LyoHUB 的 Lyo2040 冻干路线图：可能重塑冻干技术的五个转变

作者：Alina Alexeenko，LyoHUB

自第二次世界大战以来，冻干一直是制药生产的一部分，当时它使血浆能够用于战场治疗休克，并实现了第一种抗生素——青霉素的大规模生产。然而，在许多注射用药品的生产中，它仍然是最慢、最耗能且最难预测的步骤之一。

这一挑战正是Lyo2040，即面向制药/生物技术生产的冻干、冻融与无菌干燥技术路线图的出发点。该路线图由普渡大学的LyoHUB在美国国家标准与技术研究院（NIST）先进制造办公室的支持下制定，它将2017年发布的首个冻干技术路线图从冷冻干燥扩展到其他药品冷链问题及替代性无菌干燥技术，以及支持这些技术所需的劳动力和基础设施。

该路线图将各项机遇划分为近期（现在至2027年）、中期（2028年至2033年）和长期（2034年及以后）三个时间范围，并为实现这些机遇设定了可衡量的关键进展指标（KPI）。其中若干KPI直接对应以下五个主题。

面向新型治疗模式的冻干

根据路线图引用的分析，先进治疗药品（ATMP），包括工程化细胞疗法、基因疗法和基于脂质纳米颗粒（LNP）的产品，约占全球治疗药物管线的20%，并在2020年至2022年间推动了约900亿美元的潜在交易价值。这些产品中的许多都有一个共同的脆弱点：它们在冷藏或室温下不够稳定，因此依赖冷冻或超低温储存。这造成了冷链成本、产能和基础设施问题，而这些问题在规模的两端都变得尤为突出。细胞和基因疗法以许多小批量方式生产，而LNP疫苗每年需要数百万剂。路线图指出，在这两种情况下，标准的生物制造和供应链方法都不是最优的。

路线图的方向是将这些产品开发为冷藏冻干制剂。障碍是科学性的，而非纯粹的工程性问题。冷冻干燥细胞、病毒载体和LNP通常需要大幅重新配制，而将这些模式在干燥固体中稳定的机制却知之甚少，因此迄今为止的开发严重依赖反复试验。路线图呼吁的第一步是系统性地理解固态行为：制剂组分和工艺条件如何影响干燥ATMP的质量属性。要做到这一点，需要行业、学术界、监管机构和资助方之间的合作，并最终需要针对固体ATMP药品新特性的监管指南。

这些KPI显示了该领域希望取得多大进展。目前，估计有10%-25%的已批准注射用产品需要超低温储存（低于-25°C），25%-75%需要冷冻储存；2040年的目标分别是低于5%和10%-50%。室温产品目前为5%-10%，目标是达到20%-60%。2021年，冻干产品还占FDA“短缺”清单的13%，而路线图设定了到2040年为零的目标。

工艺架构与配方同样重要。小批量与快速周转更倾向于采用传统批量西林瓶冻干之外的替代方案。该路线图描述了旋转冻干，即在短时连续工艺中对每个西林瓶单独控制，认为其适合高价值、低产量的产品，如 RNA 类药物和基因疗法，但前提是需有已证明的 GMP 规模单元。路线图还描述了无菌喷雾冻干，其可生产流动性良好的颗粒，残留水分极低（低于 0.2%），收率高于 97%，以及微波辅助冻干，其以体积方式加热产品，而非依赖搁板的传导。连续单元剂量冻干出现在中期展望中，其 KPI 为到 2040 年超过 5% 的冻干产品通过连续加工生产，而目前基线未知。

冻干产品的新兴配方策略

冻干产品的配方工作正朝着路线图强调的四个方向转变。

针对新模式的配方。 除了对单个产品重新配方外，路线图还呼吁为每种新模式定义关键质量属性（CQA）及测量它们的分析工具。路线图指出，基于组织的产品及其他新型产品，其处理、建模和优化方式必须不同于传统冻干小分子和蛋白质。ATMP 配方和工艺开发的行业最佳实践预计将随时间纳入监管指南。

超越西林瓶中冻干“饼块”的干燥剂型。 冻干珠（冻干球）和散装干燥材料在近期清单上。冻干球可分装从几分之一微升到数百微升的体积，支持替代给药和调配，并可减少对原料药批量冻融的依赖。喷雾干燥和静电干燥粉末正从肽类扩展到寡核苷酸、mRNA 和抗体配方。这些形式中的每一种都改变了稳定化问题，因此，辅料选择、水分目标和复溶行为必须针对新几何形状重新审视。

冷冻的控制。 冰成核行为决定孔结构、干燥速率和冻干产品质量。受控成核技术，如快速减压，可减少过冷并产生更大的冰晶，从而改善干燥。在一个利用建模使工艺步骤更可重复的示例中，LyoHUB 与行业合作伙伴的工作使用计算流体动力学来表征实验室冻干机上约 1.5 秒的减压事件。

