RNA疫苗：未来的挑战和可能的解决方案

本文节选自《Rapid development and deployment of high-volume vaccines for pandemic response》，详细内容，参考原文。

要克服大流行疾病，如当前的COVID-19疫情，需要在几个月内生产数十亿剂的疫苗。这是一项极具挑战性的任务，特别是考虑到多方面的限制，如针对临床试验的小规模生产、涉及多个阶段和大规模药物底物和药物产品生产的临床试验时间表。为了应对这些挑战，需快速追踪监管流程，并使用快速 - 响应生产平台技术。原文评估了目前的进展、未来的挑战以及以前所未有的规模和速度、为应对大流行而提供疫苗的潜在解决方案。新兴的快速 - 响应疫苗平台技术，特别是RNA平台，预计每年可提供超过10亿剂的高产能，且其生产占地小，工厂投入成本低。自扩增RNA (saRNA)药物产品成本估计低于1美元/剂，其生产过程和工厂可以分散布局，以促进生产、分配，同时也利于原材料供应。RNA平台技术可以通过由计算机建模辅助进行的质量源于设计（QbD）来补充先验知识，以确保产品质量，并进一步加快未来用于应对流行病或大流行的监管审批流程。

未来的挑战和可能的解决方案

saRNA和mRNA疫苗目前面临的最大挑战是在临床试验中证明其对目的疾病的疗效，特别是在II/III期疗效试验中，疫苗失败的比例很高。但是，因为RNA平台的通用特性允许快速生产，并开发多个疫苗版本，允许在临床开发期间快速迭代，所以可以提高临床试验的成功率，原则上可以缩短临床开发时间。此外，还有许多知识产权方面的挑战需要解决，包括基于LNP的制剂。然而，当考虑大体量的流行病响应生产时，似乎没有与目前的制剂工艺有关的技术或可放大性瓶颈。另一方面，在大流行病响应性疫苗的大规模生产过程中，制剂原料的供应可能成为瓶颈，但它们的生产也在扩大，以满足全球需求。大流行病导致的运输中断会限制原材料的供应，由于供应商数量减少，这对特种材料的影响会更大。为了缓解这一问题，在几个国家或大陆间分散或外包原材料生产可能可以提供一个解决方案。疫苗的稳定性也会影响其全球分发和可得性。疫苗在-70℃下稳定，且须在低温条件下分发，这将限制在低、中等收入国家的分发，因为缺乏适当的冷链基础设施，也将限制多剂量瓶的使用，即会由于冷链配送成本和使用单剂量瓶(或低剂量)形式，而增加每剂的成本。为了克服这一问题，疫苗开发人员正在评估具有较高热稳定性的剂型或冻干剂型。

最后，需要增加应对大流行的生产能力。然而，RNA疫苗的生产过程是非常高产的，特别是对于saRNA疫苗，因为每剂的预期用量较低。使用5 L生物反应器工作体积，saRNA药物底物的年产量超过10亿剂，瓶颈预期会是最终的灌装工艺，其可能来不及灌装数十亿瓶在室温条件下制剂好的RNA，特别是当制剂后的RNA可能在此条件下的延长时间内不稳定。为了解决这一问题，CEPI正在评估可容纳200剂的袋子，其可在8至10小时的生产工作轮班中，以300万剂的速度灌装疫苗。但这可能会增加临床上疫苗最终注射步骤的复杂性，药剂师和医疗专业人员将需要熟悉这项技术的新要求。

一旦saRNA和mRNA平台充分开发，稳定性问题、生产和操作工艺问题被解决，并可用于大流行病需求时，通过应用计算机建模辅助的质量源于设计(QbD)框架，原则上可针对未来的流行病和大流行加速监管审批流程。QbD是医药产品开发的系统性方法，从预定的目标以及综合对产品和工艺的理解，确定关键质量属性(CQA)以及关键工艺参数(cpp)、产品质量风险管理和稳健控制策略的开发，以确保产品的质量。为了加速开发，该框架将整合生物工艺建模、软测量以及先进的过程控制，以始终如一地确保所生产的药物底物和药物产品的质量。上述QbD框架可作为RNA平台技术的补充，在独立于RNA序列和目标疾病的前提下，普遍应用，可先验地保证任何RNA疫苗生产过程的质量和速度。

