CN114599944A - 基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪 - Google Patents
基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪 Download PDFInfo
- Publication number
- CN114599944A CN114599944A CN202080074568.1A CN202080074568A CN114599944A CN 114599944 A CN114599944 A CN 114599944A CN 202080074568 A CN202080074568 A CN 202080074568A CN 114599944 A CN114599944 A CN 114599944A
- Authority
- CN
- China
- Prior art keywords
- biological
- raman
- classification model
- spectral
- bioanalyzer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001069 Raman spectroscopy Methods 0.000 title claims abstract description 358
- 238000013145 classification model Methods 0.000 claims abstract description 377
- 230000003595 spectral effect Effects 0.000 claims abstract description 294
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 57
- 238000007781 pre-processing Methods 0.000 claims abstract description 46
- 238000004638 bioanalytical method Methods 0.000 claims abstract description 33
- 238000000513 principal component analysis Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 230000001225 therapeutic effect Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 7
- 239000000047 product Substances 0.000 description 367
- 239000000523 sample Substances 0.000 description 68
- 238000000034 method Methods 0.000 description 45
- 108090000623 proteins and genes Proteins 0.000 description 39
- 102000004169 proteins and genes Human genes 0.000 description 38
- 238000012800 visualization Methods 0.000 description 29
- 238000001237 Raman spectrum Methods 0.000 description 28
- 239000000463 material Substances 0.000 description 23
- 239000008186 active pharmaceutical agent Substances 0.000 description 21
- 229960002964 adalimumab Drugs 0.000 description 18
- 238000012360 testing method Methods 0.000 description 18
- 239000003814 drug Substances 0.000 description 14
- 238000004590 computer program Methods 0.000 description 13
- 238000012377 drug delivery Methods 0.000 description 13
- 102000005962 receptors Human genes 0.000 description 13
- 108020003175 receptors Proteins 0.000 description 13
- 238000001228 spectrum Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 12
- 229940079593 drug Drugs 0.000 description 12
- 238000005259 measurement Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 10
- 238000013515 script Methods 0.000 description 9
- 239000000825 pharmaceutical preparation Substances 0.000 description 8
- 238000013459 approach Methods 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000010606 normalization Methods 0.000 description 7
- 239000002994 raw material Substances 0.000 description 7
- 230000003068 static effect Effects 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 102100034980 ICOS ligand Human genes 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 108010017080 Granulocyte Colony-Stimulating Factor Proteins 0.000 description 5
- 102000004269 Granulocyte Colony-Stimulating Factor Human genes 0.000 description 5
- 230000010437 erythropoiesis Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 108090000765 processed proteins & peptides Proteins 0.000 description 5
- 108010075944 Erythropoietin Receptors Proteins 0.000 description 4
- 102100036509 Erythropoietin receptor Human genes 0.000 description 4
- 102100021866 Hepatocyte growth factor Human genes 0.000 description 4
- 230000004075 alteration Effects 0.000 description 4
- 239000003173 antianemic agent Substances 0.000 description 4
- 229960000074 biopharmaceutical Drugs 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 4
