数字革命:生物制药4.0展望
这不是什么秘密:生物制药行业正在发生变化,有人说这是时候了。与航空、食品、汽车和消费品等其他制造业相比,生物制药在采用自动化和其他可以大幅提高生产和加速药物开发的技术方面一直进展缓慢。公平地说,生物制药的生产非常复杂。然而,对于一些人来说,这种高度的复杂性是重新考虑如何做事的好理由。
这些后续变化中的许多都属于“生物制药4.0”的范畴,这个术语用于描述生物制药信息、操作和处理技术的融合.它是4.0行业这是德国政府旨在推动数字化制造向前发展的战略举措。这种被认为是第四次工业革命的新方法,通过利用相互关联的工具、自动化、更大的透明度和分散的决策,预计将使生产率实现重大飞跃。在实践中,这可能包括使用机器学习、机器人、基于云的数据存储和人工智能——所有这些都可以支持实时监控和更快的决策。目前,许多公司、供应商和研究机构正在研究这些技术和方法如何有利于生物制药开发和生物制造。
是什么推动了这种数字化转型?
生物制药4.0 是出于必要和机遇。开发新的治疗方法效率很低,速度慢,而且要付出巨大的代价成本高,故障率高.与此同时,分析技术已经发展值得注意的是,这使得筛选可能损害化合物安全性或有效性的杂质变得更容易。监管机构也变得更加以流程为导向,并期望制造商将重点放在质量和质量上数据完整性.因此,需要新的方法来帮助制造商应对监管挑战,保持竞争力并维持高度复杂的生物疗法的全球供应链。
迈克尔精英苏黎世联邦理工学院化学与生物工程研究所的讲师,用一个独特的类比描绘了一幅生物工艺开发的画面:“想象一下,工艺优化就像烤蛋糕,你需要找出完美的配方。要控制的参数不是一打,而是数千个。但是你所拥有的时间并不比实际烘焙蛋糕所需的时间多多少——你可能只有三次迭代。因此,我们认为自己是在巨大压力下的工程师;我们必须在没有时间收集证据的情况下做出许多决定,这些证据会引导我们走这条路或那条路。”
除了争分夺秒——继续用蛋糕做类比——制造商们还在努力以尽可能低的成本烘焙,因此正在寻求提高效率的方法。一个这样的机会可以在 连续生产这是一种将质量控制纳入生物过程的生产方式。由于连续制造依赖于对关键制造参数的快速评估,这一趋势只会加剧对先进自动化分析工具的需求。
泛工业革命:数字化转型和4.0实验室
为了保持竞争力,核心数字战略势在必行。人工智能(AI)、云和平台技术、信息学解决方案和物联网(IoT)等智能和数字技术的应用,使组织能够创建互联的数字生态系统,并朝着Lab 4.0战略努力。机器学习是人工智能的一个子集,是一种分析方法,它依赖于输入数据、环境和反馈,通过经验来改进,产生智能,并可用于解决复杂问题。下载本白皮书,了解数字技术如何在众多行业中发挥作用。
下载白皮书赞助内容
更大的连接性带来的好处:增强的合规性、流程控制和效率
通过拥抱4.0革命所包含的技术,企业正在克服大量的现代挑战。集中式、基于云的数据存储功能可以保护企业免受停电、洪水和火灾等事件的影响,而且它们的设计越来越注重可用性。除了改进的可搜索性、更简单的版本控制和简化的数据管理外,易于遵从性也是一个受欢迎的特性。一个强有力的例子可以通过思考找到数据完整性以及为了减少cGMP违规行为和保护公众健康而出现的更严格的监管要求。在许多情况下,现有的纸质和电子系统不能支持收集元数据和满足需求所需的大量记录审计跟踪审查。因此,数码解决方案实现了完全的可追溯性和合规性,实现了自动记录保存、唯一的用户身份和更有效的审计跟踪审查。教授波林陆他强调了现代解决方案的好处:“在生物处理中,时间真的很重要。由于这种对过程质量和数据完整性的关注,最好购买带有内置的、经过验证的程序的仪器,其中所有内容都已经符合要求。然后,如果供应商做出改变,他们会向监管机构明确,而不是你。”
不符合监管准则可能会对生物制药实验室产生许多潜在的负面影响,例如产品召回或损害公众健康——因此对生物工艺有信心至关重要。低效率和停机时间会进一步降低实验室满足自身业务目标和客户需求的能力,从而带来额外的挑战。认识到现代的挑战,并需要更大的信心和效率,正在探索一系列技术和工作流程,例如:
- n -聚糖的自动注释用于超高效液相色谱/质谱(UPLC-MS)色谱
