QbD コラム: QbD は分析手法の開発に適用できますか?編集者注:この投稿は、 @ロンケネットそして@david_sのKPAグループ。 これは、と呼ばれる一連のブログ投稿の一部です。 QbDコラム。 著者の詳細については、上の著者のコミュニティ名をクリックしてください。
Ron KenettRon KenettRon KenettRon Kenettロン・ケネット
David SteinbergDavid SteinbergDavid SteinbergDavid Steinbergデビッド・スタインバーグ
測定または分析方法の開発は、医薬品の開発と並行して行われます。 プロセスの監視と制御の要件を理解することで、プロセスの重要な品質属性 (CQA) や仕様限界などの分析手法のパフォーマンス基準が決まります。 安全性または有効性を確保するために管理が必要な原薬の特性を明らかにすることが、CQA の特定を決定します。 分析メソッドの一般的な要件は次のとおりです。
- 精度：この要件により、メソッドのばらつきが仕様範囲 (仕様の上限 - 仕様の下限) のほんの一部にすぎないことが保証されます。 これは、ゲージ再現性および再現性 (GR&R) とも呼ばれます。
- 選択性:これにより、各製造ステップでどの不純物を監視するかが決定され、各不純物の相対的な割合を適切に区別する設計方法が指定されます。
- 感度：効果的なプロセス制御を達成するには、仕様限界に対して重要な CQA の変更を正確に反映する方法が必要です。
これらの基準は、日常業務で使用する方法の信頼性を確立します。 これは、分析時間、許容可能な溶媒、利用可能な機器に影響を与えます。 QbD 原則を使用した分析メソッドを開発するには、メソッドのパフォーマンス基準だけでなく、最終的なエンドユーザーに望まれる操作上の意図も理解する必要があります。 手法の理解が限られていると、研究室から商業製造施設での使用への、または既存の施設から新しい施設への技術移転が不十分になる可能性があります。 移行に失敗すると、失敗の原因を解決するためにかなりの追加リソースが必要になることがよくありますが、これは通常、新製品の発売を進めるという大きなプレッシャーがかかる時期に発生します。 品質による設計 (QbD) を分析手法に適用することは、このような問題を防ぐことを目的としています。 分析メソッドの開発における QbD の実装は、通常、メソッドの設計と制御の両方に取り組む 4 段階のプロセスです。 [1] 。 段階は次のとおりです。
- メソッド設計の意図: 分析法のパフォーマンスを特定して指定します。
- メソッド設計の選択: 設計意図を達成するためのメソッドの作業条件を選択します。
- メソッド制御の定義: パフォーマンスの変動に最も大きく寄与するコンポーネントに対する適切な制御を確立および定義します。
- メソッド制御の検証: 堅牢かつ効果的な制御により、許容可能なメソッドのパフォーマンスを実証します。
分析手法の堅牢性のテストには、動作条件の小さな変化の影響を評価することが含まれます。 [2] 。 耐久性試験では、異なる研究室、分析者、機器などのさまざまな通常の試験条件下で同じサンプルを分析して得られた試験結果の再現性の程度を特定します。 次のケーススタディでは、堅牢性を評価および改善するための実験の使用に焦点を当てます。
HPLC開発のケーススタディ
ここで紹介するケーススタディは、高速液体クロマトグラフィー (HPLC) メソッドの開発からのものです。 [3] 。 これは、分析手法の堅牢性をテストする典型的な例です。 この特定のシステムは、可変波長 UV 検出器とモデル 3396-A インテグレータを備えた Agilent 1050 で構成されています。 ロバスト性研究の目的は、公称動作条件からの逸脱が結果に影響を与えるかどうかを確認することです。 表 1 に、このケーススタディで使用した要因とそのレベルを示します。 実験的な配列は 2 です。 7-4 3 つの中心点を使用した部分要因実験 (表 2 を参照)。 レベル「-1」と「1」は表 1 にリストされている下位レベルと上位レベルに対応し、「0」は公称レベルに対応します。 下位レベルと上位レベルは、通常の動作中に公称設定に関して自然に発生する可能性のある変動を反映するように選択されます。 製剤および医薬品開発への一部要因実験の QbD アプリケーションの例については、 2番そして三番目このシリーズのブログ投稿。
表1。 HPLC 実験の因子とレベル。
表 2. HPLC 実験の実験配列。
実験配列は、バランスの取れた組み合わせセットの設計因子レベルと 3 つの中心点を組み合わせた 11 回の実験実行で構成されます。
HPLC実験から分かること
HPLC 実験を分析する際には、次の目標があります。