- 229940126534 drug product Drugs 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 229940125367 erythropoiesis stimulating agent Drugs 0.000 description 4
- NOESYZHRGYRDHS-UHFFFAOYSA-N insulin Chemical compound N1C(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(NC(=O)CN)C(C)CC)CSSCC(C(NC(CO)C(=O)NC(CC(C)C)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CCC(N)=O)C(=O)NC(CC(C)C)C(=O)NC(CCC(O)=O)C(=O)NC(CC(N)=O)C(=O)NC(CC=2C=CC(O)=CC=2)C(=O)NC(CSSCC(NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2C=CC(O)=CC=2)NC(=O)C(CC(C)C)NC(=O)C(C)NC(=O)C(CCC(O)=O)NC(=O)C(C(C)C)NC(=O)C(CC(C)C)NC(=O)C(CC=2NC=NC=2)NC(=O)C(CO)NC(=O)CNC2=O)C(=O)NCC(=O)NC(CCC(O)=O)C(=O)NC(CCCNC(N)=N)C(=O)NCC(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC=CC=3)C(=O)NC(CC=3C=CC(O)=CC=3)C(=O)NC(C(C)O)C(=O)N3C(CCC3)C(=O)NC(CCCCN)C(=O)NC(C)C(O)=O)C(=O)NC(CC(N)=O)C(O)=O)=O)NC(=O)C(C(C)CC)NC(=O)C(CO)NC(=O)C(C(C)O)NC(=O)C1CSSCC2NC(=O)C(CC(C)C)NC(=O)C(NC(=O)C(CCC(N)=O)NC(=O)C(CC(N)=O)NC(=O)C(NC(=O)C(N)CC=1C=CC=CC=1)C(C)C)CC1=CN=CN1 NOESYZHRGYRDHS-UHFFFAOYSA-N 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000000491 multivariate analysis Methods 0.000 description 4
- 229940127557 pharmaceutical product Drugs 0.000 description 4
- 230000004936 stimulating effect Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- ZJNLYGOUHDJHMG-UHFFFAOYSA-N 1-n,4-n-bis(5-methylhexan-2-yl)benzene-1,4-diamine Chemical compound CC(C)CCC(C)NC1=CC=C(NC(C)CCC(C)C)C=C1 ZJNLYGOUHDJHMG-UHFFFAOYSA-N 0.000 description 3
- 108010008165 Etanercept Proteins 0.000 description 3
- 101001019455 Homo sapiens ICOS ligand Proteins 0.000 description 3
- 101710093458 ICOS ligand Proteins 0.000 description 3
- 108010014608 Proto-Oncogene Proteins c-kit Proteins 0.000 description 3
- 102000016971 Proto-Oncogene Proteins c-kit Human genes 0.000 description 3
- 102000014128 RANK Ligand Human genes 0.000 description 3
- 108010025832 RANK Ligand Proteins 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 229950009760 epratuzumab Drugs 0.000 description 3
- 229960000403 etanercept Drugs 0.000 description 3
- 238000009472 formulation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 229960001972 panitumumab Drugs 0.000 description 3
- 239000000546 pharmaceutical excipient Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 229960004641 rituximab Drugs 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 108010052412 Apelin Proteins 0.000 description 2
- 101800000407 Brain natriuretic peptide 32 Proteins 0.000 description 2
- 102000004414 Calcitonin Gene-Related Peptide Human genes 0.000 description 2
- 102000007644 Colony-Stimulating Factors Human genes 0.000 description 2
- 108010071942 Colony-Stimulating Factors Proteins 0.000 description 2
- 102000003951 Erythropoietin Human genes 0.000 description 2
- 108090000394 Erythropoietin Proteins 0.000 description 2
- 108091006020 Fc-tagged proteins Proteins 0.000 description 2
- 102000008946 Fibrinogen Human genes 0.000 description 2
- 108010049003 Fibrinogen Proteins 0.000 description 2
- 108010029961 Filgrastim Proteins 0.000 description 2
- 102100039619 Granulocyte colony-stimulating factor Human genes 0.000 description 2
- 102100039939 Growth/differentiation factor 8 Human genes 0.000 description 2
- 102000003745 Hepatocyte Growth Factor Human genes 0.000 description 2
- 108090000100 Hepatocyte Growth Factor Proteins 0.000 description 2
- 102000002265 Human Growth Hormone Human genes 0.000 description 2
- 108010000521 Human Growth Hormone Proteins 0.000 description 2
- 239000000854 Human Growth Hormone Substances 0.000 description 2
- 102000004877 Insulin Human genes 0.000 description 2
