2016년 4월 9일
여기에 제시된 실험 설계 절차를 통해 식물 추출물에 분산된 입자를 응집시키는 능력 측면에서 다양한 응집제를 평가할 수 있으므로 탁도와 다운스트림 처리 비용을 줄일
수 있습니다.다음 실험의 전반적인 목표는 식물 추출물에서 분산된 입자의 제거를 개선할 수 있는 응집제를 식별하는 것입니다. 이는 이러한 분산된 입자의 응집을 제어하는 가장 효과적인 폴리머와 매개변수를 식별하기 위한 실험 설계를 설정함으로써 달성됩니다. 두 번째 단계는 대규모 응용 프로그램에서 사용되는 단위 작업에 해당하는 작업 흐름을 정의합니다.
다음으로, 잎 추출물을 다양한 조건에서 응집제에 대해 준비하고 탁도 및 제품 회수율을 측정하기 위해 분석합니다. 결과는 실험 설계 모델 평가를 기반으로 최적의 응집 조건과 폴리머를 보여주며, 이를 DoE로 단축합니다. 뎁스 필트레이션만 사용하는 기존 정화와 비교했을 때 이 기술의 주요 장점은 필터 용량을 몇 배로 증가시켜 전체 공정 비용을 절감할 수 있다는 것입니다.
응집은 입자의 유효 직경을 증가시키고 원심분리 또는 여과를 통해 입자를 쉽게 제거할 수 있습니다. 따라서 응집 절차와 관련된 환경 공정 매개변수를 먼저 식별해야 합니다. 일반적으로 이러한 매개 변수가 여러 개 있습니다.
따라서 기계론적 모델이 없다는 점을 감안할 때 DoE 접근 방식이 적절합니다. DoE는 문헌 데이터 및 사전 지식을 기반으로 매개변수를 선택하여 설정됩니다. 일반적인 파라미터에는 배양 시간, 폴리머 유형 및 농도가 포함됩니다.
여과성(filtratability)과 같은 응집의 효율성을 평가하는 데 사용되는 실험 결과도 실험 전에 정의됩니다. 그런 다음 이 정보는 조사할 요인의 수와 시스템에 대해 이미 축적된 지식의 정도에 적합한 DoE 유형에 공급됩니다. 작업 흐름은 식물 추출물의 응집 및 실험실 규모 처리와 관련된 모든 단계를 포괄하기 위해 개발되었습니다.
부분 표본 부피는 높은 샘플 처리량을 허용할 수 있을 만큼 충분히 작아야 합니다. 실험실 장비의 성능은 프로세스 규모 장치의 성능과 상관관계가 있어야 합니다. 식물은 최종 과정을 나타내는 방식으로 재배됩니다.
그리고 모든 유틸리티는 추출 및 응집 실험을 시작하기 전에 준비됩니다. 응집제 원액은 제조업체의 사전 희석을 고려하여 신중하게 준비됩니다. 모든 응집제에 대해 동일한 스톡 농도를 선택하면 후속 피펫팅이 간단해져 오류 가능성이 줄어듭니다.
각각의 새로운 응집제 원액에 대한 완충액 성분, pH 및 전도도는 추출물의 조건에 맞게 준비됩니다. DoE 일정은 식물 추출물 샘플에 추가할 원액의 양을 설정하는 피펫팅 계획으로 변환됩니다. 식물 추출물 샘플은 DoE에서 테스트할 조건과 일치하는 완충액을 사용하여 수확된 담뱃잎에서 준비됩니다.
추출물을 교반하는 동안 사전 정의된 부피에 맞는 부분 표본을 준비합니다. 이렇게 하면 모든 샘플에서 균일한 입자 분포가 보장됩니다. 추출 버퍼가 각 부분 표본에 추가되어 응집제 스톡이 추가되면 모든 샘플이 동일한 부피를 갖도록 합니다.
DoE에 정의된 원액의 부피는 무작위 실행 순서에 표시된 대로 순차적으로 샘플에 추가됩니다. 폴리머는 폴리머를 첨가한 직후 튜브를 흔들어 샘플 전체에 균일하게 분포되어 있으며, 이는 또한 응집 결과를 재현할 수 있도록 보장합니다. 이 방법은 응집제의 조합 또는 동일한 응집제의 반복 첨가를 테스트하기 위해 쉽게 수정할 수 있습니다.
그러나 이는 DoE에서 구현되어야 합니다. 플록 형성에는 일반적으로 3-30분의 배양 시간이 필요합니다. DoE에 정의된 배양 시간을 준수하는 것은 재현 가능한 결과를 달성하는 데 필요합니다.
