单克隆抗体 (mAb) 改变了治疗格局，为癌症、自身免疫性疾病和罕见遗传病提供了靶向治疗。与小分子不同，mAb 是大分子、高度特异性的蛋白质，能够精确结合疾病相关靶点，最大限度地减少脱靶效应并改善患者预后。
在生物制药行业，中国仓鼠卵巢 (CHO) 细胞因其与人体兼容的翻译后修饰、高产率和熟悉的监管规定，仍然是 mAb 生产的黄金标准。然而，基于 CHO 的系统非常复杂，其固有的变异性受基因表达、代谢变化和培养条件的影响。这种变异性会影响关键质量属性 (CQA)，例如糖基化、聚集和生物活性，因此，深入了解工艺至关重要。
Figure 1: Typical lifecycle图 1：典型的生命周期
从开发到商业化：mAb的生命周期
从细胞系开发到商业化生产涉及一系列相互关联的阶段：
- 细胞系开发：基因插入、克隆筛选和60至80代的稳定性评估。
- 上游工艺开发：优化培养基、补料和生物反应器参数，以最大限度提高产量和质量。
- 下游工艺开发：纯化策略，例如蛋白 A 色谱法和杂质去除。
- 分析发展：效力、纯度和稳定性测试，并明确定义产品规格。
- 扩大规模和技术转让：通过工艺表征和验证实现从实验室到工厂的转变。
- 监管备案和商业化：CMC 文档、持续过程验证 (CPV) 和生命周期管理。
Figure 2: An overview of CPV图2：CPV概述
为什么数据驱动的决策至关重要
在基于CHO的生物加工中，即使pH值、温度或进料策略的微小变化也可能会显著改变关键质量属性（CQA）。先进的分析技术使科学家能够识别关键工艺参数（CPP），评估工艺稳定性，并在偏差影响产品质量之前进行预测。
Figure 3: Decision tree for designating parameter criticality图 3：指定参数关键性的决策树
在整个工作流程中应用 JMP
JMP为生物制药研发团队提供集成的统计环境，包括：
- 实验设计（DOE）：有效地筛选和优化过程变量。
- 多元分析（MVA）：检测过程参数和CQA之间的关系。
- 主成分分析（PCA）：简化复杂的数据集以进行克隆或流程评估。
- 控制策略开发：实施单变量和多变量监控以维持过程控制。
- 稳定性和可比性研究：使用控制图、公差区间和模拟来确保产品一致性。
确保持续的过程控制
在 JMP 控制图和趋势分析工具的支持下，CPV 框架有助于及早发现偏差——无论是单点异常值（纳尔逊规则 1），还是随时间推移的细微漂移（规则 5 或 6）。这种警惕性可以降低产品偏差的风险，并支持合规性。
| 规则 ＃ |
描述 |
适应症 |
敏感度 |
mAb 上游工艺原因调查示例 |
| 1 |
一个点超出控制限 (UCL 或 LCL)。 |
强烈表明过程失控。 |
高（检测到较大的变化） |
单个批次的mAb 滴度显著低于正常水平。这可能是由于严重污染事件、突发设备故障（例如叶轮故障）或关键原材料问题造成的。 |
| 2 |
中心线同一侧的九个或更多连续点。 |
过程平均值的变化。 |
中等（检测持续的变化） |
mAb滴度在多个批次中持续呈下降趋势。这可能是由于关键培养基成分的逐渐降解、细胞系在传代过程中性能的细微变化或持续的环境漂移（例如，培养箱内温度的轻微变化）造成的。 |
| 3 |
六个或更多连续点不断增加或减少。 |
过程中的趋势。 |
中等（检测系统性变化） |
乳酸产量在多个批次中稳步上升。这可能表明由于培养基成分变化、补料策略制定不理想或抑制性副产物积累，导致细胞代谢发生改变。 |
| 4 |
十四个或更多连续的点交替上下。 |
振荡，表明调整过度或因素相互影响。 |
低（在许多过程中不太常见） |
