基于全自动技术进行数据丰富实验的工艺优化

在药物API工艺开发的后期，紧迫的上市时间和不断严格的医药监管令每一个实验都肩负着重大的责任。面对上述挑战，就需要最 大程 度地从每个实验中获取更多的知识，这也是数据丰富实验（Data Rich Experiment）的核心原则。如何实现这种对实验的深度和广度认知的同时仍能够保持高效，就需要借助仪器或者工具了。配备有原位取样器的全自动反应器是实现丰富数据实验的关键。通过原位取样的技术，配合液相色谱（LC）的分析方法，可以获取高度还原反应过程中不同时间段的实验数据，这也将成为制药行业杂质评估的黄金标准！

全自动反应器通常会和实验设计（DoE）相结合，以确定实验的关键参数与操作空间。全自动反应器的所有符合配件的标准化设计和对实验参数的精确控制，会令输出的实验结果重现性好，并能最 大限度的降低仪器和人员的误差，获得的数据真实、准确，也让后续的统计和建模过程变得可靠。此外，将数据丰富的实验扩展到DoE中，可以提供必要的多变量分析，在不增加实验负担的情况下有了更强分析的可能，这也是质量源于设计（QbD）方法论的一部分。

PART 01 

下面则是发表在OPRD上的基于EasyMax全自动合成反应器和EasySampler原位取样装置进行的数据丰富实验（Data Rich Experiment）一篇文章。作者以抗艾滋病药Doravirine工艺中的环化生成吡啶酮为例，通过DoE研究反应的最 优条件及杂质A和杂质B的含量与各个因素之间关系，接着还从反应时间的维度展示了数据丰富实验如何进一步理解工艺。整体反应路线如图1所示：

图1：羟醛缩合环化合成吡啶酮

作者安排了一个24的全因子实验和4个中心点实验，共计20个实验来评估4个参数对产物及杂质的影响，具体工艺参数及高/低水平设置见表1。在实验过程的0h—22h中，原位并等间隔地取12个反应样品，获取更为丰富的实验数据，进而拥有一个更广阔的设计空间。在吡啶酮生成过程中控制温度和氨当量，获取一个较宽的参数范围，可以确保在商业化规模下易于操作。此外，由于上游羟醛缩合的流动反应中甲苯的残留量在生产规模上可能会有所不同，因此在实验设计中也考查了溶剂比和反应浓度。

表1. 全因子试验设计的高/低水平和中心点条件

全因子实验设计可以获取具有双因素交互作用的响应面模型结构，这些数据用于工艺优化已经足够，但作者对于吡啶酮、二烯和两种杂质(杂质A和杂质B)相关的响应和模型趋势对时间的关系也很关注，因此采用DRSM 2.6c方法为每个响应建立数据驱动模型。展示了不同的实验与化合物反应历程的动力学，评估反应稳定性。 

PART 02

     杂质1和杂质2的实验结果，回归DRSM模型输出以及选择反应响应的置信区间如图2，3所示。结果表明实验数据和回归模型之间一致性良好。全自动反应器和原位取样系统提供的精确控制和代表性取样，使得四个中心点重复性好，数据非常一致，在统计学软件中计算得到的实验方差小，95%的置信区间分布也窄。通过这种统计特性可直观地观察反应产物/杂质随时间的变化，而不仅仅是反应的终点的信息。

图2. 杂质A的实验结果(蓝色圆圈)与DRSM模型输出

(橙色实线)和相应的95%置信区间(黑色虚线)重叠

图3. 杂质B的实验结果(蓝色圆圈)与DRSM模型输出

(橙色实线)和相应的95%置信区间(黑色虚线)重叠

图4为吡啶酮响应模型的主效应系数和相互作用系数，由图可知，反应温度对吡啶酮的生成影响最 大，其次是NH3当量和溶剂体积。溶剂比（甲苯/甲醇，v/v）对吡啶酮的生成影响较小。反应温度和NH3当量的主效应系数在试验开始阶段(t < 10 h)最显著；随着时间的推移逐渐减弱，在试验的后几个小时变为负影响。值得关注的是，这两个参数的相互作用系数是负的，表明该条件会导致产物在反应时伴随着降解。

图4. 吡啶酮DRSM模型的主效应和双因素

相互作用的Beta系数随时间变化图。

图5为杂质B响应模型的主效应系数和相互作用系数，由图可知，在任何时间下，反应温度、NH3当量和溶剂比（甲苯/甲醇，v/v）对杂质B的影响都是单调递增的，意味着延长反应时间，杂质B的生成速率越来越快。

图5. 杂质BDRSM模型的主效应和双因素

相互作用的Beta系数随时间变化图 

PART 03

     通过响应面建模优化试验因子的方法并不少见，然而通过DRSM模型将时间包含在优化中的独特能力将优化问题扩展到包括依赖时间的响应，如生产效率、周期时间和稳定性等。其表达式可以化简为一个函数：

在获得上述数据后，对于本试验来说，如果希望获得的吡啶酮收率最 高；不限制杂质的生成量，则条件Ⅰ为最优条件；如果限制δ2≤0.5，则条件Ⅱ为最优条件；如果限制δ1≤0.3且δ2≤0.5，则条件Ⅲ为最优。同样，以条件Ⅰ为例，作者给出了反应时间8—11h吡啶酮收率的变化趋势，如图6所示，随着时间延长，吡啶酮收率有所下降，这个数据对生产规模的指导意义重大。

表2  不同约束条件下的产率的优化结果

图6. 吡啶酮产率和随时间变化的稳定性图

全自动反应器技术和原位取样技术的进步将使得原料药工艺开发发生翻天覆地的变化，由于自动化仪器的重现性好，温控、加料等精度高，从而获取高质量数据，极大的缩小了由于人员、设备导致的误差，进而缩小了试验数据的方差。确保了即使是微小的主效应和弱的相互作用也能被有效捕捉并且量化。

随着数据丰富的实验在药物研究中变得越来越普遍，在不久的将来的后期工艺开发中，必将会有更丰富的数据产生，这样就可以将DRSM和现有的DoE联合起来，生成重要的动态信息，更快速有效地筛选确定设计空间，产生更稳健、稳定的生产工艺过程！

*参考文献：Org. Process Res. Dev. 2021, 25, 282−291