Este artículo presenta un ejemplo del uso de JMP para realizar el diseño de experimentos (DOE) en el desarrollo de un método analítico para un producto farmacéutico.
En los últimos años, se ha desarrollado la directriz ICH-Q14 para el desarrollo de métodos analíticos, y los "métodos analíticos que utilizan técnicas más avanzadas" están atrayendo la atención.
El método para examinar la calidad basado en evidencia científica en el desarrollo de métodos analíticos se denomina AQbD (Calidad Analítica por Diseño), y se propone el uso del diseño de experimentos (DOE) como una forma de lograrlo.
Por ejemplo, determinar las condiciones operativas óptimas para la siguiente configuración de HPLC es un ejemplo de desarrollo de un método analítico.
Ejemplo de análisis: Optimización de las condiciones de operación de HPLC
Objetivo: Desarrollar un método analítico que logre una separación completa de picos (resolución ≧ 1,5) según lo especificado por la Farmacopea Japonesa.
Para lograr este objetivo, realizaremos experimentos basados en el concepto de diseño experimental, y a partir de los datos obtenidos determinaremos los parámetros y condiciones de operación que permitan lograr la separación completa.
En el diseño experimental, el valor característico que se optimiza o modela se denomina " respuesta ", y en el desarrollo de métodos esto incluiría la resolución o el número de picos. Por otro lado, los parámetros manipulables que se cree que afectan la respuesta se denominan " factores ", y en HPLC estos incluyen la temperatura de la columna y el caudal de la fase móvil.
En este ejemplo, el estudio se lleva a cabo en dos pasos: "Un experimento (experimento de cribado) para delimitar los factores importantes entre muchos factores" y "Un experimento (experimento de optimización) para encontrar las condiciones óptimas ajustando un modelo más preciso (modelo de superficie de respuesta) utilizando los factores del cribado".
- Experimento de detección : extracción de factores efectivos de un gran número de factores que se cree que afectan la respuesta
- Experimentos de optimización (superficies de respuesta) : búsqueda de configuraciones de factores que satisfagan un objetivo de respuesta (maximización, minimización, etc.)
En JMP, utilizamos " Diseño personalizado ", un método típico de creación de diseños, y procedemos con el análisis utilizando los siguientes pasos. 
1. Experimento de detección
Objetivo: Detectar los factores que afectan la resolución.
Como resultado de la evaluación de riesgos, se seleccionaron cinco factores que se cree que afectan el rendimiento de la separación (mostrados en amarillo en la figura siguiente).
Las condiciones para los factores son las siguientes:
| factor |
role |
Límite inferior |
Límite superior |
| pH |
continuo |
7 |
9 |
| Temperatura de la columna (℃) |
continuo |
35 |
45 |
| ACN（%） |
continuo |
30 |
50 |
| Caudal (mL/min) |
continuo |
1.4 |
1.6 |
| Tipo de columna |
Categórico |
C1, C2, C3, C4 |
pH: pH del tampón de la fase móvil;Temperatura de la columna: temperatura de la columna.ACN(%): Porcentaje de disolvente orgánico (acetonitrilo) en la fase móvil
Caudal: Velocidad de flujo de la fase móvil.Tipo de columna: Tipo de columna (4 tipos: C1 a C4)
*Este es un ejemplo de elución isocrática (la composición de la fase móvil es constante).
Crear un plan
- Inicie “Diseño personalizado” y configure “Respuesta”, “Factores” y “Modelo”.
- Aquí, el modelo (factores a evaluar) incluye los principales efectos e interacciones ("pH*Temperatura de columna", "pH*ACN", "pH*Tasa de flujo", "Temperatura de columna*ACN", "Temperatura de columna*Tasa de flujo" y "ACN*Tasa de flujo").
- En Crear diseño, acepte el número predeterminado de ejecuciones (24).
Ingresar valores de respuesta y ajustar el modelo
- Se le presentarán 24 experimentos basados en un diseño óptimo, por lo que deberá realizar los experimentos e ingresar los valores de respuesta (grado de separación).
- Después de ingresar los valores de respuesta, ejecute el script "Modelo" en la parte superior izquierda de la tabla de datos (haga clic en el botón verde ▷). A continuación se montará el modelo especificado en el diseño personalizado.