- メソッドの推奨設定に対する期待されるメソッド測定予測の分散 (測定の不確かさ) を見つけます。
- 許容可能なパフォーマンスを達成するための実験要素の最適な設定を特定します。
- 1 つ以上の応答に対するメソッドのパフォーマンスに影響を与える要因を特定します。
- 測定された応答に対する実験要因の変動の影響を評価します。
- 因子効果の非線形性を利用して、公称レベルの変化に影響されないパフォーマンスを達成することで、HPLC プロセスを堅牢にします。
2 つの実験のうち 8 回の実験のみを考慮すると、 7-4中心点を持たない分数階乗では、平均予測分散が 0.417 となり、一次モデルのフィッティングに関して 100% の最適性が得られます。 これは、設計のバランスの取れた特性によるものです (図 1 左を参照)。 表 2 の設計では 3 つの中心点があり、領域の中心付近の予測の不確実性が減少し、平均予測分散が 0.38 と低くなります。 ただし、一次モデルのフィッティング効率が低いことからわかるように、中心点は傾きの推定には寄与しません (図 1 右を参照)。 
図1。 3 つの中心点を使用しない (左) および (右) 場合のこの分数階乗の診断を設計します。
図2. 中心点なし (上) と中心点あり (下) の予測分散プロファイル。
図 2 の JMP 予測分散プロファイルは、さまざまな因子レベルの組み合わせにおける予測分散と誤差分散の比率 (予測の相対分散とも呼ばれます) を示しています。 相対的な分散は計画の中心で最小限に抑えられます。 3 つの中心点を追加すると、予測の分散が 0.12 から 0.09 に 25% 減少します。 これは、中心点で実験の実行を追加することによって得られる利点です。 後で説明するもう 1 つの利点は、中心点によって非線形効果、つまり線形回帰モデルの不適合を評価できることです。 3 番目の利点は、中心点によってシステム内の自然変動の程度をモデルフリーで推定できることです。 各因子レベルの組み合わせで、実験では次の 5 つの応答が生成されました: 1) ピークでのクロマトグラムの面積 (peakArea)、2) ピークでのクロマトグラムの高さ (peakHeight)、3) 標準に調整された最小保持時間 (tRmin)、4) 未調整の最小保持時間 (unad tRmin) および 5) クロマトグラム分解能 (Res)。 データ分析における私たちの最初の関心は、要因と反応を結び付ける適切なモデルを特定することです。
部分要因実験のデータを分析すると何がわかるでしょうか?
線形回帰モデルは、考慮すべき最も単純なモデルです。 これらは、因子の 2 つのレベル間の応答の変化を表します。この場合、これは「-1」と「+1」とラベル付けされたレベルに対応します。 「0」とラベル付けされたレベルに 3 つの中心点もあるため、非線形効果も評価できます。 これは、2 番目のブログ投稿と同様に、中心点では「1」、その他の点では「0」に等しい不適合 (LOF) を評価するように設計された合成指標変数を追加することで行います。 7 つの因子すべてに対する線形効果を持つ 5 つの応答すべてに対する JMP 効果概要レポートと LOF 指標を図 3 に示します。 
図3. 7 つの要因と 5 つの応答に関する LOF 指標の効果概要レポート。
効果の概要テーブルには、5 つの応答の完全なセットにわたるモデル効果が昇順の p 値で並べてリストされます。 各効果の LogWorth は -log10(p-value) として定義され、p 値を調整してグラフィックスに適切なスケールを提供します。 -log10(0.01)=2 であるため、2 を超える LogWorth は 0.01 レベルで重要です。 レポートには、整数値の位置に垂直の破線と 2 の位置に青色の基準線を含む LogWorth の棒グラフが含まれています。 表示される p 値は、モデル レポートの効果検定表に表示される有意性検定に対応します。 図 3 のレポートは、全体として 4 つの因子と LOF (Col Temp、Gradient、Buf PH、Dim Perc) が 0.01 レベルで有意であり、Buf Conc、Det Wave、Trie Perc は有意ではないことを示しています。 表 2 の実験計画から、線形モデルを使用して 5 つの応答に対する 7 つの因子と LOF 指標の主効果を推定できます。 図 4 は、R を調整した PeakHeight のパラメータ推定値を示しています。 2 93% と非常によく適合しています。 ピーク高さの応答は、Col Temp、Det Wave、および Gradient の変化に最も敏感です。
図4. 線形モデルを使用した 7 つの因子と LOF インジケーターのピーク高さのパラメーター推定。 読みやすさを向上させるために、peakHeights は 1000 で除算されています。
