e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  CAPP

浅谈工艺设计空间的建立

2017/11/29    来源:互联网        
关键字:工艺设计  

    在将质量源于设计理念(Quality by Design, QbD)应用于生物药生产时,对工艺参数变动如何影响产品关键质量属性(critical quality attributes, CQA)的理解至关重要。CQA是指为了保证药物的有效性及安全性,而必须确保在一定范围内的物理化学及生物学性质,如抗体的糖基化形态、多聚体及宿主细胞蛋白等。一旦确定产品CQA的可接受范围(acceptance criteria)之后,便可以找出生产过程中对CQA有显著影响的关键工艺参数( critical process parameter, CPP)及其确定各个CPP的可接受范围,而这些CPP范围便构成该产品的工艺设计空间( process design space)。ICH Q8将工艺设计空间定义为多个输入因子(如原材料)及关键工艺参数的相互组合和交互作用。它定义了各个工艺参数可接受的变动范围,在该空间内变动不需要再重新验证也能保证产品质量。生物药生产中涉及的工艺参数多达数百种,设计空间理念提供了一种操作更灵活也更能保证控制状态(state of control)的策略。一个生物药产品工艺设计空间的建立可分为以下几步: 1) 通过风险评估(risk assessment)鉴别出潜在CPP; 2) 建立真实反映生产规模工艺的scale down模型; 3) 通过DoE试验确定各个CPP的可接受范围; 4) 根据CPP范围确定工艺设计空间。接下来我们对工艺设计空间的建立作简要介绍。

    1

    图一. 操作空间,可接受空间与工艺特性研究空间的关系

    1. 通过风险评估鉴别CPP

    生物药生产工艺中涉及的变量多达数百个,这些变量对CQA影响程度有大有小,通过风险评估我们可以定性或定量的对这些变量的‘重要程度’进行排序。该步骤的主要目的是鉴别出对CQA有显著影响的工艺参数进而缩小工艺特性鉴定的工作量。风险评估的方法有多种,如FMEA(failure mode and effect analysis), PHA (preliminary hazard analysis), FTA(fault tree analysis)等。在工艺开发早期因为对工艺知之甚少,更适合使用像PHA这种快速的风险评估方法。而FMEA在鉴别CPP时最为常用。进行FMEA评估时主要考虑各个参数/状态出错(failure mode)后引起的问题(cause of failure mode)的严重性(severity, SEV),发生可能性(occurrence, OCC)及可检测程度(detection, DET)。对以上三项从1到10打分后可以得到各个输入因子的风险评估得分(risk priority numbers, RPN): RPN= SEV *OCC*DET。拿细胞发酵这一阶段为例,冻存细胞复苏的failure model可分为复苏时间过长或过短,进而影响后续步骤细胞生长速率或细胞活力,引起该错误的主要因素是人为操作失误。针对该步骤的严重性,发生可能性,可检测程度的评分均较低。而细胞发酵时间控制的failure model为发酵时间过长或过短,这一步可较大影响产量及纯度,引起的原因也主要是人为操作。针对该步骤的严重性评分较高,而其他两项评分较低。像添加诱导剂或切换发酵温度时细胞浓度这一步,细胞密度太高或太低都会显著影响产量及产品质量,且其发生可能性较大,检测也受人为操作及仪器状态的影响,因此其最终RPN得分会大于100。选出得分较高的因子后便可以将这些因子纳入工艺特性鉴定步骤研究这些因子的变动对CQA造成的影响。这里应该指出,对于各个风险因子的评分受团队经验及判断标准影响很大。细胞发酵环节像接种密度,培养温度/pH,转速,发酵时长等因子的RPN评分通常较高。

    2

    表一. FMEA风险评估评分表

    2. 工艺Scale down模型的建立

    因为工艺特性鉴定步骤涉及大量的DoE试验,因此建立一个可反映生产规模真实状况的scale down模型十分关键。Scale down模型通常在工艺开发早期就基于某种理论建立。例如,细胞发酵罐的scale down可以根据相同的氧传质系数(kLa)来完成,色谱步骤的scale down可根据相同高度及相同的单位横截面流速完成,工业离心机对细胞的破坏可根据相同剪切力(shear)来模拟等。Scale down模型建立后需要对用到的scale down模型进行等效验证试验(qualification via equivalence approach,TOST),以证明scale down模型可以很好的代表生产规模的工艺。在相同的设定值分别在生产规模及scale down规模运行>=6次,通过双向单侧t检验(two one-sided test)检测输出值(如发酵后的titre,纯化后HCP浓度等),比较生产规模及scale down规模的结果平均值是否在90%置信区间内无明显差异。原则上scale down模型与生产规模得到的产品各项CQA都需要进行比较。

