Cerba Research는 전 세계 임상 시험에 특화된 최고 수준의 분석 및 진단 솔루션을 제공하는 세계적으로 유명한 기업입니다. Cerba Research Montpellier에서는 전담팀이 환자 조직 절편에서 특정 표적 발현을 검출하기 위한 맞춤형 면역조직화학 프로토콜을 개발합니다. 프로토콜 개발에 대한 수요가 급증하고 프로세스 수익성이 향상됨에 따라, 개발 기간을 단축하고 비용을 절감하는 것이 매우 중요하다는 점을 인식하고 있습니다.
개발해야 할 맞춤형 프로토콜의 다양성을 고려할 때, 기존의 OFAT(한 번에 한 가지 요인씩) 접근 방식은 더 이상 충분하지 않습니다. 따라서 본 연구에서는 JMP를 사용하여 맞춤형 설계 및 공간 채움 설계 등 다양한 실험 설계(DOE) 방법론을 비교하는 심층적인 평가를 수행했습니다. 이러한 DOE 접근 방식은 기존에 개발된 OFAT 프로토콜과 비교하여 평가되었습니다. 본 연구에서는 비용 효율성과 품질 측면에서 OFAT와 DOE 접근 방식의 비교 우위를 보여주는 데이터를 제시합니다.
안녕하세요. 저는 마리 제루스-뒤랑입니다. 세르바 리서치에서 검증 엔지니어로 근무하고 있습니다. 오늘은 면역조직화학 임상 프로토콜을 수립할 때 실험 설계(DOE)를 활용하여 비용을 절감하고 품질을 향상시키는 방법을 보여드리겠습니다. 세르바 리서치는 전 세계 모든 대륙에서 사업을 운영하는 글로벌 기업입니다. 제가 소속된 부서는 노란색으로 표시했습니다.
여기는 병리학과 면역조직화학(IHC) 부서입니다. IHC 연구의 주요 부서는 제가 근무하는 몽펠리에에 있습니다. 면역조직화학이란 무엇일까요? 면역조직화학은 조직 내 단백질이나 다양한 표적을 연구하는 분야입니다. 생검을 통해 조직을 채취하여 슬라이드를 만들고, 항체 기반 기술을 사용하여 테러범의 다양한 표적을 조직에서 검출합니다. 이렇게 검출된 표적은 현미경이나 스캐너를 통해 디지털 이미지로 확인할 수 있습니다.
예를 들어, 여기 붉은색으로 염색된 좋은 표적 부위가 보이는 피부 조직이 있습니다. 저희 Cerba Research Montpellier에서는 고객사를 위해 전체 활동의 4분의 1 이상을 임상시험 프로토콜 수립에 할애하고 있습니다. 저희는 50개 이상의 고객사를 보유하고 있으며, 각 고객사는 이러한 표적 부위를 중요하게 생각합니다. 임상시험 프로토콜 수립 전반에 걸쳐 경쟁력을 유지하기 위해서는 최적의 개발 전략을 신속하게 수립하는 것이 저희에게 매우 중요합니다.
여기 또 다른 염색법의 예가 있습니다. 첫 번째 예시에서 사용할 염색법입니다. 보여드리겠습니다. 여기 갈색으로 표시된 것은 IHC를 이용한 표적 단백질 검출입니다. 이 프로토콜은 하나의 표적 단백질만 검출할 수 있도록 설계되었습니다. 이를 심플렉스 염색이라고 하며, 우리가 주로 사용하는 방법입니다.
저희의 실제 접근 방식은 한 번에 한 가지 요소씩 고려하는 것입니다. 먼저 인식 대상에 대한 조직의 항원 접근성을 평가하고, 최적의 신호 대 잡음비를 얻기 위해 항체 적정을 진행하며, 필요한 경우 추가 최적화를 수행합니다. 여기 표시된 각 화살표는 개발 프로토콜의 단계를 나타내며, 각 단계는 최소 한 번의 자동화 사이클을 거칩니다. 각 사이클은 요청부터 테스트 결과 도출까지 최소 4일이 소요됩니다.
