QbD 열: QbD 부분 계승 실험편집자 주: 이 게시물의 작성자는 다음과 같습니다. @ronkenett , Anat Reiner-Benaim 및 @david_s ~의 조선인민군그룹 . 이는 다음과 같은 일련의 블로그 게시물의 일부입니다. QbD 칼럼 . 저자에 대한 자세한 내용을 보려면 위의 저자 커뮤니티 이름을 클릭하세요.
Ron KenettRon KenettRon KenettRon Kenett론 케네트
David SteinbergDavid SteinbergDavid SteinbergDavid Steinberg 데이비드 스타인버그
Anat Reiner-BenaimAnat Reiner-BenaimAnat Reiner-BenaimAnat Reiner-Benaim 아나트 라이너-베나임
처음 두 개의 게시물은 이 시리즈 제약 산업의 QbD(Quality by Design) 원칙과 방법을 설명했습니다. 이제 초점은 다음의 역할로 이동합니다. 실험적 설계 QbD에서.
제약 산업에서 품질 중심 설계(Quality by Design)는 의약품 개발 및 의약품 제조 공정에 대한 체계적인 접근 방식입니다. QbD에서는 통계적으로 설계된 실험을 사용하여 프로세스 및 제품 요소가 중요한 품질 속성에 어떻게 영향을 미치는지 효율적이고 효과적으로 조사합니다. 이는 고품질 제품을 제공하기 위해 입증된 생산 조건 모음인 "디자인 공간"의 결정으로 이어집니다. QbD 제출을 하는 회사는 규제 완화를 받습니다. 즉, 사전 승인 없이 설계 공간 내 설정 조건 변경이 허용됩니다. 자주 듣는 말은 QbD 디자인 공간이 "말하고 실행하기"에서 "실행하고 말하기"로 이동하는 것이라는 것입니다. 변경 사항이 설계 공간 내에 있는 한 규제 기관은 이에 대한 정보만 알면 됩니다.
나노현탁액 연구: 예
이 게시물에서는 QbD 맥락에서 통계적으로 설계된 실험을 계획하고, 데이터를 수집하고, 통계 분석을 수행하고, 실용적인 결론을 도출할 때 고려해야 할 사항을 살펴봅니다. 이 예는 Verma et al. (2013).
실험의 목표는 수불용성 약물의 인기 있는 제제인 나노현탁액을 제조하는 과정을 탐색하는 것입니다. 나노현탁액은 DOWFAX와 같은 폴리머 및/또는 계면활성제로 안정화되는 개별 약물 입자의 콜로이드 분산액을 포함합니다. 나노현탁액은 작은 입자를 사용하여 생체 이용률을 향상시켜 용해도가 낮은 약물의 용해 속도를 높입니다. 더 큰 입자로 시작한 후 공정에서는 밀링을 사용하여 크기를 줄입니다. 현재 연구에서는 밀링 단계에서 미세유동화의 사용을 조사합니다.
CQA는 무엇이었나요?
Vermaet al. 실험에서 몇 가지 중요한 품질 특성(CQA)을 연구했습니다. 즉, 밀링 단계 마지막과 4주 저장 후 입자의 평균 크기입니다. 입자 사이의 정전기적 반발력이나 전하 반발력을 측정하여 안정성의 지표 역할을 하는 제타 전위 등이 있습니다. Vermaet al. 밀링 공정 전반에 걸쳐 입자 크기 분포는 물론 보관 중 입자 크기와 제타 전위를 추적하는 추가 데이터를 제공합니다. 여기서는 밀링 및 저장이 끝난 후 얻은 결과에 중점을 둘 것입니다. 다음 게시물에서는 시간 경과에 따른 이러한 결과의 궤적을 고려한 분석에 대해 설명하겠습니다.
비록 Verma et al. 이러한 CQA에 대한 특정 목표 값을 명시하지 않았지만 평균 입자 크기는 가능한 한 작아야 하며 제타 전위는 가능한 한 0에서 멀어야 한다고 썼습니다(더 큰 안정성을 나타냄).
프로세스 요인은 무엇이었나요?
팀은 연구에 5가지 다른 요인을 포함하기로 결정했습니다. 요인은 실험 설정과 함께 아래 표에 나열되어 있습니다. 첫 번째 인자인 인도메타신은 나노서스펜션으로 제조된 약물이다. 언급한 바와 같이, 약물에는 세 가지 다른 농도가 있었습니다.
실험 설계는 무엇이었나요?
실험은 중앙점이 있는 2단계 분수 계승으로 계획되었습니다. 분수 계승은 2였습니다. 5-1 각 정량적 요소를 극한 수준으로 활용한 디자인입니다. 6개의 중앙점이 추가되었습니다. 2 5-1 설계를 통해 모든 주효과와 모든 2요인 상호작용을 추정할 수 있습니다.
