生物製劑，如單株抗體和重組蛋白，在治療多種疾病方面扮演著日益重要的角色。然而，生物製劑的配方開發是一個複雜且耗時的過程，尤其是在早期階段，需要處理高濃度的藥物。高濃度配方雖然能降低給藥體積、提高患者順從性，但也更容易受到躁動（Agitation）的影響，導致蛋白質聚集、降解，進而影響藥物的安全性和有效性。因此，建立一個可靠的躁動模型，用於早期篩選和優化高濃度生物製劑配方，至關重要。## 躁動對高濃度生物製劑的影響
高濃度生物製劑的穩定性受到多種因素的影響，包括pH值、離子強度、溫度、以及機械應力。其中，機械應力，例如搖晃、攪拌、泵送等，會導致蛋白質分子之間的相互作用增加，加速蛋白質聚集。這種聚集不僅會降低藥物的活性，還可能引發免疫反應，對患者造成不良影響。

具體來說，躁動可能導致以下問題：

蛋白質聚集：

蛋白質分子在受到機械應力時，容易展開並暴露疏水區域，進而形成聚集體。這些聚集體可以是可逆的或不可逆的，並且大小不一，從奈米級到微米級都有。

蛋白質降解：

躁動可能導致蛋白質分子的化學修飾，例如氧化、脫酰胺、水解等，從而降低藥物的活性。

微粒形成：

蛋白質聚集體可能進一步形成可見或不可見的微粒，這些微粒可能引發免疫反應。

建立躁動模型的挑戰

建立一個能夠準確預測高濃度生物製劑在實際生產和儲存過程中穩定性的躁動模型，面臨著多重挑戰：

複雜的流體動力學：

躁動過程中，液體內部的流動模式非常複雜，難以精確控制和量化。不同的攪拌速度、容器形狀、液體體積等因素都會影響流體動力學，進而影響蛋白質的穩定性。

多因素相互作用：

蛋白質的穩定性受到多種因素的影響，這些因素之間可能存在相互作用。例如，pH值和離子強度可能會影響蛋白質在受到機械應力時的聚集速率。

缺乏標準化的方法：

目前，業界缺乏標準化的躁動測試方法，不同的實驗室可能使用不同的設備、條件和評估指標，導致結果難以比較和重現。

高通量篩選的需求：

在早期配方開發階段，需要篩選大量的配方，因此需要建立高通量的躁動模型，以便快速評估不同配方的穩定性。

躁動模型的設計考量

為了克服上述挑戰，建立一個有效的躁動模型需要考慮以下幾個關鍵因素：

選擇合適的設備：

常用的躁動設備包括搖床、攪拌器、以及微流控裝置。搖床適用於高通量篩選，但流體動力學較難控制。攪拌器可以提供更精確的流體動力學控制，但通量較低。微流控裝置可以實現高通量和精確的流體動力學控制，但成本較高。

優化實驗條件：

實驗條件，例如攪拌速度、溫度、時間、以及液體體積，需要根據具體的蛋白質和配方進行優化。通常需要進行一系列的實驗，以確定最佳的實驗條件。

選擇合適的評估指標：

常用的評估指標包括蛋白質聚集體的尺寸和數量、蛋白質降解的程度、以及微粒的數量。這些指標可以使用不同的分析技術進行測量，例如動態光散射（DLS）、尺寸排阻色譜（SEC）、以及光阻法。

建立數學模型：

建立數學模型可以幫助理解躁動過程中蛋白質的穩定性變化規律，並預測不同條件下的穩定性。數學模型可以基於實驗數據進行擬合，也可以基於理論模型進行推導。

躁動模型的應用案例

一些研究團隊已經成功地利用躁動模型來優化高濃度生物製劑的配方。例如，有研究人員利用搖床和DLS技術，研究了不同pH值和離子強度對單株抗體穩定性的影響，並確定了最佳的配方條件。另一些研究人員利用攪拌器和SEC技術，研究了不同表面活性劑對蛋白質聚集的抑制作用，並選擇了合適的表面活性劑。

此外，微流控技術也開始被應用於高通量躁動測試。例如，有研究人員開發了一種微流控芯片，可以在短時間內評估大量配方的穩定性，並篩選出最佳的配方。

未來發展趨勢

未來，躁動模型將朝著以下幾個方向發展：

高通量化：

隨著微流控技術和自動化技術的發展，高通量的躁動模型將會越來越普及，可以加速配方開發的進程。

精確化：

通過計算流體動力學（CFD）模擬和先進的分析技術，可以更精確地控制和量化躁動過程中的流體動力學，從而提高模型的預測能力。

智能化：

結合機器學習和人工智能技術，可以建立更智能的躁動模型，可以自動優化實驗條件，並預測不同條件下的穩定性。

整合化：

將躁動模型與其他配方開發工具，例如分子動力學模擬和高通量篩選，整合在一起，可以更全面地評估配方的穩定性。

結論與研判

建立一個可靠的躁動模型對於早期高濃度生物製劑配方開發至關重要。雖然目前仍面臨著一些挑戰，但隨著技術的進步，躁動模型將會越來越精確、高效和智能。未來，通過整合不同的技術和方法，可以建立一個全面的配方開發平台，加速高濃度生物製劑的開發進程，為患者提供更安全、更有效的治療方案。目前，業界正朝著高通量、精確化、智能化和整合化的方向發展躁動模型，這將有助於克服現有的挑戰，並最終加速生物製劑的開發和上市。儘管標準化的方法仍然缺乏，但通過持續的研究和技術創新，相信未來將會出現更完善的躁動模型，為生物製劑的配方開發提供更強大的支持。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: November 11, 2025