연구비 지원의 수익성과 개발되는 프로토콜의 양을 개선하기 위해, 최적화된 프로토콜을 도출하는 데 걸리는 시간과 테스트 횟수를 줄여야 합니다. 저희 전략을 도식화하면, 항체가 없는 조건과 특정 항체를 사용한 조건, 이렇게 두 가지 항원 접근성 조건을 테스트하여 총 네 개의 지점을 얻습니다. 그중 가장 좋은 조건을 선택하는데, 가장 많은 지점을 가진 두 번째 조건이 항체 적정을 수행하는 데 적합합니다. 하지만 만약 실제 최적점이 테스트 범위 밖의 첫 번째 조건에 있다면 어떻게 해야 할까요?
이것을 보니 JNP에서 봤던 실험 설계 및 웨비나가 많이 생각납니다. 이 슬라이드는 매뉴얼 강의실에서 가져온 예시인데, 현재 우리가 사용하고 있는 실험 설계 방식과 제안된 방식을 한 번에 한 가지 요인씩 비교해 보여줍니다. 제안된 방식이 실험 영역을 훨씬 더 포괄적으로 다루고 있다는 것을 알 수 있습니다. 이는 우리 실험 환경에서 상당한 개선점이 될 수 있습니다. 그래서 한번 시도해 보기로 했습니다.
먼저 가장 간단한 것부터 시작하겠습니다. 제가 보여드리는 것처럼 간단한 프로토콜 개발인데, 이 문제에서는 하나의 목표만 탐지합니다. 먼저 제약 조건과 매개변수를 정의해야 합니다. 제가 이 실험에 사용하는 오토마타는 독립적인 위치를 가지고 있습니다. 실험 설계에서 가져온 하나의 테스트가 오토마타의 한 슬라이드에 포함되어 있으며, 응답과 요인을 정의해야 합니다.
우리가 분석하고자 하는 반응은 신호 강도입니다. 신호 강도를 최대화하고 배경 신호를 최소화하는 것이 목표입니다. 이 단계에서 조절할 수 있는 요소는 범주형 변수인 항원 회복과 연속형 변수인 1차 항체 농도입니다. 이제 설계를 진행해 보겠습니다. 저는 여러 설계를 비교해 보기로 했습니다.
맞춤형 설계와 공간 채움 설계를 보여드리겠습니다. 이 설계를 함께 설정하겠습니다. DOE 플랫폼에서 맞춤형 설계를 선택하고 작년의 응답과 요인 또는 응답 값을 입력해야 합니다. 첫 번째는 최대화하고자 하는 신호 강도입니다.
신호가 없는 0부터 신호가 있는 3까지 임의로 평가한다고 가정하고, 여기에 다른 응답을 추가하겠습니다. 최소화해야 할 배경이 있으므로 이번에는 최소화해야 하며, 여기에 배경을 넣습니다. 마찬가지로 0은 배경이 없고 3은 매우 높은 배경을 나타냅니다. 그런 다음 요인들을 더하겠습니다.
제가 좀 가려져 있어서 보여드리겠습니다. 요인으로는 두 단계로 나뉘는 범주형 요인인 항원 회수가 있습니다. 변경하기가 꽤 쉽고, 일반적으로 PH 6과 PH 9 두 가지가 있습니다. 자동화 도구에 따라 명칭이 다를 수 있지만, 크게 중요하지는 않습니다.
연속 변수로는 항체 농도가 있습니다. 보통 이 값은 10에서 최대값으로 설정하기 때문에, 저는 0에서 10까지의 범위로 설정하겠습니다. 이렇게 하면 공변량은 더 이상 없습니다. 말씀드렸듯이 가장 간단한 모델을 선택했습니다. 이제 모델을 계속 진행하겠습니다. 모든 가능한 상호작용을 확인하고 싶어서 반응 표면 분석(RSM)을 수행합니다. 반복 측정이나 중심점은 사용하지 않습니다. 이미 가장 간단한 모델을 선택했기 때문에 기본적으로 이 결과가 나오는 것입니다.
11개를 선택해야 합니다. 11개는 우리가 일반적으로 하는 방식과 잘 맞기 때문에 괜찮습니다. JNP 17에 있는 디자인 탐색기를 활용하려면 여기를 클릭하고 "다른 디자인을 탐색해 보겠습니다."라고 하면 됩니다. 클릭하면 요인, 모델, 그리고 다양한 옵션이 표시됩니다. 왼쪽에는 디자인별로 설정하는 옵션이 있고, 오른쪽에는 여러 디자인을 조합할 수 있는 옵션이 있습니다. RSM의 경우 일반적으로 최적해를 찾기 위해 여러 실행 횟수를 시도해 보는데, 예를 들어 다른 횟수로 실행해 보고 싶을 때가 있습니다.
