インラインセンサーによるリアルタイム制御

バイオ医薬品の製造では、プロセスを手動で監視することから、リアルタイム制御や自動介入へとシフトしています。目標は、結果を予測できるアルゴリズムやAIソリューションを開発し、自律的なシステムを構築することです。この目標に向けた最初のステップは、信頼性が高く堅牢なインラインセンサーを使用して、リアルタイムのプロセス制御を行うことです。本稿では、いくつかの異なるアップストリームおよびダウンストリームのプロセスパラメータのインプロセス制御に、入手可能で信頼性の高いセンサーを使用する方法を例示します。

接続されたmAb製造プロセスにおける細胞培養のモニタリング

バイオリアクターのサンプルを手動でオフライン分析すると、パラメータが許容範囲外になったときにトレンドや警告が表示されないというデメリットがあります。さらに、結果を分析するためには時間とリソースが必要です。一方，インラインセンサーは連続的なデータを提供するため，パラメータが許容範囲を逸脱する前にその逸脱に対応することができ，より優れたトレンド管理が可能となる．また、インラインセンサーを使用することで、モニタリングに必要なオフライン分析の回数や、分析サポートに送るサンプルの数を減らすことができるというメリットもあります。Fig 1は、クローズドで接続されたバイオプロセスの概要を、プロセス制御用のセンサーとCQA（Critical for Quality Attributes）用のセンサーとともに示したものです。このアプリケーションノートでは、プロセス制御のためのリアルタイムデータを提供するインラインセンサーの使用例として、下流側1例と上流側2例を紹介します。

バイオマスセンサーによる定常灌流制御

灌流培養を健全に保つためには、最適なブリード率を維持することが重要なパラメータとなります。ブリード率は，細胞の生存率と製品の生産率に影響するバイオリアクターの性能にとって重要です。Fig 2に示す概念実証実験では、静電容量式の細胞密度プローブ（Incyte社製）を使用して、XDA-10 Pro Plusバイオリアクターバッグ内のチャイニーズハムスター卵巣（CHO）細胞の生存バイオマスを測定しました。Incyte社のプローブからの信号は、内部のXDRポンプを制御するために使用され、ポンプがブリードレートを調整しました。Fig 3に示すように、Incyteプローブとオフラインの細胞数との間で生細胞密度（VCD）の値を比較すると、ブリードレートの自動制御が可能であることがわかる。

グルコース添加を制御する自動化ループの開発

特定のコンポーネントをリアルタイムで監視することで、細胞培養を厳密に制御することができます。また、予測アルゴリズムに基づくフィードバックループを利用することで、培養物を手作業で取り扱う必要性や汚染のリスクをさらに低減することができる。この研究では、近赤外線（NIR）分光法を用いて、細胞培養中のグルコース濃度をリアルタイムで予測しました。予測されたグルコース値は、XDR-10バイオリアクターの内部ポンプを介してグルコースレベルを所定のセットポイントに調整するために使用された。

NIRスペクトロスコピーは、バイオプロセス産業において、原材料から製品の品質管理まで、個々のコンポーネントを分析するために数十年にわたって使用されてきた。NIRを使用することには、以下のような利点があります。

• 非侵襲的な、吸収ベースの測定
• 16個のフルスペクトルを1分以内に測定することができます
• サンプルの前処理が不要なため、インライン分析にも使用可能
• 昼光色と蛍光色が干渉しない

OPUS™ソフトウェアを使用して給餌式バッチ培養におけるグルコース、乳酸、VCDを予測する多変量解析モデルを開発しました。モデルの開発にはFig 4に示すような系統的なアプローチが用いられ、最初は2Lのベンチトップスケールで開発されました。

材料と方法

データにノイズが混入する要因を調査しノイズと実際のパラメータ情報を分離するためには、十分に設計された事前調査を行うことが重要です。事前調査で調べたパラメータは以下の通りです。

• Cell line
• pH
• Dissolved oxygen（DO）
• Probe design
• Glucose and lactate spiking
• Agitation
• Media
• Working volume

グルコースとVCDを予測する初期モデルは，5回のフィードバッチ培養と，実験空間を拡大するためにグルコースと生細胞の濃度を変化させた一連のスパイク実験に基づいている。その後、このグルコース予測モデルを用いて、SU Xellerex™ XDR-10バイオリアクターのグルコースポンプをリアルタイムで制御するフィードバックループを構築した。

結果

Fig 5の結果から、フィードバックループが機能し、NIRセンサーがグルコース濃度を3g/L以下と予測したときにグルコースが追加されたことがわかります。しかし、インラインのデータとオフラインの測定値を比較すると、Fig 6に示すように、VCD値に大きな差がありました。これは、私たちの予測モデルがあまりにも弱く、グルコース・フィードバック・ループを完全にサポートできるようになるには、さらに多くのトレーニングデータが必要であることを明確に示しています。今回の実験は、この分野のさらなる研究を後押しするものでした。また、NIRグルコースプローブ、モデル、内蔵のXDRポンプを使ってグルコースコントロールを自動化することが十分可能であることを示しています。

インラインUVによるカラムスイッチの自動化

下流の捕捉工程に3カラムの周期的向流クロマトグラフィーを使用すると、レジンの使用量を最適化できること、デルタUVに基づいて所定のレベルで動的に負荷をかけることができること、フィードやカラムの性能の変化に対応できることなど、いくつかの利点があります。

ÄKTA™ pccシステムのDelta UV機能では、予測されるブレークスルーレベルをセットポイントとして、カラムローディングをダイナミックにコントロールすることができます。これは、フィードやカラムの性能の変化にシステムが動的に適応できることを意味しています。Fig 7は、カラム性能が運転中に変化していても、ダイナミックコントロールを使って変化に対応できることを示しています。この実験では、カラム性能が変化した場合に、捕捉ステップを最適化する方法を示しています。

この実験では、フィードの濃度にばらつきがないように、同じフィードバッチ材料を使用しました。容量の異なる3種類のプロテインAレジンを使用しました。カラム1はMabSelect SuRe™レジンで、カラム2と3はより高容量のMabSelect SuRe™ LXレジンでした。カラム1の結合容量が低いため、ブレイクスルーが早く発生します。システムは、新しいカラムが設置されてローディングの準備が整うまで、ローディングを保留します。保留中はUVに変化はなく、UVのピークは「フラットアウト」しています（Fig 8）。Fig 9は、カラム1の溶出プールでmAbの量が少なくなっていることを示しています。ここで示したように、自動カラム切り替えにより、ユーザーはカラムのセットアップを最大限に活用することができます。

まとめ

今後の連続バイオプロセスには自動化が不可欠であり、信頼性の高い堅牢な予測モデルを構築するためには、スマートなインラインセンサが必要です。自動化されたシステムは、手作業によるサンプリングを減らし、工程内での制御を可能にし、製品の品質を向上させると同時にコストを削減します。私たちは、いつかCQAを制御・予測できるようになるために、ばらつきを減らし、ロバスト性を高め、サンプリングを減らし、歩留まりを向上させたいと考えています。しかし、自動化ソリューションを導入する前に、フローコントローラ、圧力センサ、アラーム機能など、プロセスの流れの中で価値を生み出す可能性のあるステップを特定することが重要です。このホワイトペーパーでは、一般的な上流および下流のバイオプロセスの基本的な自動化フィードバックループを開発するためにインラインセンサーを使用した3つの異なる実験を紹介しました。これらの実験は、この分野のさらなる調査をサポートするものです。