在藥物制劑開發(fā)中，我們長期面臨一個(gè)核心挑戰(zhàn)：如何從眾多處方和工藝變量（如輔料種類與用量、壓片壓力、制粒參數(shù)等）中，精準(zhǔn)定位那些對關(guān)鍵質(zhì)量屬性（CQAs，如溶出度、含量均勻度）具有顯著影響的關(guān)鍵參數(shù)。傳統(tǒng)的“一次一因素”法不僅耗時(shí)耗力，更致命的缺陷在于它無法揭示因素之間復(fù)雜的交互作用，從而難以系統(tǒng)性地建立穩(wěn)健的“設(shè)計(jì)空間”。正是在此背景下，實(shí)驗(yàn)設(shè)計(jì)（Design of Experiments, DOE）作為一種系統(tǒng)、高效的多因素試驗(yàn)策略，已成為實(shí)現(xiàn)“質(zhì)量源于設(shè)計(jì)”（QbD）理念的核心工具。它通過科學(xué)的實(shí)驗(yàn)矩陣設(shè)計(jì)，以最少的實(shí)驗(yàn)次數(shù)，不僅能識別關(guān)鍵影響因素，更能構(gòu)建定量數(shù)學(xué)模型，為工藝的優(yōu)化與驗(yàn)證提供堅(jiān)實(shí)的科學(xué)依據(jù)。同時(shí)，它能夠節(jié)約成本與時(shí)間：用最少的實(shí)驗(yàn)次數(shù)獲得最豐富的信息，加速研發(fā)進(jìn)程。
那么，如何選擇合適的DOE方法呢，這取決于我們實(shí)驗(yàn)的階段和目標(biāo)。
1. 篩選階段
在研發(fā)初期，可能有多達(dá)7-11個(gè)潛在影響因素。此階段的目標(biāo)并非尋找最優(yōu)值，而是快速、經(jīng)濟(jì)地從中篩選出真正的“關(guān)鍵少數(shù)”。
Plackett-Burman (PB) 設(shè)計(jì)：當(dāng)因素眾多（通常>5個(gè)），且我們初步判斷只需關(guān)注主效應(yīng)（即單個(gè)因素的影響）而暫不考慮交互作用時(shí)，PB設(shè)計(jì)是理想選擇。其最大優(yōu)勢在于極高的效率，實(shí)驗(yàn)次數(shù)為4的倍數(shù)（如N=12, 20），可研究最多N-1個(gè)因素。例如，在片劑處方初步研究中，可同時(shí)篩選填充劑種類、粘合劑用量、崩解劑用量、潤滑劑用量和壓片壓力等多個(gè)變量對硬度和溶出度的影響。
部分因子設(shè)計(jì)：當(dāng)因素?cái)?shù)量中等（5-7個(gè)），且我們預(yù)判可能存在某些重要的二階交互作用時(shí)，部分因子設(shè)計(jì)更為合適。它是全因子設(shè)計(jì)的精簡版，通過有選擇地“混淆”高階交互作用來大幅減少實(shí)驗(yàn)次數(shù)。選擇時(shí)需關(guān)注其“分辨率”，通常Resolution IV及以上的設(shè)計(jì)可在不混淆主效應(yīng)和二階交互作用的前提下，高效完成篩選任務(wù)
2. 優(yōu)化階段
篩選出關(guān)鍵因素后如需對篩選出的關(guān)鍵因素進(jìn)行精細(xì)研究，建立精確的數(shù)學(xué)模型，找到最佳參數(shù)范圍，確定“設(shè)計(jì)空間”。
常用方法：
響應(yīng)曲面法（RSM）：當(dāng)因素?cái)?shù)量不多（通常經(jīng)過篩選后），需要尋找最優(yōu)條件（如最大值、最小值、特定目標(biāo)值）時(shí)使用。通過建立二次多項(xiàng)式模型來刻畫彎曲的響應(yīng)面。常用的RSM包括
中心復(fù)合設(shè)計(jì)（CCD）：
作為最經(jīng)典、通用的RSM設(shè)計(jì)，CCD由立方點(diǎn)（用于估計(jì)主效應(yīng)和交互作用）、軸點(diǎn)（用于估計(jì)曲率）和中心點(diǎn)（用于估計(jì)實(shí)驗(yàn)誤差）三部分構(gòu)成。它適用于絕大多數(shù)需要精確探索非線性關(guān)系和設(shè)計(jì)空間邊界的場景，是2-5個(gè)因素優(yōu)化的首選。
