制药公司希望尽可能快速高效地生产产品。一种药物生产、包装和推向市场的速度越快、成本越低,它产生收入的潜力就越大。

在规模化生产过程中,可以使用各种方法来尝试使生产过程尽可能高效。然而,最常见和传统的方法是分别和孤立地查看每个关键工艺参数(CPP)。

但是,根据Liège大学跨学科药物研究中心(CIRM)研究员Alice Kasemiire博士的说法,注重效率的生物制药公司错过了一个技巧,她说,现代统计方法可以加速和改进流程优化。

“实验设计(DOE)被定义为应用统计学的一个分支,它处理计划、执行、分析和解释受控测试,以评估控制一个或一组参数值的CPPs,”她说。

“能源部比传统的实验方法,如一次只考虑一个因素和专家试错法,要严格得多。这种严格性允许实践者明确建模任何系统中众多变量之间的关系,在解决问题过程的每个阶段做出更明智的决定,并最终在更短的时间内得到更好的解决方案。”

更快,更便宜,质量更高

Kasemiire在a发现潜在的好处包括“更快的上市时间、更低的开发成本、更低的运营成本和更低的质量成本。”

Kasemiire表示,实施基于doe的流程优化方法所涉及的初始步骤将是熟悉的,第一阶段是“识别影响你感兴趣的结果的变量,例如通过做文献回顾、筛选设计和/或风险评估。”

建立一个“设计空间”也很关键,ICH将其定义为“输入变量和过程参数的多维组合和相互作用,这些输入变量和过程参数已经被证明可以提供质量保证”,Kasemiire说。

“生物制药工艺开发科学家应该定义一个具有CPP质量属性和期望质量的设计空间。只要我们在限定的设计空间内工作,我们就会始终在规格范围内拥有健壮的生物过程。”

Kasemiire指出,他们还需要识别潜在的可变性来源,例如,在扩大规模之前进行验证。

另一个优势是,由于大多数生物制药公司已经使用了基于doe的工艺优化所需的PAT工具,因此在技术上的投资可能会很小。

“选择正确的软件并学习如何正确使用它是很重要的,”Kasemiire解释道。市场上有很多设计实验的软件程序,但是有些软件会帮你选择错误的CPPs,所以需要小心。

“在选择CPPs范围时,需要将care视为一个从低到高的狭窄范围,这可能会得出一个结论,即所选CPPs不会影响过程,但实际上,所选CPPs不会影响在所选范围内的过程。此外,从低到高的选择范围非常广,可能会导致某些因素组合产生不稳定的结果。”