几十年来，生物制造行业的下游工艺一直承受着巨大的压力。这种压力的来源是上游生产更大的可放大性，可以通过提高细胞的生产率来扩大规模，而无需增加设备的尺寸或培养基的体积。相反，下游工艺的规模取决于产品的质量，并且该质量与设备的尺寸、缓冲液的体积、过滤器的面积以及所需的层析填料的数量之间存在严格的线性关系。总之，下游工艺不存在规模经济。因此，应对更大规模的上游工艺的成本显著升高，因为唯一的解决方案是增加更多的下游工艺链来应对额外的需求，这可以称为“数量增加”。此前，作者探讨了下游工艺创新的必要性，以此作为克服这一瓶颈并提高工艺效率和可持续性的手段。这些创新包括简化现有流程、集成其他行业中使用的更简单且成本更低的技术、用一次性模块替换固定设备以及开发在工艺重新设计方面改变游戏规则的技术解决方案。本文将探讨下游工艺的最新进展，强调创新的纯化方法以及对用于开发精确预测模型的机械建模和机器学习方法日益增长的兴趣。此外，还考虑结合过程分析技术（PAT）和绿色化学概念，以减少水和能源的使用，限制废物量，并建立更加环保的纯化过程。

新型亲和配基

许多下游工艺系列从捕获层析步骤开始，因为这通常是将目标产品与大多数杂质分离的最有效方法。 Protein A 是一种来自金黄色葡萄球菌的细胞壁蛋白，由于其与免疫球蛋白 Fc 区的强选择性结合而被广泛用于抗体纯化。然而，Protein A 层析法也有局限性，包括早期临床生产的高成本、配基脱落以及对某些抗体变体的亲和力低。随着抗体偶联药物（ADC）和双特异性抗体等多种治疗方式的流行，对新型亲和配基的需求不断增加。 Protein A 类似物的开发是为了解决这些挑战，因为它们在恶劣的清洁条件下比 Protein A 更稳定，从而减少脱落的影响，同时还节省成本。

作为肽的替代品，适体是单链 DNA 或 RNA 寡核苷酸，能够以高特异性和亲和性地与靶分子结合。适体很容易合成和修饰，以增强稳定性、特异性和结合能力。它们被开发用于纯化凝血因子、干扰素和 ADC，展示了它们的多功能性以及用于多种治疗方式的潜力。

分子印迹聚合物 (MIP) 是含有分子识别位点的合成聚合物，可在形状、大小和官能团方面“补充”目标分子。 MIP 是通过在模板分子周围聚合功能单体，然后去除模板以留下特定的结合位点来创建的。 MIP 具有优于天然亲和配基的优势，包括稳健性、稳定性和较低的成本。研究人员已经研究了使用 MIP 来纯化溶菌酶和干扰素等治疗性蛋白质，但还需要进一步开发和优化。

超小规模生物工艺

传统上，在工艺开发过程中使用缩小模型，以比正常工艺更小的体积对新工艺进行“道路测试”，从而减少空间需求和成本。最近的一项创新是超小规模（USD）生物工艺，这是一种用于生物制药生产中快速工艺开发和优化的强大技术，可以以更小的体积和更快的时间维度进行实验，最大限度地减少时间和资源的使用，并允许多种选择并行测试。微型化高通量系统，例如微型生物反应器和微流体系统，用于促进众多工艺参数的有效筛选。

微型生物反应器密切模仿大规模系统的性能，同时需要较少的样品材料，而微流体系统可以精确控制少量液体的流动。高通量实验可以与微型生物反应器和微流体系统集成，以进一步简化工艺开发，从而缩短新生物制药的临床时间。

澄清/纯化创新

新的过滤技术已被开发出来，以提高细胞培养收获后澄清的效率和选择性。例子包括一次性大容量深层过滤器，可提高澄清度，同时减少污染并防止出现大的压降，以及先进的膜层析组件，例如多模式膜，可促进聚体和其它杂质的去除，同时提供更高的选择性和处理能力。基于纤维的纯化技术已成为传统填充床层析的另一种替代方案，具有更短的处理时间和更高的可放大性等优势。这些技术使用中空纤维膜或整体纤维作为固定相。