AI 辅助配方和新包装。 该路线图反映了配方科学家对将 AI 应用于药品和工艺设计日益增长的兴趣，以及为新的给药途径和患者便利性设计的组合药物和初级包装。这些属于中期展望。它们的实际价值将取决于是否存在高质量、标准化的数据集来训练和验证此类工具，而路线图中呼吁的共享实验数据库和标准旨在解决这一问题。

原料药（bulk drug substance）的冻融在此也值得说明。冷冻浓缩、pH 变化、辅料结晶以及蛋白质-冰相互作用都可能损伤蛋白质，而路线图指出，更好地理解聚山梨酯等表面活性剂以及大型容器中的宏观传热，是获得更稳定冷冻中间体的途径。

PAT 应用的障碍与坎坷

一辆典型的中档汽车所配备的过程分析技术（PAT），例如胎压传感器，比一台价格高出 10 倍、且可能正用于向数千名患者提供关键药品的制药冻干机还要多。路线图明确指出，过程分析技术在制药冻干中的应用一直缓慢，且大多局限于研发规模。常被提及的原因包括无菌验证的成本和网络安全方面的顾虑，以及面对显著的运营和监管成本而缺乏财务激励。最能体现这一点的 KPI 是闭环控制的采用率。目前估计仅有 2%-5% 的循环采用了带自动终点检测的闭环控制；2040 年的目标是超过 75%。

PAT 应用缓慢背后的技术原因也很重要。

• 产品温度难以测量。皮拉尼真空计与电容薄膜真空计的对比可自动将循环从一次干燥推进到二次干燥，但它指示的是升华的结束，而非批次中任何部分的产品在过程中是否超过了其临界温度。实时测量产品温度是最终冻干药品质量最可靠的指标。
• 侵入式探头往往不符合 GMP 标准。开发中常用的西林瓶内热电偶可能引入污染风险和与放置位置相关的误差，并且它们可能充当成核位点，从而改变所测量的冷冻干燥行为。在采用自动进出料的隔离器中，它们往往完全无法使用，因此生产商只能退而采用监测有限的保守参数化循环。近期将 Tempris 无线温度传感器适配于自动装载是一个有前景的方向。
• 存在更好的传感器，但采用起来并不容易（也不便宜）。可调谐二极管激光吸收光谱（TDLAS）能更直接地测量升华，但成本和复杂性使其大多仍局限于实验室。可实时传输数据的无线温度传感器正在兴起，非常适合在云平台上进行批次间比较。另一种非侵入式方法是红外成像，不过它需要在冻干的低操作温度下进行仔细校准。

路线图指出，闭环控制虽已可用，但在实践中很少应用，原因是对其行为缺乏信心，以及依赖所存储数据的完整性和可用性。电子批记录的相关 KPI——目前冻干和干燥系统的采用率低于 20%，到 2040 年达到 100%——表明必须先完成多少自动化基础设施。

一条更有前景的 PAT 采用路径是利用大多数 GMP 冻干机上已有的传感器。赛诺菲（Sanofi）的工作促成了近期的跨行业合作，该合作已实施被动压力和温度监测，以实时推断一次干燥速率。一个基于 Python 的 PAT 工具根据内置传感器数据估算升华速率，这些数据记录了 ΔT（搁板进口/出口温度）和 ΔP（腔体至冷凝器压力）。在从中试到商业规模的多组数据中，估算结果与 TDLAS 的偏差约在 5% 以内。在满载 1,000 瓶以上实验室运行中进行的后续实验测试了检测水分和辅料结晶的灵敏度。行业还在推进将物理传感器与传热和传质计算模型相结合的系统，以避免塌陷并分析工艺偏差。

监管激励措施正在出现。FDA 的先进制造技术（AMT）认定计划允许申办者将某一方法认定为 AMT 并在未来申报中引用。Lyo2040 的关键绩效指标是：从目前冻干和冻融操作零项 AMT 认定，到 2040 年覆盖 25%-40% 的产品，即超过 10 项认定。对 PAT 供应商和制造商而言，尽早与 FDA 沟通很可能是这条路径的一部分。

无菌保证与目视检查挑战

无菌保证与检查是多个路线图主题交汇之处。

减少人员暴露带来了监测挑战。隔离器和自动装卸系统提高了无菌保证，但也消除了手动放置产品探针的选项。恰恰在直接测量变得更困难时，过程数据变得更有价值，这为非侵入式 PAT 和基于模型的监测提供了有力论据。这也意味着当发生偏差时，产品质量的论证依赖于间接证据。

新干燥技术必须证明无菌保证。无菌喷雾干燥可实现连续制造和工程化良好的粉末，但路线图指出无菌保证和相对较高的残留水分（若无额外干燥步骤，这可能使其无法用于需要水分低于 1% 的产品）是其缺点。喷雾冷冻干燥被描述为已可商业化实施，尽管可能需要多家公司或一家 CDMO 分担初始资本成本和风险。

