开发连续生物工艺的控制策略
工艺控制使生物制造商能够确保操作参数在规定的规格之内，所以，应在工艺开发的早期阶段建立控制策略，同时使用基于风险的方法定义工艺和产品性能，如质量源于设计(QbD)和过程分析技术(PAT)。确认工艺控制是产品开发的重要组成部分，可以创建更多的工艺知识和理解，并提供了工艺优化的第一步。通过了解工艺性能与产品质量的关系，生物制造商可以减少时间和成本负担。但是，对连续和整合式工艺实施控制策略并不像传统的批次和补料分批工艺系统那样简单，需要先进的技术来确保对整个连续工艺链的控制。
2019年在美国波士顿举行的BWB/BPI会议上, Christoph Herwig (Exputec创始人兼科学顾问以及TU Wien化学、环境和生物工程研究所生物工程教授)介绍了控制策略实施的三个层级(图1)。每个层级由响应不同生产变化或变异的工艺参数灵活性的程度定义。Herwig认为，目前大多数生物工艺都处于第三级:“目前，我们对生物工艺的了解很少，特别是对于连续的生物工艺，这些工艺主要是由体积和配方控制的系统运行的。生物制造商正在根据体积和传统条件进行切换，而对许多关键质量属性(CQA)没有真正的控制，到目前为止也没有真正的分析或PAT工具。”
这些功能可以通过实现第二层级的元素来实现：一种减少最终产品检测的增强方法。“第二个层次是数字映射方法，在这个方法中，我们最终拥有了更多的工艺知识和理解，这些知识和理解在数字映射中被捕捉到。我们可以基于数字映射进行控制”。
最终，行业的目标是达到第一层级，生物制造商可以做出实时决策，工艺参数可以灵活地响应输入物料的变化。
生物制造商不能检测所有负责控制质量属性的东西，许多工艺参数也不能同时控制。数字映射技术访问历史工艺数据和当前工艺条件，使某些检测或工艺变量难以测量的替代方案成为可能，从而使对无法检测的元素的控制成为可能。有了数字映射，生物制造商在工艺控制方面有更少的检测和更高的自由度。“你并不只依赖于有限的参数。你可以控制任何实体，”Christoph Herwig说 (Exputec/TU Wein)(图2)。
例如，大多数人现在只能控制“简单的”参数，如生物反应器的补液速度、温度、pH值和葡萄糖浓度。然而，质量属性可能与细胞的生理方面有关。“你必须控制生长速率和底物吸收速率，但这些参数是无法检测的。数字映射可以使传统上无法检测的参数得以控制，因为数字映射可以计算这些参数。”
尽管数字映射对于强化工艺来说是一种有价值的工具，但对于连续工艺来说，这种技术更被需要，因为连续工艺在设计时没有批次系统的储存停滞点。Herwig解释说，批次允许操作人员完成一个批次，测量质量，然后结合使用前一个步骤的工艺内控制（IPC）甚至质量控制(QC)分析，继续进行下一个步骤。然而，连续工艺没有停滞点，没有时间进行QC检测。
理解连续工艺
与批次相比，连续模式操作具有更高的单位体积产量(例如，在特定时间内，生物反应器生产的产品更多)。这对单克隆抗体(MAb)尤其有用，因为这类产品的市场占据了目前生物制药行业的很大一部分。完全连续的模式也可以使用占地面积更小的设备单元，因此工厂可以拥有比传统工厂更小的面积。灌流式生产系统也可用于在更小的占地面积内提高产量。但是正如奥地利工业生物技术中心的高级科学家Peter Satzer警告的:“(灌流系统)并不总是能降低成本。将上游工艺从补料分批转变为灌流需要更多的培养基，因为最终的滴度通常比较低。”混合型工艺，即补料分批的上游工艺连接到连续的下游工艺，可以是一种获得两种工艺模式最佳效果的方法。
对于一些在发酵过程中不稳定的分子，完全连续的生产可允许操作员每天从反应器中提取产物。对于批次或补料分批工艺，产物将在反应器中滞留更长的时间，可能产生更高的产物差异性，必须通过下游来解决。
图1：从传统(层级3)到增强(层级1)方法的控制策略实施层级
