Hola a todos.
En primer lugar quiero agradecer al comité de Discovery Summit.
Por permitirme 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 formulaciones innovadoras de productos aprobados.
Hormonas para el tratamiento de la diabetes y la obesidad.
El modelo de negocio es licenciar el producto después del concepto aprobado.
Y actualmente tenemos en nuestro pipeline tres plataformas tecnológicas patentadas.
Y un producto que está aprobado para entrar en la fase tres en China.
Cinco productos con prueba de concepto clínica,
y seis proyectos que están en etapa preclínica.
Somos unas 115 personas en ADOCIA y el 80 por ciento nos dedicamos a I+D.
Hablando de las plataformas tecnológicas.
Hoy
Hablaremos de la histórica, que es la plataforma BioChaperone.
El BioChaperone es un excipiente farmacéutico
uno orgánico sintético,
y formará un complejo con una proteína como la insulina o 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 potencializa
el rendimiento de las insulinas y otras hormonas.
Y hoy cinco productos patentados basados en BioChaperone
Están en desarrollo clínico.
El desarrollo de la química de BioChaperone
Creo que ocurre lo mismo en muchas empresas farmacéuticas.
Pasaremos de un proceso de etapa temprana
que entregará lotes de unos pocos gramos
que entrarán en estudios preclínicos como la 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 rondan unos pocos cientos de kilos al año.
Los cambios que enfrentaremos vienen impuestos por la viabilidad a gran escala.
y nos guiaremos por el costo y el rendimiento
y se sufrirán muchos cambios.
Por lo tanto, 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,
Puede ser 11, puede ser nueve.
Esto se debe 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 etapa temprana,
para robustez a gran escala y etapa final del proceso.
Para ello contamos con herramientas.
Dos de ellos son el análisis de riesgos que nos ayudará a priorizar,
para clasificar el trabajo.
Y los 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 mediante diafiltración.
Una descripción general rápida del proceso es que la materia prima
entra en una transformación química,
que dará un excipiente crudo en solución.
Este excipiente crudo en solución se purificará mediante diafiltración.
para dar el excipiente puro en solución.
¿Qué es la diafiltración?
Tenemos en primer lugar las filtraciones clásicas.
Eso se llama filtración de callejón sin salida en la que tenemos un sólido
o
que en excipiente en una solución y una membrana.
La solución subirá hasta el fondo con la presión para recuperar el sólido.
en la cara superior de la membrana.
Tenemos una filtración de flujo cruzado
el retenido que se lleva en paralelo a la membrana mediante una bomba.
Y aplicaremos una presión mediante válvulas que empujarán una parte del flujo para que salga.
A través de la membrana, ese proceso define poros y deja pasar solo
pequeñas moléculas pasan a través de la membrana.
Y tenemos las moléculas grandes que permanecerán en el retenido.
Y utilizamos 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 descripción general rápida de la unidad.
Tenemos el retentado.
Un recipiente con el retenido que pasará 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 una parte del flujo en el permeado
que eliminará las impurezas de moléculas pequeñas.
A la derecha tienes la escala de 50 litros.
Piloto de diafiltración que utilizamos en ADOCIA en la parte trasera, del recipiente de 50 litros.
En la parte superior izquierda tenemos la carcasa con la membrana y todas las tuberías utilizadas.
con válvulas e instrumentos para monitorear el proceso de trabajo.
Para nuestro estudio sólo tenemos un volumen que podemos utilizar.
Un volumen de solución de excipiente crudo.
La idea era tener una circulación de flujo.
del flujo, lo que significa que el permeado se devuelve al retantado cada vez
De esta manera tendremos un retenido 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 referencia de la membrana,
es decir el tamaño de corte del poro y el material de las constricciones.
Una vez configurado, configurado está y no lo cambiaremos.
Y la carga, es decir, la
kilogramos de excipiente por superficie de membrana, la membrana se define como superficie
y el kilogramo de excipiente lo define el proceso.
Cuando está decidido, está decidido. No lo cambiaremos.
Lo que podemos sintonizar como factor RDSA.
La concentración de BioChaperona en las soluciones que necesitamos purificar,
el flujo de alimentación, que es el flujo impuesto por la bomba de alimentación.
La presión transmembrana, que es una forma de controlar la presión que se
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 se producirán
impactan el rendimiento del proceso, las impurezas que pasan
las membranas que se encuentran en el permeado que impactarán la calidad
del producto, que es la parte más importante de este trabajo.
Y el caudal de permeado tendrá un impacto en el tiempo.
Proporcionará información sobre todo el tiempo del proceso a gran escala.
El objetivo del estudio fue definir el espacio de diseño que es un espacio multivariable.
que garantiza la conformidad de las respuestas,
Aquí lo que importa es la calidad del producto.
Y optaremos por un tipo de diseño que es un modelo de superficie de respuesta.
El primer intento que hicimos. Usamos el diseño Box-Behnken.
Para ejecutar un diseño de Box-Behnken, se debe seguir el diseño de superficie de respuesta clásica de DoE.
Cargaré la respuesta.
Ejecutar uno
Respondo y lo cargo
los factores.
Un factor.
Bueno.
Sí. Aquí tenemos las tres respuestas.
Hablo de las derrotas anteriores, de 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 cuadro.
Continuaremos haciendo la tabla.
Y tenemos la tabla estándar de Box-Behnken con ejecución aleatoria como puedes ver.
Comenzamos a ejecutar este DoE y después de una prueba quedó claro que no lo haríamos.
capaz de ejecutar este DOE en un orden aleatorio porque no podemos
concentrar o diluir la mayor parte entre cada uno.