플록의 침전 속도 또는 여과액의 탁도 및 필터 용량을 사용하여 응집제 성능을 평가할 수 있습니다. 폴리머가 단백질과 같은 제품을 방해하지 않는지 확인하는 것도 중요합니다. 데이터 품질이 확인되면 정보를 DoE 소프트웨어로 전송할 수 있습니다.
실험 데이터는 데이터 변환, 요인 선택 및 품질 관리 도구를 포함하여 DoE 소프트웨어에 내장된 도구를 사용하여 분석됩니다. 이러한 도구를 사용하는 것 외에도 최종 모델은 물리학 및 열역학의 기본 법칙과 일치해야 합니다. 모델 품질이 확인되면 모델을 사용하여 응집을 위한 최적의 조건을 예측할 수 있습니다.
모델 예측을 기반으로 설계 공간은 앞에서 설명한 절차를 반복하여 새로운 DoE를 설정할 수 있는 가장 관련성이 높은 영역으로 좁힐 수 있습니다. 그런 다음 파일럿 또는 생산 규모에서 결과를 확인할 수 있습니다. 이 대표적인 연구에서는 23가지 합성 응집제와 4가지 천연 응집제의 성능을 DoE 접근법을 사용하여 담배 잎 추출물을 응집하는 능력에 대해 테스트했습니다.
폴리머 농도 및 유형과 같은 폴리머 관련 파라미터뿐만 아니라 배양 시간, 온도, 완충액 pH 및 전도도와 같은 공정 파라미터도 고려합니다. 총 약 200개의 20mL 추출물 분취액을 포함하여 4개의 중첩된 IV-최적 설계 시퀀스를 통해 온도가 섭씨 4도에서 30도 사이인 한 Polymin P가 pH 4에서 8 범위의 담배 추출물에 가장 효과적인 응집제임을 발견했습니다. 15분의 배양 시간은 응집에 충분했지만 cm당 40mS 이상의 전도도에서는 효과가 감소했습니다.
그러나 DoE 접근법은 Catiofast VSH가 Polymin P를 보완하여 cm당 40mS 이상의 전도도에서 효과적인 응집을 달성한다는 것을 보여주었습니다. 이러한 응집제가 담배 추출물의 다운스트림 공정에 도입되었을 때 배포된 뎁스 필터의 용량이 3.2배에서 5.7배로 증가하여 이 단계의 제품 비용을 절감했습니다. 우리는 응집제가 단클론 항체, 형광 단백질, 락틴 및 다른 백신 후보를 포함한 표적 단백질의 회수를 감소시키지 않는다는 것을 확인했습니다.
최적의 응집 조건은 100L 파일럿 스케일 배치에서도 확인되었습니다. 또한 DoE의 결과는 블레이드 기반 균질화가 아닌 스크류 프레스로 제조된 담배 추출물로 성공적으로 전달되어 수집된 정보가 얼마나 광범위하게 적용될 수 있는지 강조했습니다. 우리는 또한 똑같이 잘 작동하는 응집제의 조합을 테스트하기 위해 이 방법을 조정했습니다.
이 동영상을 시청한 후에는 DoE 접근법을 사용하여 식물 추출물에 대한 응집 실험을 설정하는 방법을 이해해야 합니다.
전체 스크립트를 보고 수천 개의 과학 동영상에 액세스하세요
본 연구는 식물 추출물 내 분산된 입자들의 응집 효율을 평가하기 위해 다양한 응집제를 검토하는 실험 계획법(design-of-experiments) 접근 방식을 제시합니다. 본 연구의 목적은 탁도를 낮추고 후속 공정의 효율성을 높이는 것입니다.
식물 추출물의 투명화 공정은 식물 유래 바이오 의약품의 하위 공정에서 매우 중요한 병목 구간이며, 높은 탁도는 여과 및 원심 분리 비용을 증가시키고 처리량을 감소시킵니다. 이러한 실험 계획법(DoE) 접근 방식은 메커니즘 모델에 의존하지 않고 응집제를 신속하게 경험적으로 스크리닝하여 고액 분리를 최적화함으로써, 바이오 의약품 제조의 비용 절감과 공정 확장성을 직접적으로 지원합니다. 제품 회수율을 유지하는 견고한 폴리머-조건 조합을 식별함으로써, 이 방법은 투명화 단위 조작의 예측 신뢰도를 높이고 실험실 규모에서 파일럿 규모로의 기술 이전을 용이하게 합니다.
이 방법은 식물 기반 바이오 의약품 제조의 하류 정제 단계 중 투명화 공정에 해당하며, 공급액의 품질을 개선하고 필터 가동 시간을 연장함으로써 초기 추출물 준비와 depth filtration 사이의 가교 역할을 합니다.