溶解氧 (DO) 水平在每个进料添加周期中呈现出一致的上升和下降模式，这表明控制回路调节不稳定或进料速率和氧气需求之间存在相互作用。 |
| 5 |
三个连续点中有两个点距离中心线（同一侧）超过两个标准差。 |
过程平均值的变化较小。 |
中等到高（比规则 1 更敏感） |
近期三批样品中，有两批糖基化水平略高于平均水平（例如，%G0F）。这可能表明培养条件（例如pH值或温度设定值）发生了微小变化，或补料成分略有变化。 |
| 6 |
五个连续点中有四个点距离中心线（在同一侧）超过一个标准差。 |
即使是较小的转变或增加的变化。 |
中等（对较小变化敏感） |
生物反应器中最近五次pH测量结果中有四次略低于目标范围。这可能是控制系统漂移的开始，pH探头的小问题，或培养基缓冲能力的细微变化。 |
| 7 |
连续十五个点均位于中心线的一个标准差内（两侧）。 |
减少可能由人为因素或数据问题引起的过程变化。 |
低（表示缺乏预期的变化） |
许多批次的细胞活力测量值变化很小，引起人们对检测的准确性或灵敏度的怀疑，或可能表明过程异常稳定（并且可能不具代表性）。 |
| 8 |
存在八个连续点，其中没有一个点位于中心线的一个标准差范围内（两侧均有）。 |
双峰分布或从具有不同均值的多个过程中进行抽样。 |
低（表示“区域避开”） |
在并行运行的不同生物反应器中观察到的细胞生长率的双峰分布，可能是由于它们的操作条件或种子培养历史的细微差异造成的。 |
结论
对于生物制药公司的首席科学家和管理人员来说，将统计分析整合到单克隆抗体生命周期的每个阶段不再是可有可无的，而是至关重要的。JMP 提供了全面的工具包，可将复杂的生物过程数据转化为洞察，从而帮助从早期开发到商业供应的各个环节做出更快、更可靠的决策。
立即访问JMP 应用市场下载全面且免费的生物制药工具包！
致谢：与 Aragen Life Sciences 总经理 Prithwish Dey ( @prithwishdey ) 合作撰写，他的贡献对于这项工作至关重要。
单克隆抗体 (mAb) 改变了治疗格局，为癌症、自身免疫性疾病和罕见遗传病提供了靶向治疗。与小分子不同，mAb 是大分子、高度特异性的蛋白质，能够精确结合疾病相关靶点，最大限度地减少脱靶效应并改善患者预后。
在生物制药行业，中国仓鼠卵巢 (CHO) 细胞因其与人体兼容的翻译后修饰、高产率和熟悉的监管规定，仍然是 mAb 生产的黄金标准。然而，基于 CHO 的系统非常复杂，其固有的变异性受基因表达、代谢变化和培养条件的影响。这种变异性会影响关键质量属性 (CQA)，例如糖基化、聚集和生物活性，因此，深入了解工艺至关重要。
图 1：典型的生命周期
从开发到商业化：mAb生命周期
从细胞系开发到商业化生产涉及一系列相互关联的阶段：
-
细胞系开发：基因插入、克隆筛选和 60-80 代的稳定性评估。
-
上游工艺开发：优化培养基、进料和生物反应器参数，以最大限度提高产量和质量。
-
下游工艺开发：纯化策略，如蛋白质 A 色谱法和杂质去除。
-
分析开发：效力、纯度和稳定性测试，并明确定义产品规格。
-
扩大规模和技术转让：从实验室到工厂的转变，包括工艺特性和验证。
-
监管备案和商业化： CMC 文档、持续工艺验证 (CPV) 和生命周期管理。
图2：CPV概述
为什么数据驱动的决策至关重要
在基于CHO的生物加工中，即使pH值、温度或进料策略的微小变化也可能会显著改变关键质量属性（CQA）。先进的分析技术使科学家能够识别关键工艺参数（CPP），评估工艺稳定性，并在偏差影响产品质量之前进行预测。
图 3：指定参数关键性的决策树
在整个工作流程中应用 JMP®