최소 5개라고 해봅시다. 5개부터 시작해서 11개까지 늘려간다고 가정해 볼게요. 만약 15개까지, 1씩 늘려가면서 해보면 어떨까요? 중심점은 크게 중요하지 않지만, 한번 시도해 보고 어떤 결과가 나오는지 확인해 볼 수 있겠죠. 음, 반복하는 게 더 나을 것 같네요.
'모든 디자인 생성'을 클릭했더니 다양한 매개변수를 사용한 디자인도 생성되더군요. 그래서 '시각적 최적성'을 선택했습니다. 즉, 모든 곳에서 시각적 최적성이 적용되도록 한 거죠. 실행 횟수는 5회에서 15회까지로 선택했고, 그 다음에는 반복 횟수를 설정했습니다.
그렇지는 않지만, 여기 5개에 대한 복제본이 있습니다. 이유는 모르겠지만 괜찮습니다. 예를 들어 7개의 경우, 복제본이 두 개 있고, 모든 항목에 대해 동일한 복제본이 하나 또는 0개 있습니다. 중심점도 마찬가지로, 가능한 경우 중심점을 하나 또는 두 개로 설정합니다. 맨 아래에는 린넨 테이블이 있어서 만들면 멋진 기둥을 만들 수 있습니다.
이건 모든 고객을 위해 맞춤 설계된 거예요. 이 표에서 디자인을 선택하고 '맞춤 디자인'을 클릭하면 비용 표가 열립니다. 여기서는 그래프를 그려보고, 예를 들어 전선 수에 따라 효율성이 어떻게 달라지는지 살펴볼 수 있어서 편리해요.
보시다시피 둘 사이에는 상당한 상관관계가 있습니다. 열 전환기를 사용하여 다른 변수를 추가하고 살펴볼 수 있습니다. 저는 실행 결과와 중심점, 반복 측정값도 함께 보고 싶습니다. 아, 맞다. 실행 결과를 선택하는 방법을 잊었네요. 어쨌든, 여기 실행 결과들이 있습니다.
중심점은 별다른 영향을 미치지 않고 복제도 되지 않는 것 같으니, 이대로도 괜찮을 것 같습니다. 실행 횟수를 조정해 봐야겠네요. 실행 횟수를 보면 다시 이 문제로 돌아올 것 같습니다. 사용자와 중심점을 차단하고 나면 참조 번호만 볼 수 있겠죠.
전부 삭제한 건 아니에요. 삭제하기 전에 전부 삭제하셨으면 좋겠어요. 안 그러면 전부 다시 추가되는 꼴이 되거든요. 전 전부 삭제했어요. 그냥 선택만 한 거예요. 메모를 안 해 뒀네요. 죄송해요. 선택한 항목이 필요하니까, 제가 선택한 항목을 고르면 12번 실행되겠네요.
여기로 돌아가서 다시 한번 확인해 볼게요. 기본값이 11인가요? 사실, 항체가 전혀 없는 동위원소 대조군 두 개를 확실히 하고 싶어서 10으로 설정하겠습니다.
저는 10개의 요소를 포함하는 디자인을 만들고, 그 다음 수동으로 두 개의 컨트롤을 추가하겠습니다. 보시다시피, 간단한 디자인입니다. 단 10초밖에 걸리지 않고, 여기에 표가 있습니다. 사실, 실행할 때마다 여기에 다른 숫자가 표시됩니다. 저는 이전에 만들었던 것을 사용해 보겠습니다. 이 스크립트를 실행하기만 하면, 제가 보여드리는 모든 사람과 정확히 같은 데이터가 나옵니다. 여기 표를 보시면, 결과가 다르게 나오는 것을 알 수 있습니다.
농도가 0, 10, 또는 5밖에 안 되지만, 일단 이 값을 고정해 두겠습니다. 표를 보시면 이미 모델과 설계 평가 결과가 나와 있고, DOE 대화 상자로 돌아갈 수 있습니다. 저는 두 설계를 비교하고 싶어서 평가는 하지 않겠습니다. 지금 바로 비교를 진행하겠습니다. 방금 가져온 설계는 마지막에 각 지점마다 복제됩니다.
