Pharmaron 開發了一種平台工藝，用於生成腺相關病毒 (AAV) 基因療法，並配備了一套高度適應性的工具箱，可管理不同的 AAV 產品和血清型。我們的工具箱能夠透過生產可行性評估快速評估產品與我們平台的兼容性，並可對多個參數進行精細調整，從而實現針對性的製程最佳化。
藥明康德最佳化方法的關鍵工具之一是實驗設計 (DOE)。我們展示如何透過中心複合 DOE 方法，確定初始 AAV 純化製程捕捉步驟的最佳停留時間、載藥密度和載藥 pH 值，從而最大限度地提高單體 AAV 的回收率。最佳載藥條件透過衣殼 ELISA 和多角度動態光散射 (MADLS) 測定滴度，並透過動態光散射 (DLS) 測定單體百分比來確定。 DOE 分析表明，載藥密度與單體含量之間存在密切聯繫，更高的載藥密度可帶來更高的單體病毒產量。載藥 pH 值和停留時間對回收率和單體性的影響可以忽略不計。
大家好，我叫Damon Ho，是Pharmaron Biologics UK（位於利物浦）的三級科學助理。感謝各位收聽本次演講。我非常榮幸能在Pharmaron Biologics完成這項工作，這是我在利物浦約翰摩爾斯大學實習期間完成的。更令人高興的是，JMP在我們優化捕捉色譜步驟的過程中發揮了至關重要的作用。
接下來是海報的第一部分。為了讓可能之前不了解我們的人認識Pharmaron，我們是一家領先的醫藥研發服務供應商，業務遍及全球。我們在利物浦的實驗室目前致力於基於病毒載體的基因療法開發和臨床生產，並專注於腺相關病毒（AAV）。
在 Pharmaron，我們擁有令人印象深刻的平台工藝，可以生產多種 AAV 血清型和產品，如圖 1 所示。
此製程採用深度過濾，然後進行捕獲色譜，再進行中間精製色譜，再進行精製色譜，然後進行製劑步驟，最後進行無菌過濾。
現在，我將向大家介紹我們的機器人以及JMP軟體的應用。我們非常自豪地宣布，我們擁有一台名為Beckman Biomek i7的先進高通量製程開發機器人，如圖2和圖3所示，它可以快速評估產品與我們平台的契合度，並最終調整參數，使其無縫整合到我們的製程流程中。
結合使用這款機器人進行 HTPD 和 JMP 進行 DoE，我們可以在比傳統方法短得多的時間內生產出高產量、高純度的藥物產品。
本海報重點介紹如何優化我們平台製程中 AAV 產品的初步捕捉色譜步驟。
使用JMP軟體設計了實驗設計（DoE），以確定最佳的進樣條件。選擇三個因素進行最佳化，分別是停留時間、進樣密度和進樣pH值，並以病毒滴度和病毒聚集作為輸出指標。
現在，讓我們來快速了解一下JMP中實驗設計（DoE）是如何實現的。之所以選擇中心複合設計（CCD）來創建DoE，原因有很多。首先，CCD只需要最少數量的因子組合即可估計主效應，並且能夠分析雙因子交互作用和二次效應。
CCD 還具有良好的擬合度檢測功能，可以輕鬆顯示哪些因素會影響所選結果，並且可以透過 JMP 中提供的各種工具進行圖形分析，正如您在海報中看到的那樣。
在 JMP 中建立中心複合設計 (CCD) 時，首先選擇響應曲面設計，輸入上樣 pH 值、上樣密度和停留時間等參數名稱，然後輸入預先定義的高低範圍。目標是最大化單體病毒含量和病毒衣殼回收率，因此這些參數輸入在反應部分。
該軟體非常靈活，您可以隨時在最終模型中添加更多回應。在本例中，由於使用的是傳統的CCD相機，因此選擇了臉部作為測量點。中心點進行了三次重複測量。之後，即可產生CCD數據。透過CCD模型，共生成了17種不同的實驗條件，這些條件包含不同的低、中、高參數。中心點定義為構成CCD模型基礎的所有中等參數，而低參數和高參數則作為探針，用於測試各因素之間的交互作用和影響。
