Salut tout le monde.
Je tiens tout d'abord à remercier le comité du Discovery Summit
de m'avoir donné l'opportunité de vous présenter ce travail
nous jouons dans mon équipe sur le
mise en œuvre d'une plateforme de conception à parcelles divisées
étudier la purification de nos excipients innovants.
Tout d'abord, ADOCIA est une société de biotechnologie fondée en 2005.
par Gérard Soula et ses deux fils, et nous sommes situés à Lyon, en France.
Notre mission est de développer des formulations innovantes approuvées
Hormones pour le traitement du diabète et de l'obésité.
Le modèle commercial consiste à commercialiser un produit sous licence après approbation du concept.
Et actuellement, nous avons trois plateformes technologiques brevetées en développement.
Et un produit qui a reçu l'autorisation d'entrer en phase trois en Chine.
Cinq produits ayant fait l'objet d'une preuve de concept clinique,
et six projets qui sont au stade préclinique.
Chez ADOCIA, nous sommes environ 115 personnes, dont 80 % sont dédiées à la R&D.
À propos des plateformes technologiques.
Aujourd'hui
Nous parlerons de la plateforme historique, à savoir la plateforme BioChaperone.
Le BioChaperone est un excipient pharmaceutique.
une molécule organique synthétique,
et il formera un complexe avec une protéine telle que l'insuline, l'amyline ou le glucagon.
Ce complexe inspiré par la nature améliorera la solubilité ou la stabilité,
accélérer l'absorption du peptide
ou la protéger contre la dégradation enzymatique.
La plateforme BioChaperone offre un potentiel
l'efficacité des insulines et autres hormones.
Et aujourd'hui, cinq produits exclusifs basés sur BioChaperone
sont en développement clinique.
Le développement de la chimie des biochaperons
Je pense que c'est la même chose dans de nombreuses entreprises pharmaceutiques.
Nous allons passer par un processus de phase précoce
qui livrera des lots de quelques grammes
qui feront l'objet d'études précliniques telles que des études d'efficacité toxicologique.
Et une fois que BioChaperone est conçu comme un leader
Cela arrivera dans mon service, dans mon équipe,
mettre au point un procédé final pour livrer les lots de la phase trois.
Et au final, les lots commerciaux atteignent quelques centaines de kilos par an.
Les changements auxquels nous serons confrontés sont imposés par la faisabilité à grande échelle
et nous serons guidés par le coût et la performance
et de nombreux changements vont s'ensuivre.
Nous devons donc les comprendre et les documenter.
L'objectif de notre travail est d'avoir une compréhension complète
de la relation entre le paramètre de variation
et leur impact sur la qualité des produits.
En effet, comme nous allons le faire à grande échelle, nous savons que la température
Il n'est pas possible de viser systématiquement un degré de 10,0.
Il peut y en avoir 11, il peut y en avoir 9.
Cela est dû à l'ampleur du problème.
Nous parlerons de robustesse,
que le processus doive absorber cette variabilité inhérente dans une plage définie.
Et nous devons connaître son impact sur la qualité du produit.
À ce stade, nous passerons de la reproductibilité à un stade précoce,
à la robustesse à grande échelle et à l'étape finale du processus.
Pour cela, nous disposons d'outils.
Deux d'entre elles sont l'analyse des risques qui nous aidera à établir des priorités,
classer les travaux.
Et les plans d'expériences sont très utiles car nous savons qu'en chimie
Nous avons de nombreuses interactions entre les paramètres,
C'est donc très utile pour nous.
Aujourd'hui, nous allons parler de la purification des excipients.
Cette purification s'effectue par diafiltration.
En bref, le processus consiste à utiliser des matières premières.
entre dans une transformation chimique,
cela donnera un excipient brut en solution.
Cet excipient brut en solution sera purifié par diafiltration.
donner l'excipient pur en solution.
Qu'est-ce que la diafiltration ?
Nous avons tout d'abord les filtrations classiques
c'est ce qu'on appelle la filtration en cul-de-sac, dans laquelle on a un solide
ou
qui est un excipient dans une solution et une membrane.
La solution remontera au fond sous la pression nécessaire pour récupérer le solide.
sur la face supérieure de la membrane.
Nous avons une filtration tangentielle.
le rétentat est amené en parallèle à la membrane à l'aide d'une pompe.
Et nous appliquerons une pression à l'aide de vannes qui pousseront une partie du flux à passer.