중복을 요청하지 않았는데도 중복이 나왔습니다. 실험 공간의 이 영역을 모두 포함하는 것 같습니다. 공간 채움 설계를 시도해 봤는데 결과는 똑같습니다. 좋은 실험 설계이지만, 이번에는 특수 목적 설계, 즉 공간 채움 설계입니다. 제가 보여드리고 싶은 부분이기 때문에 사용자 지정 설계로 돌아가야 합니다. 설계를 비교하고 싶지만 반응 변수와 요인은 동일합니다. 반응 변수와 요인을 저장해 두면 됩니다. 아, 사진을 저장하는 것과 같은 방식으로 반응 변수를 저장하면 되겠네요.
그럼 공간 채움 설계로 돌아가서 응답을 불러올 수 있습니다. 죄송합니다. 해당 창을 선택해야 찾을 수 있습니다. 요인도 마찬가지이며, 저는 요인을 직접 입력했습니다. 제약 조건은 없습니다. 다시 말씀드리지만, 보증서 개수는 20개이지만 두 설계를 비교하고 싶으므로 10개로 동일하게 진행하겠습니다.
선택의 여지가 없어요. 그냥 유연한 느낌이에요. 이런 디자인이 생성되는데, 이번에는 농도가 0105처럼 엄격하지 않다는 걸 알 수 있죠. 농도 범위가 굉장히 넓어요. 표도 똑같이 만들 수 있고요. 이제 다 닫을 수 있어요. 사용자 지정 디자인의 경우, 제가 했던 걸 다시 실행해서 숫자가 완전히 똑같아요. 그래서 디자인을 비교해 보고 싶었어요. 디자인을 어떻게 비교하나요? 아, 먼저. 죄송해요. 깜빡했네요.
보시다시피 항체 농도의 변동 범위가 동일하지 않습니다. 여기 있는 대조군을 제외하고는 중복된 데이터가 없습니다. 이 대조군은 항체 농도의 더 넓은 범위를 포함하고 있는데, 이는 우리가 찾고자 하는 결과에 실제로 도움이 됩니다.
저는 두 설계를 비교하고 싶었습니다. 우선, 각 설계가 차지하는 영역이 다르기 때문에 그래프로 비교할 수 있습니다. 제 생각에는 공간 채움 설계를 사용하면 더 높은 항체 농도를 시도해 볼 수 있을 것 같아서 좋은 점이라고 생각합니다. 하지만 설계를 비교해 보는 것도 중요합니다. 실험 설계(DOE)에서는 설계 진단 및 비교 기능을 제공하므로, 보시다시피 저는 두 설계를 모두 가지고 있습니다.
이미 Fast Flexible 모델을 가지고 있으니 Custom Design을 추가하겠습니다. 열 이름은 동일하므로 열을 많이 추가할 필요는 없습니다. 그가 알아서 할 테니, 지금까지 살펴본 요인들을 다시 정리해 보겠습니다. Fast Flexible 모델은 정확히 0에서 시작하지 않고 10까지 올라가지도 않지만 거의 근접합니다. 이 부분을 제거하기 위해 모델을 만들겠습니다. 범주형 요인은 이 모델에 포함될 수 없지만, 이미 포함되어 있습니다. 항체별, 항체별 항원 위험-보상 관계로 돌아가 보겠습니다. 두 번째 요인으로 항원을 넣을 수는 없지만 괜찮습니다. 이제 설계 평가를 진행하겠습니다.
그래서 하나씩 비교하지 않고 이렇게 했습니다. 여기 파란색 부분은 전력 곡선을 보면 Fast Flexible Design이고, 주황색 부분은 Custom Design입니다. 보시다시피 Custom Design이 모델 결정 측면에서 Fast Flexible Design보다 더 나은 결과를 보여줍니다. 설계 공간 비율 곡선을 봐도 마찬가지입니다.
맞춤형 디자인이 더 적합해 보입니다. 디자인 진단 결과를 비교해 보면, 맞춤형 디자인과의 상대적인 관계입니다. 즉, 맞춤형 디자인은 하나의 값을 추가하는데, 고효율의 빠르고 유연한 디자인을 찾는다면 7가지 옵션이 열립니다. 따라서 센서 기반 맞춤형 디자인보다 효율이 30% 정도 낮다고 가정해 보겠습니다. 방금 이 내용을 추가했습니다.
