针对连续生物生产的整合工艺建模
本文节选自《Recent advances in integrated process analytical techniques, modeling, and control strategies to enable continuous biomanufacturing of monoclonal antibodies》,由于水平有限,详细内容,请参考原文或往期推送整合式过程分析技术、建模和控制策略的最新进展,赋能单克隆抗体连续生产以及针对连续生产的整合式过程分析技术。
整合式工艺建模
为了克服与PAT技术实施相关的挑战,通常需开发基于模型的方法来帮助估计过程参数和产品相关属性,以便做出实时控制决策。随着连续操作运行时间的延长,建立针对过程分析的预测模型对实现及时的运行调整和决策至关重要。通过对QbD和“数字孪生”的研究,过程建模也可用于监管决策制定。当前的建模工作侧重于单个单元操作和与多个操作整合的过程的优化。图3总结了连续生物制药操作的关键输入、输出和挑战,以及克服这些挑战的可能建模方法。在下一节中,我们将回顾不同建模方法的能力,以促进单抗生产的连续生物生产,并探讨解决当前生物药连续生产领域挑战的可能方法。
图3. 连续mAb生产上游和下游操作中,先进工艺模型的实施所带来的挑战。左边的方框突出了需要更好地理解USP和DSP的关键组件。橙色的方框突出了连续生产在工艺设计和操作上的挑战。橙色框旁边的蓝色框列出了过程建模策略的功能。过程建模框还对各种建模方法进行了分类,以增加计算复杂度。
表3. 近年来如何使用过程建模和过程中控制来促进单元操作选择和单元连接的设计以及最大限度地提高mAb生产效率和实现连续生物制造的总结
单个单元操作的优化
对于每一个单元操作,预测生产率、产品质量属性和过程偏差或故障的可能性是实现更长时间稳定连续生产的关键。机械、数据驱动和基于混合建模的方法目前正在工艺操作的所有阶段被探索用于连续模式。一般来说,机械模型主要关注基于第一原则的过程理解和性能的改进,并跟踪上游和下游操作的动态变化。数据驱动模型研究输入和输出数据之间的统计关系,并证明过程参数和产品质量之间的预测相关性。混合模型建立在机械模型的框架之下,方程的未知部分以数据驱动模型表示。
在生物反应器建模中,为了捕捉操作条件(温度、pH、溶氧、搅拌、灌流速率、培养基添加物等)、生产率和产品质量之间的关系,机械建模方法(如动力学建模、和通量平衡分析)已被广泛应用。如表3所示,近年来,动态通量平衡模型已被发现是一种很有前景的方法,可用于连续生物反应器的建模,以捕获基于细胞外工艺条件的细胞内代谢物通量变化。此外,还有研究建立了一种基本通量模型,该模型在鉴别代谢状态时,减少了与传统基本通量模型相比的化学计量数。操作条件的影响,如灌流速率、通气量和培养基添加物浓度,通过模拟细胞代谢通路来捕捉。随着对细胞代谢的进一步了解,对批次和连续工艺进行了比较,以研究细胞代谢的差异。该动态过程模型可以模拟底物消耗和代谢产物生产速率,以用于构建高通量筛选平台,帮助培养基开发和克隆筛选。然而,大多数机械模型通常只关注有限的培养基添加物和操作条件。为了进行大量营养物的培养基筛选,可以使用数据驱动和混合模型。通过使用统计模型(如多元线性回归和响应面模型)来强化实验设计(DoE),量化不同补液营养物对细胞生长、代谢产物和产量的影响,从而获得最佳的培养基配方。该方法还可用于建立操作条件与CQA之间的相关性,并获得温度、pH和生产轮班时间的最佳设计空间。与机械模型相比,数据驱动模型能够同时捕捉工艺条件和产品特性的更多变化,但它们的推断通常较差。统计分析,如主成分分析(PCA)和多元分析,可以用来理解培养差异对生产力和产品异质性的影响。这种多变量分析还可以通过研究细胞代谢概况和灌流培养工艺中不同工艺规模的生理状态变化来帮助理解工艺。其它机器学习方法(如神经网络和贝叶斯网络)也被用于代谢通路分析,但尚未在灌流系统分析中广泛使用。
一般来说,灌流培养失败往往是由于细胞截留装置的污染和/或过滤器堵塞造成的。上游工艺的这些不确定性会影响下游的操作,并导致整个工艺中断。机械模型可以用来预测连续生物反应器运行过程中的过程偏差或故障。计算流体动力学(CFD)模拟已被用来更好地了解局部流体行为和过滤器污染,以预测这些过滤器的寿命和工作效率。同样,动力学建模也被用于捕捉由细胞和微粒造成的膜孔堵塞,这也可以用于预测上游/下游过滤器的污染。
