Hola a todos.
En primer lugar quiero agradecer al comité de Discovery Summit
por dejarme la posibilidad de presentarles el trabajo
actuamos en mi equipo en el
implementación de una plataforma de diseño de parcelas divididas
para estudiar la purificación de nuestros innovadores excipientes.
En primer lugar, ADOCIA es una empresa de biotecnología fundada en 2005
por Gérard Soula y sus dos hijos, y estamos ubicados en Lyon, Francia.
Nuestra misión es desarrollar fórmulas innovadoras de
hormonas para el tratamiento de la diabetes y la obesidad.
El modelo de negocio es producto de licencia tras el concepto aprobado.
Y actualmente en nuestra cartera tenemos tres plataformas tecnológicas patentadas.
Y un producto que está aprobado para entrar en la fase tres en China.
Cinco productos con prueba clínica de concepto,
y seis proyectos que se encuentran en etapa preclínica.
Somos unas 115 personas en ADOCIA y el 80 por ciento nos dedicamos a la I+D+i.
Hablando de las plataformas tecnológicas.
Hoy dia
hablaremos del histórico, que es la plataforma BioChaperone.
El BioChaperone es un excipiente farmacéutico
uno orgánico sintético,
y formará un complejo con una proteína como la insulina, la amilina o el glucagón.
Este complejo inspirado en la naturaleza mejorará la solubilidad o estabilidad,
acelerar la absorción del péptido
o protegerlo contra la degradación enzimática.
La plataforma BioChaperone se potencializa
el rendimiento de las insulinas y otras hormonas.
Y hoy cinco de productos patentados basados en BioChaperone
están en desarrollo clínico.
El desarrollo BioChaperone química
Creo que es lo mismo en muchas compañías farmacéuticas.
Pasaremos de un proceso de etapa temprana
que entregará lotes de pocos gramos
que entrará en estudios preclínicos como eficacia toxicológica.
Y una vez que BioChaperone está diseñado como líder
vendrá en mi departamento, en mi equipo,
desarrollar un proceso final para entregar los lotes de la fase tres.
Y al final los lotes comerciales oscilan en unos pocos cientos de kilos por año.
Los cambios a los que nos enfrentaremos vienen impuestos por la factibilidad a gran escala
y seremos impulsados por el costo y el rendimiento
y se sufrirán muchos cambios.
Así que necesitamos entenderlos y documentarlos.
El objetivo de nuestro trabajo es tener una comprensión completa
de la relación entre parámetro de variación
y su impacto en la calidad del producto.
De hecho, como lo haremos a gran escala, sabemos que la temperatura
no se puede apuntar a 10.0 grados cada vez,
pueden ser 11, pueden ser nueve.
Esto se sufre debido a la gran escala.
Hablaremos de robustez,
que el proceso necesita absorber esta variabilidad inherente en un rango definido.
Y necesitamos saber su impacto en la calidad del producto.
En esta etapa pasaremos de la reproducibilidad en la etapa temprana,
a la robustez a gran escala y etapa final del proceso.
Para ello disponemos de herramientas.
Dos de ellos son el análisis de riesgos que nos ayudará a priorizar,
para clasificar el trabajo.
Y DoE son muy útiles porque sabemos que en química
tenemos muchas interacciones entre parámetros,
así que esto es muy útil para nosotros.
Hoy hablaremos de la purificación de los excipientes.
Esta purificación se realiza por diafiltración.
Un resumen rápido del proceso es que la materia prima
entra en una transformación química,
que dará un excipiente crudo en solución.
Este excipiente crudo en solución será purificado por diafiltración
para dar el excipiente puro en solución.
¿Qué es la diafiltración?
Tenemos ante todo las filtraciones clásicas
eso se llama la filtración sin salida en la que tenemos un sólido
o
que en excipiente en una solución y una membrana.
la solución llegará al fondo con la presión para recuperar el sólido
en la cara superior de la membrana.