여기서 보여드릴 세 가지 진단 결과입니다. 사용자 정의 설계가 공간 채움 설계보다 더 나은 것 같습니다. [00:18:18] 하지만 결과가 어떻게 나올지 살펴보겠습니다. 프로파일러는 입력 후 얻을 수 있습니다. [00:18:26] 데이터의 예를 보여드리겠습니다. 여기 제 실험계획법(DOE) 표가 있습니다. 신호 강도와 배경 응답을 추가했습니다. 이미지를 보고 강도가 없는 경우, 약간 있는 경우, 더 많은 경우 등을 확인할 수 있습니다. 두 설계 모두에 대해 동일하게 진행했습니다.
여기도 마찬가지입니다. 만약 그렇지 않았다면 두 번의 실행이 되므로 두 개의 다른 데이터 세트가 되었을 겁니다. 마지막으로 모델을 만들었습니다. 모델을 클릭해 보세요. 표준적인 사각형 효과 스크리닝 모델입니다. 모든 상호작용을 고려했고, 모든 변수를 함께 맞췄습니다. 제거할 수 있는 요인들도 있었지만, 모두 유지하기로 했습니다. 그런 다음 프로파일러로 이동합니다. 최적의 조건을 살펴보면, 장애 정도를 최대화한 상태를 나타냅니다.
신호 강도를 극대화하는 거죠. 보시다시피 여기서 최고점에 도달하고 배경을 최소화하는 겁니다. 그는 이런 조건을 찾아냈어요. 그런데 나중에 생각해 보니, 신호 강도를 극대화하는 게 목적이 아닐 수도 있겠다는 생각이 들었어요. 제가 사용하는 샘플이 발현량이 낮은 샘플이 아닐 수도 있으니까, 목표 유전자의 발현량을 정확하게 감지하고 싶은 거죠.
조금 수정하고, 괜찮다고 말합니다. 목표 강도를 중간 정도로 맞추고 싶습니다. 진단된 강도가 아니라 중간 강도입니다. 배경은 좋지 않기 때문에 배경은 최소화하고 싶습니다. 이제 바람직함을 최대화하면 사용할 항체 농도가 변경되는 것을 볼 수 있습니다. 이것은 우리가 여기서 얻은 결과와 거의 같습니다. 수치가 약간 다를 수도 있지만 괜찮습니다. 동일한 방식으로 진행했고, 이는 Fast Flexible Design에서도 마찬가지입니다.
저는 두 가지 다른 조건을 얻었습니다. 하나는 CC2에서 항체가 거의 3.8인 경우이고, 다른 하나는 CC2에서 2인 경우입니다. 여기서 PHCCN9는 아니고, 이 자동 장비에서는 CC1과 CC2라고 부르지만 같은 것입니다. 그래서 저는 이렇게 두 가지 조건을 얻었고, 초기 프로토콜과 비교해 보기로 했습니다.
즉, 저희의 기준, 즉 표준 브러시를 말씀드리겠습니다. 이전에 보여드렸던 이미지들이 바로 그것입니다. 여기에는 사용자 정의 디자인 조건과 공간 채움 디자인 조건이 있습니다. 보시다시피 이 두 조건 모두 표준 접근 방식으로 정의한 데이터와 최소한 동등하거나, 어쩌면 더 나은 결과를 제공합니다. 저는 특히 항체 농도를 더 높게 테스트하기 위해 공간 채움 데이터를 작성했는데, 이는 까다로운 표적을 다룰 때 유용합니다.
저는 이 방법을 선택하겠습니다. 왜냐하면 여기에 보이는 두 가지 조건이 실제로 공간 채우기 설계(Space Filling Design)에 존재했기 때문입니다. 공간 채우기 설계에 데이터가 있었기 때문에 조건을 일일이 테스트할 필요가 없었고, 이 이미지는 제대로 작동하는지 다시 한번 확인하기 위한 것입니다. 다른 프로토콜에서 테스트하기 위해 공간 채우기 설계를 선택했습니다. 제대로 작동하는지 확인하기 위해서입니다.
모든 걸 다 살펴보지 마세요. 저는 그냥 같은 종이를 가져와서 새로운 목표에 맞춰 답변을 바꿉니다. 중심 강도의 두 목표를 일치시키고 배경을 최소화하는 모델을 얻었는데, 그는 "좋아요, 항체 농도는 남성 1인당 2.8마이크로그램이고 CC2 조건이어야 합니다."라고 말했습니다.
