| 编号 | 562 | |
| 名称 | Biologics Long-term Stability | |
| 封面 | .png) | |
| 描述 | 基于动力学建模的生物制剂长期稳定性预测 | |
| 标签 |
| |
| 作者 | Marko Bunc | |
| 发布时间 | 2026-08-12 00:00:00 | |
| 参考文献 | Bunc M., et al. 2022, Aggregation Time Machine, Journal of Medicinal Chemistry, 65, 2623-2632
Dillon M., et al. 2024, Predicting the Long-Term Stability of Biologics with Short-Term Data, Molecular Pharmaceutics, 21, 4673-4687 | |
- 简介
- 从湿实验到预测：整体流程
- 背景知识
- SEC、单体与 HMW（示例一相关）
- IEC 与电荷异构体（示例二相关）
- 模型选择：双组分与三组分
- 输入数据
- 数据格式示例
- 参数说明
- Input File
- Temperature Column
- Time Column
- Component A / B / C Column
- Pathway
- Fit Mode
- Predict Temps
- Predict Step
- Predict Max
- MC
- 输出结果
- 示例一：SEC 单体 + HMW（双组分）
- 1. 湿实验做了什么
- 2. 初始实验数据（节选）
- 3. 拟合结果解读
- 4. 长期预测结果（36 个月）
- 示例二：IEC 主峰 + 酸性 + 碱性（三组分）
- 1. 湿实验做了什么
- 2. 初始实验数据（节选）
- 3. 拟合结果解读
- 4. 长期预测结果（36 个月）
- 补充说明
- 参考文献
Biologics Long-term Stability
简介
抗体注射液在储存过程中，分子可能逐渐发生聚集、降解等变化，影响纯度与安全性。稳定性研究会在不同温度下存放样品，定期取样检测，观察这些变化随时间的发展趋势，为货架期（有效期）评估提供依据。
本模块的作用是：在已有短期、多温度稳定性实测数据的基础上，用动力学模型拟合降解规律，并外推至更长存放时间（默认 36 个月），给出各组分未来含量的预测值及 95% 预测区间，用于加速稳定性数据上的长期趋势分析。
LT/HT 双分支动力学源于 Bunc et al.（2022）ATM；整体预测流程（多温度联合拟合、Monte Carlo 预测区间等）参考 Dillon et al.（2024）AKM 方法。
从湿实验到预测：整体流程
| 步骤 | 内容 |
|---|---|
| 第一步：湿实验（稳定性研究 + 分析检测） | 将抗体样品置于多个温度条件下存放（如 5°C / 25°C / 40°C，亦可为其他组合）→ 按方案定期取样 → SEC 或 IEC 等方法检测 → 得到各组分含量（%） |
| 第二步：整理数据 | 将「温度、取样时间、各组分含量」整理为 CSV 宽表并上传（Input File） |
| 第三步：本模块计算 | ① 识别双组分 / 三组分模型；② 联合拟合全部温度、全部时间点的实测数据；③ 估计降解速率、活化能等动力学参数；④ Monte Carlo 评估参数与预测的不确定性；⑤ 外推至 Predict Max 指定的时间范围，生成预测值与 95% 预测区间 |
| 第四步：查阅结果 | report.pdf（趋势图 + 拟合摘要）、predictions.csv（数值表） |
背景知识
SEC、单体与 HMW（示例一相关）
| 术语 | 通俗说明 |
|---|---|
| SEC（Size Exclusion Chromatography，分子排阻色谱） | 按分子大小分离蛋白的液相色谱方法。样品进入色谱柱后，分子量大的先流出、小的后流出，谱图上出现不同峰，每个峰对应一类分子。稳定性研究中常用 SEC 追踪抗体是否聚集、是否形成高分子量物种。 |
| 单体（Monomer） | 以单个抗体分子形式存在的组分，通常是制剂中希望保留的主要有效成分，在 SEC 谱图上往往对应主峰。存放过程中若发生聚集，单体会减少。 |
| HMW（High Molecular Weight，高分子量物种） | 分子量明显大于单体的组分，常见形式包括二聚体、寡聚体及更大聚集体。在 SEC 上表现为较早流出的峰（体积更大）。稳定性研究中，HMW 比例升高通常表示聚集加剧。 |
| A → B 的含义 | 本模块将 SEC 单体记为组分 A，HMW 记为组分 B。简化假设：单体减少的部分转化为 HMW（A 降、B 升，A + B ≈ 100%），用同一套动力学参数描述这一变化过程。 |
典型转变过程： 刚配制时单体约占 98%、HMW 约占 2%；随存放时间延长，部分单体分子碰撞、折叠异常或化学修饰，逐渐聚集成 HMW，表现为 单体峰面积占比下降、HMW 峰面积占比上升。温度越高，这一变化通常越快。
IEC 与电荷异构体（示例二相关）
| 术语 | 通俗说明 |
|---|---|
| IEC（Ion Exchange Chromatography，离子交换色谱） | 按电荷差异分离蛋白的色谱方法，用于分析电荷异构体（同一抗体因脱酰胺、异构化等修饰而带电荷略有不同的变体）。 |
