PAT过程分析技术(Process Analytical Technology):生物制药4.0的基石
过程分析技术（PAT）
PAT过程分析技术（Process Analytical Technology）被定义为“通过及时测量（即在工艺过程中）原材料和过程中材料和工艺关键质量和性能属性来设计、分析和控制生产的系统，以确保最终产品质量”。
在生物制药行业实施 PAT 的最终目标是设计和开发易于理解的工艺，通过实时监控原材料或过程中的产品属性来控制工艺参数（CPPs），从而可靠地确保最终产品的预定质量（QTPP），即关键质量属性（CQAs）。
PAT 系统提供清晰的工艺过程控制和理解，支持生物制药行业采用质量源于设计 (QbD) 方法。QbD 被定义为“基于健全的科学和质量风险管理，以预先确定的目标开始，并强调对产品和工艺的理解以及过程控制的系统开发方法”。
因此，PAT 实施将有助于这种系统化的工艺开发方法，通过提供对产品和工艺设计的更好理解，确保一致的产品质量。
传统离线分析方式的不足
FDA于2004年9月编写的工业PAT指南——创新药物开发生产和质量保证框架。它通过考虑过去持续改进来讨论FDA倡议的核心原则，不断的创新和对现有技术的改进。它涵盖对寻求更好的学习、知识、理解和过程控制至关重要的新技术和实施的结合。增加的知识允许实现更快的开发时间以及更好的过程控制，其中可以以更及时的方式交付更高质量的产品。
FDA 将过程分析技术 (PAT) 视为一种在影响关键质量属性 (CQA) 的关键过程参数 (CPP) 测量过程中设计、分析和控制药物生产和工艺的机制。
PAT的核心模块
软传感器
是一种计算算法驱动的软硬件系统，用于估计无法立即获得的特定状态变量，或用于预测过程变量的未来值。软传感器在生物工艺中的主要应用是实时监测/估计过程变量，包括生物量、产物和底物浓度及其动态变化率。现有生物工艺PAT的软传感器包括拉曼光谱（Raman）、近红外光谱 (NIR)、荧光光谱等多种在线光谱技术已被开发用于连续细胞培养监测。历史光谱测量与先进的数据分析方法和信号处理技术相结合，可用于构建软传感器系统，实时监控上下游工艺各项的 CPP、KPI 和 CQA参数。
建模方法
建模（Modeling）是一个通过数学物理方法来阐述生物系统变化的循证过程，涉及基于第一性原理的机理建模（Mechanistic）、动力学建模（Kinetic）方法等；以及基于大数据分析的统计学方法：如贝叶斯神经网路（BNN）、机器学习（Machine Learning）与深度学习（Deep Learning）模型。生成的模型采用数值方法、常微/偏微方程等多种组合来实现对生物系统过程的状态估计。状态估计（State Estimation）是基于可用测量值对整套过程状态变量的推断。机理建模和数值模拟可以显著减少工艺控制最优空间所需的实验数量，同时PAT软传感器增加了更多连续数据的收集。
浚真自主研发了系列Akwa® PAT产品，包括Akwa®Cyte 、Akwa®Raman等，帮助生物制药工艺过程中通过及早发现问题来提高工艺效率和生产率，通过密切监控关键质量属性来 确保 产品质量及一致性，从而减少浪费、降本增效、实现高效工艺和技术转移。
PAT过程分析技术（Process Analytical Technology）被定义为“通过及时测量（即在工艺过程中）原材料和过程中材料和工艺关键质量和性能属性来设计、分析和控制生产的系统，以确保最终产品质量”。
在生物制药行业实施 PAT 的最终目标是设计和开发易于理解的工艺，通过实时监控原材料或过程中的产品属性来控制工艺参数（CPPs），从而可靠地确保最终产品的预定质量（QTPP），即关键质量属性（CQAs）。
PAT 系统提供清晰的工艺过程控制和理解，支持生物制药行业采用质量源于设计 (QbD) 方法。QbD 被定义为“基于健全的科学和质量风险管理，以预先确定的目标开始，并强调对产品和工艺的理解以及过程控制的系统开发方法”。
因此，PAT 实施将有助于这种系统化的工艺开发方法，通过提供对产品和工艺设计的更好理解，确保一致的产品质量。
传统离线分析方式的不足
- 分析方法是具有一定的破坏性。取样过程会对培养环境带来干扰，消耗少量培养基，并引入污染的风险。
- 分析数据的不连续与不完整。采样和获取数据之间的时间延迟，使得系统很难对偏离设定值的情况及时采取行动。
- 分析结果受制于人为参数设定；样品前处理的手动操作，以及恢复参数到设定值的过程，都增加了额外的变异性 。
FDA于2004年9月编写的工业PAT指南——创新药物开发生产和质量保证框架。它通过考虑过去持续改进来讨论FDA倡议的核心原则，不断的创新和对现有技术的改进。它涵盖对寻求更好的学习、知识、理解和过程控制至关重要的新技术和实施的结合。增加的知识允许实现更快的开发时间以及更好的过程控制，其中可以以更及时的方式交付更高质量的产品。
FDA 将过程分析技术 (PAT) 视为一种在影响关键质量属性 (CQA) 的关键过程参数 (CPP) 测量过程中设计、分析和控制药物生产和工艺的机制。PAT的核心模块
- Auto sampling自动取样
- Advanced soft sensors高阶软传感器
- Analysis & Modeling数据分析/过程建模
软传感器
是一种计算算法驱动的软硬件系统，用于估计无法立即获得的特定状态变量，或用于预测过程变量的未来值。软传感器在生物工艺中的主要应用是实时监测/估计过程变量，包括生物量、产物和底物浓度及其动态变化率。现有生物工艺PAT的软传感器包括拉曼光谱（Raman）、近红外光谱 (NIR)、荧光光谱等多种在线光谱技术已被开发用于连续细胞培养监测。历史光谱测量与先进的数据分析方法和信号处理技术相结合，可用于构建软传感器系统，实时监控上下游工艺各项的 CPP、KPI 和 CQA参数。
建模方法
建模（Modeling）是一个通过数学物理方法来阐述生物系统变化的循证过程，涉及基于第一性原理的机理建模（Mechanistic）、动力学建模（Kinetic）方法等；以及基于大数据分析的统计学方法：如贝叶斯神经网路（BNN）、机器学习（Machine Learning）与深度学习（Deep Learning）模型。生成的模型采用数值方法、常微/偏微方程等多种组合来实现对生物系统过程的状态估计。状态估计（State Estimation）是基于可用测量值对整套过程状态变量的推断。机理建模和数值模拟可以显著减少工艺控制最优空间所需的实验数量，同时PAT软传感器增加了更多连续数据的收集。
浚真自主研发了系列Akwa® PAT产品，包括Akwa®Cyte 、Akwa®Raman等，帮助生物制药工艺过程中通过及早发现问题来提高工艺效率和生产率，通过密切监控关键质量属性来 确保 产品质量及一致性，从而减少浪费、降本增效、实现高效工艺和技术转移。