Una filtración de flujo cruzado que tenemos
el retenido que se lleva en paralelo a la membrana usando una bomba.
Y aplicaremos una presión mediante válvulas que empujarán una parte del fundente para ir
a través de la membrana, ese proceso definió los poros y dejó solo
moléculas pequeñas para atravesar la membrana.
Y tenemos las moléculas grandes que permanecerán en el retenido.
Y usamos esta tecnología porque sabemos que nuestro excipiente
son oligómeros, lo que significa que no son moléculas pequeñas.
No son polímeros, están entre los dos tamaños,
pero son bastante grandes y se quedarán en el retenido.
Una breve descripción de la unidad.
Tenemos el retenido.
Un recipiente con el retenido que se llevará a través de la membrana.
el uso de una bomba de alimentación y una válvula de contrapresión nos permitirá
tienen una presión en la membrana y empujan a través de una parte del flujo en el permeado
que eliminará las impurezas de moléculas pequeñas.
A la derecha tienes la báscula de 50 litros
piloto de diafiltración que usamos en ADOCIA en la parte trasera, el vaso de 50 litros.
Arriba a la izquierda tenemos la carcasa con la membrana y todos los tubos utilizados
con válvulas e instrumentos para monitorear el proceso de trabajo.
Para nuestro estudio solo tenemos un bulto que podemos usar.
Un bulto de solución de excipiente crudo.
La idea era tener una circulación de flujo
del fundente, lo que significa que el permeado se vuelve a retratar cada vez
así tendremos un retenido que sea representativo del proceso.
Al comienzo de cada evento del DoE.
Para una filtración en seco tenemos factores que son determinantes
muy temprano en el proceso, que es la membrana de referencia,
lo que significa que el tamaño de corte del poro y el material de las constricciones.
Una vez que está configurado, está configurado y no lo cambiaremos.
Y la carga, es decir, la
kilogramos de excipiente por superficie de membrana, la membrana es superficie definida
y el kilogramo de excipiente lo define el proceso.
Cuando está listo, está listo. No lo cambiaremos.
Lo podemos sintonizar como factor RDSA.
La concentración del BioChaperone en las soluciones que necesitamos purificar,
el flujo de alimentación, que es el flujo impuesto por la bomba de alimentación.
La presión transmembranar, que es una forma de controlar la presión que
empujar el permeado a través de la membrana y la temperatura de la solución.
Las respuestas que podemos observar son las pérdidas a través de la membrana que
repercuten en el rendimiento del proceso, las impurezas que atraviesa
la membrana que están en el permeado que afectará la calidad
del producto, que es la parte más importante de este trabajo.
Y tasa de flujo de permeado que afectará el tiempo.
Dará una idea de todo el tiempo del proceso a gran escala.
El objetivo del estudio fue definir el espacio de diseño que es un espacio multivariante
que garantice la conformidad de las respuestas,
Aquí, es la calidad del producto.
Y buscaremos un tipo de diseño que sea un modelo de superficie de respuesta.
El primer intento lo hicimos. Ejecutamos el diseño de Box-Behnken.
Para ejecutar un diseño de Box-Behnken, vaya al diseño de superficie de respuesta clásica DoE.
Cargaré la respuesta.
ejecutar uno
respuesta y voy a cargar
los factores.
Uno de los factores.
Bueno.
Si. Aquí tenemos las tres respuestas.
Hablo de pérdidas anteriores, la eliminación,
la eliminación de impurezas y el flujo de permeado.
Y tenemos los cuatro factores que son la temperatura,
presión, concentración o ensayo y flujo de alimentación.
Box-Behnken es la primera propuesta de este recuadro.
Seguiremos haciendo la mesa.
Y tenemos la tabla estándar de Box-Behnken con ejecución aleatoria como puede ver.
Comenzamos a ejecutar este DoE y después de una prueba quedó claro que no seremos
capaz de ejecutar este DOE en un orden aleatorio porque no podemos
concentrar o diluir el granel entre cada uno.
