การพัฒนาและการเพิ่มประสิทธิภาพกระบวนการทางชีวภาพ: จากการหมักไปจนถึงการขยายขนาด

กำไร:

• ความสามารถในการจำลองความสัมพันธ์ระหว่างคุณลักษณะด้านคุณภาพที่สำคัญ (CQA) และพารามิเตอร์กระบวนการที่สำคัญ (CPP) และจัดลำดับความสำคัญของคุณภาพมากกว่าประสิทธิภาพ
• ความสามารถในการประเมินสัญญาณความผิดปกติในการตรวจสอบกระบวนการโดยการตัดสินใจของวิศวกร และจัดการการแจ้งเตือนที่ผิดพลาด
• ความสามารถในการทำความเข้าใจว่าการขยายขนาดต้องใช้ความคล้ายคลึงทางกายภาพและการทดสอบนำร่อง และไม่แทนที่การคาดการณ์แบบจำลองสำหรับการตรวจสอบความถูกต้องของนักบิน

การผลิตเอนไซม์ แอนติบอดี หรือวัคซีนในหลอดทดลองก็เรื่องหนึ่ง แต่การขยายขนาดการผลิตให้ได้หลายตันถือเป็นวิศวกรรมที่แตกต่างไปจากเดิมอย่างสิ้นเชิง กระบวนการทางชีวภาพ—กระบวนการผลิตที่ผลิตผลิตภัณฑ์โดยใช้เซลล์หรือเอนไซม์ที่มีชีวิต การหมัก การเพาะเลี้ยงเซลล์ การทำให้บริสุทธิ์ เป็นสิ่งที่วิศวกรรมชีวภาพกลายเป็นมูลค่าทางเศรษฐกิจ กระบวนการนี้เป็นระบบที่มีเสียงดังและมีราคาแพง โดยมีการตรวจสอบตัวแปรหลายร้อยรายการ (อุณหภูมิ, pH, ออกซิเจนที่ละลายน้ำ, โปรไฟล์ฟีด, การผสม) อย่างต่อเนื่อง AI มีประสิทธิภาพในการตรวจสอบข้อมูลกระบวนการนี้ แจ้งความผิดปกติ คาดการณ์ผลผลิต และการสร้างแบบจำลองการตัดสินใจในการขยายขนาด แต่คุณเป็นวิศวกรที่รับประกันความเป็นจริงทางกายภาพของกระบวนการ ความปลอดภัย และคุณภาพของผลิตภัณฑ์

ในหน่วยนี้ คุณจะได้เรียนรู้แนวคิดพื้นฐานของการประมวลผลทางชีวภาพ บทบาทของ AI ในการตรวจสอบกระบวนการ (การตรวจสอบข้อมูลกระบวนการแบบเรียลไทม์แบบเรียลไทม์) การทำนายผลผลิตและการตัดสินใจในการขยายขนาด และขีดจำกัดของคุณภาพและกฎระเบียบ

CQA และ CPP: การกำหนดคุณภาพ

กระบวนการทางชีวภาพสมัยใหม่ขับเคลื่อนด้วยการออกแบบที่มีคุณภาพ (คุณภาพตามการออกแบบ — QbD — แนวทางในการออกแบบคุณภาพตั้งแต่ต้นจนจบ แทนที่จะทดสอบเมื่อสิ้นสุดกระบวนการ) แนวคิดสำคัญสองประการคือ คุณลักษณะด้านคุณภาพที่สำคัญ (CQA ซึ่งเป็นคุณลักษณะที่ผลิตภัณฑ์ต้องคงไว้เพื่อให้ปลอดภัยและมีประสิทธิภาพ ความบริสุทธิ์ ไกลโคซิเลชัน กิจกรรม) และพารามิเตอร์กระบวนการที่สำคัญ (CPP ซึ่งเป็นตัวแปรกระบวนการที่ปรับได้ซึ่งส่งผลต่อคุณสมบัติเหล่านี้ อุณหภูมิ pH อาหาร) AI สามารถจำลองความสัมพันธ์ระหว่าง CPP และ CQA จากข้อมูล (“ไกลซิซิเลชั่นจะหยุดชะงักหาก pH อยู่นอกช่วงนี้”); แต่การกำหนดพื้นที่การออกแบบของแบบจำลองนี้ ซึ่งเป็นขอบเขตของพารามิเตอร์ที่ปลอดภัยที่รับประกัน CQA จะต้องได้รับการอนุมัติตามกฎระเบียบและการตรวจสอบความถูกต้องเชิงทดลอง