| 主峰 / 酸性组分 / 碱性组分 | IEC 谱图上通常有一个主峰（理想形式的主体分子），以及电荷偏酸或偏碱的酸性峰、碱性峰。存放过程中主峰可能降低，酸/碱组分可能升高。本模块分别记为 A、B、C。 |
模型选择：双组分与三组分
模型由输入数据CSV文件中的列组成自动确定，无需手动切换：
| 数据列 | 自动模型 | 典型湿实验场景 | 物料关系 |
|---|---|---|---|
| temp, time, A, B | 双组分 A→B | SEC：单体 + HMW | A + B ≈ 100% |
| temp, time, A, B, C | 三组分 A→B+C | IEC：主峰 + 酸性 + 碱性 | A + B + C ≈ 100% |
列名非默认值时，通过 Temperature Column、Time Column、Component A/B/C Column 等参数映射。
输入数据
数据格式示例
temp,time,A,B
5,0.0,98.8,1.2
25,3.0,89.7,10.3
40,3.0,79.3,20.7
数值一般保留一位小数；每行一条记录（某一温度、某一时间点）。质量要求： 建议 ≥ 2～3 个不同存放温度（具体温度点按稳定性方案确定，常见如 5 / 25 / 40°C，亦可为其他组合）；每温 ≥ 4 个时间点（含 t=0）；高温长时间下单体 A 应有可观测下降；t=0 时组分之和 ≤ 101%。
参数说明
Input File
用于预测的数据文件，必传参数。CSV 格式，含存放温度、取样时间（月）及各组分含量列。
Temperature Column
温度列列名。默认 temp。
Time Column
取样时间列列名，单位为月。默认 time。
Component A / B / C Column
各组分含量列列名，单位为 %。默认 A、B、C。Component C Column 为可选；存在对应列时自动启用三组分模型。
Pathway
动力学通路模式，可选值：
- auto（默认）：数据较丰富且 LT/HT 拟合明显优于 simple 时选用 LT/HT，否则选用 simple
- simple：强制单路径模型，全温度共用一套速率参数
- lt_ht：强制 LT/HT 双分支模型（Dillon 文献方法）
Fit Mode
拟合模式，可选值：
- joint（默认）：A+B (+C)≈100时，采用联合建模。
- separate：不满足A+B (+C)≈100时，A，B（，C）单独建模。
Predict Temps
预测温度列表，逗号分隔，单位 °C。默认取 Input File 中的全部温度。
Predict Step
预测时间步长，单位月。默认 0.5。
Predict Max
预测时间上限，单位月。默认 36。
MC
蒙特卡洛 Bootstrap 重采样次数。默认 5000；次数越大，预测区间估计越稳定，计算耗时越长。
输出结果
| 文件 | 内容 |
|---|---|
| report.pdf | 各温度预测曲线（中位趋势 + 95% PI 阴影）及实测散点；拟合摘要、参数统计 |
| predictions.csv | 各温度、各时间点的组分含量中位值及 95% 预测区间（A_pi2_5、A_pi97_5 等） |
示例一：SEC 单体 + HMW（双组分）
1. 湿实验做了什么
某抗体注射液开展 SEC 稳定性考察：
| 项目 | 内容 |
|---|---|
| 检测方法 | SEC（分子排阻色谱） |
| 关注指标 | 单体（主峰，有效成分）与 HMW（高分子量聚集体） |
| 存放条件 | 多个温度（本例为 5°C、25°C、40°C，各放一批样品；实际方案可选其他温度，但须覆盖至少 2～3 个不同条件） |
| 取样时间 | 每温多个时间点，如 0、1、3、6 月（方案可因项目而异） |
| 检测输出 | 每个样品的单体%、HMW%（两者之和约 100%） |
观察到的现象： 刚入组时（t=0）单体约 98%、HMW 约 2%；随存放时间延长，单体下降、HMW 上升；本例中 40°C 降得最快、5°C 最慢——符合「温度越高、聚集越快」的直观认识。
2. 初始实验数据（节选）
将上述检测结果整理为 CSV（不含 C 列 → 模块自动选用双组分 A→B 模型）。表中 A = 单体%，B = HMW%；每行对应「某一温度、某一时间点」的一次 SEC 检测结果。本例含三个温度共 12 条记录，此处节选其中 6 条：
temp,time,A,B
5,0.0,98.8,1.2
5,6.0,93.8,6.2
25,0.0,98.5,1.5
25,6.0,81.6,18.4
40,0.0,98.8,1.2
40,3.0,79.3,20.7
3. 拟合结果解读
拟合结果： a2b，simple；RMSE 0.13%；A₀=98.7%，B₀=1.3%；k(25°C)=0.032/月，Ea=10.4 kcal/mol。
| 指标 | 含义 |
|---|---|
| a2b | 双组分模型：单体降解，消耗量转化为 HMW |
| simple | 三个温度共用一套速率参数（未启用 LT/HT 双分支） |
| RMSE 0.13% | 模型与全部实测点平均偏差约 0.1 个百分点 |
| A₀ / B₀ | 拟合得到的 t=0 初始含量；A₀+B₀≈100% |
| k(25°C) | 25°C 下单体每月降解的速率常数 |
