隨著過程分析技術(shù)( process analysis technology，PAT) 在制藥行業(yè)越來越受到重視，美國食品藥品監(jiān)督管理局( FDA) 等官方機(jī)構(gòu)正在積極推動應(yīng)用PAT 技術(shù)，力圖從過程、工藝上保證產(chǎn)品的質(zhì)量，改變目前主要依靠認(rèn)證認(rèn)可檢查的現(xiàn)狀。本文綜述了制藥行業(yè)中的PAT 相關(guān)法規(guī)/指導(dǎo)原則發(fā)展進(jìn)程以及常用的PAT 工具和相關(guān)應(yīng)用進(jìn)展，為加強(qiáng)我國制藥行業(yè)對PAT 的理解提供一定參考，推動制藥企業(yè)將其融入生產(chǎn)過程，從藥品質(zhì)量的源頭抓起，提高藥品質(zhì)量。
過程分析技術(shù)( process analytical technology，PAT) 是主要指以保證產(chǎn)品最終質(zhì)量為目的，通過對藥品制造過程中有關(guān)原料、輔料等物料以及工藝的關(guān)鍵參數(shù)及指標(biāo)進(jìn)行實時測定的過程，是實現(xiàn)質(zhì)量源于設(shè)計( QbD) 理念的有效工具。采用PAT 用于優(yōu)化制藥工藝和質(zhì)量控制，實現(xiàn)藥品從研發(fā)到生產(chǎn)的技術(shù)銜接和產(chǎn)品質(zhì)量一致性，從而實現(xiàn)制藥工程項目的全生命周期管理。本文綜述了PAT 在制藥行業(yè)中的相關(guān)法規(guī)、工具及應(yīng)用等現(xiàn)狀，以期對我國制藥行業(yè)發(fā)展有所啟發(fā)。
1、制藥行業(yè)中的PAT相關(guān)法規(guī)/指導(dǎo)原則
PAT 理念最早源于1993 年美國分析化學(xué)家協(xié)會(AOAC) 發(fā)起的一次論壇，后于2004 年由美國食品藥品監(jiān)督管理局(FDA) 正式發(fā)布了關(guān)于PAT 的制藥工業(yè)指導(dǎo)原則［1-2］。同時也是制藥工業(yè)的第一個正式的法規(guī)性指導(dǎo)原則。該指導(dǎo)原則的發(fā)布，使得越來越多的制藥企業(yè)開始重視QbD 理念，并開始引入PAT 以實現(xiàn)藥品生產(chǎn)過程的全程監(jiān)控，以更好的保證藥品的質(zhì)量。
為了推行科學(xué)監(jiān)管理念，鼓勵制藥企業(yè)不斷創(chuàng)新與發(fā)展，各國監(jiān)管部門和組織均對PAT 的相關(guān)指南、標(biāo)準(zhǔn)或應(yīng)用作了極大的努力(圖1) ［3-5］。如FDA 于2006 年發(fā)布了動態(tài)藥品生產(chǎn)管理規(guī)范(CGMP) 工業(yè)指南， 2011 年發(fā)布了改版的工藝驗證指南， 2013 年美國注射劑協(xié)會發(fā)布的第60 號技術(shù)報告中，均在相關(guān)章節(jié)闡述了PAT 技術(shù)的重要性，以及相關(guān)技術(shù)規(guī)范及要求。2015 年FDA 又發(fā)布了工業(yè)界開發(fā)和申報近紅外分析方法指導(dǎo)原則草案。同時人用藥品注冊技術(shù)規(guī)定國際協(xié)調(diào)會(ICH) 也發(fā)布了多個相關(guān)文件， ICH Q8、ICHQ9、ICH Q10 和ICH Q12 等，來表達(dá)產(chǎn)品開發(fā)、技術(shù)轉(zhuǎn)移、商業(yè)化生產(chǎn)等行為中QbD 和PAT 理念的重要性，從而細(xì)化了PAT 在生產(chǎn)過程中需深刻理解的具體范圍和要求，是實施PAT 所需的理論基礎(chǔ)之一。
圖1 歐美制藥工業(yè)中過程分析技術(shù)( PAT) 相關(guān)指導(dǎo)原則概覽
同時歐美制藥發(fā)達(dá)國家的藥典為協(xié)助或推進(jìn)實行PAT技術(shù)，作了大量的工作，其中美國藥典(USP) 兩項最主要的工作是: 在其PAT 主要分析技術(shù)手段近紅外光譜＜ 1119 ＞和拉曼光譜＜ 1120 ＞ 章節(jié)中對二者作為PAT 應(yīng)用工具的應(yīng)用范圍、技術(shù)要求、儀器設(shè)備性能確認(rèn)等作了詳細(xì)的說明和規(guī)定。歐洲藥典(EP) 作為歐洲地區(qū)唯一的藥品質(zhì)量標(biāo)準(zhǔn)指導(dǎo)性文獻(xiàn)，由歐洲藥品質(zhì)量管理局(EDQM) 出版發(fā)行，其在EP10. 0 最新版本中增加了目前全球唯一的專門性PAT藥典指導(dǎo)原則: PAT(5. 25) 。其在具體內(nèi)容中著重于描述分析技術(shù)與制造過程的銜接，以此作為加強(qiáng)過程控制和提高過程理解的手段。并同時還新增或修訂了PAT 相關(guān)的多個技術(shù)章節(jié)，包括近紅外光譜(2. 2. 40) 、拉曼光譜(2. 2. 48) 、化學(xué)成像(5. 24) 、化學(xué)計量學(xué)方法用于分析數(shù)據(jù)(5. 21) 等。
由上述歐美國家制藥領(lǐng)域PAT 相關(guān)法規(guī)、指南及指導(dǎo)原則可知，PAT 技術(shù)于2004 年FDA 首次在制藥工業(yè)提出至今，隨著各類儀器技術(shù)的發(fā)展，以及連續(xù)制造(CM) 、智慧制造等理念的發(fā)展，PAT 技術(shù)已逐步從構(gòu)思、實驗室階段逐漸向制藥工業(yè)應(yīng)用化發(fā)展，并對各國的藥監(jiān)部門如何監(jiān)管審批提出了新的挑戰(zhàn)。
2、制藥行業(yè)中的PAT工具
PAT 中的分析是涉及多學(xué)科的綜合分析，PAT 中的過程是貫穿于整個藥品生產(chǎn)的過程。FDA 提出的PAT 測量包括3 種類型，即: 近線檢測(at-line)、在線檢測(on-line)、線內(nèi)檢測(in-line)。近線測量涉及將樣品從工藝流程轉(zhuǎn)移到分析設(shè)備，分析設(shè)備與工藝流程相互脫離，但又靠近工藝流程，使檢測過程延遲小，因此可以根據(jù)測量的結(jié)果進(jìn)行工藝調(diào)整。在線檢測是將生產(chǎn)過程中的樣品從生產(chǎn)裝備中引出后自動引入分析儀器進(jìn)行監(jiān)測并根據(jù)試驗性質(zhì)決定轉(zhuǎn)移的部分可否返回工藝流; 在線分析方式中，PAT 工具與生產(chǎn)流程分別作為側(cè)線與主線組合在一起。線內(nèi)檢測通過在生產(chǎn)設(shè)備或流程內(nèi)部需要檢測質(zhì)量的部位安裝傳感器或者測量探頭進(jìn)行分析工作，PAT 工具與生產(chǎn)設(shè)備往往可視作一體式。在線與線內(nèi)2種檢測方式將分析技術(shù)轉(zhuǎn)移到過程流中，通常支持快速和自動化的過程調(diào)整。