连续系统会产生大量的工艺数据，这些数据必须进行分析。(图2)(3)“在连续生产中，你必须以更快的速度进行分析的数据的复杂性更大，”Lisa Graham (Seeq的分析工程副总裁)说。“你不能暂停一个批次的进程，等四个小时，然后执行一个控制策略。你没有太多时间来检查你的连续工艺，因为它将从一个单元操作快速地转移到下一个。”
连续生产由相互关联的单元操作组成。对于批次工艺，可以围绕单个单元操作设计工艺控制策略。但对于连续系统来说，对一个单元操作的控制会影响下一个单元的操作。因此，我们需要对连续工艺中不同步骤之间的相互作用有更深入的理解。
Satzer说:“对于连续工艺，你可能会有更多的事情可以改变。例如，如果你正在进行连续灌流培养，你可以在灌流过程中改变一些东西。如果你的产品性能在产率或产品质量方面没有达到你今天的标准，你可能会在第二天让培养回到正轨。”相比之下，补料分批工艺通常由“黄金批次”定义。批次通常每天都以相同的方式运行。
当生物制造行业最初开始开发连续工艺时，最初的问题之一是如何定义批次。大多数专家同意批次可以定义为一段特定时间，或者根据工艺本身使用任何其它方法。然而，Satzer指出，与小分子和其它行业不同，生物制药行业仍在努力从工艺生产的角度确定批次之间的界限。“我认为我们可以从小分子行业中学到很多东西，小分子行业已经实现了连续工艺。相比之下，对于生物药，我们可能缺少更多的工艺理解。批次定义也可能是一个成本因素。如果您以周为单位确定并检测您的批次，那么就会出现一些问题，您必须等上一周才能有检测结果，并且您必须放弃整个周的生产。如果你将批次定义在更短的时间范围内，那么你就不会在出现偏差的情况下丢失那么多物料。”然而，生物行业仍然缺乏对整个工艺链的理解，特别是一个单元操作的偏差如何转移到所有其它后续单元操作的。
Satzer说，目前的行业正处于使用机械建模、经验方法和统计模型建立单个单元操作的阶段，而不是其它行业使用的更精确的机械模型。这种机制理解的缺乏限制了在连续生产工艺控制方面所能达到的效果。“您希望为您的工艺设计空间建立良好的设置，并且您必须保持在该空间内，因为如果您的模型纯粹是统计性的，那么它们就无法进行推断。”
图3:数字映射方法，通过获得的工艺知识和理解实现预测性工艺和建模 (CPP =关键工艺参数，RMA =原材料属性，CQA =关键质量属性。
所需的工具和技术
连续工艺比批次工艺需要更高层级的控制。因此，连续工艺的控制系统需要快速、可靠地纠正稳态性能的变化。批次工艺的参数通常是离线检测的，但连续工艺的相同参数必须在线检测，以提供及时的信息。
理想的控制策略也提供了一种稳健性的度量。Graham说:“你不会希望以一种将你置于规格限制边缘的方式操作。根据FDA指南，控制策略可以包括但不限于材料属性的控制、生产工艺设计中隐含的控制、工艺内控制和对药物底物的控制。工艺控制应该在充分了解每个单元操作的情况下进行，包括单个操作以及它们在连续工艺中是如何连接的。控制变量越接近你想要控制的关键部件，效果就越好。”
在评估质量方面，检测单个输入变量比控制和关联多个变量组合更可靠。“你希望减少对相关性的依赖，在可能的情况下更多地依赖直接测量。我们的目标是更进一步，依靠分析来提供因果关系。了解导致x或y的原因对于一个稳健的控制策略至关重要，”她指出。
要达到的工艺控制水平也取决于所采用的工具和技术的精细度。先进的工艺现在包括高度的数字化和自动化，同时也利用了PAT和QbD。
Satzer说:“如果你想对整个工艺链有完整的工艺控制，那么你需要有这个工艺的数字代表。”例如，可以开发一个数字映射来收集实时数据并建立实时模型驱动控制。如果在设置工艺之前构建，则还可以将其用于建模。Satzer说:“为了实现良好的工艺控制，我们需要一种全工艺的数字映射技术，因为在连续工艺中，所有的单元操作都是随时连接在一起的。如果我们足够了解我们的工艺，如果我们有一些工艺分析工具，我们可能就可以跳过目前为批次放行或为了解我们的产品质量所做的一些分析。”