เคล็ดลับ: เมื่อคุณให้ AI ​​สร้างแบบจำลองกระบวนการ ให้ถามว่า "รับประกันคุณภาพช่วงพารามิเตอร์ใด" ไม่ใช่แค่ "ประสิทธิภาพที่ดีที่สุด" จุดที่เพิ่มผลผลิตสูงสุดอาจอยู่ที่ขอบเขตที่ทำให้คุณภาพลดลง ในกระบวนการทางชีวภาพ คุณภาพต้องมาก่อนประสิทธิภาพ

กับดักอันร้ายกาจของการปรับขนาด

กระบวนการที่ทำงานสมบูรณ์แบบในห้องปฏิบัติการอาจพังลงในถังขนาดใหญ่ได้ เหตุผล: ฟิสิกส์เปลี่ยนแปลงไปตามขนาด ในภาชนะขนาดเล็ก ออกซิเจนและสารอาหารจะเข้าถึงทุกที่ได้อย่างง่ายดาย ในถังขนาดใหญ่ เวลาผสม (เวลาที่ของเหลวกลายเป็นเนื้อเดียวกัน) จะเพิ่มขึ้น การถ่ายโอนออกซิเจนจะยากขึ้น และแรงเฉือนทำให้เซลล์เครียด AI สามารถสร้างแบบจำลองการคาดการณ์จากข้อมูลการขยายขนาดในอดีต แต่การขยายขนาดมักขึ้นอยู่กับหลักการของความคล้ายคลึงกันทางกายภาพ (เช่น ค่าสัมประสิทธิ์การถ่ายโอนออกซิเจนคงที่ กำลัง/ปริมาตรคงที่) และการทดลองนำร่อง การคาดการณ์ของ AI ไม่สามารถทดแทนการทดลองในระดับนำร่องได้

ข้อควรระวัง: "แบบจำลองคาดการณ์ประสิทธิภาพ X% ในระดับการผลิต" ไม่ใช่คำมั่นสัญญา การขยายขนาดเกี่ยวข้องกับเอฟเฟกต์ทางกายภาพที่ไม่สามารถสร้างแบบจำลองได้ การเปลี่ยนแปลงแต่ละระดับได้รับการตรวจสอบผ่านการทดสอบนำร่อง การตัดสินใจด้านการผลิตตามการประมาณการขนาดที่ไม่ได้รับการยืนยันนั้นมีความเสี่ยงทั้งด้านเศรษฐกิจและด้านคุณภาพ

มินิเคสสามอัน

กรณีที่ 1 — พบความผิดปกติตั้งแต่เนิ่นๆ การตรวจสอบโดยใช้ AI ที่โรงงานผลิตแอนติบอดีทำเครื่องหมายความเบี่ยงเบนไปจากปกติในโปรไฟล์ออกซิเจนละลายน้ำในชุดขนาด 2,000 ลิตร ภายใน 6 ชั่วโมง วิศวกรพบปัญหาโฟม/ส่วนผสม และบันทึกแบทช์ไว้ หากไม่สังเกตเห็นความเบี่ยงเบน สินค้าที่สูญหายจะมีมูลค่าประมาณ 400,000 ดอลลาร์ AI ส่งสัญญาณเตือน วิศวกรทำการตัดสินใจและเข้าแทรกแซง

กรณีที่ 2 — กับดักการประมาณขนาด ทีมหนึ่งเพิ่มจาก 50 ลิตรเป็น 1,000 ลิตรโดยตรง โดยอาศัยแบบจำลองที่ได้รับการฝึกอบรมจากข้อมูลในห้องปฏิบัติการ การถ่ายโอนออกซิเจนในถังขนาดใหญ่ไม่เพียงพอ ประสิทธิภาพลดลง 35% ละเว้นมาตราส่วนนำร่องระดับกลาง (200 ลิตร) ความแตกต่างทางกายภาพที่แบบจำลองไม่สามารถคาดเดาได้พิสูจน์แล้วว่ามีค่าใช้จ่ายสูง กระบวนการนี้ได้รับการจัดตั้งขึ้นใหม่ในระยะนำร่อง

กรณีที่ 3 — ประสิทธิภาพที่เหนือกว่าคุณภาพ ในการเพิ่มประสิทธิภาพครั้งหนึ่ง AI แนะนำโปรไฟล์การป้อนที่เพิ่มประสิทธิภาพขึ้น 12% แต่การวิเคราะห์แสดงให้เห็นว่าคุณลักษณะด้านคุณภาพหนึ่ง (ไกลโคซิเลชัน) ในโปรไฟล์นี้อยู่นอกข้อกำหนดเฉพาะ ทีมงานเลือกโปรไฟล์ที่ให้ผลตอบแทนต่ำแต่มีคุณภาพสูง CQA ในกระบวนการทางชีวภาพไม่สามารถต่อรองได้

