摘要：生物制剂是制药治疗中增长最快的分子群体，它们提供了大量类似人体分子，具有高效、低剂量和较少副作用的特点。生物制药4.0与基于数字化的第四次工业革命相关。数字化已经遍及整个生物制药行业的发展和价值链。对于大规模供应而言，正确折叠和糖基化模式以最佳生物利用度的复杂三维分子的生物制剂生产仍然是一个挑战。由于新实体的种类最近变化相当广泛，从肽、类病毒颗粒、pDNA和mRNA到细胞治疗，需要新的过程设计和开发方法，以加快为患者提供稳健产品的供应。利用过程建模工具作为制造过程的数字孪生进行自主操作需要坚实的理论基础。合格的操作员是保证产品质量的稀缺资源瓶颈。因此，连续生物制造以及随之而来的质量源于设计方法的应用是实现生物制药4.0的关键推动因素。
1.引言
生物制药4.0涉及基于数字化的第四次工业革命。数字化已经贯穿了生物制药行业的整个开发和价值链，从药物发现、计算机模拟患者研究、毒理学研究、大数据挖掘技术用于临床患者数据评估、产品设计一直到最近基于过程工程工具的生物制造。尽管其他所有步骤和方法都经过了广泛的审查，但生物制造仍然是在老龄化社会经济约束和有限的医疗保健系统下，充足供应药品的传统瓶颈。生物制剂是药物疗法中增长最快的群体。生物制剂制造能够以高效率和较少的副作用提供大分子活性成分。在过去的几十年中，单克隆抗体占据主导地位，但现在，多种不同类型的分子，如肽、片段、类病毒颗粒、pDNA和mRNA以及异体细胞疗法，都在临床研究中，见图10.1。这种分子多样性为工艺开发和设计团队带来了日益增加的复杂性。通过定义所谓的平台技术，成功有效地供应了抗体类别，这是定义一个过程序列、内部单元操作和操作参数范围的过程。每个新的抗体实体只需要在这个给定的范围内通过减少的实验来适应。基准是每个实验室单位每年在工艺设计和测试量供应中有2个抗体候选物。但如果现在有广泛的分子类型多样性，这种方法就不可行了。从头开始进行任何全面的实验研究的努力太高，更重要的是太长了。为每种分子类型设计一个平台技术将需要几十年的时间。
图10.1 到2027年生物制剂与小分子药物预测销售额对比
因此，需要创新的方法。纯粹通过统计实验计划在缩小比例的实验室设备中进行实验设计，或者在筛选机器人的帮助下进行，会太慢，而且努力过多。需要额外的理论支持。因此，可行的理论越多越好，这导致了可扩展的预测性物理化学过程建模的应用。这种建模需要少量的先验预测的实验室规模实验来确定模型参数和最终模型验证。只有在监管环境中经过验证的模型才有用，以提交决策。此外，最近的机器学习方法将支持数据评估和优化，进一步减少努力。任何计算都比一般的实验设置要少得多的努力。例如，众所周知的过程色谱设计，只有几千次模拟来举例设计和控制空间定义，这在实验中甚至是不可能的。而实验模型参数确定和模型验证只需要大约2个实验室团队周，见图10.2。由于过程建模在第一次发酵液可用后，所有下游单位都可以并行设计，并且可以计算出最佳序列。这最终将伴随着测试量的供应和填充决策的数据进行试点和统计验证。与此同时，上游优化也已经完成，最终过程集成已经实现。这种方法对任何分子实体都是可行的，努力大约是5-6名员工大约6个月。当然，如果分子群体已经被开发过几次，努力将减少，速度将提高，大约4-5个月。此外，随着时间的推移，基于知识的过程理解，以坚实的理论基础总结在过程建模中，将导致一个足够大的数据库，值得分析。最好通过机器学习方法，这将再次加速并减少努力到大约3个月总共。
图10.2 在过程建模的帮助下进行高效的过程开发和设计
因此，加速工艺开发和设计以供应测试量是制药行业管理的一个关键任务。要学习和转移的方法已经在化学工程中很好地建立，因为化学工业已经承受了几十年的经济压力，并通过工业化创新生存下来，如：
