技术漫谈
第01期
关于制剂研发过程中的实验设计(DOE)误区讨论
// 作者：合全药业制剂业务后期项目部
感谢合全药业制剂研发后期团队朱莹、夏彬等同事对本稿件的支持
早在2004-2005年，FDA（Food and Drug Administration）为代表的药政监管部门开始提倡和推行一种在电子、汽车等其他制造业被广泛采用的产品和质量控制理念-QbD（质量源于设计），可以说FDA是QbD概念最早的推动者。
而在2011-2012年FDA发表2个QbD模板（IR仿制药图1和MR仿制药图2）以来，其中最重要的组成部分DOE（实验设计）已经逐渐成为常规技术手段用于各种日常实验；2020年1月国家药监局关于推荐适用《Q8（R2）：药品研发》等4个国际人用药品注册技术协调会指导原则的公告（2020年 第6号）图3，具体内容包括：ICH《Q8（R2）：药品研发》、《Q9：质量风险管理》、《Q10：药品质量体系》、《Q11：原料药开发和生产（化学实体和生物技术/生物实体药物）》，建议按以上文件开展产品和提交问答。
图 1
图 2
图片来源：FDA官网
图 3
图片来源：中国国家药品监督管理局官网
现今制药行业4+7、药品（新药、仿制药）研发体系越来越讲究“灵活、敏捷”，数据讲究“稳定、可靠”，统计学报告讲究“标准、可重复”。
传统的直觉思维（包括经验性、试错等）已经严重落伍
举个常见的例子：小张欲考察压片机压片过程对片剂硬度的影响。他是怎么做的呢？
他采取了如下操作步骤：
取压片机压力高限（20KN）、低限（10KN），然后看结果，“运气挺好”产出的响应结果都符合目标响应范围，然后在报告上写道：压片机压力10-20KN能达到xx片剂硬度xx-xx.
!
可这里面存在几个问题：
压片机压力高限（20KN）和低限（10KN）两个点产出的响应的确是符合目标响应范围（CQA），但是科学地说，小张只能证明20KN和10KN这两个点是符合CQA的，但是15KN就一定符合吗？所以直接把参数范围写成10-20KN是不是合理？
众所周知，片剂硬度在“压片工序“中是受很多因素同时影响的。比如小张考察的压片机的压力，还有未考虑到的压片机的转速，这些都属于设备参数；除了设备参数外还有物料参数（包括流动性、粒径、晶型等）的影响，甚至还有环境湿度的影响（如果实验环境很恶劣），那么只写压力这一项参数是否合理？
压片机10KN、20KN产生数据的可靠性。如果这台压片机本身容易出问题，长时间缺乏检修，且小张做实验前，他人做完实验后并未对设备进行相应维护，都可能导致产出数据不可靠。也许小张第二天再去用同一批物料、同一个压力去压片产生的硬度结果又会不一样，那么该信任哪一个结果呢？
10KN和20KN压力真的是压片机能达到的目标响应CQA的上下限吗？9KN适不适合、8KN呢？21KN适不适合，22KN呢？这个范围选的太宽还是太窄，如何评价该范围界定的科学合理性？
上述情况是否似曾相识？
这就是常见的单线程思维带来的弊端。
所以用实验设计的好处不言而喻：
通过MLR和PLS（多元回归和偏最小二乘法）解决的不再是单个点的问题；
通过ANOVA（方差分析）了解引起目标响应变异的因子来源（主效应）及因子间的交互效应影响（高阶交互）；
通过对系统设备定期做MSA（测量系统分析=设备的DOE）使得产出数据稳定可控。若如有必要可增加设备可靠性、疲劳度研究；
通过扩充设计（建立在过去实验设计基础上+新范围的探索）避免重新做研究又能使得工艺操作空间扩大。
那么制剂研究中DOE可以用在CTD哪些地方？
原辅料相容性研究、处方开发、工艺开发（优化）、稳健性设计、稳定性研究、包装筛选、制剂检测方法学、溶出区分力方法等。
举个例子：处方和工艺开发可以采用DOE已是共识，那么原辅料相容性研究呢？
我们先看以下几张图片（截图取自某论坛的问题和一些留言）：