เทมเพลตที่สามารถคัดลอกได้สี่แบบ

1) การตั้งค่าความผิดปกติในการตรวจสอบกระบวนการ:

บทบาทของคุณ: วิศวกรกระบวนการชีวภาพ เสนอแนวทางการตรวจจับความผิดปกติในข้อมูลอนุกรมเวลา (อุณหภูมิ, pH, ออกซิเจนละลายน้ำ, อัตราการป้อน) ของชุดการหมัก ฉันจะสร้างพื้นฐานจากชุดงานปกติ ซึ่งค่าเบี่ยงเบนใดที่จะกลายเป็นสัญญาณเตือนได้อย่างไร ฉันจะลดการเตือนที่ผิดพลาดได้อย่างไร?

2) การวิเคราะห์ความสัมพันธ์ CPP-CQA:

ฉันจะให้ข้อมูลพารามิเตอร์กระบวนการ (CPP) และข้อมูลการวัดคุณภาพผลิตภัณฑ์ (CQA) ของแบตช์ที่ผ่านมาแก่คุณ เสนอแนวทางในการวิเคราะห์ว่า CPP ใดมีอิทธิพลต่อ CQA ใด เน้นย้ำว่าความสัมพันธ์ไม่ใช่สาเหตุ และบอกวิธีตรวจสอบความสัมพันธ์แต่ละรายการด้วยการทดลอง

3) รายการตรวจสอบการขยายขนาด:

บทบาทของคุณ: ผู้เชี่ยวชาญการขยายขนาด ฉันวางแผนที่จะเปลี่ยนจาก [X] ลิตรเป็น [Y] ลิตร ระบุพารามิเตอร์ทางกายภาพที่ต้องรักษาให้คงที่ (การถ่ายโอนออกซิเจน กำลัง/ปริมาตร ส่วนผสม) การทดลองนำร่องใดที่จำเป็น และตำแหน่งใดที่แบบจำลองไม่สามารถเชื่อถือได้

4) ความสมดุลของคุณภาพและผลผลิต:

คำแนะนำของฉันสำหรับการเพิ่มประสิทธิภาพช่วยปรับปรุงประสิทธิภาพ แต่ดัน CQA ไปสู่ขีดจำกัด อธิบายให้ฉันทราบถึงวิธีประเมินความสมดุลนี้ เหตุใดการอยู่ในพื้นที่การออกแบบจึงมีความสำคัญมากกว่าประสิทธิภาพ และวิธีบันทึกความเสี่ยงด้านคุณภาพ

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

ฉันจะเพิ่มประสิทธิภาพการหมักได้อย่างไร

ไม่มีบริบท ไม่มีข้อจำกัด และไม่มีเป้าหมายด้านคุณภาพ มีคำแนะนำทั่วไปที่ใช้ไม่ได้มา

พรอมต์อันทรงพลัง:

บทบาทของคุณ: วิศวกรกระบวนการชีวภาพ ฉันปรับการผลิตโมโนโคลนอลแอนติบอดีในการเพาะเลี้ยงเซลล์ CHO ให้เหมาะสม ฉันมีข้อมูล CPP (อุณหภูมิ, pH, โภชนาการ) และ CQA (ไทเทอร์, % ไกลโคซิเลชัน, ความบริสุทธิ์) จาก 40 ชุดที่ผ่านมา บอกฉัน: (1) วิธีวิเคราะห์พารามิเตอร์ที่สามารถเพิ่มประสิทธิภาพได้โดยไม่ละเมิด CQA (2) วิธีกำหนดขอบเขตของพื้นที่การออกแบบ (3) การทดลองนำร่องใดบ้างเพื่อตรวจสอบความถูกต้องของข้อเสนอแนะแต่ละข้อ รักษาคุณภาพไว้ก่อนประสิทธิภาพ

ความแตกต่าง: ระบบ ข้อมูล วัตถุประสงค์สองประการ (ผลผลิต + คุณภาพ) พื้นที่การออกแบบ และการตรวจสอบ

