Hilfe bei der Entwicklung eines komplexen DoE zum Screening von FormulierungspuffernIch plane, die Formulierung eines flüssigen Arzneimittels zu optimieren. Wir haben einen Ausgangsstoff, der sich in einem bestimmten Puffer mit einigen Hilfsstoffen befindet, und möchten herausfinden, ob es für dieses Arzneimittel hinsichtlich der Stabilität noch einen besseren Formulierungspuffer gibt.
Ich möchte testen:
- Verschiedene pH-Bereiche (pH 5, 6, 7, 8) Die pH-Werte werden jedoch durch unterschiedliche Puffersysteme eingestellt (pH 5 = Acetatpuffer, pH 6 = Histidinpuffer usw.).
- Zwei verschiedene Tenside mit fester Konzentration (Tensid A, Tensid B und kein Tensid)
- Ein oder zwei verschiedene Zucker mit einer festgelegten Konzentration (Zucker A, evtl. Zucker B und kein Zucker)
- Ein Konzentrationsbereich von Salz (100 mg/L bis maximal 300 mg/L)
- Zwei Konzentrationsstufen des Ausgangsstoffes (= Arzneimittel): niedrige und hohe Konzentration
Ich habe Schwierigkeiten, die richtigen Faktortypen zu finden: pH-Wert: kategorisch oder diskret numerisch?; Konzentration des Ausgangsmaterials: kontinuierlich oder kategorisch oder diskret numerisch?
Und welchen Designtyp soll ich verwenden, Screening-Design, benutzerdefiniertes Design oder einfaches Design? Soll ich Mittelpunkte und Replikate einbeziehen?
Wir werden das Pufferscreening in einem 96-Well-Format durchführen, sodass wir maximal 96 Experimentdurchläufe durchführen können – aber natürlich wäre weniger besser. Die Experimente sind nicht automatisiert, d. h. das Pipettieren wird von einem Bediener durchgeführt.
Danke für alle Hinweise und Beiträge.
VersuchsplanungBetreff: Hilfe bei der Entwicklung eines komplexen DoE zum Screening von FormulierungspuffernHallo,
da es meistens verschiedene Möglichkeiten gibt, dies anzugehen.
Erwarten Sie, dass das Puffersystem für Ihr Ergebnis/Ihre Reaktion relevant ist, oder ist es nur relevant, um unseren gewünschten pH-Wert zu erreichen? Wenn es Ihre Stabilität beeinträchtigen könnte, würde ich es vorziehen, den Puffer kategorisch hinzuzufügen. Wenn nur der resultierende pH-Wert relevant ist, ist hier möglicherweise ein diskreter numerischer Wert für den pH-Wert besser.
Wenn Ihr Ausgangsmaterial frei zwischen hoch und niedrig geändert werden kann, würde ich es einfach in dem von Ihnen gewählten Bereich kontinuierlich machen.
Bei mehr als 6 Faktoren empfiehlt es sich normalerweise, mit einem Screening-Designtyp zu beginnen. Aufgrund der Kombination von Faktoren, Ebenen und vielen kategorischen Faktoren, mit denen Sie arbeiten, sollten Sie sich die Custom Design Platform ansehen, mit der Sie Screening-Designs sowie komplexere Optimierungsdesigns abhängig von Ihrer Modellauswahl erstellen können. Ein stärker geführter Ansatz ist die EasyDOE Platform.
Das Hinzufügen von Replikaten zum Design ist immer eine gute Idee, da sie bei der Fehlerabschätzung helfen und den Lack-of-Fit-Test ermöglichen. Das Hinzufügen einiger Replikate ist möglicherweise möglich, da Sie bei der Anzahl der Durchläufe nicht stark eingeschränkt sind.
Mal sehen, was andere empfehlen.