相信不少人有上述疑问，这就是单因素思考问题、解决问题产生的违和感。若研究人员采用DOE设计进行研究，相信这些就不再是问题。这里给点提示：因子选择（辅料型号、厂家、用量、API比例等，如果需要还可以加入温、湿度因子）。经提示，是不是马上豁然开朗？我们就将一个复杂的原辅料筛选科学地简化为一个基础的实验设计。
而溶出区分力方法，为什么是50转、75转（50转溶出太慢，75转溶出又太快），可不可以63转、72转，使得溶出方法足够的稳健？如果只用单因素试错去分析问题，那么无疑实验量将大的惊人，时间成本上该行为也不一定会被支持；但是，若将搅拌桨转速作为一个连续化因子，结合几个连续化因子（如SDS用量）、分类因子（如SDS种类）进行DOE，不仅实验量会少（通常比目前传统摸索溶出度实验时实验量少），得出的结果也更有统计学依据，不再只是个单点线性。
DOE的实验量很大？
事实上并非如此。从最小实验量的角度（主效应筛选无混杂），实验量=因子数＋１。试想，2个因子做3个实验多吗？3个因子做4个实验多吗？5个因子也仅仅做6个实验。所以认为DOE实验量大的，无非是只了解传统DOE（全因子、部分析因、混料设计），要知道设计还有不少实验量小的设计方法，如：最优化设计、过饱和设计、确定性筛选设计、不平衡区组设计等。
DOE很难实现？
对初学者来说，是的。不仅如此而且容易被滥用（忽视残差的影响、过度依赖软件）。
但这些都可以通过几个真实的系统案例就可以改善。可真实的数据并不总那么美好，多数情况下存在误差。有人为原因，比如1天换了2班，人员培训不到位；也有非人为因素，比如机器、环境；还有物料原因，频繁更换新批次等。这时便需要对数据进行适当的调整（重复，清洗）保证在不过多增加工作量的前提下确保数据能被合作伙伴及药政部门一次审查通过。
DOE不如常规OFAT
存在以下情况：
01
制剂知识非常丰富者。有人说：用单因子2-3批就能做出来。但这仅限少数情况，且不一定每次都会成功，同样地他也将面临小张的所遇到的第一个问题，即只能证明那两个点是符合目标响应，而缺乏系统实验设计中分析的环节。如果面对未来要去重现结果或者合作伙伴要求提交最优化的、最稳健点（需建立模型）的结果，或者是利用过去的知识去放大，就很头疼。
02
不利于公司组织内部形成有效的知识传承。过分依赖于擅长试错实验的“经验丰富者”，一旦发生变动，项目随时面临停滞甚至过去的全部面临作废（有重新开发的风险）。
有一个有趣现象，相信大家都遇到过：先固定工艺研究处方、再固定处方研究工艺。也就是说先固定工艺，做处方DOE，找一个“还行的处方”，然后再在这个“还行的处方”基础上做工艺的DOE，最后处方和工艺都得到了。
首先，我们确认一个事实：处方和工艺因子共同影响并产生了目标响应。
便存在以下两种情况：
01
处方已被固定无法修改（可能是在别的公司或者自己开发的处方），要求在已有处方的条件下优化工艺。毫无疑问，专心做工艺DOE即可，但能预见的是：通常设计空间会狭窄，风险也会随之变高。小试即使完成，放大的风险也会相应变高。
02
没定处方。那么得基于需求方打算先做处方还是先做工艺？还是一起做呢？来一起看某论坛的问题：
您觉得呢？
关于合全药业制剂研发后期项目部
合全药业制剂业务部（Pharmaceutical Development Services, PDS）服务涵盖了制剂研发生产、分析服务的全产业链，从药物固态研究、盐型和晶型筛选、处方前开发、稳定性评估、处方开发、制剂分析到临床及商业化GMP的制剂产品供应等。
制剂研发后期项目部隶属于制剂业务部，致力于将候选药物从临床阶段推向商业化，并针对不同的临床开发阶段制定不同的风险控制策略。目前合全药业一站式制剂研发平台已完成超2000个处方前研究项目，860多个临床试验GMP制剂批次的生产，可在6-8周内快速生产临床I期制剂产品。
关于合全药业
合全药业是在中美两地均有运营的药明康德子公司，服务于生命科学行业，拥有卓越的化学创新药研发和生产的能力和技术平台。作为全球新药合作研究开发生产领域（CDMO）领军企业，合全药业致力于为全球合作伙伴提供从临床前到商业化，高效、灵活、高质量的一站式CMC（化学、生产和控制）解决方案。