Si concentramos la masa a través de la membrana
Es perfectamente factible pero perderemos algunas impurezas.
Nuestra masa ya no es representativa del proceso ascendente.
No es una solución.
Podemos destilar la mayor parte, pero tomaría 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 tarda bastante más en estabilizarse.
la temperatura entre cada ejecución cuando tenemos que cambiarla.
Hemos hecho algo que hará gritar a algunas personas del público.
Pero ordenamos la carrera por temperatura.
Y mediante ensayos.
Déjame solo
Añade un poco de color para tener una mejor vista.
Color de valor.
Esto es lo que hemos hecho.
Contamos con 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 ordenado 40, 30, 20 etc.
Hemos gestionado este Departamento de Energía de esa manera.
Aquí están los datos que obtenemos.
Podemos
analizarlo utilizando la plataforma de modelo de ajuste con los cuatro
Factores y analizaremos las pérdidas y las carreras.
Tenemos un modelo bastante bueno para las pérdidas.
Está bien, tenemos un buen PValue, tenemos
parámetros. Está bien.
Pero la cosa es que
Estábamos bastante decepcionados
por el enfoque estadístico porque sabemos que el primero
La regla es aleatorizar la ejecución para tener una buena estimación del error.
No fue satisfactorio.
Regresamos a nuestros estudios diría yo y solo como recordatorio
La situación es que no podemos utilizar un lote nuevo 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 volumen y temperatura no puede ser
cambiar fácilmente porque realmente consumiría mucho tiempo.
Miramos libros y al final de muchos
En los libros encontramos una solución que es el diseño de trama dividida.
El diseño de parcelas divididas fue introducido en el campo de la agricultura porque tiene
Normalmente hay que cambiar factores 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 parcela dividida es tener una parcela completa que esté llena
con lo cual se analizarán como bloques aleatorios.
Y luego en cada parcela completa aplicarás 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.
Voy a cerrar esto.
Este.
Este.
Y esto.
Para ejecutar un diseño de parcela dividida, debes acceder al diseño personalizado de la plataforma DoE.
Cargaré las respuestas para la segunda ejecución.
Abierto.
Y los factores.
Lo que vemos aquí.
Lo siento.
Vemos nuestros cuatro factores de temperatura de ensayo,
CFF es el caudal de alimentación y la presión.
Y tenemos una columna adicional que es cambios de nombre.
Y puedes ajustar el hecho si es difícil,
muy difícil de cambiar o fácil de cambiar.
Lo más difícil de cambiar es la concentración o el ensayo.
El factor difícil de cambiar es la temperatura porque podemos cambiarla.
pero no estamos dentro del bloque de ensayo.
Y los factores fáciles
son los otros dos factores que se pueden aleatorizar entre ejecuciones.
Queremos adoptar un modelo de respuesta de superficie.
Haces clic en RSM y aquí ponemos seis parcelas completas y 12 parcelas completas.
Tenemos 36 tiradas y hacemos el diseño.
Tomará unos segundos realizar el diseño.
Sólo para recordarle que para el Departamento de Energía de Box-Behnken.
Fueron 27 carreras.
Tenemos muchas más ejecuciones en este DoE.
Haré la mesa y en cuanto al Box-Behnken le añadiré algunos colores.
Columna.
¿Qué hice? Perdón, rehice la tabla.
Sí.
Está bien, lo siento. Sí.
Bueno.
Ya ves que tenemos ensayos que son
organizando bloques y corresponde a todos los bloques uno, dos, tres, cuatro
etc. y en cada uno
Bloque de ensayo, tiene bloques de temperatura que son las subparcelas.
uno, dos, tres, cuatro etc.
Y CFF y TMP se asignan aleatoriamente dentro de esos dos bloques.
Realizamos estos datos DOE y usted puede optar por el modelo.
Aquí vemos las diferencias entre el análisis entre estándar
Diseño de DoE de Box-Behnken y parcela dividida.
Contamos con todas las parcelas que se agregan
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.
Nosotros corremos
el Departamento de Energía.
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 gráficas completas y vemos que el PValue no es significativo.
Podemos ir más lejos.
No hay problemas con los bloques así que
como otros DOE
Realizando JMP podemos ir
y tienen un perfil para optimizar para definir rangos y espacios de diseño.
Aquí vemos que
El ensayo es el factor más impactado
En cada respuesta y pérdida está la respuesta que se ve impactada por todo
los cuatro parámetros de factores y podemos ver
que con los parámetros que usamos como objetivo estamos bastante bien con la optimización.
Lo que podría ser interesante es observar este modelo, este DoE usando un estándar
análisis.
Lo quito todo
Me llevaré los cuatro
factor.
Todo esto.
Para análisis estándar.
Yo lo dirijo.
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 orden
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 ello.
y lo definiríamos como impactante pero no lo es.
Esto es perfectamente normal.
Por eso es necesario hacerlo
un análisis utilizando REML y bloques para tener el orden correcto del factor de impacto.
En conclusión de este estudio.
En este estudio de caso se permitió el diseño de parcelas divididas
continuar independientemente de la no aleatorización de algunos parámetros.
Pudimos ejecutar en un período de tiempo más corto todo el DoE.
Incluso si se necesitaron 36 carreras contra 27.
Pero como no necesitamos concentrarnos
Para estabilizar el plotter entre cada pasada fue mucho más corto.
Y podremos justificarlo 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 plataforma patentada.
Purificaciones de excipientes y como mensajes para llevar.
Sólo tenga cuidado con la aleatorización de factores.
Sabemos que la primera regla es ejecutar un DOE, pero es muy importante tener un registro adecuado.
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.