중심점은 설계에 여러 가지 유용한 기여를 합니다. 첫째, 데이터에 적합한 일부 모델을 선택하는 데 의존하지 않는 실험 변동의 추정치를 계산하는 데 사용할 수 있습니다. 둘째, CQA를 요인과 연관시키는 데 순수 2차 항이 필요한지 여부에 대한 몇 가지 확인 기능을 제공합니다. 그렇다면 설계 영역 중간 근처의 추정치에서 편향을 제거하는 데 도움이 됩니다. 그렇지 않은 경우에는 지역 중심에서 예측에 대한 더 나은 분산 속성으로 이어집니다. 그림 1은 주효과만 중요하다고 가정하고 수치적 요인의 중심점을 기준점으로 삼은 설계의 JMP 분산 프로파일러를 보여줍니다. 6개의 중심점을 삭제하면 기준 위치의 분산은 0.091σ에서 거의 40% 증가합니다. 2 0.125σ까지 2 . 설계 평가 도구는 포함할 중심점 수를 결정하는 데 매우 유용합니다.
그림 1: 6개의 중앙점이 있는 22-런 설계의 분산 프로파일러.
그림 2: Screening Design 플랫폼을 사용하여 디자인 선택.
디자인을 어떻게 생성할 수 있나요?
교과서의 예는 일반적으로 모든 요인이 숫자이고 중간 수준으로 설정될 수 있는 경우 중앙점을 표시합니다. 이 실험에서는 네 가지 요인이 수치적이지만 안정제 선택인 한 가지 요인은 범주형입니다. 이 설정에서 자연스러운 선택은 중앙 지점의 절반에 각 안정 장치를 사용하는 것인데, 이것이 우리가 여기서 사용한 디자인이었습니다.
디자인으로 구성하기가 쉽습니다. JMP Screening Design 플랫폼을 통해 암사슴 . 극단적인 설정으로 4가지 수치적 요인을 입력하고, 2단계 정성적 요인으로 안정기를 입력합니다. 차단 없이 16회 부분 계승을 선택합니다(이 연구에서는 필요하지 않음). 그런 다음 6개의 중앙점이 필요함을 나타냅니다. 그림 2는 이 과정의 최종 화면을 보여줍니다. Make Table을 클릭하면 이 연구에서 사용한 디자인이 생성됩니다.
분석 결과 무엇을 발견했나요?
우리의 분석에는 모든 주효과와 2요인 상호작용이 포함됩니다. 중심점을 어떻게 처리해야 합니까? 두 가지 가능성이 있습니다. 모델을 지정할 때 중심점을 무시하면 JMP는 이를 인식하고 출력에 적합성 부족 요약을 포함합니다. 요약에서는 중앙점의 평균을 요인 점의 평균과 비교하고 중앙의 반복실험에서 "순수 오류" 분산 추정값도 계산합니다. Verma et al. 실험에서는 실제로 각 안정 장치에 하나씩 두 개의 중심점이 있으므로 두 개의 중심점 평균이 있습니다. 결과적으로 6개의 중앙점은 적합성 부족(각 안정 장치에 대해 하나씩)에 대해 2df를 제공하고 순수 오류에 대해 4df를 제공합니다.
두 번째 접근 방식에서는 데이터 시트에 중앙점의 경우 1이고 계승점의 경우 0인 새로운 "중심점" 열을 생성하는 것부터 시작합니다. 중앙점 열에 대한 주효과와 안정 장치와의 상호 작용을 포함하면 적합성 부족으로 인해 2df가 선택됩니다. 이제 모델에는 순수 오류에 해당하는 정확히 4df의 오류가 있습니다. 이 방법의 장점은 계승 효과에 대한 p-값이 이제 순수 오류 분산 추정을 사용하여 계산된다는 것입니다.
그림 3, 4, 5는 요인과 상호 작용에 대한 정렬된 효과를 보여줍니다. 효과는 회귀 계수로 제공됩니다. 요인은 일반적으로 -1과 +1로 코딩되지 않고 실제 수준으로 여기에 입력되었기 때문에 계수의 크기는 요인의 강도뿐만 아니라 수준의 확산에 따라 달라집니다. 확산은 계수의 표준 오차에도 영향을 미칩니다. 결과적으로 JMP 요인 요약은 t-통계량 측면에서 효과의 강도를 정렬하고 그래픽으로 표시합니다.
그림 3: 밀링 단계가 끝날 때 평균 입자 크기에 대한 정렬된 매개변수 추정치입니다.
그림 4: 저장 단계가 끝날 때 평균 입자 크기에 대한 정렬된 매개변수 추정치입니다.
그림 5: 제타 전위에 대한 정렬된 매개변수 추정치.
입자 크기에 대해 어떤 결론을 내릴 수 있습니까?
밀링 후 평균 입자 크기는 500nm 미만에서 거의 1,000nm까지 다양했습니다. 일반적으로 저장 후 평균 크기가 약간 증가했습니다. 그림 6은 저장 전과 후의 평균 입자 크기 사이의 높은 상관 관계를 보여줍니다. 놀랍지 않게도 동일한 요인이 두 가지 반응을 모두 분석하는 데 지배적인 것으로 나타났습니다. 가장 강력한 요인은 가공 압력이며, 고압에서는 평균 입자 크기가 상당히 낮습니다.
