生物加工中,可复制性仍然是最长期的挑战之一,直接影响到生物制品的可扩展性、监管批准和商业可行性。 随着生物加工的复杂性增加,由新细胞线、先进基因疗法和个人化药物驱动,确保持续结果的有力战略的必要性从未像现在这样大。可复制性不仅增加了发展时限和成本,而且损害了临床和临床前数据的可靠性。 解决可复制性问题需要一种综合标准化协议、先进监测技术、数据管理以及对生物和物质可变性的深刻了解的全面方法。

理解可复制性方面的挑战

生物系统固有的复杂性引入了多层可变性,这可能会阻碍实现可再生结果的努力. 生物过程与化学过程不同,生物过程涉及其行为受到其环境微妙变化影响的生命细胞. 主要的可变性来源包括: 生物细胞在生物中具有可变性,其可变性的特征是: 生物细胞在生物中具有可复制性,其可复制性.

  • 生物异质性: 即使血红细胞种群也表现出了分泌基因的表达和代谢差异。种子训练稳定性、通道数和低温保存条件都有助于增长和生产力的变异。
  • 锯齿材料不一致: 介质成分,水解,生长因子,以及其他原料往往在数量上有所不同. 营养成分或微量杂质的微小差异可以改变细胞代谢和产品质量属性.
  • 环境波动: 温度梯度,pH漂移,溶解氧振荡,以及生物反应器中的剪切应力难以统一控制,尤其是在大尺度上.
  • 手动处理错误:操作员驱动的步骤,如注射准备,取样,以及营养素饲料,引入了人性变异,可以扰动处理性能.
  • 分析分析分析变异: 用于测量关键质量属性(CQAs)的方法可能具有内在变异,掩盖了真实过程差异.

理解这些挑战是设计系统对策的第一步。 基于风险的方法,如 FDA的流程分析技术(PAT)框架[ 中概述的,鼓励在流程开发初期发现和减缓变异源。

提高可复制性的核心战略

克服再生产障碍需要多层次的战略,包括协议设计、流程控制、材料质量和数据治理。 以下是目前生物制药业中采用的最有效方法。

议定书的标准化

严格的标准化始于精心编写的标准操作程序,没有多少解释余地。标准操作程序应具体说明设备模型、校准时间表、精确试剂浓度、孵化时间和可接受的耐受范围。定期的培训班——包括实际操作模拟和能力评估——确保所有操作者都一致执行步骤。此外,使用在单一、特征鲜明的批次中制备的种子总存量,遵循严格界定的细胞培养传承计划,大大减少了细胞年龄和历史带来的变异性。ICH Q10药物质量系统为这种标准化方法提供了监管骨干,强调过程的理解和持续改进。

与 PAT 一起加强进程监测

实时监测关键过程参数(CPP)可以快速检测和纠正偏差. 过程分析技术(PAT)工具,如线内拉曼光谱仪、近红外探测器和自动pH/DO传感器,提供了连续的数据流,取代线外取样. 将这些传感器与反馈控制循环——例如,根据葡萄糖浓度自动调整饲料率——保持更精确的目标条件. 对于诸如输液或饲料培养等复杂的生物过程,PAT便利识别可能导致分批失败的流程外游,从而增强可复制性. ISPE关于PAT执行的指导为在受管制的环境中应用这些技术提供了实用的建议.

原材料质量和供应链控制

持续的原材料质量是可再生产生物加工的基础。建立强有力的供应商资格方案,包括审计、批量到批量测试和保证成分书,可以减少出乎意料的可变性风险。对于植物水解或再生生长因素等关键成分,利用单一供应商进行整个开发活动,可以尽量减少大宗到批量变化。只要有可能,转向化学界定的媒介,消除与动物衍生或复杂自然成分有关的批量到批量变化。对供应链的风险评估,包括物质短缺应急计划,可以进一步防止破坏,从而损害可再生产性。

数据完整性和高级分析

综合记录每个过程步骤,连同结构化的数据存储,都能够在发生不一致时进行根源分析。电子实验室笔记本(ELN)和制造执行系统(MES)确保数据实时、贴上时间和可搜索。 高级数据分析,包括多变量分析(MVA)和机器学习(ML)模型,可以确定过程参数与产品质量属性之间的关联性,而通过单向分析是无法明显可见的。例如,对历史批量数据的主要组成部分分析(PCA)往往揭示成群和失败运行,指出应当严格控制的具体参数范围。 FDA的数据完整性指导强调了ALCOA+原则(可归属、可归属、可理解、可理解、可复制、可完成、可持久、可持久和可获取)在维持可信赖的过程记录方面的重要性。

新兴技术推动可复制性

最近的创新正在提供强大的新工具,以减少可变性和加快进程发展。关于历史过程数据的培训机器学习算法能够预测最佳的饲料战略和收获时间,减少试验和反常实验。自动化平台,如高通量小型生物反应器和机器人液体处理器,非常精确地执行协议,消除早期筛选中的人为错误。模拟整个生物过程的数码双胞胎-计算模型 — 在承诺进行物理实验之前,对 " 假设的 " 假设进行低温虚拟测试。如果结合实时传感器数据,数字双胞能够预测控制,将过程保持在一个确定的设计空间内,大幅度提高跨尺度的可复制性。这些技术的结合仍在发展,但早期采用者报告说,批次比变化和较快的根因子分析正在发生。

法规和质量考虑

监管机构越来越期望制造商对工艺可变性有透彻的理解,并落实确保产品质量一致的管制战略. ICH Q8(R2)中概述的“设计质量”框架鼓励系统地识别CPP和CQA,并在工艺与正常波动相对应的地方建立设计空间. 在监管检查中,可复制性的证据——例如,在效率、纯度和安全方面变化不大的成功批次的历史——是工艺成熟的关键指标. 采用QbD和PAT的公司往往受益于更灵活的监管备案,因为它们可以在经过精心设计、不需要在批准后进行修改的情况下运作. FDA关于生物技术产品QbD的指导为复杂的生物学提供了执行这些原则的框架。

结论

提高复杂生物过程的再生产性并不是一次性的固定,而是持续致力于过程理解、标准化和技术投资。 通过强有力的种子管理解决生物变异性问题,实施PAT实时控制,通过供应商资格和化学定义的介质确保原材料一致性,并利用先进的数据分析发现隐性关联,生物过程团队可以大大减少意外结果。 新兴的机器学习、自动化和数字双模型模型化工具为人们提供了对将来的一瞥,即可再生产性成为生物过程设计的一个内在特征,而不是一种不断的奋斗。 对于旨在可靠和高效地将拯救生命的疗法带入市场的研究人员和制造商来说,这些策略并非非选的 — — 它们至关重要。 采用这些策略将加快创新、降低成本并最终增强对生物制品质量的信任。