大咖研讨会 | AZ科学家谈可持续的方法开发

近期，ACD总部举办了不同主题的系列网络专题研讨会，主题分别有：液相色谱方法，核磁结构确证与解析工作流和分析数据管理。演讲者有来自公司的科学家，也有来自高校科研研究者。ACD中国团队内容逐一整理为中文版，以供大家学习和借鉴。

本文分享了阿斯利康的首席分离科学家Matt Osborne概述了如何使用ACD AutoChrom软件实现绿色实验室的可续发展的目标其中Matt重点强调物理化学预测和色谱模拟功能在实现色谱方法的可持续开发的重要性，以下是对主要内容的翻译和转述。

Matt将从以下几个方面展开介绍演讲的内容：1)回顾之前方法开发的过程；2)借助Percepta和LC-simulator的功能创建标准的工作流；3）如何符合法规的要求；4)耐用性研究。

Matt介绍他的团队内部有一个方法开发的完整流程，这个流程会考虑到方法的方方面面，但完成这样的一个工作需要多达30天的工作日，大约6周的时间。同时由于项目的难易度及不同分析科学家本身的工作经验知识和获取的信息的不同，每个人在完成这样一个工作流时都会得到不同的终点。当仔细检查这个流程时，发现大约四分之三的时间都花在了编辑仪器方法，手动查找并查看分析结果等。反而忽略了能产生高价值高影响的活动，如更好的理解分离和色谱行为，如何根据获取的知识更好的设计试验方案及根据已有的数据做出明确的抉择等。

随着法规ICH Q14的发布，分析科学家们开始思考如何通过更详细地理解方法给组织或公司带来更多的好处，特别是当所开发的分析方法将伴随产品的整个生命周期时。当采用法规提倡的“增强”方式进行方法开发时，分析科学家会对因素与因素间的相互影响有着更为本质的理解。一旦上市产品的分析方法需要调整时，就可能从满足法规的要求的下，采用更为简单有效的方式进行调整。

Matt团队对要做的事情掌握了背景知识后，重新审视了方法开发工作流程，最后总结为8个步骤，如下图所示。这8个步骤可以分为三个大的方向。

第一步，真正了解项目当前的需要，理解要分析的分析对象位于什么样的阶段，是早期的项目还是一个临近商业化的项目。我们对于项目的理解直接决定了分析方法关键影响及如何被执行。第二，三步，如何简化一些重复性高且占据大量时间的工作，让分析科学家有更多的时间和精力去思考如何设计整个实验方法。

接着Matt对8步方法开发流程进行了详细介绍。第一步，明确分析目标概况(ATP)。根据项目当前所处的阶段，明确分析方法的目标，从而确定分析方法的关键质量属性(CQAs)。他举例说如果一个分析方法要被使用20年，30年或40年，那么要确保有数据来显示该方法在生命周期内的关键质量属性是如何执行的。

在明确ATP后，Matt团队根据待分析物的结构信息，利用ACD/ Percepta平台预测化合物的logD叠图，从而更科学的择选需要筛选的pH值。关于logD曲线的详细介绍，可参见《pH-logD曲线在HPLC分析方法开发过程的应用策略》一文。

在获取化合物理化参数信息后，接下来Matt团队需要决定用什么样的样品进行方法开发。这时需要根据分析方法的ATP来做出决定。例如，方法需要在很长一段时间内监控API的稳定性，那么用强降样品进行方法开发，就可以观察到关键杂质随时间变化的情况。所有这些都基于正确理解方法的需要然后正确选择样本来进行方法开发，从而减少不必要的劳动。

接下来，Matt团队会设计筛选实验方案。分析科学家会根据已知结构杂质和未知结构杂质的多少采用不用的筛选策略。如果样品中含有大量未知结构的杂质，首先会进行一轮通用方法的筛选，包括4根色谱柱和3个pH值。根据第一轮筛选的结果决定是否需要进行第二轮筛选。如果样品中的杂质结构已知，就可以根据获取的理化参数信息有针对性的制定筛选策略。

Matt团队采用带MS检测器的柱筛仪器完成方法筛选工作，这样可以大量减少分析科学家仪器，更换色谱柱及流动相的时间。在后期进行谱图处理时，可利用MS信号自动完成色谱的matching。

根据定制化的报告，可将不同条件下的筛选数据结果整理成一个汇总的大表，使整个筛选结果一目了然。

根据MS信号整理成的Peak Tracking列表，可追踪每个关注的物质在各个筛选条件下的出峰时间。

Matt团队会基于筛选结果，设计优化实验。下图是一个梯度，温度和pH的3因素实验设计。然后借助ACD/ LC-Simulator进行模型构建，寻找最优条件组合。

AZ开发了一个简单的数据导出工具，可以直接将色谱工作站中处理好的数据整理后直接导入到ACD/ LC-Simulator界面，可以减少数据导出及数据传输过程中人为造成的失误。

对软件找到的条件进行验证。

完成方法优化后，会进行相应的方法验证。

最后Matt谈到了自己的一些思考。在进行LC-Simulator建模，需要选择因素设计DoE实验，需要思考如何保证以最少实验达到预期的结果，并开始真正走向一个更可持续的未来。如果所有的实验都是以统一的结构化，有组织的方式来实施的，一旦这些结构化的数据产生后，不仅考虑的是当下的数据的使用，更应该关注这些数据能在将来产生什么样的价值。

ACD/Labs 重磅推出《化学家基础工具软件方案》，欢迎点击下图查看详情！