中空纤维膜层析已用于捕获和纯化单克隆抗体 (mAb) 和病毒样颗粒，而整体纤维已用于以高分辨率和通量纯化治疗性蛋白质和核酸。模块化床支持的盒式层析可以使用包含不同层析介质的可互换盒来灵活且可放大地设计纯化系统。该方法通过增强传质、液流分布和填料利用率来提高亲和层析、离子交换层析和疏水相互作用层析的性能。该技术的模块化允许快速筛选和优化层析条件，以及纯化工艺的无缝放大。

连续层析法比传统批次层析法使用更少的填料，但生产率更高。它能够以更高的通量实现稳态操作，从而提高产品的纯度和收率。连续层析的例子包括模拟移动床层析和周期性逆流层析。这些技术已用于纯化单克隆抗体和其它治疗性蛋白质。

机械建模与模拟

随着生物制药行业转向生产更复杂的分子和个性化药物，对快速、可靠地开发强大的下游工艺的需求日益增长。如果需要同时测试和改变许多不同的参数，这可能具有挑战性且成本高昂。一种有前景的解决方案是开发数字孪生，它是现实世界工艺的模型。数字孪生是使用机械模型构建的，该模型基于以数学方式描述过程的自然物理化学定律。现在可以使用先进的软件来开发此类模型，其中包含吸附和流体动力学等相关效应。基于机械模型的层析工艺的数字孪生允许业界在计算机中进行数千次实验（即使在校准范围之外），同时避免了类似数量的实验室实验的需要。

随着更多数据的出现，机器学习已与机械建模相结合，以创建更准确的预测模型。因此，机器学习算法已被用来优化层析工艺参数。动态端到端生物过程数字孪生使用每个单元操作的机械模型，并将它们集成到涵盖整个生物过程的整体模型中。数字孪生可用于研究过程变化的影响、识别瓶颈并优化整体工艺性能。例如，数字孪生已被用来模拟连续和集成生物工艺系统的性能，为过程动态、设备规模和调度问题提供有价值的见解。

过程分析技术（PAT）

PAT 是一组用于通过测量影响产品关键质量属性 (CQA) 的关键过程参数 (CPP)、以分析和控制药品生产工艺的方法。 PAT 在生物制药生产中的应用已被证明可以增强工艺理解、减少变异性并提高整体效率。 PAT 工具可检测出现的偏差并对其进行控制，从而确保产品质量和一致性。 PAT 工具的示例包括拉曼光谱、近红外光谱和在线高效液相层析 (HPLC)。质谱和毛细管电泳等先进分析技术也可用于实现复杂生物分子的快速、准确表征。这些方法还可以检测杂质和污染物，提高产品质量和安全性。将这些先进的分析技术与自动化和数字化相结合可以实现实时监测和控制，进一步提高整体工艺效率。

可持续发展

生物制药行业越来越注重减少对环境的影响。这包括通过减少水和能源的使用以及在纯化过程中实施绿色化学原则来开发更可持续的生产方法。由于大量使用水进行清洁和冷却以及许多纯化方法的能源密集型性质，水和能源消耗是人们关注的重点。为了最大限度地减少水和能源的使用，很多公司正在投资更高效的设备和工艺，包括水循环使用策略和层析优化，以减少缓冲液消耗。绿色化学原则也正在被实施，用于开发更环保的纯化工艺，例如使用更安全的溶剂和助剂、最大限度地减少废物的产生以及节能工艺的设计。例如，水性两相系统可以用作传统溶剂萃取方法的替代方法。

结论

生物制药行业下游工艺的快速发展以持续创新和技术发展为标志。作者将新型亲和配基、纯化技术、机械建模、自动化、数字化和可持续性描述为关键创新领域，以应对纯化日益复杂的治疗方式的挑战。随着行业不断扩展和调整，这些进步将被整合起来，以提高生物制药生产工艺的效率、生产力和质量，从而为患者提供更安全、更有效的生物治疗药物，包括个性化药物。从历史上看，监管机构将创新视为对完善的保守工艺流程的威胁，但也正逐渐以积极的眼光看待它，特别是在推出“质量源于设计”倡议之后。通过采用最新的趋势和技术，生物制药行业可以抵御下游工艺可放大性的压力，并可以像几十年来一样继续彻底改变挽救生命的治疗药物的生产。

原文：H.Kaligotla, U.Gottschalk, Innovations in Downstream Processing. BioPharm, 2023.

撰稿人 |  生物工艺与技术

责任编辑 | 胡静

审核人 | 何发