À travers la membrane, ce processus a défini des pores et n'a laissé passer que
de petites molécules pour traverser la membrane.
Et nous avons les grosses molécules qui resteront dans le rétentat.
Et nous utilisons cette technologie parce que nous savons que notre excipient
Ce sont des oligomères, ce qui signifie qu'il ne s'agit pas de petites molécules.
Ce ne sont pas des polymères, ils se situent entre les deux tailles.
mais elles sont assez grosses et resteront dans le rétentat.
Aperçu rapide de l'unité.
Nous avons le rétentat.
Un récipient contenant le rétentat qui sera acheminé à travers la membrane
L'utilisation d'une pompe d'alimentation et d'une soupape de contre-pression nous permettra de
une pression s'exerce dans la membrane et une partie du flux de perméat est forcée à travers celle-ci.
cela permettra d'éliminer les impuretés de petites molécules.
À droite, vous avez la balance de 50 litres
pilote de diafiltration que nous utilisons à ADOCIA à l'arrière, le récipient de 50 litres.
En haut à gauche, nous avons le boîtier avec la membrane et tous les tuyaux utilisés
avec des vannes et des instruments pour surveiller le processus de travail.
Pour notre étude, nous ne disposons que d'un seul lot utilisable.
Un lot de solution d'excipient brute.
L'idée était d'avoir une circulation de flux
du flux, ce qui signifie que le perméat est ramené au rétantat à chaque fois.
Ainsi, nous aurons un rétentat représentatif du procédé.
Au début de chaque événement du Département de l'Énergie.
Pour une filtration à sec, nous avons des facteurs déterminants.
très tôt dans le processus, c'est-à-dire au niveau de la membrane de référence,
ce qui signifie que la taille limite du pore et le matériau des constrictions.
Une fois que c'est décidé, c'est décidé et nous ne le changerons pas.
Et le chargement, c'est-à-dire le
kilogrammes d'excipient par unité de surface de membrane, la surface de la membrane étant définie.
et le kilogramme d'excipient est défini par le procédé.
Une fois décidé, c'est décidé. Nous ne le changerons pas.
Ce que nous pouvons ajuster en tant que facteur RDSA.
La concentration du BioChaperone dans les solutions que nous devons purifier,
le débit d'alimentation, qui est le flux imposé par la pompe d'alimentation.
La pression transmembranaire, qui est un moyen de contrôler la pression qui va
faire passer le perméat à travers la membrane et la température de la solution.
Les réponses que nous pouvons examiner sont les pertes à travers la membrane qui vont
impactent le rendement du processus, les impuretés qui le traversent
les membranes présentes dans le perméat qui auront un impact sur la qualité
du produit, qui est la partie la plus importante de ce travail.
Et le débit de perméat, qui aura une incidence sur le temps.
Cela permettra de mieux comprendre la durée totale du processus à grande échelle.
L'objectif de l'étude était de définir l'espace de conception, qui est un espace multivarié.
qui garantit la conformité des réponses,
Ici, c'est la qualité du produit qui compte.
Et nous opterons pour un type de conception qui est un modèle de surface de réponse.
Nous avons effectué un premier essai. Nous avons utilisé le plan d'expériences Box-Behnken.
Pour réaliser un plan d'expériences de type Box-Behnken, on utilise la méthode classique de la surface de réponse DoE.
Je vais charger la réponse.
Exécutez-en un
réponse et je vais charger
les facteurs.
Un des facteurs.
D'accord.
Oui. Voici les trois réponses.
Je parle des pertes antérieures, de l'élimination,
l'élimination des impuretés et le flux de perméat.
Et nous avons les quatre facteurs qui sont la température,
pression, concentration ou dosage et débit d'alimentation.
Box-Behnken est la première proposition dans cette boîte.
Nous continuerons à établir la table.
Et nous avons le tableau standard de Box-Behnken avec une exécution aléatoire, comme vous pouvez le constater.
Nous avons commencé à exécuter ce plan d'expériences et après un seul essai, il est apparu clairement que nous n'allions pas…
nous ne pouvons pas exécuter ce plan d'expériences dans un ordre aléatoire car nous ne le pouvons pas.
concentrer ou diluer la majeure partie entre chaque étape.
Si nous concentrons la majeure partie à travers la membrane
C'est parfaitement faisable, mais nous perdrons certaines impuretés.
