單株抗體 (mAb) 改變了治療格局，為癌症、自體免疫疾病和罕見遺傳疾病提供了標靶治療。與小分子不同，mAb 是大分子、高度特異性的蛋白質，能夠精確結合疾病相關標靶，最大限度地減少脫靶效應並改善患者預後。
在生物製藥行業，中國倉鼠卵巢 (CHO) 細胞因其與人體相容的翻譯後修飾、高產率和熟悉的監管規定，仍然是 mAb 生產的黃金標準。然而，基於 CHO 的系統非常複雜，其固有的變異性受基因表現、代謝變化和培養條件的影響。這種變異性會影響關鍵品質屬性 (CQA)，例如糖基化、聚集和生物活性，因此，深入了解製程至關重要。
Figure 1: Typical lifecycle圖 1：典型的生命週期
從開發到商業化：mAb的生命週期
從細胞系開發到商業化生產涉及一系列相互關聯的階段：
- 細胞系開發：基因插入、克隆篩選和60至80代的穩定性評估。
- 上游製程開發：優化培養基、補料和生物反應器參數，以最大限度地提高產量和品質。
- 下游製程開發：純化策略，例如蛋白質 A 色譜和雜質去除。
- 分析發展：效力、純度和穩定性測試，並明確定義產品規格。
- 擴大規模和技術轉移：透過製程表徵和驗證實現從實驗室到工廠的轉變。
- 監理備案和商業化：CMC 文件、持續流程驗證 (CPV) 和生命週期管理。
Figure 2: An overview of CPV圖2：CPV概述
為什麼數據驅動的決策至關重要
在基於CHO的生物加工中，即使pH值、溫度或進料策略的微小變化也可能會顯著改變關鍵品質屬性（CQA）。先進的分析技術使科學家能夠識別關鍵製程參數（CPP），評估製程穩定性，並在偏差影響產品品質之前進行預測。
Figure 3: Decision tree for designating parameter criticality圖 3：指定參數關鍵性的決策樹
在整個工作流程中應用 JMP
JMP為生物製藥研發團隊提供整合的統計環境，包括：
- 實驗設計（DOE）：有效地篩選和優化過程變數。
- 多元分析（MVA）：檢測過程參數和CQA之間的關係。
- 主成分分析（PCA）：簡化複雜的資料集以進行複製或流程評估。
- 控制策略開發：實施單變量和多變量監控以維持製程控制。
- 穩定性和可比較性研究：使用控制圖、公差區間和模擬來確保產品一致性。
確保持續的製程控制
在 JMP 控製圖和趨勢分析工具的支持下，CPV 框架有助於及早發現偏差——無論是單點異常值（納爾遜規則 1），還是隨時間推移的細微漂移（規則 5 或 6）。這種警覺性可以降低產品偏差的風險，並支持合規性。
| 規則 ＃ |
描述 |
適應症 |
敏感度 |
mAb 上游製程原因調查範例 |
| 1 |
一個點超出控制限 (UCL 或 LCL)。 |
強烈表示過程失控。 |
高（檢測到較大的變化） |
單一批次的mAb 滴度顯著低於正常。這可能是由於嚴重污染事件、突發設備故障（例如葉輪故障）或關鍵原材料問題造成的。 |
| 2 |
中心線同一側的九個或更多連續點。 |
過程平均值的變化。 |
中（檢測持續的變化） |
mAb滴度在多個批次中持續呈下降趨勢。這可能是由於關鍵培養基成分的逐漸降解、細胞系在傳代過程中表現的細微變化或持續的環境漂移（例如，培養箱內溫度的輕微變化）所造成的。 |
| 3 |
六個或更多連續點不斷增加或減少。 |
過程中的趨勢。 |
中（檢測系統性變化） |
乳酸產量在多個批次中穩定上升。這可能表示由於培養基成分變化、補料策略制定不理想或抑制性副產物積累，導致細胞代謝改變。 |
| 4 |
十四個或更多連續的點交替上下。 |
振盪，表示調整過度或因素相互影響。 |
低（在許多過程中不太常見） |
