PAT過程分析技術(shù)(Process Analytical Technology):生物制藥4.0的基石
瀏覽次數(shù):468 發(fā)布日期:2024-11-11
來源:本站 僅供參考,謝絕轉(zhuǎn)載,否則責(zé)任自負(fù)
過程分析技術(shù)(PAT)
PAT過程分析技術(shù)(Process Analytical Technology)被定義為“通過及時測量(即在工藝過程中)原材料和過程中材料和工藝關(guān)鍵質(zhì)量和性能屬性來設(shè)計、分析和控制生產(chǎn)的系統(tǒng),以確保最終產(chǎn)品質(zhì)量”。
在生物制藥行業(yè)實(shí)施 PAT 的最終目標(biāo)是設(shè)計和開發(fā)易于理解的工藝,通過實(shí)時監(jiān)控原材料或過程中的產(chǎn)品屬性來控制工藝參數(shù)(CPPs),從而可靠地確保最終產(chǎn)品的預(yù)定質(zhì)量(QTPP),即關(guān)鍵質(zhì)量屬性(CQAs)。
PAT 系統(tǒng)提供清晰的工藝過程控制和理解,支持生物制藥行業(yè)采用質(zhì)量源于設(shè)計 (QbD) 方法。QbD 被定義為“基于健全的科學(xué)和質(zhì)量風(fēng)險管理,以預(yù)先確定的目標(biāo)開始,并強(qiáng)調(diào)對產(chǎn)品和工藝的理解以及過程控制的系統(tǒng)開發(fā)方法”。
因此,PAT 實(shí)施將有助于這種系統(tǒng)化的工藝開發(fā)方法,通過提供對產(chǎn)品和工藝設(shè)計的更好理解,確保一致的產(chǎn)品質(zhì)量。
傳統(tǒng)離線分析方式的不足
- 分析方法是具有一定的破壞性。取樣過程會對培養(yǎng)環(huán)境帶來干擾,消耗少量培養(yǎng)基,并引入污染的風(fēng)險。
- 分析數(shù)據(jù)的不連續(xù)與不完整。采樣和獲取數(shù)據(jù)之間的時間延遲,使得系統(tǒng)很難對偏離設(shè)定值的情況及時采取行動。
- 分析結(jié)果受制于人為參數(shù)設(shè)定;樣品前處理的手動操作,以及恢復(fù)參數(shù)到設(shè)定值的過程,都增加了額外的變異性 。
行業(yè)背景
FDA于2004年9月編寫的工業(yè)PAT指南——創(chuàng)新藥物開發(fā)生產(chǎn)和質(zhì)量保證框架。它通過考慮過去持續(xù)改進(jìn)來討論FDA倡議的核心原則,不斷的創(chuàng)新和對現(xiàn)有技術(shù)的改進(jìn)。它涵蓋對尋求更好的學(xué)習(xí)、知識、理解和過程控制至關(guān)重要的新技術(shù)和實(shí)施的結(jié)合。增加的知識允許實(shí)現(xiàn)更快的開發(fā)時間以及更好的過程控制,其中可以以更及時的方式交付更高質(zhì)量的產(chǎn)品。
FDA 將過程分析技術(shù) (PAT) 視為一種在影響關(guān)鍵質(zhì)量屬性 (CQA) 的關(guān)鍵過程參數(shù) (CPP) 測量過程中設(shè)計、分析和控制藥物生產(chǎn)和工藝的機(jī)制。
PAT的核心模塊
- Auto sampling自動取樣
- Advanced soft sensors高階軟傳感器
- Analysis & Modeling數(shù)據(jù)分析/過程建模
軟傳感器
是一種計算算法驅(qū)動的軟硬件系統(tǒng),用于估計無法立即獲得的特定狀態(tài)變量,或用于預(yù)測過程變量的未來值。軟傳感器在生物工藝中的主要應(yīng)用是實(shí)時監(jiān)測/估計過程變量,包括生物量、產(chǎn)物和底物濃度及其動態(tài)變化率,F(xiàn)有生物工藝PAT的軟傳感器包括拉曼光譜(Raman)、近紅外光譜 (NIR)、熒光光譜等多種在線光譜技術(shù)已被開發(fā)用于連續(xù)細(xì)胞培養(yǎng)監(jiān)測。歷史光譜測量與先進(jìn)的數(shù)據(jù)分析方法和信號處理技術(shù)相結(jié)合,可用于構(gòu)建軟傳感器系統(tǒng),實(shí)時監(jiān)控上下游工藝各項的 CPP、KPI 和 CQA參數(shù)。
建模方法
建模(Modeling)是一個通過數(shù)學(xué)物理方法來闡述生物系統(tǒng)變化的循證過程,涉及基于第一性原理的機(jī)理建模(Mechanistic)、動力學(xué)建模(Kinetic)方法等;以及基于大數(shù)據(jù)分析的統(tǒng)計學(xué)方法:如貝葉斯神經(jīng)網(wǎng)路(BNN)、機(jī)器學(xué)習(xí)(Machine Learning)與深度學(xué)習(xí)(Deep Learning)模型。生成的模型采用數(shù)值方法、常微/偏微方程等多種組合來實(shí)現(xiàn)對生物系統(tǒng)過程的狀態(tài)估計。狀態(tài)估計(State Estimation)是基于可用測量值對整套過程狀態(tài)變量的推斷。機(jī)理建模和數(shù)值模擬可以顯著減少工藝控制最優(yōu)空間所需的實(shí)驗(yàn)數(shù)量,同時PAT軟傳感器增加了更多連續(xù)數(shù)據(jù)的收集。
浚真自主研發(fā)了系列Akwa® PAT產(chǎn)品,包括Akwa®Cyte 、Akwa®Raman等,幫助生物制藥工藝過程中通過及早發(fā)現(xiàn)問題來提高工藝效率和生產(chǎn)率,通過密切監(jiān)控關(guān)鍵質(zhì)量屬性來 確保 產(chǎn)品質(zhì)量及一致性,從而減少浪費(fèi)、降本增效、實(shí)現(xiàn)高效工藝和技術(shù)轉(zhuǎn)移。