• 连续而不是批量处理 • 过程自动化与过程分析技术的集成，特别是在线分析 • 在数学过程建模的帮助下进行过程开发和设计 • 通过实验和分子建模确定物理属性 • 过程强化，即上游和下游处理的集成 • 以及混合强化过程 • 快速、灵活和模块化的工厂工程设计 当然，生物制剂制造的监管是不同的，因为过程定义了产品质量以及一组正交分析质量保证方法的设置。但是，大约10多年前，监管机构本身要求连续制造[29]，并应用质量-by-设计方法，这使得在文件批准过程中定义的过程设计和控制空间中可以进行定义的制造操作变化，这也保证了产品质量。连续应用可以防止快速发展的实验室和中试规模过程，这些过程供应了测试量，需要放大并在制造中稍后运行——这导致了不必要的批量变异和批量失败——与产品质量问题有关。FDA表示，连续制造中产品质量更加稳健。在起草欧盟GMP指南第二部分时，已经考虑了生物制剂制造的监管考虑，该指南考虑了活性药物成分的制造。规范涵盖了使用细胞库或细胞培养/发酵过程的操作要求，包括回收和纯化过程。因此，采用了国际药品监管机构协调会(ICH) Q5小组的指导方针。这些指导方针已经通过国家药品法规获得了额外的法律效力，如德国的药品和活性成分制造条例(AMWHV)。共同技术文件，见图10.3，分为五个模块进行监管批准，这些模块在内部分配给专业部门。
图10.3 常见的技术文档三角模型
模块3质量与过程制造操作有关，而模块4与非临床和模块5与临床研究报告有关。因此，过程工程活动在过程开发和设计以及运营卓越中集中在模块3。欧洲药典也提供了质量要求的详细信息，这对制造和质量控制是强制性的。这包括QTTP（质量目标产品档案）和CQA（关键质量属性）的定义，以及通过任何工具如FMEA（故障模式和影响分析）进行正式风险评估，见图10.4。
图10.4 基于风险的过程开发方法
其结果是包含控制空间的设计空间，可以在PAT（过程分析技术）的帮助下进行操作（见图10.5）。这种方法的另一个好处是，实时放行测试的内联方法可以减少质量保证能力2/3-3/4，并且可以更快地向患者放行批次。此外，自动化清洁和清洁验证程序将减少制造工厂的停机时间并减少操作员的努力。现在，熟练的操作员是一种稀缺资源，可能被认定为生物制剂制造的主要瓶颈。
图10.5 基于质量源于设计的过程开发
一次性使用技术与不锈钢工厂配置将根据速度、能力和瓶颈的不同决策进行考虑。如果设计空间包括控制空间范围，那么使用缩小比例的实验室工厂或通过实验验证的过程模型进行任何实验研究都是可行的（图10.6）。过程模型减少了努力，因此更受青睐。为了在监管文件决策中验证这一理论，已经提出了一个明确的工作计划，并成功应用，如图10.7所示。
图10.6 过程开发中的物理化学过程模型
图10.7 没有数字孪生可行的批准
这些模型的额外好处是，它们可以直接作为数字孪生用于实时过程控制和优化（图10.8）。数字孪生被定义为具有设定点控制自动化的物理过程的数字表示。输入是由内联分析提供的实时信息。
图10.8 数字孪生的不同层次
内联分析同时已被多次证明是一个强大的工具。当然，需要进行任何可靠的统计数据分析和评估，如PLS（偏最小二乘法）或NN（神经网络）。
图10.9举例说明了这样一个多功能PAT工具，它能够在过程开发过程中从一个单元操作转移到另一个单元操作，并在每个步骤定义最佳检测器或检测器组合。找到的解决方案可以直接转移到中试或甚至制造规模，当在主动旁路操作时。
图10.9 分离与过程技术研究所的过程分析技术平台
最终模型验证和测试量供应是在典型的多功能中试工厂设施中完成的，如图10.10所示，考虑到所需的生物安全级别，并额外符合cGMP（现行良好生产规范）标准，并涵盖所有单元操作，灵活组合所需的任何过程序列。批量和连续操作应该是可行的。举例的设施配备了西门子S7标准，并将允许从外部控制室自主操作。
图10.10 在分离与过程技术研究所的S1/S2设施中的生物制造
单克隆抗体IgG1案例研究
从历史上看，单克隆抗体（mAbs）首先在中试研究中被证明是有益的，并且在PAT的帮助下，连续制造解决方案是可行的（见图10.11）。
图10.11 生物制药的过程分析技术（Process-Analytical-Technology）
