生物制药行业的快节奏要求其研发团队在更短的时间内开发工艺并交付产品。为了实现这一目标，我们在工艺开发阶段充分利用高通量（HT）设备。例如，上游开发中使用的ambr250和下游开发中使用的robocolumns等高通量设备已成为标准操作工具。
在上游工艺开发过程中，选择克隆株并确定工艺参数设定点是快速推进至临床阶段的关键步骤。多种工艺参数（温度、生物量、灌注速率和生产培养基）对药物活性成分的质量有显著影响。传统的实验设计方法需要进行大量的实验。为了简化这一过程，我们采用两种ambr菌株实施了D-最优因子设计。
本次报告将概述如何构建一个具有强大预测能力的有效设计。我们将利用先验知识并评估下游杂质清除能力，定义一个关键性能指标 (KPI) 矩阵。该 KPI 矩阵使我们能够选择性能最佳的克隆株，以及该克隆株稳定灌注工艺所需的工艺条件。该方法使我们能够开发一个在三个尺度上验证过的统计模型，该模型关联了所有工艺参数的影响、它们的交互作用以及二次效应对 KPI 的影响。这项工作的成果显著减少了上游工艺开发过程中的实验次数，同时为放大预测偏差和提前进行工艺表征工作提供了一个有价值的工具。
