快速解答
Choose a modeling target from decision value, available data, uncertainty and validation cost. This article’s ordering is illustrative, not a measured industry…
1. 耦合效率和困难序列——肽制造中的数字孪生首先占据一席之地
多肽产品生产商 铜三肽-1 肽偶联效率模型可以在该密度下发挥作用的证据在流动合成中最为有力. 训练有素的深度学习模型 35,000 自动化快流合成器的脱保护反应预测了脱保护结果 6% 错误 (莫哈帕特拉等人。, 美国化学学会中央科学中心, 2020). 同一数据流携带第二个信号: 从脱保护峰形状读取聚合, 其中高斯拟合每个脱保护峰 (平均R² 0.97) 树脂质量校正的峰角给出了聚集的起始点 (流-SPPS数据分析, 2024).
监管机构已经注意到行进方向. 包含 AI/ML 组件的监管提交来自 1 在 2016 到 132 在 2021 (尼亚兹, 药品, 2025), CDER 提交的人工智能组件数量大幅增长 2016 到 2023, 跨越制造阶段和临床阶段 (FDA CDER, 当前页). CDER还在三月份发表了一篇关于药品制造中人工智能的讨论论文 2023 在其框架倡议下 (FDA CDER, 2023).
2. 杂质形成——肽制造中的数字孪生可以标记什么, 以及分析测试还需要证明什么
肽杂质预测获得第二名，因为它改变了您下一步运行的分析方法, 不是因为它取代了方法. 模型可以对给定序列和脱保护化学中可能的杂质进行排名; 它无法分配进入规范的级别.
化学反应已被充分理解，可以在机制层面进行建模. 天冬酰亚胺在天冬氨酸-甘氨酸上的形成很大程度上取决于脱保护碱基: 在模型六肽中 60 ℃, 20% 哌啶给出 17% 天冬酰亚胺同时 25% 二丙胺给出 4%, 并在 90 °C 哌啶给出 20% (人等人。, ACS欧米茄, 2023). 外消旋化有两种途径, 恶唑-5(4H)-激活过程中的一种形成和直接α-质子提取, 已知组氨酸在锚定和重复哌啶处理期间通过其咪唑环和 C 末端半胱氨酸差向异构化的倾向 (杜恩戈等人., 2023).
|
杂质等级 |
可能的司机 |
模型可以标记? |
确认方法 |
|---|---|---|---|
|
阿斯巴酰亚胺 |
基础强度, 温度, 天冬氨酸-甘氨酸基序 |
是的, 方向和等级 |
粗品的 LC-MS |
|
差向异构体 (D-氨基酸) |
激活途径, 他的, C端半胱氨酸 |
部分, 按残留量 |
手性GC-MS |
|
删除序列 |
不完全耦合 |
是的, 从耦合数据 |
具有序列覆盖率的 LC-MS/MS |
|
氧化, 脱酰胺化 |
乳沟, 烘干, 贮存 |
弱 |
肽图分析 |
|
抗衡离子, 残留溶剂 |
下游加工 |
氮 肽厂批发 哦 |
高效液相色谱法, 气相色谱, 卡尔费休 |
该确认栏不是可选的. USP 的肽参考标准方法通过 NMR 确定身份, 具有序列覆盖和氨基酸分析功能的 LC-MS/MS, 手性 GC-MS 测定的手性, 和 HPLC 面积加抗衡离子的纯度, 残留溶剂, 卡尔费休水和灼烧残渣 (美国药典, 2023).
使用预测来指导实验和过程理解. 根据相关质量和安全要求设定验收限制, 肽的类型 分析能力和合理的过程知识; 仅观察到的批次不得定义可接受的程度.
3. 切割和粗分离——肽制造中数字孪生帮助最小的步骤
风险是真实存在的，但无法很好地预测. 我们的 GMP 肽合成工艺开发文档列出了裂解过程中发生的氧化和脱酰胺作用, 纯化, 干燥或储存, 以及与肽相关的杂质中高分子量物质的聚集来控制. 它还指出，密切相关的变体可以共洗脱或仍然难以通过单一方法识别. 这些都是经验问题, 通过正交分析和更严格的池规则而不是预测模型来回答.
模型真正有帮助的地方是上游. 如果item中的耦合模型 1 已经告诉过你原油会很复杂, 您可以相应地规划切割和隔离工作量. 这就是规划的好处, 不是对分裂本身的预测.
4. 制备纯化——肽制造中的数字孪生与决定的柱数据相遇
肽纯化过程优化是模型和色谱柱数据必须一起使用的目标, 以及列数据通常获胜的地方. 决定的是梯度斜率, 负载比, 色谱柱尺寸和树脂批次, 并且公布的转移规则是经验性的.
标准分析到制备梯度规则开始浅梯度 12 低于分析洗脱浓度的百分点并运行 0.1% 乙腈每分钟. 跨越负载 0.75 到 200 毫克 9.4 内径毫米. 半制备柱, 平均回收率为 90.7% (肽的制备型 RP-HPLC, 2006). 模型可以在这样的负载点之间进行插值; 它不能替代在您的色谱柱和树脂批次上运行它们.
大喊: 模型输出支持流程决策. 它不能取代发布测试或合格人员的判断.
5. 数据, 验证和治理——肽制造中数字孪生的前提条件值得信赖
可追溯, 后续模型的使用需要可靠的输入和经过验证的处理. LIMS 或 MES 是可能的实施方案, 不是普遍的先决条件. 确定零件 11 适用性并控制系统的预期用途.