| Ea | 活化能；用于将 25°C 的速率外推到 5°C、40°C 等其他温度 |
4. 长期预测结果（36 个月）
| 温度 | 单体 A（中位） | 95% PI | HMW B（中位） |
|---|---|---|---|
| 5°C | 71.8% | 70.1%–73.4% | 28.2% |
| 25°C | 31.7% | 30.6%–33.0% | 68.3% |
| 40°C | 7.0% | 6.5%–7.6% | 93.0% |
报告表述示例： 基于 5 / 25 / 40°C SEC 稳定性数据外推，预测 25°C 存放 36 个月时单体为 31.7%（95% PI：30.6%–33.0%），HMW 为 68.3%（95% PI：67.1%–69.4%）。
示例二：IEC 主峰 + 酸性 + 碱性（三组分）
1. 湿实验做了什么
某抗体开展 IEC（离子交换色谱）稳定性考察，追踪电荷异构体变化：
| 项目 | 内容 |
|---|---|
| 检测方法 | IEC（离子交换色谱） |
| 关注指标 | 主峰（有效成分）与 酸性组分、碱性组分（电荷异构体） |
| 存放条件 | 多个温度（本例为 5°C、25°C、40°C，各放一批样品；实际方案可选其他温度，但须覆盖至少 2～3 个不同条件） |
| 取样时间 | 每温多个时间点，如 5°C 至 24 月、25°C 至 6 月、40°C 至 2 月（方案可因项目而异） |
| 检测输出 | 每个样品的主峰%、酸性%、碱性%（三者之和约 100%） |
观察到的现象： 刚入组时（t=0）主峰约 37%、酸性约 7%、碱性约 56%；随存放时间延长，主峰下降，酸性与碱性组分上升；本例中 40°C 变化最快、5°C 最慢——符合「温度越高、电荷异构体转化越快」的趋势。降解产物中 碱性组分增幅大于酸性组分，提示 A→C 通路相对更活跃。
2. 初始实验数据（节选）
将上述检测结果整理为 CSV（含 C 列 → 模块自动选用三组分 A→B+C 模型）。表中 A = 主峰%，B = 酸性%，C = 碱性%；每行对应「某一温度、某一时间点」的一次 IEC 检测结果。本例含三个温度共 16 条记录，此处节选其中 6 条：
temp,time,A,B,C
5,0.0,37.1,7.4,55.5
5,24.0,30.6,8.6,60.8
25,0.0,37.3,7.1,55.6
25,6.0,17.0,15.4,67.6
40,0.0,37.2,7.3,55.5
40,2.0,5.4,25.5,69.1
3. 拟合结果解读
拟合结果： a2bc，simple；RMSE 0.12%；A₀=37.2%，B₀=7.3%，C₀=55.6%；k_B(25°C)=0.052/月，k_C(25°C)=0.078/月（A→C 更快）。
| 指标 | 含义 |
|---|---|
| a2bc | 三组分模型：主峰 A 降解后分别转化为酸性 B 与碱性 C |
| simple | 三个温度共用一套速率参数（未启用 LT/HT 双分支） |
| RMSE 0.12% | 模型与全部实测点平均偏差约 0.1 个百分点 |
| A₀ / B₀ / C₀ | 拟合得到的 t=0 初始含量；A₀+B₀+C₀≈100% |
| k_B(25°C) | 25°C 下 A→B（主峰→酸性）的速率常数 |
| k_C(25°C) | 25°C 下 A→C（主峰→碱性）的速率常数；本例大于 k_B |
| Ea_B / Ea_C | 两条转化通路的活化能；用于外推至其他温度 |
4. 长期预测结果（36 个月）
| 温度 | A 主峰（中位） | 95% PI | B 酸性（中位） | C 碱性（中位） |
|---|---|---|---|---|
| 5°C | 27.8% | 27.4%–28.3% | 9.1% | 63.1% |
| 25°C | 0.3% | 0.1%–0.6% | 22.1% | 77.6% |
| 40°C | 0% | 0.0%–0.2% | 28.6% | 71.4% |
报告表述示例： 基于 5 / 25 / 40°C IEC 稳定性数据外推，预测 25°C 存放 36 个月时主峰为 0.3%（95% PI：0.1%–0.6%），酸性组分为 22.1%（95% PI：21.4%–22.8%），碱性组分为 77.6%（95% PI：76.9%–78.3%）。
补充说明
- 拟合质量： 查阅
report.pdf中实测散点是否落在预测曲线及 PI 阴影内。 - 预测区间较宽： 可补充高温长时间数据，或通过 Predict Max 缩短外推范围。
- MC： 正式分析建议默认 5000；快速预览可适当减小。
参考文献
- Bunc M., et al. 2022, Aggregation Time Machine, Journal of Medicinal Chemistry, 65, 2623-2632, DOI: 10.1021/acs.jmedchem.1c02010
- Dillon M., et al. 2024, Predicting the Long-Term Stability of Biologics with Short-Term Data, Molecular Pharmaceutics, 21, 4673-4687, DOI: 10.1021/acs.molpharmaceut.4c00609
