癌症、自身免疫或神经系统疾病的免疫疗法需要制造抗体，这些抗体与患病细胞结合并标记，以便身体破坏。在实验室中开发种子菌株以培养这些抗体并优化生物反应器和培养物生长条件很容易需要 40+ 周——而且这些项目会受到优先级、人力和预算变化的影响。

一旦确定了合适的菌株，就必须对该过程进行扩展和验证，最终进入临床试验，所有这些都会增加治疗从实验室到有需要的人所需的时间（或者实际上，几年）。

在这里，我们研究了优化生物反应器产量、缩短放大工艺和生产生物制剂或抗体处理的五种基本（但未充分利用）方法。

1. 使用 DOE 和统计分析

不同处理所需的蛋白质都有自己的最佳生长条件，以确保蛋白质的正确折叠和组装。必须进一步优化生长条件，以最大限度地提高蛋白质产量。

因此，从中国仓鼠卵巢 （CHO） 细胞中培养用于免疫治疗的抗体需要特定的培养条件，包括：营养混合物、温度和 pH 值、溶解氧水平、生物反应器类型和补料控制策略。有效优化这些条件是培养物整体健康状况及其增长效率的主要决定因素。

但是，由于变量的相互依赖性，独立优化每个变量是不现实的（时间限制和资源限制也无济于事）。传统上，优化是通过反复试验来完成的，即根据研究人员对系统的理解和经验来改变各种参数。然而，实验设计 （DOE） 和统计分析是定量工具，可以大大简化复杂的过程优化任务。

常见的实验室设置包括使用小至 10 mL 的培养物来优化基本工艺参数，包括温度、pH 值和溶解氧。一次培养大约 50 个样品使研究人员能够试验不同的生长条件。DOE 是一种主动使用的工具，因此研究人员可以设计这些小规模系统，以同时纵多个变量并有效地确定关键过程参数的最佳集合。

DOE 还可用于对 500 mL 至 10 L 的小型系统进行故障排除。它允许系统设计人员从通过反复试验解决问题转变为基于 st1atistically 相关数据的解决方案，这些数据考虑了大量相互作用的过程变量。

2. 实施 PAT

过程分析技术 （PAT） 仅指添加在线传感器和其他数据收集方式，以从制药过程中收集信息。这导致对系统中发生的事情以及它如何响应任何变化的理解加深，这意味着系统设计人员可以根据实时数据调整控制器。

虽然 PAT 通常在 GMP 生产环境的背景下讨论，但增加传感器化的概念在实验室和中试设施中同样有益。新信息使研究人员、系统设计师甚至自动化控制系统都能够实时调整关键过程参数。

此外，在实验室中实施 PAT 型传感时，它能够更轻松地将完全优化的系统过渡到 GMP 生产规模环境。

3. 自动化测试

监测 10 – 15 mL 培养物的生长对于研究人员了解各种生长条件的影响当然至关重要。然而，由于培养物体积非常小，取出样品并带到分析仪中可以改变培养条件，足以影响整体生长。

为了解决这个问题，科学家们正在改用台式设备，这些设备可以自动从培养物中采集样品并分析包括 pH 值、细胞密度、营养水平和有毒废物水平在内的参数。此过程使用的样品比传统分析仪所需的样品小，从而减轻了从培养物中取出样品的影响。它还支持更频繁的测试，而无需研究人员经常关注系统。

4. 构建闭环控制系统

当与基于 DOE 的软件结合使用时，自动检测系统可以创建从细胞培养到反应器控制的反馈回路，从而提供前所未有的实时系统控制水平。

这种严格的工艺控制可确保准确测量氧气转移速率等放大参数，从而允许从台式培养物中受控地开发中试和生产工艺。对这些参数的密切控制意味着对中试系统进行全面故障排除所需的缩减周期更少，并且可以更快地将其转移到生产环境中。

5. 过程强化

过程强化的目标是开发在不增加整体系统成本的情况下提高效率和产量的工程方法。

在生物反应器中，过程强化的一个关键目标是增加反应器介质中的细胞密度。这主要是通过从 2D 到 3D 生长区域过渡来实现的：在微珠或纤维上培养培养物的生物反应器能够支持更多的细胞/mL 培养基（2000 万个细胞/mL，而超过 1 亿个细胞/mL）。

在不增加生产足迹的情况下提高种子和生产生物反应器的产量，可以节省大量成本。“Scale-out”是一个有趣的例子：当细胞密度可以提高到 2,000 L 一次性生物反应器足以满足生产需求（而不是过渡到更大的多用途反应器）时，可以节省大量成本和时间。

工艺强化的另一个示例是使用灌流策略来培养种子生物反应器，这使制造商能够以更高的细胞密度接种生产生物反应器。在这个例子中，小规模使用优化的连续生物反应器（制药 4.0 格局的关键部分）可以在生产生物反应器中更快地培养生长，并在创纪录的时间内将药物疗法交付给患者。