溶解氧 (DO) 水平在每個進料添加週期中呈現一致的上升和下降模式，這表明控制迴路調節不穩定或進料速率和氧氣需求之間存在相互作用。 |
| 5 |
三個連續點中有兩個點距離中心線（同一側）超過兩個標準差。 |
過程平均值的偏移較小。 |
中等到高（比規則 1 更敏感） |
近期三批樣品中，有兩批糖基化程度略高於平均值（例如，%G0F）。這可能表示培養條件（例如pH值或溫度設定值）發生了微小變化，或補料成分略有變化。 |
| 6 |
五個連續點中有四個點距離中心線（在同一側）超過一個標準差。 |
即使是較小的轉變或增加的變化。 |
中（對較小變化敏感） |
生物反應器中最近五次pH測量結果中有四次略低於目標範圍。這可能是控制系統漂移的開始，pH探頭的小問題，或培養基緩衝能力的細微變化。 |
| 7 |
連續十五個點均位於中心線的一個標準差內（兩側）。 |
減少可能由人為因素或數據問題引起的過程變化。 |
低（表示缺乏預期的變化） |
許多批次的細胞活力測量值變化很小，引起人們對檢測的準確性或靈敏度的懷疑，或可能表明製程異常穩定（並且可能不具代表性）。 |
| 8 |
存在八個連續點，其中沒有一個點位於中心線的一個標準差範圍內（兩側均有）。 |
雙峰分佈或從具有不同平均值的多個過程中進行抽樣。 |
低（表示“區域避開”） |
在並行運行的不同生物反應器中觀察到的細胞生長率的雙峰分佈，可能是由於它們的操作條件或種子培養歷史的細微差異造成的。 |
結論
對於生物製藥公司的首席科學家和管理人員來說，將統計分析整合到單株抗體生命週期的每個階段不再是可有可無的，而是至關重要的。 JMP 提供了全面的工具包，可將複雜的生物過程數據轉化為洞察，從而幫助從早期開發到商業供應的各個環節做出更快、更可靠的決策。
立即造訪JMP 應用市場下載全面且免費的生物製藥工具包！
致謝：與 Aragen Life Sciences 總經理 Prithwish Dey ( @prithwishdey ) 合作撰寫，他的貢獻對於這項工作至關重要。
單株抗體 (mAb) 改變了治療格局，為癌症、自體免疫疾病和罕見遺傳疾病提供了標靶治療。與小分子不同，mAb 是大分子、高度特異性的蛋白質，能夠精確結合疾病相關標靶，最大限度地減少脫靶效應並改善患者預後。
在生物製藥行業，中國倉鼠卵巢 (CHO) 細胞因其與人體相容的翻譯後修飾、高產率和熟悉的監管規定，仍然是 mAb 生產的黃金標準。然而，基於 CHO 的系統非常複雜，其固有的變異性受基因表現、代謝變化和培養條件的影響。這種變異性會影響關鍵品質屬性 (CQA)，例如糖基化、聚集和生物活性，因此，深入了解製程至關重要。
圖 1：典型的生命週期
從開發到商業化：mAb生命週期
從細胞系開發到商業化生產涉及一系列相互關聯的階段：
-
細胞系開發：基因插入、克隆篩選和 60-80 代的穩定性評估。
-
上游製程開發：優化培養基、進料和生物反應器參數，以最大限度地提高產量和品質。
-
下游製程開發：純化策略，如蛋白質 A 色譜法和雜質去除。
-
分析開發：效力、純度和穩定性測試，並明確定義產品規格。
-
擴大規模和技術轉移：從實驗室到工廠的轉變，包括製程特性和驗證。
-
監理備案和商業化： CMC 文件、持續製程驗證 (CPV) 和生命週期管理。
圖2：CPV概述
為什麼數據驅動的決策至關重要
在基於CHO的生物加工中，即使pH值、溫度或進料策略的微小變化也可能會顯著改變關鍵品質屬性（CQA）。先進的分析技術使科學家能夠識別關鍵製程參數（CPP），評估製程穩定性，並在偏差影響產品品質之前進行預測。
圖 3：指定參數關鍵性的決策樹
在整個工作流程中應用 JMP®
