跳到正文
BioProcess International · 工艺与质量· Naveenganesh Muralidharan, Akshay Phulgirkar·AI 评分63

细胞与基因治疗产品降低体积生物负载检测的监管与风险统计方法

A Regulatory- and Risk-Based Statistical Approach to Reduced-Volume Bioburden Testing for Cell and Gene Therapy Products

AI 导读

作者提出以泊松统计和过滤突破概率指数为基础的评估框架,论证细胞与基因治疗产品在物料受限时可使用降低体积的重复取样开展生物负载检测。文章说明检出概率取决于总检测体积(单次体积乘以重复数)而非单一样品体积,在 0.1 CFU/mL 条件下三个 1 mL 重复样品的检出概率高于单个 1 mL 样品。作者认为降低体积的重复检测与经验证的除菌过滤结合,不增加患者风险,并符合无菌保证原则。

正文 · AI 翻译

24-9-Muralidharan-P1.png

https://stock.adobe.com

细胞与基因治疗(CGT)的快速发展改变了生物制药格局,带来了往往为患者个体化、以小规模生产且材料价值极高的产品。与在数百或数千升规模下生产的传统单克隆抗体(mAbs)或重组蛋白不同,许多 CGT 工艺的运行体积使得每毫升产品都具有切实的临床和经济重要性(1, 2)。

传统的微生物控制策略,包括过程生物负载检测和药典无菌检测,是为高体积生物制品生产而设计的。该范式隐含地假设 10–100 mL 或更多的取样体积仅代表给定批次中可忽略的一小部分。然而,在低体积 CGT 情境下,此类取样可能移除可用材料的相当大比例,可能减少患者剂量或增加生产成本。

相关:使用非中心 F 分布的 ANOVA 功效分析

近期行业讨论凸显了传统检测期望与现代 CGT 现实之间的这种不匹配。行业文献中的报告描述了微生物检测体积接近或超过批次体积百分之几的案例。此类发现正促使人们重新考虑传统方法,并探索在保持微生物风险控制的同时节省产品的减量策略。

本文综述了 CGT 生产中减量生物负载检测的统计学和监管依据。我们聚焦于使用泊松统计在小体积样本中检测微生物的概率,并考察样本体积和重复检测如何能在最大限度减少产品损失的同时提高检测置信度。目标是提供一个客观的、有文献支持的框架,为材料受限工艺中基于风险的微生物监测决策提供依据。

存在/不存在检测的统计学基础

当微生物随机分布于充分混合的液体中时,其在任何给定检测部分中的出现遵循泊松统计。在泊松假设下,体积为 v 的样本不含微生物的概率(P0)由公式 1给出,其中c为以菌落形成单位每毫升(CFU/mL)表示的真实生物负载浓度,v 为检测体积(以 mL 计):

P0 = e–(cv)

公式 2给出了当检测 n 个独立重复样本时,检测到至少一个微生物的概率(PD≥1):

相关:供应商治理是一个质量体系:在外包和技术转移中超越基于状态的监督

PD≥1 = 1 – e–(cvn)

这些关系构成了存在/不存在检验的数学基础,并支撑了 Cochran(3)所描述的经典最大可能数方法。该方法的一个关键含义是:检出概率取决于样本体积与重复次数的乘积——即总检验体积——而非仅取决于单个样本的大小。这一区别在低体积情境中尤为重要,因为在这种情况下,增大单个样本的体积可能不切实际,但将总检验体积分成多个重复样本则可能可行。

基于风险评价的代表性生物负载情形

在无菌工艺处理的系统中,可接受的生物负载水平在整个生产过程中各不相同。较早的步骤由于后续的清除机制,可能容许相对较高的水平,而接近原料药和制剂阶段的较晚步骤则需要越来越严格的控制。

为了将取样性能置于具体情境中,我们考虑文献中常讨论的三种代表性情形(4, 5):

  • 1 CFU/mL,反映早期工艺步骤中典型的易于检出的污染

  • 0.1 CFU/mL(1 CFU/10 mL),代表控制良好的无菌中间体

  • 0.01 CFU/mL(1 CFU/100 mL),接近后期操作典型的近乎无菌状态。

相关:灭菌作为化学、生产和控制的设计决策:为何方法选择必须在药物和器械开发早期就整合

这些情形并非法规限度,而是用于评估现实微生物控制条件下检出行为的实用参考点。

样本体积和重复对检出概率的影响

泊松模型的应用展示了检出概率如何随样本体积和重复而变化(图1)。

在近乎无菌的条件下(0.01 CFU/mL),即使总检验体积很大,也只能提供有限的检出置信度,反映出检测罕见污染事件的固有难度。在如此低的生物负载水平下,没有任何实用的取样策略能够保证检出。

在中等条件下(0.1 CFU/mL),重复取样可带来显著益处。例如,三个1 mL样本(总体积=3 mL)的检出概率明显高于单个1 mL样本,从而接近大得多的单体积检验的性能。