Ajuste del modelo y selección de factores importantes
Consulte el "Resumen de efectos" en el informe que se muestra e identifique los factores importantes mediante la "agrupación por error", que elimina los factores con valores P grandes en orden.
En este ejemplo, los factores importantes se seleccionaron como "pH", "ACN", "Temperatura de columna" y "pH*Temperatura de columna".
Por lo tanto, en los experimentos de optimización posteriores, utilizamos "pH", "ACN" y "Temperatura de columna" como factores.
*Aquí, utilizamos "agrupación por error" para identificar factores importantes, pero también se pueden utilizar otros métodos, como métodos de selección de variables por pasos.
2. Experimentos de optimización (superficie de respuesta)
En este paso, además de la Resolución**, también se establece N de picos como respuesta, y se crea y optimiza una superficie de respuesta.
Las respuestas y factores considerados son:
| respuesta |
especificación |
| Resolución |
1.5 o superior |
| N de picos |
6 o más |
| factor |
role |
Límite inferior |
Límite superior |
| pH |
continuo |
7 |
9 |
| Temperatura de la columna (℃) |
continuo |
35 |
45 |
| ACN(%) |
continuo |
30 |
50 |
Crear un plan
- Inicie “Diseño personalizado” y configure “Respuesta” y “Factores”.
- Especifique el modelo de superficie de respuesta haciendo clic en el botón [RSM] como "Modelo".
- En Crear diseño, acepte el número predeterminado de ejecuciones (16).
*El modelo de superficie de respuesta es un modelo que incluye efectos principales, interacciones de segundo orden y términos al cuadrado como efectos.
*El diseño creado con 16 experimentos es consistente con el "Diseño Compuesto Central (CCD)".
Introducción de valores de respuesta y ajuste de modelos de superficie de respuesta
- Ingrese los valores de respuesta como en el experimento de detección y ejecute el script "Modelo" para ajustar el modelo de superficie de respuesta.
Optimización, diseño de espacios de construcción
- El informe "Perfilador de predicción" le permite comprobar visualmente la relación entre los factores (eje horizontal) y las respuestas (eje vertical) en la ecuación de predicción.
- Buscamos una combinación de factores que cumplan con nuestros objetivos (Resolución ≧ 1,5, N de picos ≧ 6) seleccionando [Optimización y satisfacción] > [Maximizar satisfacción] ( optimización ).
- La imagen de la parte inferior derecha muestra la configuración optimizada. Cuando pH=8,38, temperatura de columna=40,98℃ y ACN=30%, el valor previsto de resolución es 2,45 y el valor previsto de N de picos es 7,39, lo que cumple con las especificaciones de respuesta.
El JMP Contour Profiler le permite identificar visualmente la región del espacio factorial que cumple con las especificaciones ( espacio de diseño ).
A continuación se muestran los contornos de las condiciones de optimización.Cuando la temperatura de la columna se fija a 40,98 °C, el pH está en el eje horizontal y el ACN está en el eje vertical, el área de contorno blanco es el rango que cumple con las especificaciones. Esta región también contiene el valor óptimo encontrado por Maximizar Deseabilidad.
Al construir un espacio de diseño, se realizan experimentos de confirmación cerca de las condiciones óptimas (se realizan experimentos en las condiciones óptimas para confirmar si los valores de respuesta obtenidos cumplen con las especificaciones). Si el experimento de confirmación resulta libre de problemas, se considerará establecer como espacio de diseño un área rectangular dentro del área blanca en la parte inferior derecha del mapa de contorno anterior, teniendo en cuenta los requisitos técnicos específicos.
Información de referencia
■Nuevo caso de usuario: Ono Pharmaceutical Co., Ltd. (Ejemplo de uso de JMP para el desarrollo de métodos analíticos)
Compañía farmacéutica Ono, Ltd. | JMP
■Fundamentos del diseño de experimentos (DOE) utilizando JMP y ejemplos (YouTube)
por Naohiro Masukawa (JMP Japón)
Naohiro Masukawa - Comunidad de usuarios de JMP