多柱层析 (MCC)和连续流穿层析已被用于初步捕获和精纯步骤。操作中,存在多个工艺参数 (包括相互关联的上样时间、流速、进样滴度以及柱床高度)会影响缓冲液消耗、生产率、产品质量和产量。与批次操作相比,连续层析有更多的操作参数。因此,层析操作的设计和控制,以及每根层析柱的效率和收率的预测,对于连续层析的开发及其与上游工艺的整合来说至关重要。机械模型,如传输分散模型和一般速率模型,已被广泛应用于模拟层析工艺中的流体扩散和结合动力学。为了模拟MCC,最近的研究将机械模型与层析柱调度以及互连节点相结合。应用优化方法研究了互连进样速率、进样浓度、产率和填料载量,以提高生产率和填料利用率。结合统计模型的DoE已被用于协助下游工艺操作参数的高通量筛选。这种方法也被应用于连续的下游单元操作,以确定不同操作的设计空间。此外,DoE可用于参数测试以及工艺优化的支持,同时减少实验负担。参数相关性也可以通过多元分析得到。混合模型已被用于捕捉老化参数 (如结合载量恶化和传质速率下降)对连续层析性能的影响,并进一步优化和预测不同操作状态下的在线工艺信息。连续阳离子交换层析(CEX)和阴离子交换层析(AEX)膜吸附也被模拟来捕获带电异构体的去除效率。Behere和Yoon、Kumar和Lenhoff以及Lin等人对用于连续层析的第一原则模型和当前层析技术进行了很好的总结,还提出了用于捕获聚体形成的方法,特别是在批次工艺当中。然而,有限的建模工作主要集中在聚体和宿主细胞蛋白,以模拟连续操作过程中的下游工艺。
其它下游单元操作,如病毒灭活,可以用CFD模拟捕捉pH值影响和保留时间分布(RTD)差异。通过物理化学模型,如停滞膜模型、渗透压模型或边界层模型,可以得到单通过切向流过滤(SPTFF)的传质。利用这些工艺模型还可以预测和优化产物浓度、过滤通量和操作压力,以促进生产性能的改善。
近年来,混合模型已被应用于上、下游批次操作的建模。这些模型可捕获缺失的非线性关系以及交互变量,提高模型的预测能力。此外,混合模型也被用于捕获层析中填料的老化,以提高填料寿命。结合在线监测工具,混合模型可用于下游工艺的实时优化。其它建模方法,如替代模型,也可以用于动态过程建模、工艺调度、敏感性或可行性分析,且计算成本更低。然而,在连续生物药生产中,针对工艺开发,整合混合模型的报道仍然有限。
整合工艺的优化
构建整合的连续工艺需要上游/下游流速的一致性,不同单元的运行将根据连续生产工艺中其它操作的能力而打折扣。另外,不同类型的产品会适合不同类型的操作模式。因此,整合工艺的初步设计和调度在连续操作决策中至关重要。基于上游和下游操作,可在硅(计算机)构建整合工艺模型,以捕捉每个单元操作。缓冲罐的大小和位置也可以通过耦合机械模型和控制系统来设计,其对于应对连续操作期间的设备故障和意外偏差至关重要。然而,由于机械模型计算成本高,导致过程分析和优化困难,最终整合的工艺模型通常采用经验方程、混合模型和回归模型进行简化,或基于内置输入 – 输出关系的工艺模拟器开发。随着计算成本的降低,这些简化的模型可以与PAT和控制系统集成,以实现动态过程控制。此外,模拟器被广泛应用于工艺开发和设计,以捕获质量平衡和优化工艺调度。敏感性分析和优化方法可以与整合模型一起用于早期工艺开发和决策。在经济分析、环境影响分析和生产率/质量预测的支持下,可以对操作模式(包括批次、连续和混合模式)进行比较和选择。最近的一份报道涵盖了使用一次性使用设备和不锈钢设备的批次、连续以及混合模型的评估,并研究了工艺参数、培养基成本、市场成功、产品寿命和生产规模对不同操作模式的成本效益的影响。其它操作平台也可以使用这种集成模型进行评估。例如,已经证明,连续的非Protein A纯化/捕获平台(如沉淀)比基于Protein A的下游平台,可提供显著的成本节约。获得各单元操作的保留时间分布,可支持和指导工艺参数的调整,促进各单元操作的优化。由产品污染、设备故障或操作错误引起的工艺失败存在于连续操作的整个过程中。Monte Carlo分析可以从经济学的角度来研究失败率对整合式连续工艺的影响,如产品成本值、调度的灵活性以及批次大小决策。对于包含多个产品的生产平台,动态调度也可用于支持多产品操作的操作决策,并提供最优控制策略。
原文:V.Chopda, A.Gyorgypal, O.Yang, et al., Recent advances in integrated process analytical techniques, modeling, and control strategies to enable continuous biomanufacturing of monoclonal antibodies. J.Chem.Technol.Biotechnol., 2021, DOI10.1002/jctb.6765.
相关阅读: