파생되고 질의 가능한 안전성 사실입니다. 저자가 AI의 도움을 받아 직접 제작한 그림입니다.

검증: 포함은 계보가 아니다 (CQ-13과 CQ-14)

원료의약품이 바이알에 충전되고 그 바이알이 유통을 위해 포장되면, 두 개의 전이적 위계가 같은 물리적 대상 위에서 만납니다 — 그리고 모델은 그것들을 날카롭게 유지해야 합니다. 포함(containment)(바이알이 지금 무엇에 포장되어 있는가 — 팔레트가 케이스를 담고, 케이스가 카톤을 담고, 카톤이 바이알을 담으며, 바이알은 재포장될 수 있음)은 계보(genealogy)(그것이 무엇으로 만들어졌는가 — 세포 은행, 배치, 원료의약품, 영구적이고 시간상 거꾸로 향함)가 아닙니다. 둘을 뒤섞으면 포장 변경이 계보 변경처럼 보이게 되는데, 이는 바로 리콜 추적을 깨뜨리는 종류의 오류입니다. CQ-13은 전이적 bp:contains 집계 위계를 걸어갑니다:

# queries/CQ-13.rq — Packaging containment (NOT lineage): walk the aggregation hierarchy
# pallet -> case -> carton -> serialized vial with the transitive bp:contains property.
PREFIX bp: <https://example.org/bioproc#>
SELECT ?package ?content WHERE {
  ?package bp:contains+ ?content .
  ?content a bp:SerializedUnit .
} ORDER BY ?package

그것은 카탈로그와 일치하는 패키지 [CARTON-001, CASE-001, PALLET-001]을 반환합니다. CQ-14는 비어서 돌아오는 것이 당연한 단 하나의 질의입니다 — 직렬화된 바이알 VIAL-DP-001-000042의 포함 경로와 계보 경로 양쪽에 있는 노드가 있는지를 묻고, 모델은 그 답이 False일 때만 올바릅니다:

# queries/CQ-14.rq — containment is NOT genealogy. The model is correct when this ASK is FALSE.
PREFIX bp: <https://example.org/bioproc#>
ASK {
  ?container bp:contains+ bp:VIAL-DP-001-000042 .
  bp:VIAL-DP-001-000042 bp:derivedFrom+ ?container .
}

카탈로그의 검사는 { "type": "ask", "value": false }이고, validate.py는 ASK = False를 보고합니다. 이것은 산문만으로는 놓치는 검증의 미묘한 부분입니다. 여기서 올바른 모델은 일치를 전혀 산출하지 않는데, 바이알이 무엇에 포장되어 있든 그것은 또한 그것이 만들어진 무언가가 아니기 때문입니다. 카톤은 바이알의 현재 포장의 일부이지 그 제조 역사가 아니며, 세포 은행은 그 역사의 일부이지 그 포장이 아닙니다. 빈 결과가 요구사항이며, CQ-14의 PASS는 두 전이적 위계가 서로소로 유지된다는 증거입니다 — 그래서 재포장이 결코 재제조처럼 보이지 않고, derivedFrom을 따라 내려가는 리콜 추적이 결코 배송 컨테이너로 빠져나가지 않습니다.

검증: 안정적인 숙주 동일성이 CQ-20에 답한다

CQ-20은 상호운용 가능한 동일성으로 그 집합을 마무리합니다 — 이 세포주는, 안정적인 식별자로 보아, 어떤 숙주 생물에서 그 산물을 발현하는가? 그 답이 중요한 까닭은 맨 문자열로서의 "CHO"는 실험실과 수십 년에 걸쳐 모호한 반면, 항체의 발현 숙주는 협력 기관이 추측 없이 읽을 수 있어야 하는 규제 대상 사실이기 때문입니다. 질의는 세포 은행의 숙주를 로컬 레이블이 아니라 그 클래스의 공개 분류학 IRI로의 정렬을 통해 해소합니다:

