对不同蛋白质配方和容器的反应中的粒子形成:来自对粒子图像的机器学习分析的见解

科学领域:

• 生物制药科学 生物制药科学
• 蛋白质聚合研究 蛋白质聚合研究
• 药物稳定性分析药物稳定性分析

背景情况:

• 可见微粒数是制药行业生物治疗稳定性的关键指标.
• 在生物治疗发展过程中,各种压力,如激发,热和冷-解周期,可以改变粒子形态.
• 了解这些形态变化可以帮助识别用于单克隆抗体 (mAbs) 等基于蛋白质的药物的特定压力.

研究的目的:

• 评估常见的生物治疗储存和运输条件如何影响蛋白质聚合和粒子形态.
• 研究不同配方和药物容器对颗粒特性的影响.
• 评估连续应力暴露对粒子形态学的影响,与单次应力暴露相比.

主要方法:

• 使用微流成像来捕获可见的微粒的图像.
• 采用卷积神经网络 (CNN) 来分类粒子形态.
• 进行了两项主要研究:一项是对五种1 mAb配方的应力 (,热,冷解) 进行检查,另一项是对两种容器类型 (HDPE瓶,玻璃瓶) 的6 mAbs的应力进行评估.
• 一个扩展评估了连续与单次应激暴露的影响.

主要成果:

• 卷积神经网络成功地根据其来源对粒子进行了分类,区分了不同的配方和容器.
• 振动,热和冷-解应力显然影响了粒子形态.
• 配方成分和药物容器的类型影响了在压力条件下观察到的粒子形态.

结论:

• 储存和运输压力显著影响生物治疗中可见粒子的形态.
• 粒子形态作为一种有价值的指标,用于识别单克隆抗体 (mAbs) 遇到的特定压力.
• 这些发现强调了配方和容器选择在减轻压力诱导的颗粒形成和保持生物治疗稳定性方面的重要性.