- 108090001061 Insulin Proteins 0.000 description 2
- 102000019223 Interleukin-1 receptor Human genes 0.000 description 2
- 108050006617 Interleukin-1 receptor Proteins 0.000 description 2
- 108090000445 Parathyroid hormone Proteins 0.000 description 2
- 210000001744 T-lymphocyte Anatomy 0.000 description 2
- 102100034196 Thrombopoietin receptor Human genes 0.000 description 2
- 108060008683 Tumor Necrosis Factor Receptor Proteins 0.000 description 2
- 102100040247 Tumor necrosis factor Human genes 0.000 description 2
- 102100036922 Tumor necrosis factor ligand superfamily member 13B Human genes 0.000 description 2
- 101710165473 Tumor necrosis factor receptor superfamily member 4 Proteins 0.000 description 2
- 102100022153 Tumor necrosis factor receptor superfamily member 4 Human genes 0.000 description 2
- 102100033178 Vascular endothelial growth factor receptor 1 Human genes 0.000 description 2
- 239000004480 active ingredient Substances 0.000 description 2
- 229960004539 alirocumab Drugs 0.000 description 2
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000027455 binding Effects 0.000 description 2
- -1 biologicals Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229940105423 erythropoietin Drugs 0.000 description 2
- 229940012952 fibrinogen Drugs 0.000 description 2
- 229960004177 filgrastim Drugs 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 229960001743 golimumab Drugs 0.000 description 2
- 238000011194 good manufacturing practice Methods 0.000 description 2
- 229940125396 insulin Drugs 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 229950001869 mapatumumab Drugs 0.000 description 2
- 229960003301 nivolumab Drugs 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- OXCMYAYHXIHQOA-UHFFFAOYSA-N potassium;[2-butyl-5-chloro-3-[[4-[2-(1,2,4-triaza-3-azanidacyclopenta-1,4-dien-5-yl)phenyl]phenyl]methyl]imidazol-4-yl]methanol Chemical compound [K+].CCCCC1=NC(Cl)=C(CO)N1CC1=CC=C(C=2C(=CC=CC=2)C2=N[N-]N=N2)C=C1 OXCMYAYHXIHQOA-UHFFFAOYSA-N 0.000 description 2
- 102000004196 processed proteins & peptides Human genes 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 229960000575 trastuzumab Drugs 0.000 description 2
- 102000003298 tumor necrosis factor receptor Human genes 0.000 description 2
- 229950008250 zalutumumab Drugs 0.000 description 2
- HMLGSIZOMSVISS-ONJSNURVSA-N (7r)-7-[[(2z)-2-(2-amino-1,3-thiazol-4-yl)-2-(2,2-dimethylpropanoyloxymethoxyimino)acetyl]amino]-3-ethenyl-8-oxo-5-thia-1-azabicyclo[4.2.0]oct-2-ene-2-carboxylic acid Chemical compound N([C@@H]1C(N2C(=C(C=C)CSC21)C(O)=O)=O)C(=O)\C(=N/OCOC(=O)C(C)(C)C)C1=CSC(N)=N1 HMLGSIZOMSVISS-ONJSNURVSA-N 0.000 description 1
- RTQWWZBSTRGEAV-PKHIMPSTSA-N 2-[[(2s)-2-[bis(carboxymethyl)amino]-3-[4-(methylcarbamoylamino)phenyl]propyl]-[2-[bis(carboxymethyl)amino]propyl]amino]acetic acid Chemical compound CNC(=O)NC1=CC=C(C[C@@H](CN(CC(C)N(CC(O)=O)CC(O)=O)CC(O)=O)N(CC(O)=O)CC(O)=O)C=C1 RTQWWZBSTRGEAV-PKHIMPSTSA-N 0.000 description 1
- MZZYGYNZAOVRTG-UHFFFAOYSA-N 2-hydroxy-n-(1h-1,2,4-triazol-5-yl)benzamide Chemical compound OC1=CC=CC=C1C(=O)NC1=NC=NN1 MZZYGYNZAOVRTG-UHFFFAOYSA-N 0.000 description 1
- MJZJYWCQPMNPRM-UHFFFAOYSA-N 6,6-dimethyl-1-[3-(2,4,5-trichlorophenoxy)propoxy]-1,6-dihydro-1,3,5-triazine-2,4-diamine Chemical compound CC1(C)N=C(N)N=C(N)N1OCCCOC1=CC(Cl)=C(Cl)C=C1Cl MJZJYWCQPMNPRM-UHFFFAOYSA-N 0.000 description 1
- 102000005606 Activins Human genes 0.000 description 1
- 108010059616 Activins Proteins 0.000 description 1
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 1
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 1