Notre production en vrac n'est plus représentative du processus en amont.
Ce n'est pas une solution.
On peut distiller la majeure partie, mais cela prendra beaucoup de temps car il s'agit d'eau.
Et le deuxième paramètre qui ne sera pas facile à modifier d'un facteur à l'autre est
La température due à la recirculation met un certain temps à se stabiliser.
la température entre chaque essai, moment où nous devons la modifier.
Nous avons fait quelque chose qui va faire hurler certaines personnes dans le public.
Mais nous avons ordonné le parcours en fonction de la température.
Et par des analyses.
Permettez-moi juste
Ajoutez-y de la couleur pour une meilleure visibilité.
Valeur couleur.
Voici ce que nous avons fait.
Nous avons des analyses qui sont regroupées en blocs de 90
puis le bloc 60 et le bloc 30, et dans chaque bloc d'analyse
Nous avons des températures qui sont classées comme suit : 40, 30, 20, etc.
Nous avons géré ce département de l'Énergie de cette manière.
Voici les données que nous avons obtenues.
Nous pouvons
l'analyser à l'aide de la plateforme de modélisation ajustée avec les quatre
Nous analyserons les facteurs et examinerons les pertes avant de nous retirer.
Nous avons un modèle assez performant pour les pertes.
C'est bon, nous avons une bonne valeur PValue, nous avons
paramètres. C'est bon.
Mais le problème, c'est que
Nous avons été assez déçus
par l'approche statistique, car nous savons que le premier
La règle consiste à randomiser l'exécution pour obtenir une bonne estimation de l'erreur.
Ce n'était pas satisfaisant.
Nous sommes retournés à nos études, je dirais, et juste pour rappel
La situation était telle que nous ne pouvions pas utiliser un nouveau lot entre chaque utilisation.
Il faudrait une quantité trop importante et nous n'en avons pas.
Le dosage en vrac ne peut pas être modifié entre
chacun, en raison de sa représentativité du volume et de la température, ne peut être
Cela pourrait être facilement modifié car cela prendrait énormément de temps.
Nous regardons des livres et à la fin de nombreux
Dans les livres, nous avons trouvé une solution : la structure en intrigue divisée.
La conception en parcelles divisées a été introduite dans le domaine agricole car elle a
Il faut généralement modifier des facteurs tels que les champs cultivés.
Disons que vous voulez étudier
les différents traitements
sur différentes céréales ou cultures et vous n'avez pas de place sur un seul champ.
Nous aurons de nombreux champs et ces champs sont différents.
Mais ce n'est pas ce que vous voulez étudier.
L'idée derrière la conception de parcelles divisées est d'avoir une parcelle entière qui est remplie
qui seront analysés comme des blocs aléatoires.
Ensuite, sur chaque parcelle entière, vous appliquerez le traitement ou la culture un, deux, trois, quatre.
et vous l'étudierez au sein de l'intrigue principale ; on les appelle des intrigues secondaires.
Comment cela se fait sur JMP.
Je vais clore ce sujet.
Ce.
Ce.
Et ceci.
Pour exécuter un plan d'expérience à parcelles divisées, vous devez utiliser la plateforme de conception personnalisée du DoE.
Je vais charger les réponses pour la deuxième exécution.
Ouvrir.
Et les facteurs.
Ce que nous voyons ici.
Désolé.
Nous observons que nos quatre facteurs analysent la température,
Le CFF correspond au débit d'alimentation et à la pression.
Et nous avons une colonne supplémentaire qui concerne les changements de nom.
Et vous pouvez ajuster ce fait si c'est difficile,
Très difficile à changer ou facile à changer.
Il est très difficile de modifier la concentration ou le dosage.
Le facteur difficile à modifier est la température, car nous ne pouvons pas la changer.
mais nous ne le faisons pas à l'intérieur du bloc d'analyse.
Et les facteurs faciles
Ce sont les deux autres facteurs qui peuvent être randomisés entre les essais.
Nous souhaitons opter pour un modèle de réponse de surface.
Vous cliquez ici sur RSM, nous y affichons six parcelles complètes et douze parcelles complètes.
Nous avons 36 essais et nous élaborons le design.
La création du dessin prendra quelques secondes.
Je vous rappelle simplement que cela concerne le plan d'expériences de Box-Behnken.
Il y a eu 27 courses.
Nous avons beaucoup plus de simulations sur ce DoE.