実験計画の中心点での予測値と、そこで実際に実行された 3 つの測定 (LOF 変数を介して) の間に統計的に有意な差が観察されました。 図 5 は、5 つの応答すべてに対する各因子の線形効果を示すプロファイラー プロットを示しています。プロットは、どの条件が HPLC メソッドに影響を与えるかを強調するのに非常に役立ちます。 最も重要な 2 つの要素である Col Temp と Gradient が、いくつかの異なる応答に影響を与えることがわかります。Buf pH、Buf Conc、および Dim Perc は、保持応答に対して特に強い影響を与えますが、他の CQA に対しては弱い影響を与えます。これらの係数は、保持応答とピーク高さには良好に適合しますが、ピーク面積や解像度には適合しません。これは、これらの CQA の広い信頼帯と、分散分析ラインのモデル全体の F 検定の高い p 値に反映されています。モデル出力の。
図5. 線形モデルを使用した HPLC 実験のプロファイラー。
非線形性についてはどうすればよいでしょうか? 私たちの分析では、LOF 指標の重大な効果が見つかりました。これは、図 5 のプロファイラーでは考慮されていない非線形効果を示しています。 2 レベルの一部実施要因計画に追加した中心点により、非線形性を検出できますが、その原因を特定するのに十分な情報は得られません。7 つの要因のいずれか (場合によってはそのいくつか) が原因である可能性があります。ピーク高さに対する非線形効果。次回のブログでは、この問題に対処するためのいくつかの設計オプションについて説明します。 現時点では、現在の実験で何が達成されたかを示します。 多くのブレインストーミングの後、HPLC チームは、勾配が非線形性を引き起こす要因である可能性が非常に高いと判断しました。 この重要な仮定は、プロセスの知識のみに基づいており、その後のすべての結論にとって重要です。私たちは、勾配の二次効果を含む元の実験データにモデルを適合させました。 チームはまた、各応答に対して最も強い主効果を持つ因子のみを保持することを決定しました。ピーク高さの場合、要因は勾配、カラム温度、検出波長でした。 図 6 に、この縮小モデルを PeakHeight 応答に当てはめて得たパラメータ推定値を示します。 このモデルでは、すべての項は調整された R で有意になります。 2 89%。同じ係数設定での実行ごとの変動を推定する二乗平均平方根誤差は 1.754 で、peakHeight 自体の大きさの 1% よりわずかに小さくなります (peakHeight を 1000 で割った後)。
図6. 二次モデルによるピーク高さのパラメーター推定。 読みやすさを向上させるために、peakHeights は 1000 で除算されています。
図 7 に、縮小 2 次モデルのプロファイラーを示します。 
図7。 ピーク高さの縮小二次モデルを使用した HPLC 実験のプロファイラー。 読みやすさを向上させるために、peakHeights は 1000 で除算されています。
堅牢なソリューションを見つける
実験の主な目的の 1 つは、入力因子の変動に対するシステムの堅牢性を評価することでした。 私たちは、縮小二次モデルの 4 つの因子に通常のノイズを導入することで、この疑問を探ります。 3 つの因子のそれぞれについて、標準偏差 0.4 (コード化単位) を仮定しました。これは、JMP のデフォルト オプションです。 これは、実験設定が公称レベルから約 2.5 SD であるという見解を反映しており、実際に遭遇する可能性のあるかなり極端な逸脱を反映しています。 図 8 は、最初に公称設定として特定された中心点でのセットアップのピーク高さに対するノイズの影響を示しています。シミュレーション結果の SD を計算するには、結果をテーブルに保存し、JMP の「分布」タブを使用します。 SD は 2.397 であることが判明し、以前に計算した run-to-run SD の 1.754 よりわずかに大きくなります。 分析システムに関連する SD 全体には、これらのコンポーネントの両方が含まれます。 それらを結合するには、まずそれらを 2 乗し、次にそれらを加算し (分散は SD ではなく加算的なため)、次に平方根を求めて元の測定スケールに戻す必要があります。 結果として得られる結合 SD は 2.970 であるため、因子設定の予想変動により、実行ごとの変動のみによる SD よりも約 70% 大きな SD が得られます。全体的な SD は、peakHeight の典型的な値の 1.5% 未満であり、このプロセスでは許容可能であると考えられました。
私たちの公称ソリューションは堅牢性の点で優れていますか?