相比傳統(tǒng)的分析技術(shù)，PAT 具有以下優(yōu)勢: 促進(jìn)參數(shù)的快速測試而不破壞樣品; 可以立即做出關(guān)鍵決策和流程調(diào)整; 提高自動化程度，保證操作人員的安全性; 能夠確定和解釋所有的變異的關(guān)鍵來源; 使用的材料所建立的設(shè)計空間、工藝參數(shù)、制造、環(huán)境和其他條可以準(zhǔn)確可靠地預(yù)測產(chǎn)品質(zhì)量屬性［6］。
目前，PAT 研究的分析工具包括光譜技術(shù)、光學(xué)成像技術(shù)，動態(tài)光散射、氣相色譜(GC) 、質(zhì)譜(MS) 、核磁共振(NMＲ) 、紅外光譜(IＲ) 、紫外-可見光譜(UV-Vis) 及X 射線熒光(XＲF) 等。其中制藥行業(yè)研究最多，且應(yīng)用最廣的是光譜技術(shù)主要是: 近紅外光譜(NIＲ) 技術(shù)、拉曼(Ｒaman) 光譜技術(shù)［7］。
2.1近紅外光譜
由于NIＲ是PAT最常用的分析工具之一，各國藥典都有相關(guān)章節(jié)的收載。同時歐洲藥品管理局(EMA) 和FDA都要相關(guān)的重要指導(dǎo)原則。2015 年FDA發(fā)布了工業(yè)界開發(fā)和申報近紅外分析方法指導(dǎo)原則草案(＜ Development and submission of near infrared analytical procedures，Guidance for industry，Draft guidance ＞)，該指導(dǎo)原則明確了制藥工業(yè)在新藥申請及申請主文件中采用NIＲ方法的開發(fā)、驗證、變更需考慮的關(guān)注點以及需提交的文件資料。NIＲ光譜具有快速、無損和同時測定多種性質(zhì)的優(yōu)勢，已逐步應(yīng)用于藥品生產(chǎn)的多個環(huán)節(jié)，如混合、干燥、壓片、包衣、預(yù)處理、包裝等，為生產(chǎn)過程提供在線、實時的質(zhì)量信息［8］。
現(xiàn)代NIＲ技術(shù)由NIＲ儀、化學(xué)計量學(xué)軟件技術(shù)和統(tǒng)計校正模型3個部分組成。一般操作流程是，根據(jù)樣品的NIＲ譜圖特性，采用適合的化學(xué)計量學(xué)方法，建立校正模型，實現(xiàn)定性、定量分析或者在線過程分析。此外，硬件部分，干涉儀的發(fā)展和應(yīng)用促使傅里葉變換型光譜儀的抗震能力大大增強(qiáng)，可實現(xiàn)便攜、車載的功能，大大增強(qiáng)了其應(yīng)用于生產(chǎn)過程環(huán)境的適用性。
2.2拉曼光譜
盡管近紅外光譜技術(shù)在制藥行業(yè)仍占主導(dǎo)地位，但Ｒaman光譜技術(shù)的利用正變得越來越廣泛。Ｒaman 光譜是一種非彈性散射光譜，因為其與入射光頻率不同的散射光譜進(jìn)行分析以得到分子振動、轉(zhuǎn)動方面信息，并應(yīng)用于分子結(jié)構(gòu)研究的一種分析方法。
藥物的生產(chǎn)過程很容易導(dǎo)致晶型轉(zhuǎn)化，特別是當(dāng)亞穩(wěn)態(tài)的晶型作為主藥的時候。藥品開發(fā)過程中，最佳的劑型設(shè)計，輔料的正確選擇，生產(chǎn)方式的制定，與溶出試驗的監(jiān)控是一套完整的流程。而Ｒaman 光譜是唯一1個能夠從藥品分子的層次，適用于上述整個流程中每一環(huán)節(jié)的藥品晶型實時監(jiān)測的儀器［9］。
2020年版《中國藥典》、USP、EP都提到了一種最新的拉曼光譜技術(shù)———空間位移拉曼光譜(SOＲS) ，SOＲS 可分析數(shù)毫米厚的樣品，也可以對不透明包裝內(nèi)的材料進(jìn)行化學(xué)分析。例如，乙醇是常用的醫(yī)療用品和有機(jī)溶劑，當(dāng)其被裝在透明聚對苯二甲酸乙二醇酯(PET) 塑料中。用傳統(tǒng)Ｒaman僅得到包裝的光譜信息，而通過SOＲS 甚至能夠獲得21 mm厚度的PET 瓶內(nèi)的乙醇譜圖［10］。因此，SOＲS 能夠輕松實現(xiàn)原輔料鑒別，減少物料開包檢測帶來的污染風(fēng)險，更好地滿足日益嚴(yán)格的法規(guī)要求。
2.3其他
除了上述提到的幾種傳統(tǒng)的PAT 工具，目前有越來越多的新型分析方法加入進(jìn)來。激光誘導(dǎo)熒光技術(shù)(LIF) 是在藥物制劑中進(jìn)行熒光材料的選擇(通常有效成分) 。LIF 技術(shù)是一種非破壞性的PAT 分析工具，用來分析攪拌動力學(xué)和混合一致性，以及藥片有效成分的含量。LIF 在制藥行業(yè)有非常大的用處，因為近兩百種的活性成分中60%有發(fā)熒光的特性。在線LIF 的好處是獲得實時混合動力學(xué)的結(jié)果和減少由于取樣所導(dǎo)致的錯誤和時間浪費［11］。
聚焦光束反射測量技術(shù)(FBＲM) 可以在原位條件下，實時追蹤顆粒和液滴的變化情況。最初是作為實時在線顆粒表征技術(shù)而發(fā)明的，經(jīng)不斷研究與完善，現(xiàn)能對高濃度的漿料和顆粒體系進(jìn)行實時測量。FBＲM 獨特的設(shè)計結(jié)構(gòu)確保即使在高濃度及不透明的溶液體系下，依然能對顆粒粒徑和相對顆粒數(shù)進(jìn)行高重復(fù)性和高重現(xiàn)性的測量［12］。
激光誘導(dǎo)擊穿光譜(LIBS) 技術(shù)通過超短脈沖激光聚焦樣品表面形成等離子體，進(jìn)而對等離子體發(fā)射光譜進(jìn)行分析以確定樣品的物質(zhì)成分及含量。超短脈沖激光聚焦后能量密度較高，可以將任何物態(tài)的樣品激發(fā)形成等離子體，LIBS(原則上) 可以分析任何物態(tài)的樣品。LIBS 以其可原位、在線、同時分析多種元素成分的優(yōu)點，成為流程工業(yè)現(xiàn)場檢測關(guān)注的重要技術(shù)［13］。
2.4模型建立方法
在將PAT 工具用于制藥過程監(jiān)測時，由于物料體系復(fù)雜，待測關(guān)鍵工藝參數(shù)(CPAs) 或關(guān)鍵質(zhì)量屬性(CQAs) 的譜圖信息可能相互重疊或被其他干擾信息掩蓋，無法從中直接獲取所需信息，且采集過程中存在因儀器或環(huán)境而引入的噪聲。因此，通常需要使用化學(xué)計量學(xué)方法提取有用信息，并選擇合適的算法建立多元定性或定量分析模型，以實現(xiàn)分析目的。解決定性分析問題需要用到化學(xué)計量學(xué)中的模式識別方法。模式識別方法根據(jù)學(xué)習(xí)過程可分為有監(jiān)督模式識別方法和無監(jiān)督模式識別方法。常用的有監(jiān)督模式識別方法有: 距離判別(如馬氏距離、歐式距離) 、K-最鄰近(KNN) 、線性判別分析(LDA) 等; 而無監(jiān)督模式識別中則是主成分分析、聚類分析等方法最為常用。常用的定量分析方法有主成分分析(PCA) 、偏最小二乘(PLS)、人工神經(jīng)網(wǎng)絡(luò)(ANN) 以及支持向量機(jī)(SVM) 和最小二乘支持向量機(jī)(LS-SVM) 等［14］。此外，PLS、SVM、LS-SVM 也被用于定性分析。