# queries/CQ-20.rq — the working cell bank's host organism is named by a STABLE public identifier.
PREFIX bp:   <https://example.org/bioproc#>
PREFIX rdfs: <http://www.w3.org/2000/01/rdf-schema#>
PREFIX obo:  <http://purl.obolibrary.org/obo/>
SELECT ?host ?taxon WHERE {
  bp:WCB-CHO-001 bp:hasHostOrganism ?host .
  ?host a ?cls .
  ?cls rdfs:subClassOf ?taxon .
  FILTER(STRSTARTS(STR(?taxon), STR(obo:)))
}

카탈로그는 행 { "host": "CHO-host", "taxon": "NCBITaxon_10029" }를 요구하고, 질의는 obo:NCBITaxon_10029에 도달합니다 — Cricetulus griseus, 그 CHO 세포가 상업 항체 생산을 지배하는 중국 햄스터 — 그래서 "무슨 종인가?"는 로컬 문자열이 아니라 협력 기관이 역참조할 수 있는 안정적인 IRI로 해소됩니다. 이곳은 또한 교차 온톨로지 이음매가 드러나는 곳입니다. 세포 은행의 생물학적 측면은 NCBI Taxonomy IRI로 손을 뻗고, 그 제조 기술 서술은 IOF 바이오제약 모듈로 손을 뻗으며, 그 다리는 조용히 임포트되는 것이 아니라 정렬에서 저작되고 유지됩니다.

평가: 카탈로그 전체, 초록색

이것들은 스물세 개 중 여덟 개입니다. validate.py는 카탈로그 전체를 읽고, 로드되어 OWL-RL로 추론된 그래프에 대해 모든 항목을 실행하며, 역량 질문마다 PASS/FAIL 줄을 출력하고, 하나라도 실패하면 0이 아닌 값으로 종료합니다. 러닝 예제 장은 전체 표를 보여 줍니다. 이 장의 질의들이 산출하는 행들은 다음과 같이 읽힙니다:

      CQ-01  lineage         PASS   11 row(s)
      CQ-02  impact          PASS   descendant superset of {DP-001, DP-002, DP-004, DS-001} (26 total)
      CQ-04  impact          PASS   affected = [DP-001, DP-002]
      CQ-05  trajectory      PASS   material superset of {PApool-001, POLpool-001} (2 total)
      CQ-07  qbd             PASS   row {parameter: FeedRate, lot: DS-001} present
      CQ-12  viral           PASS   sum(lrv) = 8.7 over 2 step(s)
      CQ-13  packaging       PASS   package = [CARTON-001, CASE-001, PALLET-001]
      CQ-14  packaging       PASS   ASK = False
      CQ-20  units           PASS   row {host: CHO-host, taxon: NCBITaxon_10029} present

RESULT 열이 계약이고, DETAIL 열이 증거입니다. SPARQL 질의는 스물세 개 중 열일곱 개에 답합니다. 닫힌 세계 완전성 질문 — 워킹 세포 은행이 동일성, 무균성, 바이러스 안전성, 유전적 안정성에 대해 완전히 특성 규명되었는가?(CQ-17), 출하된 로트가 요구되는 모든 CQA를 지니는가?(CQ-08), 규격 이탈 로트가 정확히 실패한 경로에서만 플래그되는가?(CQ-11) — 은 다음 장이 여는 SHACL 게이트가 답하는데, "빠진 것이 있는가?"는 존재하는 트리플에 관한 질문이 아니기 때문입니다. 그 네 개는 폴리싱이 추동하는 출하 규격과 세포 은행 특성 규명 요구사항이 단지 추적 가능한 것을 넘어 강제 가능해지는 곳입니다. 요컨대 검증은 읽기 연습이 아닙니다. 그것은 실행이며, 모델은 모든 줄이 PASS라고 말할 때 정확히 검증됩니다.