안정제 또한 중요합니다. DOWFAX를 사용하면 입자 크기가 더 작아집니다. 안정제의 농도를 높이면 약간의 감소 효과가 나타나며, 이는 밀링 후에는 통계적으로 유의미하지만 저장 후에는 유의성의 경계(p=0.035)에 있습니다. 인도메타신의 농도와 가공 온도는 상대적으로 작은 영향을 미칩니다. 둘 다 밀링 후에 통계적 유의성에 도달하지만 압력 및 안정제의 영향에 비해 매우 작습니다.
분석 결과, 압력을 높이고 DOWFAX 안정제를 사용하는 것이 작은 입자 크기를 달성하는 열쇠라는 것이 분명하게 나타났습니다. 안정제의 농도를 높이면 밀링 후 입자 크기가 감소했지만 보관 후에는 그 효과가 작았습니다. 인도메타신의 농도가 낮고 온도가 높을수록 입자 크기가 작아졌지만 이러한 효과는 압력 및 안정제에 비해 작았습니다.
중앙점 평균은 계승점의 평균보다 훨씬 높으며 이는 일부 비선형성을 나타냅니다. 첫 번째 추측은 압력이 비선형 효과를 갖는 요인이라는 것입니다. 압력은 분명히 가장 강력한 수치 요인이기 때문입니다. 안정제 상호작용에 의한 중요한 중심점도 있습니다. 그림 7은 압력에 대한 밀링 후 평균 입자 크기의 플롯을 보여주며, 점은 안정제로 코딩됩니다. HPMC의 결과는 매우 선형적으로 보이지만 DOWFAX의 결과는 명확한 곡률을 보여줍니다. 이는 DOWFAX 안정 장치를 사용하면 압력이 14,000psi를 초과하면 압력 증가로 인한 이점이 뚜렷하지 않다는 것을 의미합니다.
그림 6: 보관 28일 후 평균 입자 크기와 보관 전 밀링 90분 후 평균 입자 크기의 플롯.
그림 7: 90분 동안의 밀링 후 평균 입자 크기 대 압력 그래프(안정제로 코딩됨). 압력은 1,000psi 단위로 제공됩니다.
제타 전위에 대해 어떤 결론을 내릴 수 있습니까?
제타 전위 범위는 -8에서 -76까지였습니다. 모두 음수이므로 "더 강한 음수" 전위로 이어지는 요인 설정이 바람직합니다. 제타 전위에 영향을 미치는 주요 요인은 안정제였으며 DOWFAX는 HPMC보다 평균 약 53단위 낮은 결과를 가져왔습니다. 안정제 농도의 효과도 약간 있었습니다. 농도의 효과는 DOWFAX를 사용한 제제로 제한되었으며 HPMC를 사용한 경우에는 효과가 미미했습니다. 예측 프로파일러를 사용하면 농도 효과의 이러한 변화를 쉽게 확인할 수 있습니다. 그림 8은 "선호되는 조건"에 대한 프로파일러를 보여줍니다. DOWFAX, 높은 안정제 농도 및 높은 압력, 인도메타신 및 온도를 중앙 수준으로 유지합니다. 안정제의 수직 막대를 플롯의 오른쪽 끝(HPMC의 경우)으로 밀면 제타 전위에 대한 농도 효과가 훨씬 약해짐을 알 수 있습니다.
그림 8: 작은 입자 크기와 큰 절대 제타 전위를 달성하기 위한 기본 조건의 예측 프로파일러.
디자인 공간에 대한 권장 사항
실험은 고압 및 DOWFAX 안정제를 사용하여 작은 평균 입자 크기를 달성할 수 있음을 보여주었습니다. 안정제 농도에는 약간의 효과가 있으며, 농도가 높을수록 입자 크기가 작아집니다. 제타 전위에 대한 주요 효과는 안정제입니다. 이번에도 DOWFAX가 더 나은 결과를 얻었습니다. 이러한 결과에 대한 사양 제한을 사용하면 설계 공간이 이전과 마찬가지로 결정될 수 있습니다. 이 시리즈의 두 번째 포스팅 . 온도의 영향이 작다는 것은 CQA에 해로운 영향을 주지 않고 작동 용이성이나 비용 절감과 같은 다른 기준에 의해 온도가 크게 설정될 수 있음을 의미합니다. 인도메타신 농도의 작은 효과는 연구 결과가 이 약물의 생산에 광범위하게 적용될 수 있음을 의미합니다.
다가오는 명소
다음 게시물에서는 확률론적 에뮬레이터를 사용하여 디자인 공간 내에서 견고한 디자인 설정을 달성하는 방법을 보여 드리겠습니다.
참조
베르마, S., 란, Y., Gokhale, R. 및 Burgess, DJ (2009). 나노현탁액 준비 과정을 이해하기 위한 설계 방식에 따른 품질. 국제 약학 저널, 377, 185-198.
이 게시물에서는 QbD 맥락에서 통계적으로 설계된 실험을 계획하고, 데이터를 수집하고, 통계 분석을 수행하고, 실용적인 결론을 도출할 때 고려해야 할 사항을 살펴봅니다.