- 102000018746 Apelin Human genes 0.000 description 1
- 108010028006 B-Cell Activating Factor Proteins 0.000 description 1
- 229960005509 CAT-3888 Drugs 0.000 description 1
- 229940124296 CD52 monoclonal antibody Drugs 0.000 description 1
- 229940045513 CTLA4 antagonist Drugs 0.000 description 1
- 101100381481 Caenorhabditis elegans baz-2 gene Proteins 0.000 description 1
- 101100123850 Caenorhabditis elegans her-1 gene Proteins 0.000 description 1
- 101100179591 Caenorhabditis elegans ins-22 gene Proteins 0.000 description 1
- 108090000932 Calcitonin Gene-Related Peptide Proteins 0.000 description 1
- 102000014468 Calcitonin Gene-Related Peptide Receptors Human genes 0.000 description 1
- 108010078311 Calcitonin Gene-Related Peptide Receptors Proteins 0.000 description 1
- 102000009410 Chemokine receptor Human genes 0.000 description 1
- 108050000299 Chemokine receptor Proteins 0.000 description 1
- 206010009900 Colitis ulcerative Diseases 0.000 description 1
- 102100038497 Cytokine receptor-like factor 2 Human genes 0.000 description 1
- 101710194733 Cytokine receptor-like factor 2 Proteins 0.000 description 1
- BWGNESOTFCXPMA-UHFFFAOYSA-N Dihydrogen disulfide Chemical compound SS BWGNESOTFCXPMA-UHFFFAOYSA-N 0.000 description 1
- 101710198884 GATA-type zinc finger protein 1 Proteins 0.000 description 1
- 102400000322 Glucagon-like peptide 1 Human genes 0.000 description 1
- DTHNMHAUYICORS-KTKZVXAJSA-N Glucagon-like peptide 1 Chemical compound C([C@@H](C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCCN)C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(N)=O)NC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CCCCN)NC(=O)[C@H](C)NC(=O)[C@H](C)NC(=O)[C@H](CCC(N)=O)NC(=O)CNC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](CC(C)C)NC(=O)[C@H](CC=1C=CC(O)=CC=1)NC(=O)[C@H](CO)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](CC(O)=O)NC(=O)[C@H](CO)NC(=O)[C@@H](NC(=O)[C@H](CC=1C=CC=CC=1)NC(=O)[C@@H](NC(=O)CNC(=O)[C@H](CCC(O)=O)NC(=O)[C@H](C)NC(=O)[C@@H](N)CC=1N=CNC=1)[C@@H](C)O)[C@@H](C)O)C(C)C)C1=CC=CC=C1 DTHNMHAUYICORS-KTKZVXAJSA-N 0.000 description 1
- 101150043052 Hamp gene Proteins 0.000 description 1
- 206010019233 Headaches Diseases 0.000 description 1
- 101000741445 Homo sapiens Calcitonin Proteins 0.000 description 1
- 101000599940 Homo sapiens Interferon gamma Proteins 0.000 description 1
- 101001010568 Homo sapiens Interleukin-11 Proteins 0.000 description 1
- 101000845170 Homo sapiens Thymic stromal lymphopoietin Proteins 0.000 description 1
- 101000830603 Homo sapiens Tumor necrosis factor ligand superfamily member 11 Proteins 0.000 description 1
- 101000610604 Homo sapiens Tumor necrosis factor receptor superfamily member 10B Proteins 0.000 description 1
- 101000851018 Homo sapiens Vascular endothelial growth factor receptor 1 Proteins 0.000 description 1
- 102000038455 IGF Type 1 Receptor Human genes 0.000 description 1
- 108010031794 IGF Type 1 Receptor Proteins 0.000 description 1
- 201000009794 Idiopathic Pulmonary Fibrosis Diseases 0.000 description 1
- 102000016844 Immunoglobulin-like domains Human genes 0.000 description 1
- 108050006430 Immunoglobulin-like domains Proteins 0.000 description 1
- 108010041012 Integrin alpha4 Proteins 0.000 description 1
- 102000012355 Integrin beta1 Human genes 0.000 description 1
- 108010022222 Integrin beta1 Proteins 0.000 description 1
- 108010078049 Interferon alpha-2 Proteins 0.000 description 1
- 102100039350 Interferon alpha-7 Human genes 0.000 description 1
- 102000003996 Interferon-beta Human genes 0.000 description 1
- 108090000467 Interferon-beta Proteins 0.000 description 1