저희가 개발한 프로토콜과 비교해 보면, CC1 및 5마이크로그램 프로그램이라고 했었는데, 완전히 동일하지는 않습니다. 둘 다 변경되었지만, 이미지에서 보시다시피 Space Filing Design에서 정의한 프로토콜은 저희가 일반적으로 개발하는 프로토콜만큼이나 훌륭합니다. 이제 운영팀과 관리자들을 설득하는 데 필요한 것은 비용과 시간일 것입니다. 저희가 제안하는 설계 접근 방식은 다음과 같습니다.
먼저, 맞춤 디자인과 공간 활용 디자인을 표준 방식과 비교하여 디자인 작업에 소요되는 시간을 살펴보겠습니다. 이 그래프에서 표준 방식은 파란색, 공간 활용 디자인은 빨간색, 맞춤 디자인은 녹색으로 표시되어 있으며, 각 방식에 소요되는 시간(사이클 수), 슬라이드 수, 디자인부터 프로토콜 작성까지의 시간, 그리고 요청 접수부터 예약까지의 시간을 비교했습니다.
기술 요청부터 연구, 모든 것을 설계해야 하는 시간, 심지어 기술팀에게도 새로운 작업 방식이라는 점까지 고려해 보면, 결과물을 얻는 데 걸리는 시간을 단축할 수 있었습니다. 두 번째 사례를 들자면, 모든 것을 다시 설계할 필요가 없었습니다. 이 접근 방식을 새로운 실제 접근 방식으로 채택한다면 다음 단계에서 무엇을 할지 훨씬 더 가능성이 높아질 것입니다. 따라서 이 프로젝트에 사용된 기존 접근 방식과 비교해 보겠습니다.
파란색 부분과 빨간색 줄무늬 부분은 DOE 설정을 위한 비교 주기입니다. 기준 프로토콜이 있기 때문에 비교 주기를 수행했지만, 새로운 접근 방식을 사용할 경우에는 기준 프로토콜이 없으므로 비교 주기를 수행하지 않습니다. DOE 설정만 수행하면 되는데, 이 부분이 빨간색으로 표시되어 있습니다. 보시다시피, 주기 횟수, 사이트 수, 사용한 항체 수가 줄어들었고, 최종 결과가 나오는 데 걸리는 시간도 ALF 덕분에 단축되었습니다. 이는 매우 긍정적인 결과입니다.
결론적으로, 저는 스티브 잡스의 이 명언을 좋아합니다. "작게 시작하고 크게 생각하라." 처음에는 이런 것들을 보고 [들리지 않는 부분 00:24:53] '좋긴 한데, 내가 어떻게 적용할 수 있을까?' 하고 고민했습니다. 하지만 '좋아, 가장 간단한 방법으로 시작하자'라고 생각하고 이 간단한 IHC 시스템을 구축했습니다. 그리고 제 생각대로 빠르게 제 매니저를 설득했고, 운영팀과 다른 리더들에게도 이 접근 방식을 IHC에 적용할 수 있다는 것을 확신시켜 주었습니다.
지금처럼 최적화가 필요한 경우 지원을 제공할 수 없습니다. 개발이 쉬울지 어려울지 처음부터 알 수 없기 때문입니다. 다음 단계로 연구실에 소개하고 싶은 것은 멀티플렉스 시스템입니다. 동일한 조직에서 여러 표적을 검출하는 것으로, 억제된 표적에 대해 두 개의 표적을 검출하는 것부터 시작하여 최대 다섯 개의 표적까지 확장할 수 있습니다. 이 연구는 현재 진행 중입니다.
마지막으로 감사 인사를 드리고 싶습니다. 제 초록을 선정해 주신 운영위원회 위원님들께 감사드리고, 세르바 리서치 몽펠리에 팀과 실험실 기술자분께도 감사드립니다. 제 다소 엉뚱한 아이디어들을 따라가기가 어려울 때도 있었지만, 친절하게 도와주셨습니다.
저의 매니저는 새로운 전략과 새로운 관점에 대해 이미 많은 지원을 해주고 있으며, 제가 속한 컨셉 및 검증 팀 전체가 이번 테스트에서도 저를 지지해 주고 있습니다. JNP 프랑스 팀, 특히 스테판에게 감사를 전하고 싶습니다. 스테판은 아낌없는 지원과 질문 덕분에 제가 기존 JNP 16에서 벗어나 새로운 JNP 17에 적응하고 디자인 탐색 플랫폼을 경험할 수 있게 되었습니다. 모든 분들의 관심에 감사드립니다.