- 可编程液体处理机器人用于自动化干细胞培养和生产
- 数字的双胞胎;能够实现预测性制造的物理系统或过程的虚拟对应物,例如用于细胞培养过程优化
- 实验室信息管理系统(LIMS)支持集中的数据捕获和存储,以及用于分析的标准化数据源
- 自动顶空采样用于挥发性有机杂质和残留溶剂的分析
- 代谢组学自动化数据分析基于气相色谱-质谱法
采用自动化的好处不仅仅是在幕后简化法规遵循;实验室的自动化通过消除人工错误提高了再现性。使用像小型净化通过模拟技术,制造商可以更详细地计划实验,并使用小规模的自动化流程仔细测试它们。通过自动化实现更高的精度,补充小型化以加速工艺优化并减少昂贵试剂的使用。现代仪器和软件也可以减轻仪器维护负担通过使用户能够在问题出现之前预测到任何问题,并根据使用情况安排维护。
采访赵云,Admera健康:在实验室使用互联工具
Admera Health生物制药服务总监赵云(Yun Zhao)最近讨论了一种用于移液分析的新技术,讨论了他如何在复杂的研究中使用它。这项技术TRACKMAN®Connected由平板电脑和附件和应用程序组成,使微板上的移液更具可追溯性和可重复性。该平板连接到一个移液管,在那里它可以监测和记录微量板上的液体样品的管理,并存储随时可用的数字数据。查看本文了解有关TRACKMAN®Connected的更多信息。
观点的文章赞助内容
最大限度地提高药物发现和开发的数据洞察力
对于Rudd来说,在生物过程中利用自动化一直是她职业生涯中很重要的一部分,她已经看到了大数据的出现如何为药物开发创造了重大机遇和挑战。特别是,Rudd一直在开发糖分析的自动化技术-研究具有共价连接低聚糖链(聚糖)的蛋白质。“从控制的角度来看,糖真的很重要,”路德说,“因为如果一个过程管理得很好,那么这些糖将是一致的。此外,有时糖可能具有非常重要的生物学功能。”为了提高糖基化分析的过程质量控制和生物学研究,Rudd和同事一直在开发确定糖基化特征的计算机软件程序.Rudd说,与以前费力的方法不同,现代糖分析工具只需按下一个按钮就能生成数百种结构,而且要彻底得多。
减少和预测药物毒性是药物发现领域的一个高优先级。因此,人工智能和机器学习正在探索其识别影响生物疗法安全性和有效性因素的能力。当涉及到生物工艺开发时,大量的参数可能是压倒性的。“你可以改变200个参数,最终你会得到这些巨大的矩阵,没有任何信息来填充它们,”Rudd说。“如果你要建立一个信息体,你不能手动完成。你必须有某种监督程序。”和其他许多人一样,陆克文将目光投向了多元经济学方法。“当你在研究‘组学’的不同分支时,所有的数据都在不同的单元中,很难将它们联系起来。这就是我们使用机器学习的原因。”
拥有快速识别大型复杂数据集模式的工具将非常有利于药物靶点识别而且药物再利用这些领域的研究正在进行中,以了解机器学习如何帮助找到COVID-19大流行的解决方案。最近,在这方面取得了重大进展人工智能那里有一个网络成功的通过氨基酸序列来确定蛋白质的三维形状。“虽然我们有物理、化学和所有这些学科,但数据分析是超级强大的——我们将看到越来越多的这些工具被启用,”Sokolov说。
引领数字化转型之旅
实现数字化转型的想法很有吸引力,但如何可能从手动或孤立的实验室信息学流程过渡到数字生态系统?如此多可用的信息是由炒作驱动的,基于猜测和夸大的说法。下载这份白皮书,了解更多关于如何成功转型的信息。
下载白皮书赞助内容
数字转型和大创意正受到越来越多的关注
目前,似乎有一个积极的反馈循环在发挥作用:随着新的技术进步,更复杂的挑战正在被解决,监管机构正在更加强调过程控制。反过来,生物制药公司正在采用4.0技术来简化合规性并加速药物发现和开发,因此它们正变得更具竞争力。现在,向生物制药4.0过渡似乎是一种直观而必要的举措,以保持竞争力,并在数据驱动的未来中做出明智的决定。和许多人一样,陆克文说着远大的梦想,并支持她的IT团队实现目标的能力:“我不喜欢事情太复杂,因为那样就会变得无法解释。所以,我带着一些非常简单的想法去找我的IT人员。然后我说,如果我能想到,你就能做到。然后我走开了。六个月后,他就带着答案回来了,我喜欢这样!”