- 102000051628 Interleukin-1 receptor antagonist Human genes 0.000 description 1
- 108700021006 Interleukin-1 receptor antagonist Proteins 0.000 description 1
- 102000013264 Interleukin-23 Human genes 0.000 description 1
- 108010065637 Interleukin-23 Proteins 0.000 description 1
- 102000004388 Interleukin-4 Human genes 0.000 description 1
- 108090000978 Interleukin-4 Proteins 0.000 description 1
- 102000010787 Interleukin-4 Receptors Human genes 0.000 description 1
- 108010038486 Interleukin-4 Receptors Proteins 0.000 description 1
- 101710172072 Kexin Proteins 0.000 description 1
- 239000005551 L01XE03 - Erlotinib Substances 0.000 description 1
- 238000000585 Mann–Whitney U test Methods 0.000 description 1
- 101710170181 Metalloproteinase inhibitor Proteins 0.000 description 1
- 102100026261 Metalloproteinase inhibitor 3 Human genes 0.000 description 1
- 108010056852 Myostatin Proteins 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 102000003982 Parathyroid hormone Human genes 0.000 description 1
- 102100036893 Parathyroid hormone Human genes 0.000 description 1
- 108010044159 Proprotein Convertases Proteins 0.000 description 1
- 102000006437 Proprotein Convertases Human genes 0.000 description 1
- 101710194807 Protective antigen Proteins 0.000 description 1
- 101100372762 Rattus norvegicus Flt1 gene Proteins 0.000 description 1
- 102100034201 Sclerostin Human genes 0.000 description 1
- 108050006698 Sclerostin Proteins 0.000 description 1
- 101710084578 Short neurotoxin 1 Proteins 0.000 description 1
- 206010041925 Staphylococcal infections Diseases 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 108090000787 Subtilisin Proteins 0.000 description 1
- 108700002718 TACI receptor-IgG Fc fragment fusion Proteins 0.000 description 1
- 108010039185 Tenecteplase Proteins 0.000 description 1
- 108010070774 Thrombopoietin Receptors Proteins 0.000 description 1
- 101710148535 Thrombopoietin receptor Proteins 0.000 description 1
- 102100031294 Thymic stromal lymphopoietin Human genes 0.000 description 1
- 108010031429 Tissue Inhibitor of Metalloproteinase-3 Proteins 0.000 description 1
- 108090000373 Tissue Plasminogen Activator Proteins 0.000 description 1
- 102000003978 Tissue Plasminogen Activator Human genes 0.000 description 1
- 108050006955 Tissue-type plasminogen activator Proteins 0.000 description 1
- 101710182223 Toxin B Proteins 0.000 description 1
- 101710182532 Toxin a Proteins 0.000 description 1
- 102100040112 Tumor necrosis factor receptor superfamily member 10B Human genes 0.000 description 1
- 201000006704 Ulcerative Colitis Diseases 0.000 description 1
- 108010053096 Vascular Endothelial Growth Factor Receptor-1 Proteins 0.000 description 1
- 102000005789 Vascular Endothelial Growth Factors Human genes 0.000 description 1
- 108010019530 Vascular Endothelial Growth Factors Proteins 0.000 description 1
- 229960000446 abciximab Drugs 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 239000000488 activin Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 229950009084 adecatumumab Drugs 0.000 description 1
- 239000000556 agonist Substances 0.000 description 1
- 229960000548 alemtuzumab Drugs 0.000 description 1
- 229960003318 alteplase Drugs 0.000 description 1
- 229960004238 anakinra Drugs 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 239000005557 antagonist Substances 0.000 description 1
- 230000002691 anti-thymic effect Effects 0.000 description 1