要开发这样一个QbD框架，可以使用下图中描述的迭代循环。为此，可根据疫苗的最佳情况，确定质量目标产品特性(QTPP)，以满足患者需求并提供最高水平的保护。然后，产品的关键质量属性(CQA)及其范围可以根据QTPP，通过使用风险评估评分来确定。之后，可以根据CQA以及对生产过程的理解，来定义关键工艺参数(CPP)范围。进而建立CPP与CQA之间的数学关系，从而得到疫苗生产过程的数学模型。该模型可以是数据驱动的、统计的、机械的或混合的，且在所有情况下，它可以进一步校准，然后以实验数据验证。机械模型或混合模型的机械部分通常比数据驱动的数学描述可提供更强的预测能力。通过运行经过验证的数学模型，可确定产生所需CQA的CPP的范围，并根据这些范围建立设计空间。在设计空间中，可以定义一个子空间，称为正常操作范围(NOR)，它提供了在GMP生产过程中修改和优化操作参数的灵活性，而不是“冻结”cGMP工艺。基于模型预测控制，该模型可以简化并适用于高级自动化，其使用来自生产过程的实时数据。通过将这种模型辅助的QbD框架与saRNA或mRNA平台相耦合，RNA产品的质量方面可以得到协调，原则上可以加速调控工艺。此外，该模型辅助QbD框架还可以确保在扩大生产和后续生产过程中更好地管理产品质量风险。

质量源于设计 (QbD)框架。QbD开发周期从确定患者的需求开始，并在此基础上定义质量目标产品特性(QTPP)。根据QTPP，产品的关键质量属性(CQA)及其范围根据临床和非临床数据对安全性和有效性进行的风险评估评分确定的。然后，在CQA以及对生产工艺理解的基础上，定义关键工艺参数范围。建立CPP与CQA之间的数学关系，得到疫苗生产工艺的数学模型。利用该模型，可确定生成所需CQA的CPP的范围。基于这些CPP范围，确定设计空间，并在其中定义一个子空间，称为正常工作范围(NOR)。NOR提供了在GMP生产过程中修改操作参数的灵活性，从而允许针对固有的生物学异质性而进行优化，而不是“冻结”GMP工艺。使用模型预测控制和生产过程的实时检测数据，QbD生物工艺模型可用于高级过程控制。这样一个“数字映射”模型可以预测在随后时间窗口内的CQA值 (例如，未来5分钟)，而如果CQA违反确定的范围，预测模型可以推荐纠正措施，即控制行动，以防止CQA跳出确定的范围，在错误发生前，解决问题。因此，计算机建模工具可以与实验开发相结合，且QbD遵循迭代开发循环，以确保在整个产品工艺生命周期中持续改进。

在大流行期间，生产和供应链的挑战可能来源于封锁、上游生产工厂关闭(如原材料、消耗品和一次性使用设备)、因健康问题爆发而导致的劳动力减少、旅游和运输限制、以及输入物料的污染风险。在生产和供应链过于集中的情况下，由于对少数关键生产设施以及供应链路径过于依赖，这些威胁可能会导致更为严重的采购和生产中断。这可以通过维持足够的库存水平来部分解决，而通过采用去中心化的(即分散的)生产和供应链，可以更好地解决这一问题。这样一来，工厂和供应链路径的数量可能会增加，从而降低在单一地点缺乏原材料和耗材的风险(尽管我们注意到，分散的系统造成了更复杂的进站物资供应链)，并最终增加了持续供应疫苗的可能性。

总结

为了应对COVID-19等大流行病，需要在几个月内制备数十亿剂疫苗。新兴的爆发性流行病 - 响应平台技术，特别是RNA平台，似乎有能力解决这一极具挑战性的任务，因为它们具有在低生产占地内的高生产力、以及通过快速质量控制检测“放行”数百万剂产品的能力。具体来说，一个仅5升工作体积的生物反应器设施就足以每年以低于1美元/剂的药品成本生产约10亿剂疫苗。这进一步增加了分散性生产的可能性，从而有助于疫苗供应的可持续性。鉴于RNA疫苗的生产工艺比传统疫苗的生产工艺小两到三个数量级，且与传统疫苗的生产工艺相比，RNA疫苗的生产工艺只需花费不到前者一半的时间，而前期资本投入只有传统疫苗生产工艺的1/20到1/35。将一次性使用技术纳入RNA疫苗生产可进一步加快这一进程。一旦建立了RNA生产平台，通过利用计算机模型辅助的QbD方案，总的临床开发过程原则上可以进一步加速，因其将补充平台生产，且与RNA序列无关。这将使开发一种与传染病目标无关的平台工艺成为可能，且其可以被迅速部署，以开发用于临床试验和大规模生产的候选疫苗。尽管RNA平台具有多种生产和可负担性优势，但它仍未被证实，目前还没有使用这种“颠覆性”技术开发出商业化疫苗。随着多个组织利用这项技术开发针对SARS-CoV-2的疫苗，这项技术的好处和实际局限性将得到测试，为进一步迭代和优化提供经验教训。

原文：Z.Kis, C.Kontoravdi, A.K.Dey, et al., Rapid development and deployment of high-volume vaccines for pandemic response. Journal of Advanced Manufacturing and processing, 2020, DOI: 10.1002/amp2.10060.

更多阅读