PCA 是一種無監(jiān)督的技術(shù)，通常用于減少數(shù)據(jù)的維數(shù)和對高光譜圖像中的信息進(jìn)行分類。PCA 的核心是數(shù)據(jù)降維，從而消除原變量中的重疊信息。所得新變量為原變量的線性組合，新變量具有數(shù)目少、相互正交、能較好地表征原變量數(shù)據(jù)結(jié)構(gòu)特征等優(yōu)點。PCA 用于分析NIＲ，F(xiàn)TIＲ 和LIBS 光譜等［15］。
PCA 算法通過選擇主成分?jǐn)?shù)可有效濾除無效信息，同時解決了共線性問題，適用于復(fù)雜分析體系。不足之處在于PCA 僅對自變量矩陣進(jìn)行分解降維，并沒有將因變量矩陣的噪音考慮在內(nèi)，無法保證參與回歸的主成分與被測組分或性質(zhì)相關(guān)。基于上述思想，PLS 算法同時分解自變量矩陣和因變量矩陣，然后將獲得的自變量和因變量的得分矩陣進(jìn)行多元線性回歸，既達(dá)到了降維的目的，又具有模型簡單穩(wěn)健、預(yù)測精度高、計算量小等優(yōu)點，已成為目前過程分析領(lǐng)域應(yīng)用最為廣泛的分析算法［16］。
ANN 是解釋因素和響應(yīng)變量之間的非線性數(shù)據(jù)的強(qiáng)大工具，其原理是給網(wǎng)絡(luò)各種訓(xùn)練樣本，然后根據(jù)網(wǎng)絡(luò)實際輸出和正確目標(biāo)值之間的偏差修改各神經(jīng)元間的連接權(quán)重，網(wǎng)絡(luò)不斷朝誤差減小的方向進(jìn)行變化，直到實際輸出值與正確目標(biāo)值的偏差滿足所需精度。人工神經(jīng)網(wǎng)絡(luò)由1個輸入層和1個輸出層組成，其中輸入層從外部源( 數(shù)據(jù)文件，圖像，硬件傳感器等) 接收數(shù)據(jù)，1個或多個隱藏層處理數(shù)據(jù)，輸出層基于網(wǎng)絡(luò)功能提供1個或多個數(shù)據(jù)點［17］。
PAT是以確保成品質(zhì)量為目標(biāo)設(shè)計、分析與控制制造的一體化系統(tǒng)。樣品數(shù)據(jù)被采集后，經(jīng)處理系統(tǒng)篩選、校正、驗證后，將得到的結(jié)果重新反饋于工藝流程，并對工藝流程進(jìn)行調(diào)控，從而實現(xiàn)自動化生產(chǎn)。
3、PAT在制藥行業(yè)中的應(yīng)用
目前禮來、強(qiáng)生、輝瑞等公司已運用PAT 實現(xiàn)了藥品的連續(xù)制造，并獲得了FDA 的批文。諾華、葛蘭素史克、龍沙以及天津天士力、華潤江中等藥企也通過PAT 實現(xiàn)了產(chǎn)品的中控放行。PAT 在醫(yī)藥行業(yè)的應(yīng)用也受到了國內(nèi)外許多專家和學(xué)者的關(guān)注［18］。
3.1在化學(xué)藥品生產(chǎn)過程中的應(yīng)用
化學(xué)藥品智能化生產(chǎn)隨著數(shù)據(jù)化管理逐漸進(jìn)步，而質(zhì)量控制依賴人工手段滯后于生產(chǎn)過程。部分大型制藥企業(yè)研究的在線分析技術(shù)在化學(xué)藥品合成、混合、干燥、壓片、結(jié)晶、包衣、包裝等生產(chǎn)過程已發(fā)揮作用。近5 年部分相關(guān)文獻(xiàn)匯總，見表1。
表1 近5年過程分析(PAT) 在化學(xué)藥品生產(chǎn)中部分應(yīng)用實例文獻(xiàn)列表
原料藥(API) 合成是藥品生產(chǎn)的起始步驟，也是決定藥品安全有效的關(guān)鍵步驟。PAT 工具可實時監(jiān)測合成過程變化趨勢，判斷合成終點，實現(xiàn)智能化控制合成過程。Loren等［20］報道了一種苯海拉明連續(xù)合成的高度集成方法。質(zhì)譜(MS) 在整個系統(tǒng)中用于在線反應(yīng)監(jiān)控、離線產(chǎn)量定量，并作為反應(yīng)篩選模塊，利用帶電微滴中的反應(yīng)加速進(jìn)行高通量路線篩選，針對反應(yīng)效率進(jìn)行了優(yōu)化。Mitic 等［21］在管層流反應(yīng)器進(jìn)行9-烯丙基-2-氯硫雜蒽-9-醇的脫水反應(yīng)，研究者設(shè)計線內(nèi)FT-NIＲ 裝置實時監(jiān)測該化合物反應(yīng)過程并建立PLS模型，在線分析結(jié)果通過了近線NIＲ 結(jié)果及離線的HPLC 結(jié)果驗證并具有較高的預(yù)測準(zhǔn)確率。此外，利用在線分析所得數(shù)據(jù)建立反應(yīng)的動力學(xué)模型更精確地反映生產(chǎn)過程。
結(jié)晶是制藥工業(yè)生產(chǎn)API 中最常見的分離純化操作。近年來，應(yīng)用PAT 工具對結(jié)晶過程進(jìn)行實時監(jiān)測，促進(jìn)了研究人員對結(jié)晶過程機(jī)理的進(jìn)一步理解。同時，將PAT 工具應(yīng)用于結(jié)晶過程的開發(fā)、優(yōu)化、設(shè)計、分析和調(diào)控，有助于確保API、工藝參數(shù)和最終產(chǎn)品的關(guān)鍵質(zhì)量屬性達(dá)到設(shè)計指標(biāo)，從而最終實現(xiàn)QBD 的理念。最常用的技術(shù)包括用于溶液濃度測量的衰減全反射傅里葉變換紅外光譜(ATＲ-FTIＲ) 和用于監(jiān)測顆粒數(shù)量及其尺寸分布變化的FBＲM［22-23］、用于顆粒直接可視化的顆粒視覺和測量以及用于監(jiān)測多晶型轉(zhuǎn)變的拉曼光譜［24］。
物料混合過程是制劑生產(chǎn)過程中的關(guān)鍵環(huán)節(jié)，混合不充分將使藥品質(zhì)量不均一而混合過久則極大地浪費資源。傳統(tǒng)監(jiān)控物料混合過程的方法分析時間長、破壞樣品、多次取樣藥品污染風(fēng)險增加等弊端。因此，將NIＲ、Ｒaman 等方法應(yīng)用于實時監(jiān)測藥物的原輔料混合過程與FDA 提出的PAT的宗旨一致，對于確保最終產(chǎn)品的質(zhì)量(例如片劑的含量均勻性) 至關(guān)重要。Nagy 等［25］運用線內(nèi)拉曼光譜監(jiān)測3組分(咖啡因、葡萄糖、硬脂酸鎂) 模型藥物系統(tǒng)的連續(xù)混合和壓片過程。使用PLS 定量方法對API 含量，混合均勻性和片劑含量均勻性進(jìn)行實時分析。在線拉曼光譜監(jiān)測表明，連續(xù)式攪拌機(jī)能夠生產(chǎn)出具有高均質(zhì)性的共混物。還建立了基于拉曼光譜的API 進(jìn)料器反饋控制，從而創(chuàng)建了一種“過程分析控制技術(shù)”(PACT) ，保證了所生產(chǎn)混合物中所需的API含量。
壓片通常是獲得片劑最終形式的最后一步。在工業(yè)規(guī)模上，PAT 的應(yīng)用可以快速分析可以測量更多的樣品，從而提高了質(zhì)量保證的統(tǒng)計意義。Sasakura 等［30］和Pauli 等［32］均研究了采用線內(nèi)NIＲ 定量監(jiān)測壓片設(shè)備進(jìn)料管中API 或輔料濃度變化的可行性。Lee 等［31］的研究結(jié)果顯示了線內(nèi)紅外熱成像技術(shù)在相同壓制力下生產(chǎn)的相同配方片劑之間進(jìn)行區(qū)分的潛在能力。