- BWVPHIKGXQBZPV-QKFDDRBGSA-N apelin Chemical compound NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCSC)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CC(C)C)C(=O)N1[C@H](C(=O)N[C@@H](CC(O)=O)C(=O)NCC(=O)N[C@@H](CC(N)=O)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCC(O)=O)C(=O)N[C@@H](CC(O)=O)C(=O)NCC(=O)N[C@@H](CC(N)=O)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=2NC=NC=2)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCC(N)=O)C(=O)N2[C@@H](CCC2)C(=O)N[C@@H](CCCNC(N)=N)C(=O)NCC(=O)N[C@@H](CO)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC(N)=O)C(=O)NCC(=O)N2[C@@H](CCC2)C(=O)NCC(=O)N2[C@@H](CCC2)C(=O)N[C@@H](CC=2C3=CC=CC=C3NC=2)C(=O)N[C@@H](CCC(N)=O)C(=O)NCC(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC=2C=CC=CC=2)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N2[C@@H](CCC2)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CO)C(=O)N[C@@H](CC=2NC=NC=2)C(=O)N[C@@H](CCCCN)C(=O)NCC(=O)N2[C@@H](CCC2)C(=O)N[C@@H](CCSC)C(=O)N2[C@@H](CCC2)C(=O)N[C@@H](CC=2C=CC=CC=2)C(O)=O)CCC1 BWVPHIKGXQBZPV-QKFDDRBGSA-N 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 229960004669 basiliximab Drugs 0.000 description 1
- 229960003270 belimumab Drugs 0.000 description 1
- 229960000397 bevacizumab Drugs 0.000 description 1
- 102000023732 binding proteins Human genes 0.000 description 1
- 108091008324 binding proteins Proteins 0.000 description 1
- 239000012867 bioactive agent Substances 0.000 description 1
- 230000004071 biological effect Effects 0.000 description 1
- 230000003592 biomimetic effect Effects 0.000 description 1
- 229960000106 biosimilars Drugs 0.000 description 1
- 239000002981 blocking agent Substances 0.000 description 1
- 229950005042 blosozumab Drugs 0.000 description 1
- GXJABQQUPOEUTA-RDJZCZTQSA-N bortezomib Chemical compound C([C@@H](C(=O)N[C@@H](CC(C)C)B(O)O)NC(=O)C=1N=CC=NC=1)C1=CC=CC=C1 GXJABQQUPOEUTA-RDJZCZTQSA-N 0.000 description 1
- 229960001467 bortezomib Drugs 0.000 description 1
- 229960003735 brodalumab Drugs 0.000 description 1
- 229950007296 cantuzumab mertansine Drugs 0.000 description 1
- 108700001003 carbamylated erythropoietin Proteins 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 229960003115 certolizumab pegol Drugs 0.000 description 1
- 229960005395 cetuximab Drugs 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000013065 commercial product Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 229950007276 conatumumab Drugs 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 229960002806 daclizumab Drugs 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000000539 dimer Substances 0.000 description 1
- 238000006471 dimerization reaction Methods 0.000 description 1
- YKBZOVFACRVRJN-UHFFFAOYSA-N dinotefuran Chemical compound [O-][N+](=O)\N=C(/NC)NCC1CCOC1 YKBZOVFACRVRJN-UHFFFAOYSA-N 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940088679 drug related substance Drugs 0.000 description 1
- 229960002224 eculizumab Drugs 0.000 description 1
- 108010081679 epoetin theta Proteins 0.000 description 1
- 229950008826 epoetin theta Drugs 0.000 description 1
- AAKJLRGGTJKAMG-UHFFFAOYSA-N erlotinib Chemical compound C=12C=C(OCCOC)C(OCCOC)=CC2=NC=NC=1NC1=CC=CC(C#C)=C1 AAKJLRGGTJKAMG-UHFFFAOYSA-N 0.000 description 1
- 229960001433 erlotinib Drugs 0.000 description 1
- OLNTVTPDXPETLC-XPWALMASSA-N ezetimibe Chemical compound N1([C@@H]([C@H](C1=O)CC[C@H](O)C=1C=CC(F)=CC=1)C=1C=CC(O)=CC=1)C1=CC=C(F)C=C1 OLNTVTPDXPETLC-XPWALMASSA-N 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 239000012537 formulation buffer Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 108020001507 fusion proteins Proteins 0.000 description 1
- 102000037865 fusion proteins Human genes 0.000 description 1
- 229950001109 galiximab Drugs 0.000 description 1