正如所解释的，由于大多数公司在CHO（中国仓鼠卵巢）哺乳动物细胞培养后基于蛋白A捕获步骤的单克隆抗体允许平台技术，由于需要相当巨大的数量，从100公斤甚至吨的产品，任何转移和实施上述努力减少概念，是一个明显任务。
即使在德国到2045年实现气候中和的需求也是可行的，CBM（连续生物制造）导致显著的COG（商品成本）和GWP（全球变暖潜力）减少，如图10.12所示。
图10.12 全球变暖潜能（GWP）与运营成本（COG）对比
由于片段制造主要基于大肠杆菌发酵，研究以scFv作为新的分子实体的一个例子。
病毒样颗粒作为一类完全不同的治疗实体，被认为是证明普适性的例子。以基于人类胚胎肾（HEK）细胞生产HIV-gag病毒样颗粒为例，成功地应用了这些方法来通过PAT和DT（过程分析技术）展示先进过程控制（APC），如图10.13 所示。
图10.13 包括通过数字孪生进行的先进过程控制和优化的过程分析技术的流程图。
基于数字孪生和PAT方法应用的稳健设计和控制空间定义的过程开发，允许快速且减少工作量的数据生成。也展示了向自主操作的过程控制。
pDNA2mRNA疫苗的案例研究
近期的SARS-CoV-2大流行提供了一些方法论上的教训。例如，植物设计和工程现在被认为是尽可能快速、灵活和模块化的。不同的工艺方法如图10.14所示。
DARPA（国防高级研究计划局）的Falcon项目已经展示了基于集装箱的国家弹性疫苗供应解决方案。BioNTech宣布了基于集装箱的全球分销，Evonik也是如此。文献研究允许配置所需的正交纯化和抛光步骤设计，以确保产品安全。酶促体外转录、加帽和最终的脂质纳米颗粒配方是首次为mRNA实施和批准的关键技术。对所有单元的风险分析导致了通过数字孪生辅助生成的大约1000个数据点来定义设计和控制空间（见图10.15和10.16）。
图10.15 鱼骨图和图形影响排名分析
在QbD框架内的连续生物制造、数字孪生和PAT应用开辟了新视野。初步研究（见图10.17了解过程概览）指出了80倍的产能提升。目前，人员和化学品的需求被定义为瓶颈 。
持续的自动化进一步将所需人员减少到最低限度，过程优化研究表明，通过先进的过程控制应用，还有可能进一步实现30%的产能提升。
结论
大流行推动了mRNA作为一类新实体以及其他疫苗在监管审批下以超快速度获得批准。这集中了对技术的需求，如 • 通过在QbD框架内的过程建模向数字孪生结合PAT加速过程设计和监管审批 • 建立实时放行测试（RTRT）和清洁自动化及验证 • 建立分散式制造工厂，例如在集装箱中 • 由于低μg剂量，这可以通过小规模工厂实现 • 瓶颈在于化学品和人员，因此 • 通过回收和连续操作减少化学品消耗 • 基于理论分子层面的过程理解，了解化学品消耗和滴度抑制 • 通过自主操作甚至先进的过程控制方法最小化人员 • 实施供应链混合模型，即不锈钢管道和带有SU（一次性）存储以及缓冲供应和主要内部操作单元，如色谱柱、过滤器和膜，可以预先验证并更改。
图10.18总结了如何生成可扩展的数字孪生。基于实验室规模模型数据的经验验证过程模型与适当的PAT策略相结合。应用偏最小二乘或神经网络等回归方法，从数据中拟合参数并使数字孪生适应现实。基于DoE研究的先进过程控制空间预测最佳设定点，以保持即使在变化或干扰下也能运行的自主操作。
生物制药4.0的梦想，即应用现有的方法如从过程开发到设计和备案再到制造的数字孪生，用于规划、设计、维护和自主操作，是可行的，具有巨大的好处，并且已经准备好投入项目。一个工厂的直接可扩展性，从大约1000剂的临床试验到3天内制造10万剂的规模，已经证明是基于知识产权保护的创新是可行的。速度的提高是因为只需要一个资格和验证工厂规模。在相同的人员和化学品数量——作为主要瓶颈的情况下，有可能获得80倍的生产效率提升。这些概念在能够每周生产10万剂的工厂规模上的连续操作，已经在研究所进行比较，与最先进的批量操作相比。