미해결 과제: 통과하는 질의는 모델이 답한다는 것을 증명할 뿐, 데이터가 참임을 증명하지는 않는다

역량 질문 모음은 모델이 그 요구사항에 답할 수 있음을 인증합니다 — 그러나 그것은 파생된 뷰(derived view) 위에서 실행되며, 질의는 마지막 로드만큼만 참입니다. 그래프의 트리플은 실제 진실의 원천인 관계형 배치 기록, 플랜트 히스토리안, LIMS에서 복사되므로, 로드가 변경 통제 아래에서 검증되고 완전하며 재실행되지 않는 한, 그래프는 그것이 비추는 시스템으로부터 조용히 표류(drift)할 수 있습니다. 그 위험은 이 장의 가치가 사는 바로 그곳에서 가장 날카롭습니다. 권위 있어 보이는 계보 추적이 조용히 불완전할 수 있습니다 — 로더가 건너뛴 derivedFrom 간선, 마지막 로드 이후의 원천 편집 — 그리고 그래프를 채우는 도크가 배치를 그것이 실행된 생물반응기로 착각하거나 형제 로트로 가는 분기를 빠뜨리면, 계보가 무너지고 리콜 추적이 조용히 바이알 하나를 놓칩니다. CQ-01이 조상 열한 개를 반환한다는 것은 속성 경로가 작동하고 로드된 간선이 연결됨을 증명합니다. 그러나 그것들을 산출한 로드가 부분적이었다면, 그 열한 개가 올바른 열한 개인지는 증명할 수 없습니다. 더 깊은 한계는 연합(federation)입니다. 수명주기를 가로지르는 추적과 계보 추적은 한 조직이 통제하는 공장 내부에서는 철벽이지만, 실타래가 유통업자와 공급망에 도달하는 순간 그것은 다른 당사자들의 그래프에, 그들의 식별자로 의존하며, 누구도 전체를 강제할 수 없습니다. 질의는 결코 어려운 부분이 아니었습니다. 그것이 실행되는 그래프를 참되게 유지하는 것이 어렵습니다 — 빠진 SELECT가 아니라 엔지니어링과 거버넌스 작업입니다.

왜 중요한가

검증은 모델링이 주장이기를 멈추고 측정 가능한 속성이 되는 곳이며 — 규제 대상 항체에게 그 이해관계는 구체적입니다. 실행 가능한 카탈로그가 없으면 "이 모델이 바이알을 그 세포 은행까지 추적하거나, 실패한 로트의 리콜 범위를 정할 수 있는가?"에는 테스트가 없습니다. 그것이 있으면, 그 질문들은 validate.py를 실행하고 표를 읽는 것으로 환원됩니다. 이 책의 모든 모델링 결정 — 상위 척추, 유형 값, 실제 변환마다의 충실한 derivedFrom 간선, 직교 제거 셰이프, 서로소 가드 — 은 이 질의들을 신뢰할 수 있게 만들기 위해 존재하며, 각 장은 자신이 봉사하는 역량 질문을 가리킴으로써 그 클래스를 얻습니다. 모든 질문에 답하는 모델이라도 아무도 적어 두지 않은 스물네 번째 질문에는 여전히 쓸모없을 수 있습니다. 그러나 자신의 질문 중 하나에 실패하는 모델 — 바이러스 장벽을 합산하지 못하거나, 잘못된 리콜 범위를 반환하는 모델 — 은 지금, 눈에 보이게, 빌드에서 깨져 있습니다.

실무에서는

역량 질문 규율은 산업이 채택하는 방법론의 척추이며, 실제 플랫폼에서 이 동일한 추적들은 일상적 작업입니다. derivedFrom 계보 경로는 Palantir Foundry 객체 링크나 Neo4j Cypher 순회이고, 영향 분석은 로트가 실패하는 순간 리콜 팀이 던지는 질의입니다. 직교 제거 합산과 세포 은행 계보 추적은 모든 상업 mAb 공정이 이미 유지하는 바이러스 안전성 도시에와 은행 특성 규명 기록에 직접 대응합니다 — 모델링의 진전은 그것들을 연결하여 안전성 논거와 계보가 손으로 조정되는 별개의 서류함이 아니라 연결되고 질의 가능한 구조가 되게 하는 것입니다. 여전히 드문 것 — 그리고 이 책이 주장하는 것 — 은 역량 질문을 실행 가능하게 만들어, 요구사항과 회귀 테스트 모음이 결코 어긋나지 않게 하는 것입니다 [1]. 시맨틱 링크를 수명주기를 가로지르는 결합 조직으로 보는 디지털 스레드 개념은 스마트 제조와 디지털 트윈 문헌에서 확립되어 있습니다 [2]. 데모와 프로덕션 스레드를 가르는 것은 바로 이 장의 미해결 과제 — 검증되고 표류가 통제된 로드 — 이며, 이는 아무도 쓰지 않은 질의가 아니라 거버넌스 작업입니다.