JMP 為生物製藥研發團隊提供整合的統計環境，以便：
-
實驗設計（DoE）：有效篩選和最佳化製程變數。
-
多元分析（MVA）：檢測過程參數與CQA之間的關係。
-
主成分分析（PCA）：簡化複雜資料集以進行複製或製程評估。
-
控制策略開發：實施單變量和多變量監控以維持製程控制。
-
穩定性和可比較性研究：使用控製圖、公差區間和模擬來確保產品一致性。
確保持續的製程控制
在 JMP 的控制圖和趨勢分析工具的支持下，CPV 框架有助於及早發現偏差——無論是單點異常值（納爾遜規則 1）還是隨時間推移的細微漂移（規則 5 或 6）。這種警覺性可以降低產品偏差的風險，並支持合規性。
| 規則 ＃ |
描述 |
適應症 |
敏感度 |
mAb 上游製程原因調查範例 |
| 1 |
一個點超出控制限 (UCL 或 LCL)。 |
強烈表示過程失控。 |
高（檢測到較大的變化） |
單一批次的mAb 滴度顯著低於正常。這可能是由於嚴重污染事件、突發設備故障（例如葉輪故障）或關鍵原材料問題造成的。 |
| 2 |
中心線同一側的九個或更多連續點。 |
過程平均值的變化。 |
中（檢測持續的變化） |
mAb滴度在多個批次中持續呈下降趨勢。這可能是由於關鍵培養基成分的逐漸降解、細胞系在傳代過程中表現的細微變化或持續的環境漂移（例如，培養箱內溫度的輕微變化）所造成的。 |
| 3 |
六個或更多連續點不斷增加或減少。 |
過程中的趨勢。 |
中（檢測系統性變化） |
乳酸產量在多個批次中穩定上升。這可能表示由於培養基成分變化、補料策略制定不理想或抑制性副產物積累，導致細胞代謝改變。 |
| 4 |
十四個或更多連續的點交替上下。 |
振盪，表示調整過度或因素相互影響。 |
低（在許多過程中不太常見） |
溶解氧 (DO) 水平在每個進料添加週期中呈現一致的上升和下降模式，這表明控制迴路調節不穩定或進料速率和氧氣需求之間存在相互作用。 |
| 5 |
三個連續點中有兩個點距離中心線（在同一側）超過 2 個標準差。 |
過程平均值的偏移較小。 |
中等到高（比規則 1 更敏感） |
近期三批樣品中，有兩批糖基化程度略高於平均值（例如，%G0F）。這可能表示培養條件（例如pH值或溫度設定值）發生了微小變化，或補料成分略有變化。 |
| 6 |
五個連續點中有四個點距離中心線（在同一側）超過 1 個標準差。 |
即使是較小的轉變或增加的變化。 |
中（對較小變化敏感） |
生物反應器中最近五次pH測量結果中有四次略低於目標範圍。這可能是控制系統漂移的開始，pH探頭的小問題，或培養基緩衝能力的細微變化。 |
| 7 |
連續十五點均位於中心線 1 個標準差範圍內（兩側）。 |
減少可能由人為因素或數據問題引起的過程變化。 |
低（表示缺乏預期的變化） |
許多批次的細胞活力測量值變化很小，引起人們對檢測的準確性或靈敏度的懷疑，或可能表明製程異常穩定（並且可能不具代表性）。 |
| 8 |
存在八個連續點，且沒有一個點位於中心線 1 個標準差範圍內（兩側皆如此）。 |
雙峰分佈或從具有不同平均值的多個過程中進行抽樣。 |
低（表示“區域避開”） |
在並行運行的不同生物反應器中觀察到的細胞生長率的雙峰分佈，可能是由於它們的操作條件或種子培養歷史的細微差異造成的。 |
結論
對於生物製藥公司的首席科學家和管理人員來說，將統計分析整合到單株抗體生命週期的每個階段不再是可有可無的，而是至關重要的。 JMP 提供了全面的工具包，可將複雜的生物過程數據轉化為切實可行的洞察，從而幫助從早期開發到商業供應的整個過程中做出更快、更可靠的決策。
立即造訪JMP 應用市場下載全面的生物製藥工具包 - 免費！