JMP 为生物制药研发团队提供集成的统计环境，以便：
-
实验设计（DoE）：有效筛选和优化过程变量。
-
多元分析（MVA）：检测过程参数和CQA之间的关系。
-
主成分分析（PCA）：简化复杂数据集以进行克隆或过程评估。
-
控制策略开发：实施单变量和多变量监控以维持过程控制。
-
稳定性和可比性研究：使用控制图、公差区间和模拟来确保产品一致性。
确保持续的过程控制
在 JMP 的控制图和趋势分析工具的支持下，CPV 框架有助于及早发现偏差——无论是单点异常值（纳尔逊规则 1）还是随时间推移的细微漂移（规则 5 或 6）。这种警惕性可以降低产品偏差的风险，并支持合规性。
| 规则 ＃ |
描述 |
适应症 |
敏感度 |
mAb 上游工艺原因调查示例 |
| 1 |
一个点超出控制限 (UCL 或 LCL)。 |
强烈表明过程失控。 |
高（检测到较大的变化） |
单个批次的mAb 滴度显著低于正常水平。这可能是由于严重污染事件、突发设备故障（例如叶轮故障）或关键原材料问题造成的。 |
| 2 |
中心线同一侧的九个或更多连续点。 |
过程平均值的变化。 |
中等（检测持续的变化） |
mAb滴度在多个批次中持续呈下降趋势。这可能是由于关键培养基成分的逐渐降解、细胞系在传代过程中性能的细微变化或持续的环境漂移（例如，培养箱内温度的轻微变化）造成的。 |
| 3 |
六个或更多连续点不断增加或减少。 |
过程中的趋势。 |
中等（检测系统性变化） |
乳酸产量在多个批次中稳步上升。这可能表明由于培养基成分变化、补料策略制定不理想或抑制性副产物积累，导致细胞代谢发生改变。 |
| 4 |
十四个或更多连续的点交替上下。 |
振荡，表明调整过度或因素相互影响。 |
低（在许多过程中不太常见） |
溶解氧 (DO) 水平在每个进料添加周期中呈现出一致的上升和下降模式，这表明控制回路调节不稳定或进料速率和氧气需求之间存在相互作用。 |
| 5 |
三个连续点中有两个点距离中心线（在同一侧）超过 2 个标准差。 |
过程平均值的变化较小。 |
中等到高（比规则 1 更敏感） |
近期三批样品中，有两批糖基化水平略高于平均水平（例如，%G0F）。这可能表明培养条件（例如pH值或温度设定值）发生了微小变化，或补料成分略有变化。 |
| 6 |
五个连续点中有四个点距离中心线（在同一侧）超过 1 个标准差。 |
即使是较小的转变或增加的变化。 |
中等（对较小变化敏感） |
生物反应器中最近五次pH测量结果中有四次略低于目标范围。这可能是控制系统漂移的开始，pH探头的小问题，或培养基缓冲能力的细微变化。 |
| 7 |
连续十五个点均位于中心线 1 个标准差范围内（两侧）。 |
减少可能由人为因素或数据问题引起的过程变化。 |
低（表示缺乏预期的变化） |
许多批次的细胞活力测量值变化很小，引起人们对检测的准确性或灵敏度的怀疑，或可能表明过程异常稳定（并且可能不具代表性）。 |
| 8 |
存在八个连续点，且没有一个点位于中心线 1 个标准差范围内（两侧均如此）。 |
双峰分布或从具有不同均值的多个过程中进行抽样。 |
低（表示“区域避开”） |
在并行运行的不同生物反应器中观察到的细胞生长率的双峰分布，可能是由于它们的操作条件或种子培养历史的细微差异造成的。 |
结论
对于生物制药公司的首席科学家和管理人员来说，将统计分析整合到单克隆抗体生命周期的每个阶段不再是可有可无的，而是至关重要的。JMP 提供了全面的工具包，可将复杂的生物过程数据转化为切实可行的洞察，从而帮助从早期开发到商业供应的整个过程中做出更快、更可靠的决策。
立即访问JMP 应用市场下载全面的生物制药工具包 - 免费！