在制藥工業(yè)中，為了實現(xiàn)藥物的持續(xù)釋放或控制釋放，通常對多顆粒制劑如微丸進(jìn)行包衣。Nishii 等［33］ 和Naidu等［34］分別采用NIＲ 在線檢測和近線檢測方式監(jiān)測包衣過程的均勻性，Nakano 等［35］證明了近線XＲF 可用作監(jiān)測顆粒包衣過程的PAT，并成為制藥生產(chǎn)中的強(qiáng)大工具。
3.2在生物藥中的應(yīng)用
生物制藥過程比傳統(tǒng)的化學(xué)藥制藥過程更為復(fù)雜。生物制藥過程所用原料較復(fù)雜，批次間存在質(zhì)量差異，且生物技術(shù)藥物對生產(chǎn)過程極為敏感。因此，固定的工藝操作條件無法滿足質(zhì)量控制需求，需要將PAT 用于生物制藥過程監(jiān)測，保證生物技術(shù)藥物產(chǎn)品質(zhì)量。
以發(fā)酵或細(xì)胞培養(yǎng)為代表的生物制藥上游環(huán)節(jié)，是整個生物制藥的最關(guān)鍵環(huán)節(jié)之一。通過檢測和控制CQAs，藥品質(zhì)量的提高和生產(chǎn)成本的降低均存在較大空間。發(fā)酵液和細(xì)胞培養(yǎng)液的特點是組成復(fù)雜，通常氣、固、液三相共存，其組分和含量不斷變化。因此將PAT 用于生物制藥過程監(jiān)測，也具有較大挑戰(zhàn)。已有研究中使用光譜技術(shù)監(jiān)測的指標(biāo)多為與發(fā)酵/培養(yǎng)“環(huán)境”、細(xì)胞生長和產(chǎn)品質(zhì)量相關(guān)的指標(biāo)。Sun 等［36］利用微型近紅外光譜儀線內(nèi)監(jiān)測發(fā)酵過程中氨基葡萄糖含量，控制發(fā)酵過程，這種便攜式儀器的實施能夠減少時間和分析成本。Eamonde-White 等［37］報道，利用表面增強(qiáng)拉曼光譜技術(shù)(SEＲS) 以及拉曼光譜聯(lián)合非線性模型預(yù)測控制器(NMPC) ，對中國倉鼠卵巢(CHO) 細(xì)胞培養(yǎng)中營養(yǎng)物濃度等參數(shù)進(jìn)行在線監(jiān)控，正在從實驗研究往GMP 生產(chǎn)應(yīng)用上發(fā)展。
生物技術(shù)產(chǎn)品下游加工常用的純化操作包括復(fù)性、層析、過濾和制備色譜等，整個處理過程由若干個目的明確的操作單元組成，相互影響。常用的PAT 方法是通過在線液相色譜分析技術(shù)、NIＲ 分析技術(shù)檢測目標(biāo)生物藥物純度變化，建立純化終點判斷方法，優(yōu)化藥物純化工藝，提高生物藥的得率，減少純化過程中生物藥的活性破壞。West 等［38］展示了新型的PAT 方法，可在超濾和滲濾工藝操作過程中同時監(jiān)控多個質(zhì)量屬性。并開發(fā)了體積排阻色譜(SEC) 方法，對在線PAT 模式下賦形劑精氨酸，組氨酸和高分子量物質(zhì)的測量。Lofgren 等［39］介紹了使用線內(nèi)弱陰離子交換柱(捕獲步驟) 捕獲澄清的上清液，然后進(jìn)行病毒滅活步驟和拋光步驟，實現(xiàn)CHO 細(xì)胞系產(chǎn)生的重組蛋白的純化，集成的連續(xù)過程大大提高了產(chǎn)率及生產(chǎn)率。
藥品制備步驟中，將輔料和活性藥物等配制起來，制成最終的配方。為增加生物制品穩(wěn)定性，最后一步往往通過凍干流程實現(xiàn)。1 個良好的凍干工藝，應(yīng)具有產(chǎn)品質(zhì)量穩(wěn)定、時間短、能耗低、凍干周期可控、可驗證的特征。在藥品凍干過程中，監(jiān)控溫度以及準(zhǔn)確判斷一次升華干燥和解析干燥結(jié)束點是凍干工藝中需要控制的關(guān)鍵。Ten Have 等［40］利用線內(nèi)真空閥開閉頻率監(jiān)測卡介苗(BCG) 的中試和生產(chǎn)規(guī)模的凍干過程，以確定生產(chǎn)規(guī)模初次干燥的終點。Vam 等［41］開發(fā)了一種近紅外光譜方法在線監(jiān)測生物制藥的旋轉(zhuǎn)冷凍小瓶的干燥行為，這種方法可以使凍干過程可視化，并可以確定初次和二次干燥的終點。
3.3在生物藥中的應(yīng)用
中成藥生產(chǎn)方式較為傳統(tǒng)，產(chǎn)品研發(fā)時對工藝?yán)斫獠蛔?，?dǎo)致目前中藥質(zhì)量控制主要依靠生產(chǎn)經(jīng)驗和終產(chǎn)品檢測，缺乏調(diào)控方法，不能有效應(yīng)對藥材質(zhì)量波動和工藝參數(shù)波動對產(chǎn)品質(zhì)量的影響。中藥制藥過程中間體和終產(chǎn)品大多成分復(fù)雜。對于部分中藥品種，其制藥中間體和終產(chǎn)品缺乏物質(zhì)基礎(chǔ)及分析方法研究，無法明確影響PAT 實現(xiàn)的干擾因素。
傳統(tǒng)的中成藥制藥過程包括提取、濃縮、水/醇沉、過濾、配液等。從藥材炮制到制藥過程，再到終產(chǎn)品檢測，PAT 均已在中成藥制藥過程監(jiān)測中發(fā)揮了重要作用，為增加過程了解和提高質(zhì)控水平提供了依據(jù)。PAT 在中成藥制藥過程監(jiān)測中的部分應(yīng)用見表2。
表2 近10年P(guān)AT在中成藥生產(chǎn)中部分應(yīng)用實例文獻(xiàn)列表
提取過程是對傳統(tǒng)中藥制備過程中的一個重要步驟?；钚猿煞痔崛∵^程的本質(zhì)是溶質(zhì)溶解在溶劑中的傳質(zhì)過程。為了提高生產(chǎn)效率和確保最終產(chǎn)品的質(zhì)量，采用快速，可靠，無損在線實時測量方法在中藥制藥中具有重要的價值。Gao等［42］利用水作為監(jiān)測中藥提取過程的探針，NIＲ 用于在線監(jiān)測藥物提取過程，提出了一種利用水譜來了解整個提取過程并快速確定丹酚酸B( 中藥丹參的主要活性藥物成分) 含量的方法。Yang 等［43］同樣用NIＲ 光譜技術(shù)，在線監(jiān)測金銀花提取過程。并建立了4 種不同的PLS 模型，比較了它們在預(yù)測2個質(zhì)量參數(shù)( 總酸和可溶性固形物) 方面的性能。
濃縮過程是影響中成藥生產(chǎn)的必不可少的單元操作。濃縮過程的目的是除去存在于先前連接中間的溶劑(例如水，乙醇等) 。傳統(tǒng)上，濃縮過程的終點是由濃縮物的密度決定的，濃縮物的密度可能無法反映活性成分含量的變化并無法準(zhǔn)確地判斷終點。因此，有必要確定有效成分的含量以監(jiān)測濃縮過程。例如，NIＲ 光譜技術(shù)被Liu 等［45］用于在線監(jiān)測中藥靈芝靈口服液濃縮過程中的多個物理及化學(xué)參數(shù)。Xue等［46］采用相同的PAT 工具建立了葛根滲濾濃縮過程中葛根素的快速測定方法，以高效液相色譜分析值為參考，通過PLS 回歸和ANN 生成校正模型。這些研究都證明了NIＲ 模型可用于濃縮過程中的在線質(zhì)量控制。