目视检查是 AI 的重大机遇。路线图中最引人注目的检查 KPI 是自动目视检查的误剔率，目前估计为 10%-25%，2040 年目标为低于 2%。冻干饼块本质上具有变异性：饼块外观、萎缩、开裂和颜色可能逐瓶不同，而不一定反映质量问题，算法必须将其与真实缺陷区分开来。不必要的剔除会浪费已经历漫长、昂贵工艺的产品。

LyoHUB 的研究说明了配方和容器选择如何反过来影响检查。一项关于西林瓶起雾（即饼块外上方西林瓶内壁上的干燥残留物）的研究发现，其明显依赖于液体灌装温度，在所测试的系统中，溶液爬升的起始阈值接近 27°C，这与表面张力梯度驱动的 Marangoni 流有关。起雾是一个外观问题，可能使目视检查复杂化，在某些情况下还会影响容器密封完整性评估。这些例子指向一条普遍原则：当检查的失效模式在配方、灌装和循环设计等上游环节得到表征，而不是被当作纯粹的成像问题来处理时，检查性能会得到提升。

数字孪生与计算建模

数字孪生和高保真模型几乎贯穿路线图的每一个部分。在西林瓶冷冻干燥中，它们处于中期阶段，建立在闭环控制和云数据管理的基础上，并长期指向用于制造和运营的 AI。

路线图描述了两种互补的用途。第一种是工艺：对于已充分表征的冻干机，产品温度的主要驱动因素（搁板温度、腔室压力、产品传质阻力以及西林瓶传热）可以被建模，因此孪生体可以实时跟踪一个循环，在没有直接产品温度数据的情况下为偏差发生时的论证提供支持，并定义一个使产品保持在塌陷温度以下的过程设定点设计空间。第二种是设备：即使是简单的仪器，例如安装在向搁板输送传热流体的柔性管路上的应变片，也能在发生可能危及产品质量的严重故障之前发出疲劳预警。

对于冻融，路线图要求建立能够预测相变、成核、冻结前沿推进和冷冻浓缩的模型，采用相场建模、计算流体动力学和多尺度模拟等方法。它强调验证实验和记录完善的实验共享数据库必不可少，同时还需要全行业采用标准化方法。

LyoHUB 的数字孪生工作组由 Merck 和 IMA Life 共同领导，已撰写了一份关于冻干中数字孪生开发的共识框架，并正在制定用于 GMP 生产的数字孪生的确认与验证方法。另一个计算建模工作组由 Synopsys 和 FDA 专家共同领导，正在将美国机械工程师学会（ASME）V&V 40 模型可信度框架应用于一系列模型风险等级下的具体冻干场景，并识别阻碍经过验证的模型用于监管的差距。诸如用于循环设计的 LyoPRONTO 等开源工具被用于 LyoHUB 的培训课程。

网络安全是必要的配套。将工艺数据迁移到云端并依据模型输出采取行动，提高了 IoT 保护、云安全和数据身份的重要性，路线图将安全基础设施视为所有这些冻干进步机会的前提条件。

需要什么

路线图的推动要素与技术同样重要。它们包括可转移的教育资历和标准化培训；用于测试、降低风险和验证新兴技术的共享设施，例如由普渡大学Young制药先进制造研究所与印第安纳制造研究所的LyoHUB在西拉法叶联合开发的试点规模、10,000平方英尺的注射剂制造研究与培训设施；科学与标准，包括经过验证的模型和共享实验数据；技术采用的激励措施，包括FDA的AMT计划；以及公私合作伙伴关系，例如国家生物制药制造创新研究所（NIIMBL）。

其他KPI使整体情况更加完整：能耗目标为每千克液体负荷低于1.5 kWh（当前基线未知），冻干工艺收率超过95%（当前基线同样不可得），以及超过50%的生产基地使用100%可再生能源，而目前估计不足10%。LyoHUB新成立的能耗工作组正在从成员处收集实测数据以建立基线。

路线图承认，高昂的设备成本以及这一生产重要产品的高度受监管行业根深蒂固的风险规避态度，将限制近期进展。但COVID-19疫情表明，当行业与监管机构协调一致时，颠覆性技术可以迅速从研发走向拯救患者的药物。对于冻干而言，这种协调最有可能从本文所述的共同问题开始：基本注射剂的稳定储备以及新药更快可及，使复杂冻干工艺可见且可控的传感与分析技术，以及拒绝缺陷而非拒绝变异性的检查方法。完整路线图、KPI和贡献者名单可在lyoroadmap.org获取。

关于作者：

Alina Alexeenko是普渡大学航空航天与化学工程Reilly教授，她也是先进冻干技术中心（LyoHUB）的联合创始人和主任。她的研究涵盖航空航天工程和先进冻干技术。她在宾夕法尼亚州立大学获得航空航天工程博士学位，并在新西伯利亚国立大学获得数学学位。