Je vais réaliser le tableau et, pour ce qui est du Box-Behnken, j'ajouterai quelques couleurs.
Colonne.
Qu'est-ce que j'ai fait ? Désolé, j'ai refait le tableau.
Oui.
D'accord, désolé. Oui.
D'accord.
Vous voyez que nous avons des analyses qui sont
l'agencement des blocs correspond aux blocs un, deux, trois, quatre.
etc. et dans chaque
Dans le bloc d'analyse, vous avez des blocs de température qui sont les sous-parcelles.
un, deux, trois, quatre, etc.
Et CFF et TMP sont randomisés à l'intérieur de ces deux blocs.
Nous réalisons ces analyses à partir des données du DOE et vous pouvez ensuite utiliser le modèle.
Nous observons ici les différences entre l'analyse et la norme
Plan d'expériences de Box-Behnken et plan en parcelles divisées.
Nous avons l'ensemble des parcelles qui sont ajoutées
dans les effets et ils sont traités comme des blocs aléatoires et nous avons tous les autres
paramètres et effets.
Et voici la méthode, à savoir la méthode d'analyse REML.
Nous gérons
le ministère de l'Énergie.
Si nous nous concentrons sur la réponse concernant les pertes, nous constatons que nous avons
un très bon modèle, expliquant 96 % de la variation.
Nous constatons que nous avons
effets significatifs.
Et
L'élément supplémentaire à prendre en compte dans cette analyse est la variance REML
des estimations de composants qui nous donneront un aperçu au nom introduit
par blocs, les graphiques entiers et nous constatons que la valeur PValue n'est pas significative.
Nous pouvons aller plus loin.
Il n'y a aucun problème avec les blocs, donc
comme d'autres DOE
En effectuant JMP, nous pouvons y aller
et disposer d'un profil à optimiser pour définir des plages et un espace de conception.
Nous constatons ici que
Le dosage est le facteur le plus impacté
Sur chaque réponse et chaque perte, la réponse est impactée par tous les
les quatre paramètres des facteurs et nous pouvons voir
avec les paramètres que nous utilisons comme cible, nous obtenons de très bons résultats en matière d'optimisation.
Il serait intéressant d'examiner ce modèle, ce plan d'expériences, en utilisant une norme.
analyse.
Je retire tout.
Je prendrai les quatre
facteur.
Tout cela.
Pour une analyse standard.
Je le gère.
Ici.
Je reviens sous le poids des pertes et de la réaction.
D'accord.
Je vais ici examiner
les pertes.
Ce que nous pouvons voir
c'est que nous n'avons pas exactement le même ordre
pour les paramètres, l'effet ou l'estimation.
Dans l'analyse standard, on peut affirmer que le dosage est le facteur le plus déterminant.
Alors que le flux figure dans la conception spectrale, le dosage est le cinquième élément.
et c'est tout à fait normal
car lorsque nous utilisons des blocs et que nous effectuons l'analyse standard, nous obtiendrons davantage de résultats.
Force à ces blocs et nous ferons des erreurs dessus
et nous allons le qualifier d'impactant, mais il ne l'est pas.
C'est parfaitement normal.
C'est pourquoi vous devez faire
une analyse utilisant REML et des blocs pour obtenir le bon ordre des facteurs d'impact.
En conclusion de cette étude.
Dans cette étude de cas, le plan en parcelles divisées a permis
continuer malgré la non-randomisation de certains paramètres.
Nous avons pu exécuter l'ensemble du programme DoE dans un délai plus court.
Même si cela nécessitait 36 courses au lieu de 27.
Mais comme nous n'avons pas besoin de nous concentrer
Pour stabiliser le traceur entre chaque passage, la durée était beaucoup plus courte.
Et nous pourrons le justifier correctement
l'espace de conception étayé par de solides preuves statistiques.
Il convient de noter la conception du terrain divisé
La plateforme est désormais mise en œuvre pour développer et optimiser rapidement notre solution propriétaire.
purifications des excipients et messages clés à retenir.
Soyez simplement prudent avec la randomisation des facteurs.
Nous savons que c'est la première règle pour mener une expérience, mais il est très important d'avoir un plan d'expériences approprié.
une conception qui vous permettra d'avoir une statistique
connaissance de votre processus et une bonne
Cette conception pourrait permettre de gagner du temps même si davantage d'exécutions sont nécessaires.
Merci de votre attention.