図 8 は、この質問に答えるのに非常に役立ちます。 ここで重要な要素は、ピーク高さとの非線形関係による勾配です。 その関係の「谷」は、名目上の選択 0 に近いです。 因子変動のシミュレーションでは、-1 から 1 までの範囲をカバーする勾配の値が生成されます。 これらの値が谷にある場合、ピーク高さへの変化はほとんど伝わりません。 対照的に、極端に近い場合、peakHeight には大きな変動が生じます。 したがって、谷の底が公称設定に近いという事実により、伝達される変動が可能な限り小さくなることが保証されます。 この機能は、Gradient の公称値を変更することでテストできます。 公称値が -0.5 の場合、シミュレーターは係数変動による SD が 4.282 に増加し、公称設定値 0 の場合よりもほぼ 80% 増加することを示します。 PeakHeight の Col Temp および Det Wave への依存性は線形です。 したがって、これらの係数の公称設定をどのように選択するかに関係なく、同じ程度の変動が PeakHeight 出力に伝達されます。 この実験では、それらが堅牢性にどのような影響を与えるかを評価できますが、結果を活用して堅牢性を向上させる機会は提供されません。
図8。 因子が公称設定にあり、自然 SD が 0.4 である場合のピーク高さの予測プロファイラー。 読みやすさを向上させるために、peakHeights は 1000 で除算されています。
最初の質問に戻ります
最初に提起された質問を検討すると、次のような答えが得られます。
1. 推奨されるメソッド設定に対する予想されるメソッド測定予測分散 (測定の不確かさ) はどれくらいですか。
答え：この質問のピーク高さについて最も詳しく調べたところ、SD は 2970 であり、実行ごとの変動と測定プロセス係数の変動の寄与がほぼ等しいことがわかりました。
2. 許容可能なパフォーマンスを達成するには、どのような実験要素を設定すればよいでしょうか?
答え：すべての要素が公称設定 (コード化された値が 0) の場合、2970 の SD は測定値のサイズの 1.5% 未満であり、このアプリケーションでは許容可能な変動レベルです。
3. 1 つ以上の応答におけるメソッドのパフォーマンスに影響を与える要因は何ですか?
答え：メソッドのパフォーマンスに最も大きな影響を与える 3 つの要素は、グラジエント プロファイル、カラム温度、検出波です。
4. 因子レベルの変化に影響されないパフォーマンスを達成するために、実験因子の設定を堅牢にすることはできますか?
答え：勾配をコード化されたレベル 0 (実験の公称レベル) に設定することで、peakHeight のロバスト性を向上できることがわかりました。 この設定は、勾配の非線形効果を利用し、伝達される変動を減らすのに役立ちます。
5. 実験要因の変動が分析方法に及ぼす影響を評価できますか?
答え：前に述べたように、入力因子の自然な変動は、peakHeight の変動の半分よりわずかに多い原因となります。
まとめ
最初に提起された質問を検討する際に、まず線形回帰モデルを当てはめました。 説明のつかない非線形効果があることに気づいた後、縮小二次モデルを使用したところ、それがデータによく適合することがわかりました。 換算二次関数 (グラジエント プロファイル、カラム温度、検出波) の係数に変動を誘発することで、メソッドによる変動を推定し、推奨設定の堅牢性を評価できました。 勾配が非線形性の原因であるというチームの仮定は、ここでは明らかに重要です。 他の要因にも非線形効果がある場合は、方法のロバスト性を最適に改善する方法に影響を及ぼす可能性があります。 次回のブログ投稿では、この問題についてさらに詳しく説明します。
ノート
[1]ボーマン、P. ネザーコート、P. チャットフィールド、M. トンプソン、D. Truman, K. (2007)、製薬技術。 http://pharmtech.findpharma.com/pharmtech/Peer-Reviewed+Research/The-Application-of-Quality-by-Design-to-Analytical/ArticleStandard/Article/detail/463580
[2] Kenett, RS および Kenett, DA (2008)、バイオシミラー技術製品における品質による設計アプリケーション、認定と品質保証、Springer Verlag、Vol. 13、No 12、681-690ページ。
[3]ロメロ R. ガスケス、D. サンシェス、M.、 Rodriguez, L. および Bagur, M. (2002)、分析 HPLC における堅牢性テストへの幾何学的アプローチ、LCGC North America、 20 、72-80ページ、 www.chromatographyonline.com 。
測定または分析方法の開発は、医薬品の開発と並行して行われます。
KPAグループは次のように書いています: コメントありがとうございます、フィル！KPAグループ書きました：
フィルさん、コメントありがとうございます！
Phil Borman は次のように書いています: 5 つのクロマトグラフィー プロセスに加えて...フィル・ボーマン書きました：
研究された 5 つのクロマトグラフィーのピーク応答に加えて、分析方法によって定量化された各不純物の量も研究することは興味深いでしょう。 これにより、報告可能な結果への影響が直接評価されるため、堅牢性の真の指標が得られます。 たとえば、不純物がメインピーク (不純物が存在する原薬) に対する正規化によって定量化されている場合、ピーク面積とピーク高さの変動は無関係である可能性があります。