Si concentramos el grueso a través de la membrana
es perfectamente factible pero perderemos algunas impurezas.
Nuestro volumen ya no es representativo del proceso anterior.
No es una solución.
Podemos destilar la mayor parte, pero llevará mucho tiempo porque es agua.
Y el segundo parámetro que no será fácil de cambiar entre cada factor es
la temperatura debido a la recirculación es bastante más larga para estabilizarse
la temperatura entre cada ejecución cuando tenemos que cambiarla.
Hemos hecho algo que hará gritar a algunas personas en la audiencia.
Pero pedimos el funcionamiento por temperatura.
Y por ensayos.
Déjame solamente
agregue un poco de color en él para tener una mejor vista.
Color de valor.
Esto es lo que hemos hecho.
Tenemos ensayos que están en bloque con 90
luego el bloque 60 y el bloque 30 y en cada bloque de ensayo
tenemos temperatura que ha pedido 40, 30, 20 etc.
Hemos manejado este DoE así.
Estos son los datos que obtenemos.
Podemos
analizarlo usando la plataforma de modelo de ajuste con los cuatro
factores y vamos a ver las pérdidas y correr.
Tenemos un modelo bastante bueno para las pérdidas.
Está bien, tenemos un buen PValue, tenemos
parámetros Está bien.
pero la cosa es
nos decepcionó bastante
por el enfoque estadístico porque sabemos que la primera
La regla es aleatorizar la ejecución para tener una buena estimación del error.
No fue satisfactorio.
Regresamos a nuestros estudios, diría, y solo como un recordatorio.
el estado del juego era que no podemos usar un nuevo lote entre cada uno.
Se requerirá demasiado volumen y no lo tenemos.
El ensayo a granel no se puede cambiar entre
cada uno por representatividad del granel y temperatura no se puede
cambiarse fácilmente porque llevará mucho tiempo.
Miramos libros y al final de muchos
libros encontramos una solución que son los diseños de parcelas divididas.
Los diseños de parcelas divididas fueron introducidos por el campo de la agricultura porque tienen
normalmente tiene que cambiar el factor, como los campos de cultivo.
Digamos que quieres estudiar
los diferentes tratamientos
en diferentes cereales o cultivos y no tienes espacio en un campo.
Tendremos muchos campos y estos campos son diferentes.
Pero esto no es lo que quieres estudiar.
La idea detrás del diseño de parcelas divididas es tener una parcela completa llena
con eso serán analizados como bloques aleatorios.
Y luego, en cada parcela completa, aplicará el tratamiento o cultivo uno, dos, tres, cuatro.
y lo estudiarás dentro de toda la trama y se llaman subtramas.
Cómo se hace en JMP.
Cerraré esto.
Esta.
Esta.
Y esto.
Para ejecutar un diseño de parcela dividida, debe ir al diseño personalizado de la plataforma DoE.
Cargaré las respuestas para la carrera dos.
Abierto.
Y los factores.
Lo que vemos aquí.
Lo siento.
Vemos nuestra temperatura de ensayo de cuatro factores,
CFF es el flujo de alimentación y la presión.
Y tenemos una columna adicional que es cambios de nombre.
Y puedes sintonizar el hecho si es difícil,
muy difícil de cambiar o fácil de cambiar.
Muy difícil de cambiar es la concentración o el ensayo.
El factor difícil de cambiar es la temperatura porque podemos cambiarla
pero no dentro del bloque de ensayo.
Y los factores fáciles
son los otros dos factores que se pueden aleatorizar entre ejecuciones.
Queremos optar por un modelo de respuesta superficial.
Hace clic en RSM aquí ponemos seis parcelas completas y 12 parcelas completas.
Tenemos 36 corridas y hacemos el diseño.
Tardará unos segundos en hacer el diseño.
Solo para recordarle que para Box-Behnken DoE.