在较高生物负载水平下(1 CFU/mL),即使在小体积下检出概率也迅速接近1,而增加体积或重复所带来的增量收益递减。

总体而言,这些行为表明

  • 检出置信度由总检验体积(v × n)决定

  • 在现实的低生物负载条件下,重复取样尤为有效

  • 当真实生物负载接近近乎无菌水平时,概率性局限占主导地位。

这些趋势与已发表的讨论一致,支持采用基于重复的策略,以在保持既定检出置信度的同时节省材料。

24-9-Muralidharan-F1.png

图 1:在生物负载条件连续区间内,由重复检测驱动的微生物检出概率改善(CFU = 菌落形成单位,PD≥1 = 在 n 个重复样本中检出至少一个微生物的概率)

微生物控制的综合概率框架

可将方程 2 改写为 方程 3,以理解未检出任何微生物或产生假阴性结果的概率:

PND = 1 – PD≥1

存在于灭菌前原液挑战中并穿透除菌过滤器的微生物的概率,可采用过滤器穿透概率指数(FBPI)保守表达,如 方程 4所示:

24-9-Muralidharan-E4.png

其中 Vb 为灭菌前批体积(以 mL 计),c 为基于风险假设的生物负载浓度(以 CFU/mL 计),A 为有效过滤面积(以 cm2 计)。分母反映除菌级过滤器的典型验证挑战量 10⁷ CFU/cm2(4, 5)。

在这一分层控制框架内,微生物逃逸的总体概率(Pescape)可按 方程 5:估算:

Pescape = PND × FBPI

该公式强调,无菌风险由基于取样的未检出与过滤器性能共同决定。当基于重复样本的取样达到高检出置信度(例如 PND ≤ 0.05)且 FBPI 保持在低于 10–6 数个数量级时,微生物逃逸的合并概率变得极小,并与公认的无菌保证水平(SAL)预期一致。

基于风险的微生物控制的监管视角

只有当两个独立的保护层同时失效时,患者风险才会出现:生物负载检测的假阴性结果,以及微生物通过经验证的除菌过滤步骤。因此,无菌保证取决于未检出与过滤器穿透的合并概率,而非其中任一单独因素。

当基于重复样本的减量体积生物负载检测达到确定的未检出概率,并与经验证可截留 ≥107 CFU/cm2 的除菌级过滤相结合时,所得合并逃逸概率仍低于公认 SAL 预期数个数量级。这一综合概率框架表明,减量体积生物负载检测在与经验证的过滤相结合时,不会增加患者风险,且仍符合监管无菌保证原则。

24-9-Muralidharan-F2.png

图 2: 患者风险仅存在于独立控制失效的交叉点。(CFU = 菌落形成单位,Pescape = 微生物逃逸概率,PND = 未检出概率,SAL = 无菌保证水平)

一种实用且有依据的方法

CGT 生产通过引入低体积、高价值工艺,挑战了传统微生物检测范式,在这些工艺中,常规取样体积可能显著降低产品产量。概率检测理论表明,存在/不存在检测受泊松统计支配,而基于重复的取样可根据总检测体积而非单个样本量实现确定的检测置信度。

当与批次生物负载的保守估计和经过验证的无菌过滤性能相结合时,减体积重复策略可在整体无菌保证目标中加以定位。已发表文献和监管观点支持针对先进疗法的基于风险、阶段适宜的微生物控制策略调整。

减体积生物负载检测,在具有科学依据并嵌入全面微生物控制框架时,代表了一种符合现代 CGT 生产现实和基于风险的药品质量原则的实用且有依据的方法。

参考文献

1 Eckford C. 减少基因疗法的生物负载检测和无菌检测用量。Eur. Pharm. Rev. 2023 年 6 月 23 日; https://www.europeanpharmaceuticalreview.com/reducing-bioburden-testing-and-sterility-testing-volumes-for-gene-therapies/183816.article.

2 BioPhorum. 最大限度降低生物负载和无菌检测对基因疗法批次产量影响的策略。Cell & Gene 2024 年 1 月 2 日; https://www.cellandgene.com/doc/strategies-for-minimizing-the-impact-of-bioburden-and-sterility-testing-on-gene-therapy-batch-yield-0001.

3 Cochran WG. 用“最大可能数”法估算细菌密度。Biometrics 6(2) 1950: 105–116; https://doi.org/10.2307/3001491.

4 Bechtold-Peters K, et al. 基于风险的方法设定无菌过滤微生物生物负载限度——聚焦生物技术来源产品。Eur. J. Pharm. Biopharm. 198, 2024: 114151; https://doi.org/10.1016/j.ejpb.2023.11.016.

5 Muralidharan N, et al. 微生物控制保持时间评估:基质与括号法验证方法指南。BioProcess Int. 23(3) 2025: 23–34; https://www.bioprocessintl.com/validation/microbial-control-hold-time-assessments-guidance-on-matrix-and-bracketing-validation-approaches.

BPI 编辑顾问 Naveenganesh Muralidharan 是 Bench2Batch Life Cycle Partners LLC 的创始人兼首席顾问;info@Bench2Batchcom;https://www.bench2batch.com。Akshay Phulgirkar 是 Moderna 的制造科学与技术(MSAT)高级经理;https://moderna.com。

请按如下方式引用本文:Muralidharan M, Phulgirkar A. 针对细胞和基因治疗产品减少体积微生物负载检测的基于法规和风险的统计学方法。BioProcess Int. 24(9) 2026: 240910.

来源:BioProcess International · 工艺与质量 · bioprocessintl.com