Box-Behnken 設(shè)計(jì)（BBD）：
與CCD不同，BBD的所有實(shí)驗(yàn)點(diǎn)均位于一個(gè)球面上，避免了軸向的“極端”條件。當(dāng)某些因素的水平難以達(dá)到或存在安全風(fēng)險(xiǎn)時(shí)（如生物制劑對過高溫度或剪切力敏感），BBD顯示出獨(dú)特優(yōu)勢。其實(shí)驗(yàn)次數(shù)通常比同規(guī)模的CCD更少，因此在實(shí)驗(yàn)成本高昂時(shí)也常被采用。
爬坡實(shí)驗(yàn)：
一種沿著響應(yīng)值改善最快方向（最陡上升路徑）進(jìn)行序貫實(shí)驗(yàn)的策略，而非一個(gè)固定的實(shí)驗(yàn)矩陣。適用于在篩選實(shí)驗(yàn)后，已知大致改善方向，需要快速逼近最佳響應(yīng)區(qū)域時(shí)。常作為RSM研究的前奏。
3. 驗(yàn)證階段
在獲得最優(yōu)參數(shù)后，必須通過驗(yàn)證實(shí)驗(yàn)確認(rèn)工藝的穩(wěn)健性和重現(xiàn)性。最核心的方法便是在任何實(shí)驗(yàn)設(shè)計(jì)中引入足夠的中心點(diǎn)重復(fù)。中心點(diǎn)的重復(fù)性能有效評估實(shí)驗(yàn)誤差，檢驗(yàn)?zāi)Ｐ褪欠翊嬖趶澢?，是評價(jià)工藝穩(wěn)健性的直接依據(jù)。此外，預(yù)留部分實(shí)驗(yàn)點(diǎn)或進(jìn)行新的驗(yàn)證批次，將實(shí)測值與模型預(yù)測值進(jìn)行比較，也是驗(yàn)證模型預(yù)測能力的有效手段。
案例分析：
以下以布洛芬雙釋雙層片體外釋放度考察為例，具體闡述DOE的完整應(yīng)用流程。
1. 挑戰(zhàn)與目標(biāo)
布洛芬雙釋雙層片結(jié)構(gòu)復(fù)雜，其速釋層與緩釋層的處方和工藝參數(shù)相互影響，旨在實(shí)現(xiàn)快速起效與持久鎮(zhèn)痛的雙重目標(biāo)。研發(fā)團(tuán)隊(duì)需要系統(tǒng)優(yōu)化眾多變量，確保產(chǎn)品具有穩(wěn)定的雙相釋放行為。
2. DOE實(shí)施流程
2.1因素篩選（Plackett-Burman設(shè)計(jì)）：
研究團(tuán)隊(duì)選取了8個(gè)潛在關(guān)鍵因素，包括以崩解劑(PVPP)用量(A)、速釋層黏合劑(羥丙甲纖維素)用量(B)、硬脂酸鎂用量(C)、速釋層制粒目數(shù)(D)、緩釋材料用量(E)、致孔劑(聚維酮)用量(F)、緩釋層制粒目數(shù)(G)、壓片壓力(H)。
通過一個(gè)12次運(yùn)行的PB設(shè)計(jì)，以釋放度的綜合評分為指標(biāo)，成功篩選出3個(gè)顯著性因素：PVPP用量(A)、緩釋材料用量(E)和聚維酮用量(F)（P值均<0.05），而其他因素影響不顯著。這一步將優(yōu)化維度從8維降至3維，極大地提高了后續(xù)效率。
2.2工藝優(yōu)化（Box-Behnken設(shè)計(jì)）：
針對篩選出的3個(gè)關(guān)鍵因素，采用BBD進(jìn)行深入優(yōu)化。
通過對實(shí)驗(yàn)結(jié)果的方差分析，不僅再次確認(rèn)了各主效應(yīng)的顯著性，還可能發(fā)現(xiàn)了因素間的交互作用，從而建立了綜合評分（Y3）與三個(gè)因素之間的精確二次多項(xiàng)式模型。
2.3設(shè)計(jì)空間的建立及驗(yàn)證