Fueron 27 carreras.
Tenemos muchas más carreras en este DoE.
Haré la mesa y en cuanto al Box-Behnken agregaré algunos colores.
Columna.
que hice Lo siento, volví a hacer la mesa.
Si.
Esta bien perdón. Si.
Bueno.
Ves que tenemos ensayos que son
ordenar bloques y corresponde a los bloques completos uno, dos, tres, cuatro
etc y en cada
bloque de ensayo tiene bloques de temperatura que son las subparcelas
uno, dos, tres, cuatro, etc.
Y CFF y TMP se aleatorizan dentro de esos dos bloques.
Realizamos estos datos del DOE y puedes ir por el modelo.
Aquí vemos las diferencias entre el análisis entre estándar
Box-Behnken DoE y diseño de parcela dividida.
Disponemos de las parcelas enteras que se suman
en los efectos y se tratan como bloques aleatorios y tenemos todos los demás
parámetros y efectos.
Y aquí tenemos el método que es el método de análisis REML.
Corremos
el DoE.
Si nos centramos en la respuesta de pérdidas vemos que tenemos
un modelo muy bueno con el 96 por ciento de la variación explicada por este modelo.
Vemos que tenemos
efectos significativos.
Y
el cuadro adicional que tenemos que mirar con este análisis es la varianza REML
Estimaciones de componentes que nos darán una idea del nombre introducido
por los bloques, las parcelas enteras y vemos que el PValor no es significativo.
Podemos ir más lejos.
No hay problemas con los bloques, por lo que tal
como otro DOE
realizando JMP podemos ir
y tener un perfil a optimizar para definir rangos y espacio de diseño.
Aquí vemos que
el ensayo es el factor más afectado
en todas las respuestas y pérdidas es la respuesta que se ve afectada por todos
los cuatro parámetros de factores y podemos ver
que con los parámetros que usamos como objetivo somos bastante buenos con la optimización.
Lo que podría ser interesante es mirar este modelo, este DoE usando un estándar
análisis.
Elimino todo.
me quedo con los cuatro
factor.
Todo esto.
Para análisis estándar.
lo ejecuto
Aquí.
Vuelvo bajo las pérdidas y la respuesta.
Bueno.
Aquí voy a mirar
las pérdidas
lo que podemos ver
es que no tenemos exactamente el mismo pedido
para los parámetros, efecto o estimación.
En el análisis estándar podemos decir que el ensayo es el factor más impactante
mientras que en el diseño espectral está el flujo, el ensayo es el quinto
y es bastante normal
porque cuando usamos bloques y hacemos el análisis estándar daremos más
fuerza a estos bloques y cometeremos errores en él
y lo definiremos como impactante pero no lo es.
Esto es perfectamente normal.
Esta es la razón por la que tienes que hacer
un análisis usando REML y bloques para tener el orden correcto del factor de impacto.
En conclusión de este estudio.
En este estudio de caso, el diseño de parcelas divididas permitió
continuar independientemente de la no aleatorización de algunos parámetros.
Pudimos ejecutar en un período de tiempo más corto todo el DoE.
Incluso si requirió 36 carreras contra 27.
Pero como no necesitamos concentrarnos
para estabilizar el trazador entre cada ejecución fue mucho más corto.
Y seremos capaces de justificar adecuadamente
el espacio de diseño con fuerte evidencia estadística.
Vale la pena señalar que el diseño de parcela dividida
La plataforma ahora está implementada para desarrollar y optimizar rápidamente nuestra propiedad
purificaciones de excipientes y como mensajes para llevar.
Solo tenga cuidado con la aleatorización de factores.
Sabemos que es la primera regla para ejecutar un DOE, pero es muy importante tener una adecuada
diseño que te permitirá tener una estadística
conocimiento de su proceso y una adecuada
El diseño podría permitir ahorrar tiempo incluso si se requieren más ejecuciones.
Gracias por su atención.