พารามิเตอร์กระบวนการทางชีวภาพและบทบาทของ AI

พารามิเตอร์/การตัดสินใจ

การมีส่วนร่วมของ AI

ขีด จำกัด ทางกายภาพ

การตรวจสอบ

การตรวจสอบกระบวนการ

สัญญาณความผิดปกติ

เสียงเซ็นเซอร์

การยืนยันของวิศวกร

การทำนายผลผลิต

รุ่น

เอฟเฟ็กต์โมเดลพิเศษ

ปาร์ตี้จริงๆ

ความสัมพันธ์ซีพีพี-ซีคิวเอ

การวิเคราะห์สหสัมพันธ์

สาเหตุ ≠ ความสัมพันธ์

การทดลอง DoE

ขยายขนาด

การคาดการณ์เบื้องต้น

ฟิสิกส์ของส่วนผสม/ออกซิเจน

ขนาดนักบิน

การควบคุมคุณภาพ

สัญญาณเบี่ยงเบน

ข้อกำหนด

การทดสอบเชิงวิเคราะห์

ข้อผิดพลาดทั่วไป

• ให้ความสำคัญกับประสิทธิภาพก่อนคุณภาพ ขีดจำกัดของ CQA ไม่สามารถต่อรองได้
• ข้ามระดับนำร่อง แบบจำลองไม่สามารถทำนายผลกระทบตามมาตราส่วนทางกายภาพได้
• ความสัมพันธ์ที่ผิดพลาดสำหรับสาเหตุ ความสัมพันธ์ CPP-CQA ต้องได้รับการตรวจสอบด้วย DoE
• ใช้สัญญาณเตือนด้วยความมั่นใจ วิศวกรประเมินสัญญาณความผิดปกติ สัญญาณเตือนที่ผิดพลาดก็เกิดขึ้นเช่นกัน
• ลืมบริบทด้านกฎระเบียบ การใช้แบบจำลองในสภาพแวดล้อม GMP ต้องมีการตรวจสอบความถูกต้องและเอกสารประกอบ (หน่วยถัดไป)

โดยสรุป

กระบวนการทางชีวภาพคือจุดที่วิศวกรรมชีวภาพแปลตามขนาดและมูลค่าทางเศรษฐกิจ AI ตรวจสอบข้อมูลกระบวนการและแจ้งความผิดปกติ สร้างแบบจำลองความสัมพันธ์ CPP-CQA และสนับสนุนการตัดสินใจในการขยายขนาด แต่คุณภาพ (CQA) มักจะอยู่เหนือประสิทธิภาพเสมอ การขยายขนาดต้องใช้ความคล้ายคลึงทางกายภาพและการทดสอบนำร่อง ความสัมพันธ์ไม่ใช่สาเหตุ และเอาท์พุต AI ทุกรายการได้รับการตรวจสอบโดยการตัดสินของวิศวกรและการตรวจสอบความถูกต้องเชิงทดลอง แบบจำลองนี้ไม่ได้แทนที่ความเป็นจริงทางกายภาพของการผลิต

งานสมัคร

เลือกสถานการณ์กระบวนการทางชีวภาพ (เช่น การหมัก E. coli หรือการเพาะเซลล์ CHO) ให้ AI จัดทำแผนผังแผนการเปลี่ยนแปลงจากห้องปฏิบัติการสู่นักบินด้วยเทมเพลต "รายการตรวจสอบการขยายขนาด" จากนั้นอ่านแผนอย่างมีวิจารณญาณ: AI นับพารามิเตอร์ทางกายภาพที่ถูกต้องหรือไม่เพื่อให้คงที่และการทดลองนำร่องใดที่ข้ามไป ลองใช้เทมเพลต "ความสมดุลของคุณภาพ-ผลตอบแทน" และเขียนว่าคุณจะบันทึกสถานการณ์ที่ทำให้คุณภาพลดลงในขณะที่เพิ่มประสิทธิภาพได้อย่างไร

รายการตรวจสอบ

• [ ] ฉันให้ความสำคัญกับคุณภาพ (CQA) มากกว่าประสิทธิภาพและกำหนดขอบเขตของพื้นที่การออกแบบ
• [ ] ฉันไม่ได้ข้ามการทดลองนำร่องในการขยายขนาด
• [ ] ฉันถือว่าความสัมพันธ์ของ CPP-CQA ไม่ใช่ความสัมพันธ์ แต่เป็นสมมติฐานที่ต้องได้รับการยืนยันจาก DoE
• [ ] ฉันประเมินสัญญาณเตือนความผิดปกติตามการตัดสินใจของวิศวกร
• [ ] ฉันเชื่อมโยงการประมาณการผลผลิตกับแผนการตรวจสอบกับข้อมูลแบทช์จริง
• [ ] ฉันได้ปฏิบัติตามข้อกำหนดการตรวจสอบตามกฎระเบียบ/GMP