水/醇沉是中藥生產(chǎn)中最常用的純化方法之一。在此過程中，去除了大量雜質(zhì)，包括蛋白質(zhì)，多糖，鹽，單寧和色素。提取物的初始組成，乙醇的濃度，乙醇的體積和沉淀溫度，所有這些變量都可能相互影響，并影響最終產(chǎn)品的質(zhì)量屬性。因此，至關(guān)重要的是監(jiān)視和控制這些變量并了解它們的復(fù)雜關(guān)系，以最大程度地減少沉淀過程中批次間的差異，從而確保一致的輸出。Jin 等［48］研究了NIＲ 光譜在丹紅注射液生產(chǎn)過程中醇沉工藝在線定量監(jiān)測中的應(yīng)用。分析關(guān)鍵的中間質(zhì)量屬性: 可溶性固形物( SSC) 和丹參素的濃度( DSS) 等。而Li 等［49］以復(fù)方阿膠口服液的堿沉法為例，對線內(nèi)收集的NIＲ 光譜進(jìn)行多路主成分分析。結(jié)果表明，基于近紅外光譜的多變量工藝軌跡可以有效反映批次間的重現(xiàn)性，也有助于中藥生產(chǎn)中故障批次的診斷。
從表2可以看出，在中藥制藥過程監(jiān)測中，NIＲ 光譜技術(shù)是應(yīng)用最廣泛的PAT 工具，PLS 算法是使用最廣泛的建模方法。除了以上介紹的幾個中成藥生產(chǎn)的重要步驟，PAT 工具在其他工藝過程中也有應(yīng)用。例如，Xiong 等［50］以液-液萃取為典型實例，以探索線內(nèi)NIＲ 光譜結(jié)合多變量分析在中藥分批生產(chǎn)過程監(jiān)控中的潛力。Li 等［51］以檳榔，麥芽和山楂3 種中藥材的烘干過程為實例，使用NIＲ 建立了5-( 羥甲基)糠醛( 5-HMF) 含量和420 nm 吸光度的兩種模型，該模型對于在線分析和質(zhì)量控制具有魯棒性，準(zhǔn)確性和可重復(fù)性。Zhou 等［52］探索了NIＲ 光譜技術(shù)用于在線監(jiān)測天麻根莖蒸制過程的潛在用途，以確定在蒸煮過程中4 種化學(xué)成分和水分變化。在上面的基礎(chǔ)上，NIＲ 可以有效地實時監(jiān)視產(chǎn)品質(zhì)量，從而獲得最佳質(zhì)量的產(chǎn)品。
4、結(jié)論及展望
隨著智能制造、連續(xù)制造在制藥業(yè)的應(yīng)用日益廣泛，PAT的應(yīng)用也愈發(fā)廣泛。PAT 工具與化學(xué)計量學(xué)相結(jié)合，可以成為強(qiáng)大的實時監(jiān)控系統(tǒng)，并通過防止過程中的危險故障而提供安全的過程操作。采用PAT 替代傳統(tǒng)的質(zhì)量控制實驗室檢測，不僅可以提高生產(chǎn)效率，降低質(zhì)量控制實驗室檢測費用，減少廢液的產(chǎn)生，實現(xiàn)綠色生產(chǎn); 還可以提升產(chǎn)品批次間的一致性。目前各國監(jiān)管機(jī)構(gòu)也都鼓勵制藥企業(yè)在生產(chǎn)過程中采用PAT。
PAT 在國內(nèi)藥品生產(chǎn)領(lǐng)域的研究仍處于起始階段。我國醫(yī)藥生產(chǎn)長期以來采用傳統(tǒng)的生產(chǎn)方式，大多數(shù)企業(yè)的制藥過程自動化程度不高，控制方案簡單，控制效果不盡人意。許多制藥企業(yè)規(guī)模小、經(jīng)濟(jì)實力比較弱，而實現(xiàn)PAT 的成本相對較高。制藥行業(yè)更傾向于將資金投入新產(chǎn)品開發(fā)中，對于提高產(chǎn)品質(zhì)量、節(jié)約成本的新技術(shù)投入認(rèn)識不足。這是很多制藥企業(yè)的價值觀念。但近幾年來隨著科學(xué)技術(shù)的不斷發(fā)展，國內(nèi)在藥物生產(chǎn)過程研究的PAT 也逐漸取得很大觀念突破，明白生產(chǎn)質(zhì)量一致性與高效率的重要性。未來配合藥品監(jiān)管系統(tǒng)與法規(guī)對QbD /PAT 的逐漸認(rèn)可，PAT 將會成為藥品生產(chǎn)過程智能化監(jiān)測的必然方法。
參考文獻(xiàn)
［1］ DZIKI W，JIANG Z，ＲADSPINNEＲ D A，et al． The FDA process analytical technology( PAT) initiative － an alternative pharmaceutical manufacturing practice( aPMP) ［J］． Pharmacop Forum，2004，30( 6): 2254-2262．
［2］ WANG P，ZANG H C，ZENG Y Z. Causes and control of quality risks in drug production process［J］． Chin Pharm J (中國藥學(xué)雜志) ，2011，46( 13) : 969-972．
［3］ CHEW W，SHAＲＲATT P. Trends in process analytical technology［J］． Anal Methods，2010，2( 10) : 1412-1438．
［4］ LEE S L，O’CONNOＲ T F，YANG X C，et al． Modernizing pharmaceutical manufacturing: from batch to continuous production［J］． J Pharm Innov，2015，10( 3) : 191-199．
［5］ KOMECKI M，SCHMIDT A，STＲUBE J. PAT as key-enabling technology for QbD in pharmaceutical manufacturing-A conceptual review on upstream and downstream processing［J］． Chim Oggi，2018，36( 6) : 44-48．
［6］ SHENG P P，LUO S Q，YIN L H. Application of process analysis technology in pharmaceutical production process［J］． Chin J Pharm Anal ( 藥物分析雜志) ，2018，38( 5) : 748-757．
［7］ KIM E J，KIM J H，KIM M S，et al． Process analytical technology tools for monitoring pharmaceutical unit pperations: a control strategy for continuous process verification［J］． Pharmaceutics，2021，13( 6) : 919-967．
［8］ ZHOU Z L. Quality control of traditional Chinese medicine using near infrared spectroscopy［D］． Guangzhou: South China University of Technology，2017．