基于建立的模型，研究人員繪制了響應(yīng)曲面圖和等高線圖。初始的設(shè)計(jì)空間被定義為滿足綜合評分Y3 > 40的區(qū)域。為提高生產(chǎn)可行性和穩(wěn)健性，進(jìn)一步引入了95%置信區(qū)間（CI）的預(yù)測，最終確定了PVPP用量6%~7%、緩釋材料用量15%~18%、聚維酮用量5.5%~6.5%這樣一個(gè)更實(shí)用的操作空間。
在此空間內(nèi)選取3個(gè)點(diǎn)進(jìn)行驗(yàn)證試驗(yàn)，結(jié)果與預(yù)測值高度吻合，證實(shí)了設(shè)計(jì)空間的可靠性與模型的良好預(yù)測性，從根本上提升了生產(chǎn)工藝的穩(wěn)定性。
四、 總結(jié)
目前，DOE被越來越多的企業(yè)用于藥物研發(fā)中，如很多優(yōu)化RNA-LNP的組成和生產(chǎn)系統(tǒng)藥物開發(fā)中都用到了多變量設(shè)計(jì)與統(tǒng)計(jì)分析（DOE）的方法。成功應(yīng)用DOE，需要關(guān)注以下幾點(diǎn)：
1.明確當(dāng)前研究階段的目標(biāo)（篩選、優(yōu)化or驗(yàn)證），選擇最合適的方法。
2.始于風(fēng)險(xiǎn)：任何DOE的設(shè)計(jì)都基于前期知識和風(fēng)險(xiǎn)評估來確定需要研究的因素和水平。
3.避免“貪多”：在篩選階段，不要試圖研究所有可能的交互作用，需要基于先驗(yàn)知識或前期的預(yù)實(shí)驗(yàn)，初步劃定研究的范圍，提高篩選效率。
4.中心點(diǎn)的重復(fù)是評估模型可靠性和工藝穩(wěn)健性的基石。只有經(jīng)過驗(yàn)證的模型才能有效地幫助確定優(yōu)選參數(shù)。
5.軟件輔助：熟練使用JMP, Design-Expert, Minitab等DOE軟件，可以極大地提高實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析的效率與深度。
DOE不僅是簡單的“安排實(shí)驗(yàn)”，更是一種強(qiáng)大的科學(xué)思維方式。它將制劑開發(fā)從“經(jīng)驗(yàn)驅(qū)動”的試錯(cuò)模式，轉(zhuǎn)變?yōu)?ldquo;科學(xué)驅(qū)動”的精準(zhǔn)研發(fā)模式，成為實(shí)現(xiàn)QbD理念、保證藥品質(zhì)量與工藝穩(wěn)健性的核心技術(shù)支柱。
參考文獻(xiàn)：
1. 房辰晨, 孫敬蒙, 盧美彤等基于質(zhì)量源于設(shè)計(jì)理念優(yōu)化布洛芬雙釋雙層片的處方工藝，醫(yī)藥導(dǎo)報(bào), 2021, 40(9): 1237-1242
2. Gurba-Bry?kiewicz L, Maruszak W, Smuga DA, Dubiel K, Wieczorek M. Quality by Design (QbD) and Design of Experiments (DOE) as a Strategy for Tuning Lipid Nanoparticle Formulations for RNA Delivery. Biomedicines. 2023 Oct 11;11(10):2752.
3. Yingngam, B. (2025). Design of Experiments (DoE) in Manufacturing Process Optimization. In: Yingngam, B., Aslam, M.S., Haghi, A.K. (eds) Sustainable Pharmaceutical Product Development and Optimization Processes. Springer, Singapore.
京公網(wǎng)安備11010802046783號