为了实现完整的工艺控制，其它的技术和方法还需要进一步发展。虽然一些CQA可以在线或近线检测，但其它CQA的评估仍需要一些时间。正如Satzer所观察到的，“例如，一些检测病毒和微生物污染物的分析，仍然需要时间来培养微生物控制或检查生物污染物的水平。为此，我们需要新的、更快的技术- 至少在完全连续生产和实时放行方面。根据产品的不同，有些CQA目前可能需要将近20天时间才能通过测试进行评估。如果你想连续地运行这个工艺并实时地控制它，那么这是没有用的。如果你晚了20天才获取到数据，一个工艺无法被控制。”
另一种方法是开发一种工艺模型，利用其它测量值来预测此类污染物的存在或不存在。目前，生物制造商正在研究推断一些CQA值的方法，这些值通常需要很长时间才能从工艺中收集的其它数据进行测量。这也是QbD方法背后的理念。你将所有的工艺数据和在线分析的数据输入到一个模型中。该模型可以预测那些你无法通过在线或近线工具直接检测的属性。”
合适的软件平台也可以促进工艺控制。正如Satzer指出的:“目前，我们正在一个接一个地购买我们的单元操作。但它们需要连接到一个通用的软件框架，以便能够从整个工艺中收集所有数据，并实现整个工艺的控制策略。”
Graham同意这一观点，但他补充说，这样的检测技术也应该与稳健工艺历史系统相结合。她指出，生物行业需要能够保存和捕获工艺数据的工具，以及能够接近实时地从数据历史记录那里获取检测数据的分析工具。采用“稳健的知识捕获战略，以帮助简化从研发到生产的工艺理解的技术转移”是很重要的。
但工艺控制最重要的部分是“把这些数据放在工程师和科学家的指尖上的工具，”Graham说。“在过去，工程师常常需要找到某人，让他们访问感兴趣的存储数据，然后他们使用Excel将这些数据剪切粘贴到电子表格中，并进行处理分析。等他们找到答案的时候，可能已经过去了两个多星期。现在他们的选择是剪切并粘贴新数据到电子表格中，或者认为这太费时而不采取任何行动，从而错过改进的机会。因此，在制定控制策略时，工程师能够轻松利用他们的专业知识与数据进行协调是非常重要的。”Graham的公司将数据和这些数据的来源与了解工艺的工程师结合起来。“这些工程师通过分析数据来制定、实施和优化控制策略。”
从其它行业学习
在2019年波士顿BWB/BPI会议上，Graham的演讲集中于生物工艺行业可以从其它行业学习的经验教训，包括质量通量、工艺稳健性、知识管理和实时工艺控制。她说，她的目的是要表明，可以在获取工艺数据的地方进行管理，而不必将信息转移到单独的电子表格中。“例如，食品和饮料行业会进行实时监测和控制，以保持其产品的质量。我介绍了一个饮料行业如何实时控制其产品质量的案例，使用PAT和工艺控制策略来处理大量的产品并确保食品安全。”
她说，当她指出其它行业进行实时控制时，人们有时会质疑她，因为生物制药行业更加复杂。所以她仔细地选择了她的例子。“直到几年前，还经常听到生物生产领域的人说，‘工艺就是产品’，不要改变任何东西，因为我们永远不知道这些改变会如何影响产品。我们没有一种接近实时的表征、质量控制检测和生物药蛋白质属性配置的直接方法，所以行业不得不从许多其它检测和工艺变量来推断产品质量。”
当Amgen发布其蛋白质质量指标的实时质谱检测时，一个突破出现了。Amgen分享了更多关于实时质谱的技术，使生物制药行业将实时质谱作为一种新的方法。“当我想到瓶颈在哪里时，我意识到，在过去的几年中，我们已经取得了一些类似的技术突破，为推动行业向实时控制方向发展打开了大门。”
原文：M.Rios, C.Herwig, L.Graham, et al., DevelopingProcess Control Strategies for Continuous Bioprocesses. BioProcessInternational, 2020.