［9］ NAGY B，F(xiàn)AＲKAS A，BOＲBAS E，et al． Ｒaman spectroscopy for process analytical technologies of pharmaceutical secondary manufacturing［J］． AAPS Pharmscitech，2019，20( 1): 1-16．
［10］ NICOLSON F，JAMIESON L E，MABBOTT S，et al． Through barrier detection of ethanol using handheld Ｒaman spectroscopyconventional Ｒaman versus spatially offset Ｒaman spectroscopy(SOＲS) ［J］． J Ｒaman Spectrosc，2017，48( 12) : 1828-1838．
［11］ BUTTE P，LAPCHAK P. Continuous laser induced fluorescence spectroscopy( CLIFS) technique for screening drugs by assessing the metabolic effects in real-time［J］． Neurology，2013，80( Suppl 7) : 65．
［12］ WEＲNEＲ P，MUNZBEＲG M，HASS Ｒ，et al． Process analytical approaches for the coil-to-globule transition of poly( N-isopropylacrylamide)in a concentrated aqueous suspension［J］． Anal Bioanal Chem，2017，409( 3) : 807-819．
［13］ SHAH S K H，IQBAL J，AHMAD P，et al． Laser induced breakdown spectroscopy methods and applications: a comprehensive review［J］． Ｒadiat Phys Chem，2020，170( 1) : 1-23．
［14］ YAN X. Studies on the application of machine learning in pharmaceutical process analysis［D］． Hangzhou: Zhejiang University，2020．
［15］ BEATTIE J Ｒ，ESMONDE-WHITE F W L. Exploration of principal component analysis: deriving principal component analysis visually using spectra［J］． Appl Spectrosc，2021，75( 4) : 361-375．
［16］ BIANCOLILLO A，MAＲINI F. Chemometric methods for spectroscopybased pharmaceutical analysis［J］． Front Chem，2018，6(1) : 1-14．
［17］ ZHANG C，GUO Y，LI M. Ｒeview of development and application of artificial neural network models［J］． Comput Eng Appl( 計算機(jī)工程與應(yīng)用) ，2021，57( 11) : 57-69．
［18］ DONG Q，ZANG H C，LIU A H，et al． Application of process analysis technology in pharmaceutical field and its enlightenment to China's pharmaceutical industry［J］． Chin Pharm J ( 中國藥學(xué)雜志) ，2010，45( 12) : 881-884．
［19］ GUOVEIA F F，ＲAHBEK J P，MOＲTENSEN A Ｒ，et al． Using PAT to accelerate the transition to continuous API manufacturing［J］． Anal Bioanal Chem，2017，409( 3) : 821-832．
［20］ LOＲEN B P，WLEKLINSKI M，KOSWAＲA A，et al． Mass spectrometric directed system for the continuous-flow synthesis and purification of diphenhydramine［J］． Chem Sci，2017，8 ( 6 ) :4363-4370．
［21］ MITIC A，CEVEＲA-PADＲELL A E，MOＲTENSEN A Ｒ，et al．Implementation of near-infrared spectroscopy for in-line monitoring of a dehydration reaction in a tubular laminar reactor［J］． Org Process Ｒes Dev，2016，20( 2) : 395-402．
［22］ MCDONALD M A，MAＲSHALL G D，BOMMAＲIUS A S，et al．Crystallization kinetics of cephalexin monohydrate in the presence of cephalexin precursors［J］． Cryst Growth Des，2019，19 ( 9):5056-5074．
［23］ TＲAMPUZ M，TESLIC D，LIKOZAＲ B，et al． Process analytical technology-based( PAT) model simulations of a combined cooling，seeded and antisolvent crystallization of an active pharmaceutical ingredient ( API) ［J］． Powder Technol，2020，366 ( 1 ) :873-890．
［24］ ACEVEDO D，YANG X C，MOHAMMAD A，et al． Ｒaman spectroscopy for monitoring the continuous crystallization of carbamazepine［J］． Org Process Ｒes Dev，2018，22( 2) : 156-165．
［25］ NAGY B，F(xiàn)AＲKAS A，GYUＲKES M，et al． In-line Ｒaman spectroscopic monitoring and feedback control of a continuous twinscrew pharmaceutical powder blending and tableting process［J］．Int J Pharm，2017，530( 1-2) : 21-29．