-Jonas
Betreff: Hilfe bei der Entwicklung eines komplexen DoE zum Screening von FormulierungspuffernDies kann etwas knifflig werden, aber hier sind einige Möglichkeiten, mit Ihrer Situation umzugehen:
- Puffer: Geben Sie einen Puffertyp (mit 2 oder 3 Stufen, abhängig von der Anzahl der zu untersuchenden Puffer) und einen pH-Wert mit Stufen (-1, 0, 1) für (niedrig, mittel, hoch) an. Die meisten Puffer können einen pH-Bereich abdecken, aber wie Sie sagten, hängt der pH-Bereich, in dem der Puffer wirksam ist, vom pKa des Puffers ab (z. B. kann ein Histidinpuffer normalerweise auf einen pH-Wert zwischen 5 und 7 eingestellt werden und ist trotzdem ein wirksamer Puffer). Die tatsächlichen pH-Werte im Experiment hängen also vom Experiment ab, aber modellieren Sie sie einfach als niedrigen/mittleren/hohen pH-Wert innerhalb des Puffers. Stellen Sie sicher, dass Sie beim Erstellen des DOE und bei der Modellierung den Wechselwirkungseffekt zwischen Puffertyp und pH-Wert berücksichtigen.
- Für die verbleibenden Faktoren würde ein Ansatz mit Mischungsmodellierung gut funktionieren. Sie müssten jedoch überdenken, was die experimentellen Faktoren sind. Anstelle von Zucker A, Zucker B und kein Zucker hätten Sie beispielsweise einen Faktor, der „Anteil in der Lösung, der Zucker A ist“ und „Anteil in der Lösung, der Zucker B ist“ lautet. Und Sie könnten sogar Experimente einbeziehen, die beide Zucker auf diese Weise behandeln. Es würde Ihnen immer noch ermöglichen, die Wirkung jedes Zuckers einzeln abzuschätzen (mit einem geeigneten Design). Für diesen Ansatz hätten Sie 5 Faktoren, von denen jeder einen Anteil der Gesamtformulierung darstellt, und die benutzerdefinierte DOE-Plattform könnte dieses Modell anpassen (einschließlich aller Einschränkungen der Formulierungsfaktoren).
- Tensid 1 Komponente Menge
- Tensid 2 Komponente Menge
- Zucker A-Komponentenmenge
- Menge der Zuckerkomponente B
- Salzanteil
- Menge der Arzneimittelkomponente
- Menge der Pufferlösung (beachten Sie, dass dies letztendlich ein Pufferfaktor ist, aber Sie sollten dies wahrscheinlich auch in das Design einbeziehen
- Ein alternativer, aber komplizierterer Ansatz ist die Verwendung von „bedingten“ Modellen, bei denen Sie Faktoren wie
- Zucker A: ein binärer (0, 1) diskreter numerischer Faktor, der angibt, ob Zucker A in der Mischung enthalten ist oder nicht, und dann ein weiterer Faktor für die Menge an Zucker A in der Mischung.
- Zucker B: dasselbe wie oben für Zucker A
- Das Gleiche gilt für die beiden Tenside.
Ich empfehle den ersten Ansatz. Er ist etwas abstrahierter als die Art und Weise, wie Menschen normalerweise über die Zusammensetzung einer Formulierung sprechen, aber es ist mathematisch einfacher, ein Design zu erstellen und die Analyse für diese Art von Experiment durchzuführen.
Betreff: Hilfe bei der Entwicklung eines komplexen DoE zum Screening von FormulierungspuffernHallo Jonas,
Vielen Dank für Ihre Antwort und Ihren Beitrag – ich weiß das wirklich zu schätzen! Ja, ich gehe auch davon aus, dass das Puffersystem die Stabilität des Materials beeinflusst, abhängig von Faktoren wie der Ionenstärke. Ich habe kürzlich das benutzerdefinierte Designtool in JMP verwendet, um ein Screening-Design zu erstellen, und bin bei 72 Bedingungen gelandet. Ich werde die Experimente bald durchführen und bin gespannt auf die Ergebnisse.
Danke,
Betreff: Hilfe bei der Entwicklung eines komplexen DoE zum Screening von FormulierungspuffernHey,
Danke für Ihren Vorschlag! Er klingt interessant und tatsächlich ein bisschen knifflig. Ich bin noch neu bei JMP und mit DoE und seinen Funktionen noch nicht sehr vertraut. Ich werde Ihren Vorschlag jedoch auf jeden Fall im Hinterkopf behalten, während ich mein Verständnis weiter verbessere.
Prost,