由此形成一個三維響應曲面，可以相當精確地預測各因素之間的交互作用。利用JMP軟體，可以對最終條件進行假設，並在後續的驗證性運行中進行檢驗。
我們的HTPD機器人用於小規模捕捉色譜分析，可同時運行多種條件，而這在實驗室規模下需要花費更長的時間。該系統的自動化特性使其能夠實現高精度和高重複性的分析過程。
在 Biomek i7 平台上完成所有條件後，我們利用世界一流的分析技術，透過酶聯免疫吸附試驗、縮短的雙化器和多角度動態光散射（也稱為 MADLS）來測量 AAV 衣殼滴度。
採用常規動態光散射法（DLS）測定單體病毒含量。 JMP不僅用於實驗研究設計，也用於結果分析。
分析資料取得後，將其導入JMP軟體，並以多種方式進行視覺化，包括圖4、圖4a、4b和4c所示的對比圖。運行模擬產生數萬個虛擬結果，用於建立最佳化模型，並與真實世界的實驗數據進行比較，從而建立模型的置信度。如圖5所示。
等高線圖突顯了較高載藥密度的影響，如圖 4a 中棕色部分所示，較高載藥密度會增加病毒單體含量。然而，分析衣殼 ELISA 回收率（如圖 4b 所示）發現，較低的載藥密度（圖中也以棕色顯示）卻能獲得最高的衣殼產量。圖 4c 中的 MADLS 數據對此提出了質疑，該數據提供了證據，支持較高載藥密度會增加病毒單體含量（圖中以棕色以及右下角的紅色和橙色部分顯示）。
一個重要的考慮因素是，MADLS 無法測量聚集體，因此證實了 DLS 的結果。 pH 值和停留時間對衣殼滴度、MADLS 或 DLS 結果均無顯著影響，因此本海報中未包含等高線圖。
現在，我們可以開始解釋研究結果了。在分析了三種學習條件後，學習密度對衣殼回收率和AAV的單體性質影響最為顯著，這可以從圖6所示預測分析器左側移植線上的陡峭梯度看出。
中心圖所示的停留時間對單體病毒或衣殼 ELISA 回收率沒有任何顯著影響，這由預測分析器的近乎水平的線表明。
右圖所示的負載 pH 值對衣殼回收率或單體病毒也沒有顯著影響，其曲線也接近水準。
實驗設計建議的最佳條件是：在pH條件A下，採用較高的上樣密度、較短的停留時間和上樣量。這是該模型的理想結果，因為較高的上樣密度意味著只需更少的捕獲色譜介質即可達到相同的目標上樣密度。
更短的停留時間也意味著更快的流程，從而簡化了 AAV 裝載階段。
負載 pH 條件 A 也是理想的選擇，因為它不需要調整負載材料的 pH 值，從而節省負載材料製備時間。
利用實驗設計（DoE）確定的最佳化裝載條件，可以進行驗證性運作以確認DoE的輸出結果。一旦確認，這些最佳條件即可用於放大實驗，該實驗旨在獲得高品質、高純度和低雜質的AAV產品。
這種方法實現了對 Pharmaron 平台製程中捕獲色譜步驟的快速、低資源需求和低成本評估，從而優化了我們的捕獲色譜步驟。
整個優化實驗只花了三天就完成了。如果是在實驗室規模下進行，則需要數週時間才能完成，而且會消耗更多的AAV材料，成本也會高得多，因為一次只能運行一種實驗條件。
將JMP軟體與我們的高通量製程開發（HTPD）能力結合，可以讓我們針對特定基因治療產品的需求，對平台製程進行穩健的最佳化。這大大加快了可行性研究和最佳化階段，而這兩個階段通常是製程開發過程中最耗時的環節。最終，這將顯著縮短從產品開發到成功將基因療法產品交付臨床患者所需的時間。
最後，我要感謝各位聆聽我的海報展示，希望大家對Pharmaron的業務以及JMP在我們產品開發流程中的重要性有所了解。非常感謝。