［26］ BOSTJIN N，DHONDT W，VEＲVAET C，et al． PAT-based batch statistical process control of a manufacturing process for a pharmaceutical ointment［J］． Eur J Pharm Sci，2019，136( 1) : 1-9．
［27］ BOSTJIN N，HELLINGS M，VAN DEＲ VEEN M，et al． In-line UV spectroscopy for the quantification of low-dose active ingredients during the manufacturing of pharmaceutical semi-solid and liquid formulations［J］． Anal Chim Acta，2018，1013( 1) : 54-62．
［28］ NETCHACOVITCH L，THIＲY J，DE BLEYE C，et al． Global approach for the validation of an in-line Ｒaman spectroscopic method to determine the API content in real-time during a hotmelt extrusion process［J］． Talanta，2017，171( 1) : 45-52．
［29］ BOSTJIN N，VAN ＲENTEＲGHEM J，VANBILLEMONT B，et al． Continuous manufacturing of a pharmaceutical cream: investigating continuous powder dispersing and residence time distribution(ＲTD) ［J］． Eur J Pharm Sci，2019，132( 1) : 106-117．
［30］ SASAKUＲA D，NAKAYAMA K，CHIKUMA T. Application of the quantitative detection of a change in concentration of magnesium stearate in a feeder tube of tableting manufacture by real-time near-infrared spectroscopy［J］． Pharmazie，2015，70 ( 10): 636-639．
［31］ LEE H P，GULAK Y，CUITINO A M. Transient temperature monitoring of pharmaceutical tablets during compaction using infrared thermography［J］． AAPS Pharmscitech，2018，19 ( 5 ) : 2426-2433．
［32］ PAULI V，ＲOGGO Y，PELLEGATTI L，et al． Process analytical technology for continuous manufacturing tableting processing:A case study［J］． J Pharm Biomed Anal，2019，162(1) : 101-111．
［33］ NISHII T，MATSUZAKI K，MOＲITA S. Ｒeal-time determination and visualization of two independent quantities during a manufacturing process of pharmaceutical tablets by near-infrared hyperspectral imaging combined with multivariate analysis［J］． Int J Pharm，2020，590(1) : 1-7．
［34］ NAIDU V Ｒ，DESHPANDE Ｒ S，SYED M Ｒ，et al． PAT-based control of fluid bed coating process using NIＲ spectroscopy to monitor the cellulose coating on pharmaceutical pellets［J］． AAPS Pharmscitech， 2017，18(6) : 2045-2054．
［35］ NAKANO Y，KATAKUSE Y，AZECHI Y. An application of XＲay fluorescence as process analytical technology( PAT) to monitor particle coating processes［J］． Chem Pharm Bull，2018，66(6) : 596-601．
［36］ SUN Z Y，LI C，LI L，et al． Study on feasibility of determination of glucosamine content of fermentation process using a micro NIＲ spectrometer［J］． Spectrochim Acta Part A，2018，201( 1) : 153-160．
［37］ EAMONDE-WHITE K A，CUELLAＲ M，UEＲPMANN C，et al．Ｒaman spectroscopy as a process analytical technology for pharmaceutical manufacturing and bioprocessing ［J］． Anal Bioanal Chem，2017，409(3) : 637-649．
［38］ WEST J M，F(xiàn)EＲOZ H，XU X，et al． Process analytical technology for on-line monitoring of quality attributes during single-use ultrafiltration/diafiltration［J］． Biotechnol Bioeng，2021，118(6):2293-2300．
［39］ LOFGＲEN A，GOMIS-FONS J，ANDEＲSSON N，et al． An integrated continuous downstream process with real-time control: A case study with periodic countercurrent chromatography and continuous virus inactivation［J］． Biotechnol Bioeng，2021，118(4) : 1664-1676．
［40］ TEN HAVE Ｒ，ＲEUBSAET K，VAN HEＲPEN P，et al． Demonstrating functional equivalence of pilot and production scale freezedrying of BCG［J］． Plos One，2016，11( 3) : 1-13．