管辖参考文献是具体的. ICH Q13 关于过程模型的部分要求使用统计上合理的方法根据预定的验收标准验证预期用途, 考虑到测量和预测的不确定性 (我Q13, 2022); FDA 对 Q13 的采用 2023 使该指南适用于原料药生产 (美国食品药品监督管理局, 2023). 我Q8(R2)设计空间的定义设定了界限: 在空间内工作并不是一种改变, 搬到外面是 (我Q8(R2), 2009). 我Q9(R1) 基于风险的决策决定了给定单元操作需要多少建模工作 (美国食品药品监督管理局, 2023). 第 11 部分的审计跟踪要求意味着必须使用不会掩盖先前记录的带时间戳的跟踪来捕获模型输入和输出 (21 CFR部分 11, 当前文本). FDA的 2004 PAT框架, 这是明确自愿的, 是传感器层的框架 (美国食品药品监督管理局, 2004).
|
前提 |
治理参考 |
肽过程孪生的要求是什么 |
|---|---|---|
|
明确的预期用途 |
我Q13 |
验证前设定的验收标准, 不之后 |
|
操作空间有限 |
我Q8(R2) |
模型在其演示的领域内有效; 批准的设计空间是一个单独的监管概念 |
|
成比例的努力 合成肽生产商 |
我Q9(R1) |
在风险较高的地方进行更多验证 |
|
可追溯的记录 |
21 CFR部分 11 |
对每个输入和输出进行审计跟踪 |
|
传感器层 |
美国FDA专利申请 (自愿) |
实时数据赢得一席之地 |
EMA的 2025 AI观察站报告列出了制药过程模型, 包括数字孪生, 在申请人会议中提出的主题中 2023 到 2025 (EMA, 2025).
大喊: 附件 22 关于人工智能的草案是一项正在公开征求意见的草案 2025, 文本无效. 不要将其视为一项要求.
6. 如何评估合作伙伴的数字孪生主张——肽 R 清单&D决策者
求批量数据, 不是平台演示. 无法根据指定序列的测量结果显示模型预测的合作伙伴, 在指定规模, 尚未证明双胞胎. 以下问题遵循 ICH Q13 的预期用途适用性框架, 它要求在使用模型之前定义验收标准，而不是在使用模型之后重建 (我Q13, 2022).
|
要问的问题 |
为什么这很重要 |
弱答案是什么样的 |
|---|---|---|
|
模型是按照什么顺序和比例构建的? 购买多肽 |
型号是特定于配置的 |
“它概括了序列” |
|
验收标准是什么, 设置当? |
Q13 在验证之前需要它们 |
事后描述的标准 |
|
您能显示预测的粗纯度与测量的粗纯度吗? |
一项相关性能测试; 包括前瞻性评估和不确定性 |
没有测量覆盖的仪表板 |
|
如何捕获和审核输入? |
部分 11 适用于模型记录 |
“我们的平台负责合规” |
|
该型号的规定工作范围是多少? |
Q8(R2) 设计空间逻辑 |
没有明确的限制 |
|
它改变了哪些决定? |
整个列表的选择标准 |
关于“优化”的模糊说法 |
其中两个值得比平时更努力地推动. 关于输入, 询问哪些变量来自您自己的批次记录，哪些是文献默认值: 提供通用速率常数的耦合模型是关于您的过程的假设, 不是对其的描述. 关于覆盖范围, 询问模型不代表什么. 预测偶联效率但未提及共洗脱缺失变体的孪生模型具有明确的盲点, 提出这一点的合伙人比没有提出任何要求的合伙人更可信.
CoA 级证据是对话应该结束的地方. 求色谱图, 声称的预测背后的质谱和氨基酸分析, 因为单纯的纯度并不能确认身份, 密切相关的变体可以共洗脱或抵抗单一方法的识别. 可以根据要求生产该包的合作伙伴正在描述一个模型; 一个不能描述软件的人.
我们围绕该证据标准建立了自己的流程开发工作. MOL Changes 肽合成, 纯化和分析 QC 生成批次特定的色谱图, 这种评估取决于质量和氨基酸数据, 我们将建模视为决策支持而不是经过验证的双胞胎.
决策规则: 无法与命名序列和测量结果联系起来的声明是销售声明, 不是模型. 模型不能告诉你什么: 合作伙伴的化学团队是否可以根据模型标记的内容采取行动, 只有技术对话才能揭示. 如果您正在权衡建模建议, 我们很高兴讨论您的一个序列及其背后的批次数据的有效示例.
结论
对于每个单元操作, 湿实验室测量仍然决定. 耦合数据决定是否重新耦合; 色谱图决定杂质是否真实; 粗谱决定裂解后处理; 负载与恢复运行决定梯度. 该模型的工作是告诉您首先运行哪一个以及预期会发生什么, 为此，需要经过验证的输入, 规定的操作范围和审计跟踪.
制药公司 4.0 当模型和工作台一起设计时，肽工艺开发才有效, 不是当一个人被要求代替另一个人时. 从数据最密集、决策最频繁的单元操作开始. 如果您想重新了解双胞胎在您的流程中的位置, 或根据合伙人的主张, 我们的团队很乐意与您一起查看您的批次数据.
出版商披露: MOL Changes 提供肽服务并对此主题具有商业利益. 服务范围和能力声明是供应商的声明; 特定构造的可用性和性能需要项目特定的证据.
