实验的自动化多因素设计和贝叶斯优化算法方法,用于通过超临界流体色谱对药物成分进行绿色分析的方法开发

科学领域:

• 分析化学 分析化学
• 制药科学 制药科学

背景情况:

• 染色学,特别是逆相液态染色学 (RPLC),对于药物的纯度和稳定性测试至关重要.
• 晚期药物开发需要强大的方法来分析杂质和降解产品 (关键预测样本集 - KPSS).
• 设计质量 (QbD) 和方法稳定性 (ICH-Q14) 是选择分析技术的关键考虑因素.

研究的目的:

• 开发一种自动化的超临界流体染色学 (SFC) 方法,用于晚期瘤学候选人的纯度分析.
• 将自动化SFC方法开发方法 (实验设计和贝叶斯优化) 与传统方法进行比较.
• 评估在药物分析中采用SFC而不是RPLC的环境效益.

主要方法:

• 开发一种用于纯度分析的SFC方法,利用结构相似的分析物具有更高的选择性.
• 实施两个自动化方法开发策略:多因素实验设计 (DoE) 和贝叶斯算法优化.
• 评估方法的稳定性和对资源需求 (人员,材料,时间) 与传统方法的比较.

主要成果:

• 与KPSS相比,SFC表现出高的正交度 (R2低至0.014),使得选择性更高.
• 这两种自动化方法都实现了基线分离,与传统优化相比,大大降低了资源需求.
• 对SFC方法开发的贝叶斯算法方法在一夜之间完成.
• 与RPLC相比,SFC的实施导致计算的绿色得分减少了17-30%.

结论:

• 自动化SFC方法开发为药物开发后期阶段的纯度分析提供了一种高效和强大的方法.
• 在选择性,速度和减少资源需求方面,SFC提供了显著的优势.
• 采用SFC有助于减少制药实验室的环境足迹.