［41］ VAN BOCKSTAL P J，DE MEYEＲ L，COＲVEＲ J，et al． Noncontact infrared-mediated heat transfer during continuous freezedrying of unit doses［J］． J Pharm Sci，2017，106( 1) : 71-82．
［42］ GAO L L，ZHONG L，ZHANG J，et al． Water as a probe to understand the traditional Chinese medicine extraction process with near infrared spectroscopy: A case of Danshen( Salvia miltiorrhizaBge)extraction process［J］． Spectrochim Acta Part A，2021，244(1): 1-11．
［43］ YANG Y，WANG L，WU Y J，et al． On-line monitoring of extraction process of Flos Lonicerae Japonicae using near infrared spectroscopy combined with synergy interval PLS and genetic algorithm［J］． Spectrochim Acta Part A，2017，182( 1) : 73-80．
［44］ LI Y，SHI X，WU Z，et al． Near-infrared for on-line determination of quality parameter of Sophora japonica L. ( formula particles): From lab investigation to pilot-scale extraction process［J］．Pharmacogn Mag，2015，11( 41) : 8-13．
［45］ LIU Ｒ H，SUN Q F，HU T，et al． Multi-parameters monitoring during traditional Chinese medicine concentration process with near infrared spectroscopy and chemometrics［J］． Spectrochim Acta Part A，2018，192( 1) : 75-81．
［46］ XUE J T，YANG Q W，JING Y，et al． Ｒapid determination of puerarin by near-infrared spectroscopy during percolation and concentration process of puerariaelobatae radix［J］． Pharmacogn Mag，2016，12( 47) : 188-192．
［47］ WU Z S，XU B，DU M，et al． Validation of a NIＲ quantification method for the determination of chlorogenic acid in Lonicera japonica solution in ethanol precipitation process［J］． J Pharm Biomed，2012，62( 1) : 1-6．
［48］ JIN Y，WU Z Z，LIU X S，et al． Near infrared spectroscopy in combination with chemometrics as a process analytical technology(PAT) tool for on-line quantitative monitoring of alcohol precipitation［J］． J Pharm Biomed，2013，77( 1) : 32-39．
［49］ LI W L，HAN H F，CHENG Z W，et al． A feasibility research on the monitoring of traditional Chinese medicine production process using NIＲ-based multivariate process trajectories［J］．Sensor Actuat B Chem，2016，231( 1) : 313-323．
［50］ XIONG H S，GONG X C，QU H B. Monitoring batch-to-batch reproducibility of liquid-liquid extraction process using in-line near-infrared spectroscopy combined with multivariate analysis［J］． J Pharm Biomed，2012，70( 1) : 178-187．
［51］ LI K Y，WANG W Y，LIU Y P，et al． Near-infrared spectroscopy as a process analytical technology tool for monitoring the parching process of traditional Chinese medicine based on two kinds of chemical indicators［J］． Pharmacogn Mag，2017，13( 50) : 332-337．
［52］ ZHOU Y M，YANG J，LI C，et al． Near-infrared spectroscopy as a process analytical technology tool for monitoring the steaming process of gastrodiaerhizoma with multiparameters and chemometrics［J］． J Anal Methods Chem，2020，2020( 1) : 1-12．
［53］ LIU X N，CHE X Q，LI K Y，et al． Geographical authenticity evaluation of Mentha haplocalyx by LIBS coupled with multivariate analyzes［J］． Plasma Sci Technol，2020，22( 7) : 1-7．
本文作者謝升谷、黃艷、孫逍、鄭金琪、陶巧鳳，浙江省食品藥品檢驗研究院、國家藥品監(jiān)督管理局仿制藥評價關(guān)鍵技術(shù)重點實驗室、浙江省藥品接觸材料質(zhì)量控制研究重點實驗室、浙江工業(yè)大學(xué)。
京公網(wǎng)安備11010802046783號