핵심 용어

• 역량 질문(Competency question, CQ) — 완성된 온톨로지가 반드시 답해야 하는 질의로, 모델링 이전에 고정됨. 여기서는 validate.py가 실행하고 cq-catalog.json과 대조해 검사하는 실제 제조 질문(추적, 리콜 범위, QbD 링크).
• SPARQL 속성 경로(SPARQL property path) — 임의 깊이의 계보나 포함 추적을 한 줄로 표현하는 (bp:derivedFrom)+ "하나 이상의 홉" 구성.
• 계보 추적(Lineage walk, CQ-01) — DS-001의 모든 열한 개 조상을 풀, 배치, 시드 트레인, 세 세포 은행 계층을 거슬러 재구성하는 속성 경로 질의로, 원거리 도달 가능성은 전이적 폐포로 추론됨.
• 영향 분석(Impact analysis, CQ-04) — 공유 세포 은행까지 올라갔다가 fillsInto 전방 분기를 통해 두 형제 DP-001과 DP-002까지 다시 내려가며 실패한 로트의 운명 범위를 정하는, 역방향의 바깥쪽 질의.
• 수명주기를 가로지르는 질의(Cross-lifecycle query, CQ-07) — 개발, 제조, 출하 이음매를 가로지르는 QbD 질문(공급 속도 파라미터 → 실현된 실행 → 출하된 로트)으로, 오직 공유 모델만이 물을 수 있게 함.
• 품질 궤적(Quality trajectory, CQ-05) — 사슬을 따라 내려가는 공정 중 HMW 값(4.1 % → 1.4 %)으로, 품질의 보관 사슬로 읽힌 derivedFrom. 순도가 어디서 바뀌었는지를 보여 주지, 어떤 단계가 그것을 야기했는지를 보여 주지 않음.
• 직교 제거(Orthogonal clearance, CQ-12) — 메커니즘상 독립적인 두 LRV의 합(저 pH 불활성화 4.5 + 크기 기반 나노여과 4.2 = 8.7)으로, 장벽이 직교이기 때문에 유효함. 배치별 측정이 아니라 단계의 검증된 역량.
• 포함은 계보가 아니다(Containment-is-not-genealogy, CQ-14) — False일 때만 올바른 ASK. 어떤 노드도 바이알의 contains 경로와 derivedFrom 경로 양쪽에 있지 않음.
• 파생된 뷰 / 표류(Derived view / drift) — 그래프의 트리플은 원천 시스템에서 복사되므로, 통과하는 질의는 모델이 답한다는 것을 증명할 뿐, 거버넌스되지 않고 오래된 로드가 여전히 참임을 증명하지는 않음.

이어지는 곳

SPARQL 질의가 답할 수 있는 역량 질문은 답해졌고 초록색입니다. 그러나 스물세 개 중 네 개는 질의가 제기할 수 없는 닫힌 세계 질문입니다 — 세포 은행이 완전히 특성 규명되었는가? 이 로트가 요구되는 모든 속성에서 규격 안에 있는가? 다음 장 출하 게이트와 SHACL: 완전성과 규격의 검증은 그것들로 향합니다. 그것은 출하 결정을 게이트하는 SHACL 셰이프를 구축하고, 규격 이탈 형제 DP-004가 정확히 한 경로(2.0 % 상한에 대한 2.41 %의 hmwPct)에서만 실패하고 다른 어디서도 실패하지 않는 이유를 보이며, 질의가 닿을 수 없는 닫힌 세계 절반으로 검증 단계를 완성합니다.