본 연구는 LC-MS 기반 대사체 분석을 통해 약물 노출에 따른 생체 내 대사 변화 양상을 규명하고, 이를 바탕으로 약물 유래 부작용 및 독성 반응을 예측하는 데 중점을 둔다. 혈청 시료로부터 정량·정성 분석된 대사체 데이터를 이용해 약물 관련 독성 지표가 되는 핵심 대사체 및 대사 경로를 도출하였으며, 통계적 모델링을 통해 독성 반응과의 연관성을 평가하였다. 이를 통해 개인별 약물 반응성을 대사체 수준에서 조기에 탐지하고, 임상 및 비임상 단계에서의 독성 평가 정확도 향상에 기여하는 것을 목표로 한다.

This study focuses on elucidating drug exposure–induced metabolic alterations in vivo using LC–MS–based metabolomic analysis, with the ultimate goal of predicting drug-related adverse effects and toxicological responses. Quantitative and qualitative metabolite data obtained from serum samples were utilized to identify key metabolites and metabolic pathways serving as indicators of drug-induced toxicity. Statistical modeling approaches were applied to evaluate the associations between metabolomic signatures and toxicological outcomes. Through this approach, the study aims to enable early detection of individual variability in drug responses at the metabolomic level and to improve the accuracy of toxicity assessment in both preclinical and clinical stages of drug development.