试验设计DOE在药物研制过程中的应用

试验设计DOE在药物研制过程中的应用

祝远锋

上海基峰生物科技有限公司  上海市  200032

摘要：试验设计（Design of Experiments，简称DOE）是质量管理工具中一种常用的系统方法，用于规划、设计和分析科学实验，以获取准确、可靠的结果并推断因果关系。

试验设计旨在优化实验过程，帮助研究人员更有效地获取信息，探索因素之间的关系，并取得有意义的结论。该方法通过系统性地改变和控制实验中的因素，以最小化误差，获得准确的结果。

关键词：试验设计；药物研制；应用

笔者所在的生物制药领域，试验设计更具有广泛的应用，可以帮助优化生产过程、提高产品质量、减少资源浪费，并加速新药开发，应用场景可以包括：

　　1.培养基优化：在细胞培养过程中，培养基的成分对生物产物的产量和质量有重要影响。DOE可以帮助确定最佳的培养基配方，以最大限度地提高细胞的生长和产物产量。

　　2.反应条件优化：对于生物制药反应，环境条件（如温度、pH值、氧气供应等）会影响产物质量和数量。DOE可以帮助确定最佳反应条件，以获得最佳生产性能。

　　3.蛋白纯化工艺优化：生物制药中，蛋白质的纯化过程较为复杂。DOE可以用于优化纯化步骤的顺序、条件和参数，以提高纯度和产量，并减少杂质的存在。

　　4.生产线稳定性评估：在生物制药生产线中，可能会出现批次间的变异。DOE可以用于评估不同批次之间的差异，识别影响变异的因素，并制定改进措施，以实现生产的稳定性和一致性。

　　5.剂型优化：对于药物的剂型设计，如口服制剂、注射剂等，DOE可以帮助确定最佳的药物配方、溶剂、添加剂等，以提高药物的生物利用度、稳定性和疗效。

　　6.生产过程验证：在生物制药领域，生产过程的验证是必要的。DOE可以用于确定影响生产过程的关键因素，并确定合适的控制策略，确保产品质量和一致性。

　　7.临床试验设计：在制药研发中，临床试验的设计也可以使用DOE。通过合理的试验设计，可以确定药物剂量、试验设计、临床终点等，以最大程度地获取有关药物疗效和安全性的信息。

8.生物活性评估：在药物开发中，需要评估药物的生物活性。DOE可以用于确定最佳的实验条件和方法，以准确测量药物的生物活性。

在我司某药物研制过程中，培养基优化具有重要的意义，它直接关系到细胞的生长、产物产量和产品质量，对于生产过程的效率和产品的质量具有显著影响。因此制定DOE方案以优化培养基，具体如下。

一、设定试验目标：通过试验设计优化细胞培养基，提高细胞生长和产物产量。

二、细胞类型：研制过程中优化细菌A3的培养基，以增加其产生的蛋白质产量。

三、因素选择：在培养基优化中，选择合适的因素是非常关键的步骤，这些因素将直接影响细胞的生长、产物产量和产品质量。

我们通过对该类型细胞特性的研究，并查阅了相关文献研究、参考先前的实验经验和专家意见后，最终确定了氮源、碳源、无机盐等3个因素。

四、试验设计：我们选择使用正交表进行设计，并根据经验选取了不同因素的几个水平：氮源类型（氨酸、尿素、硝酸盐）、碳源浓度（葡萄糖 5g/L、10g/L、15g/L）以及磷酸盐浓度（0.5g/L、1g/L、1.5g/L）生成一系列试验条件。除此之外，较容易忽略的部分便是在进行表头设计时，还要考虑各因素之间可能存在的交互作用的影响，选取表头时应当避免混杂设计。因此，我们最终选择了L27（36），并将各因素及其因子置入表中，如下（表1）。

表1 正交表L27（36）

五、执行实验：在进行正式试验之前，为避免某些非预期因素的影响，将原表头的试验次序进行随机排列，并根据新的表头设计制备每个试验条件下的培养基，接种细菌并进行培养。

六、数据收集与分析：在每个试验条件下，收集细菌生长曲线、细胞密度、蛋白质产量等数据。这里以蛋白质产量为例，记录试验条件和结果如下（表2）。

表2 试验条件及结果

七、数据分析：使用方差分析的统计方法分析数据，确定不同因素对细菌生长和蛋白质产量的影响是否显著。结果如下。

通过上述结果可以看到，在本次试验中，氮源和碳源浓度这两个因子的P值都小于0.05，因此我们可以在95%的置信度下认为，这两个因子对于蛋白质产量有显著影响；相对的，磷酸盐浓度的P值为0.483，表明不显著。而在交互作用方面，氮源×碳源浓度和氮源×磷酸盐浓度这两者的交互作用P值分别为0和0.021，显示其存在一定的交互作用；碳源浓度和磷酸盐浓度之间交互作用不明显。

八、结果解释：作主效应图并结合上述数据分析的结果，进行综合评价。

观察上列四幅主效应图，可以看出，对试验结果影响最大的因素是氮源，3个因子条件下的蛋白质产量分别为28.91、53.37、64.12，极差为35.21；其次是碳源浓度，3个因子条件下分别为44.62、43.82、57.95，极差为14.13；余下最后一个因素磷酸盐浓度对蛋白质产量的作用不明显，极差仅为2.79，基本可以忽略。而在3个因素的交互作用方面，可以看到3幅图的折线有明显交叉，显示这三者彼此之间似乎都存在一定的交互关系，但考虑到方差分析的结果，我们最终还是采信更加定量化的分析结果。

九、优化方案和验证确认：基于以上分析结果，我们确定了本次试验最佳的培养基配方，即（硝酸盐，碳源15g/L，X），对于非显著性因素硝酸盐，考虑成本、现有库存等因素，暂定1g/L。并再次使用优化后的培养基配方进行进一步的培养和验证，符合细菌生长和蛋白质产量提高的预期。

总结：作为质量管理常用工具中的试验设计，能够在更少的试验次数内获得更多有关因果关系的信息，特别在提高实验效率、降低成本、加速研究和优化过程方面，更有着无可比拟的优势。

本文通过采用试验设计的方法，通过经验选择合适的因素及因子，进行合理的试验设计和数据分析，最终达到提高细胞生长、优化产物质量、降低成本、提高生产稳定性等方面的效果。

参考资料

1. "Design and Analysis of Experiments" by Douglas C. Montgomery
2. "Statistical Methods for Quality Improvement" by Thomas P. Ryan
3. 六西格玛管理黑带，上海市质量协会，唐晓芬
4. 质量专业理论与实务，质量专业技术人员职业资格考试用书