    3. 通过DoE试验确定各个CPP的可接受范围

    通过风险评估鉴别出对CQA有显著影响的潜在CPP及建立可靠的工艺scale down模型之后,我们便可以使用DoE方法研究各项潜在CPP变化时CQA所受影响,也就是工艺特性鉴定(process characterization)。对产品质量由潜在显著影响的因子都应该纳入工艺特性鉴定,但有时研究全部因子太耗时耗力,这时有些公司选择只研究风险评分最高的几个因子。具体的DoE方法也根据需要研究的因子数量确定,如FFD模型(Fractional Factorial design)模型适合因子较多时,而CCD模型(central composite design)适合研究二三个因子时使用。根据DoE试验的结果,可以计算各个潜在CPP改变时引起的CQA的变化率,将所研究工艺参数分成high impact CPP, low impact CPP以及非CPP (图二)。工艺特性鉴定完成后,还可以设计一个worst case study,研究当所有的CPP最大偏离设定值时工艺的可靠性。例如,影响细胞发酵过程中细胞活力及细胞生长的CPP可显著影响最终的产量及纯度,为检验发酵工艺可靠性可将摇瓶,种子罐及生产罐的各个CPP均设定在可接受边界运行,并研究产品的CQA是否偏离可接受范围。

    3

    图二. 通过工艺特性鉴定对CPP进行分类

    4. 数据分析及工艺设计空间的确定

    工艺特性鉴定完成后,通过分析各个CPP变动对CQA的影响便可以确定出可靠地工艺设计空间。举一个Looby M等人所做的案例(参考文献3):抗体下游工艺酸处理灭活病毒这一步容易产生多聚体,风险评估得到蛋白浓度、pH、处理时间及温度对多聚体的产生可能会有显著影响,因此这四项被选为潜在CPP。运用DoE试验,在温度(15–30℃),pH (3.5–4.1),时间(60-180min),蛋白浓度(2.2-5.5g/L)范围内研究参数变化对多聚体形成的影响。DoE试验得知,蛋白浓度<5.5g/L时蛋白浓度对多聚体的形成无显著影响;pH与时间、pH与温度存在交互作用影响多聚体产生。假如将可接受的抗体多聚体上限水平设在0.4%,当温度、时间及pH逼近边界(30℃, 180min, 3.5)时多聚体会超出可接受范围。而pH>3.6时,温度在15-30℃范围内时间在60-180min范围内变化多聚体水平不会超出上限,因此控制多聚体产生的CPP范围为pH>3.6。时间,温度以及蛋白浓度只需控制在上述操作范围之内即可。当然,除抗体多聚体之外病毒灭活效果也需要考虑,可据此用类似方法定义CPP另一个边界。

    4

    图三. pH及时间在两个温度水平(15℃, 30℃)下对抗体多聚体产生的影响

    为了保证工艺在设计空间内运行时,CQA有>95%的概率落在可接受范围之内,可使用计算机辅助分析方法检验工艺的可靠性。例如我们可以使用蒙特卡洛模型随机产生设计空间内的10000组CPP组合作为input,并得到与之相应的CQA output,随后分析CQA的概率分布检验工艺设计空间的可靠性。

    5. 小结

    在QbD理念中,产品设计空间(product design space)为药物临床效果提供数据可靠性,而工艺设计空间保证了产品设计空间的可靠性。应用工艺设计空间时向FDA提交的工艺数据应该包括各项CPP参数的可接受范围以及工艺有效性验证数据,在后续药物生产中在设计空间内改变工艺参数无需再次向FDA提交。在生产中通过对工艺进行监控并保证CPP在设计空间内,便可以使产品质量得到保证。

责任编辑:张纯子
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