- 229950004896 ganitumab Drugs 0.000 description 1
- 229960000578 gemtuzumab Drugs 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 102000049885 human IL11 Human genes 0.000 description 1
- 102000053529 human TNFSF11 Human genes 0.000 description 1
- 229940045644 human calcitonin Drugs 0.000 description 1
- 229960001001 ibritumomab tiuxetan Drugs 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 229960000598 infliximab Drugs 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 108010010648 interferon alfacon-1 Proteins 0.000 description 1
- 229960003358 interferon alfacon-1 Drugs 0.000 description 1
- 229960004461 interferon beta-1a Drugs 0.000 description 1
- 229960001388 interferon-beta Drugs 0.000 description 1
- 208000036971 interstitial lung disease 2 Diseases 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229960005386 ipilimumab Drugs 0.000 description 1
- 239000003446 ligand Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- KHPKQFYUPIUARC-UHFFFAOYSA-N lumiracoxib Chemical compound OC(=O)CC1=CC(C)=CC=C1NC1=C(F)C=CC=C1Cl KHPKQFYUPIUARC-UHFFFAOYSA-N 0.000 description 1
- 229960000994 lumiracoxib Drugs 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229920002521 macromolecule Polymers 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 201000001441 melanoma Diseases 0.000 description 1
- SGDBTWWWUNNDEQ-LBPRGKRZSA-N melphalan Chemical compound OC(=O)[C@@H](N)CC1=CC=C(N(CCCl)CCCl)C=C1 SGDBTWWWUNNDEQ-LBPRGKRZSA-N 0.000 description 1
- 229960001924 melphalan Drugs 0.000 description 1
- 229940126170 metalloproteinase inhibitor Drugs 0.000 description 1
- 239000003475 metalloproteinase inhibitor Substances 0.000 description 1
- 208000015688 methicillin-resistant staphylococcus aureus infectious disease Diseases 0.000 description 1
- 230000004001 molecular interaction Effects 0.000 description 1
- 229950000720 moxetumomab pasudotox Drugs 0.000 description 1
- ONDPWWDPQDCQNJ-UHFFFAOYSA-N n-(3,3-dimethyl-1,2-dihydroindol-6-yl)-2-(pyridin-4-ylmethylamino)pyridine-3-carboxamide;phosphoric acid Chemical compound OP(O)(O)=O.OP(O)(O)=O.C=1C=C2C(C)(C)CNC2=CC=1NC(=O)C1=CC=CN=C1NCC1=CC=NC=C1 ONDPWWDPQDCQNJ-UHFFFAOYSA-N 0.000 description 1
- 229960005027 natalizumab Drugs 0.000 description 1
- 229960001267 nesiritide Drugs 0.000 description 1
- HPNRHPKXQZSDFX-OAQDCNSJSA-N nesiritide Chemical compound C([C@H]1C(=O)NCC(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CC(O)=O)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@H](C(N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)N[C@@H](CO)C(=O)NCC(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](CSSC[C@@H](C(=O)N1)NC(=O)CNC(=O)[C@H](CO)NC(=O)CNC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](CCSC)NC(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@@H](N)CO)C(C)C)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1N=CNC=1)C(O)=O)=O)[C@@H](C)CC)C1=CC=CC=C1 HPNRHPKXQZSDFX-OAQDCNSJSA-N 0.000 description 1
- 229950010203 nimotuzumab Drugs 0.000 description 1
- 239000002417 nutraceutical Substances 0.000 description 1
- 235000021436 nutraceutical agent Nutrition 0.000 description 1
- 229950005751 ocrelizumab Drugs 0.000 description 1
- 229960002450 ofatumumab Drugs 0.000 description 1
- 229960000470 omalizumab Drugs 0.000 description 1
- 230000000174 oncolytic effect Effects 0.000 description 1
- 229960000402 palivizumab Drugs 0.000 description 1
- 239000000199 parathyroid hormone Substances 0.000 description 1
- 229960001319 parathyroid hormone Drugs 0.000 description 1
- 108010048732 pegylated erythropoietin Proteins 0.000 description 1
- 229960002087 pertuzumab Drugs 0.000 description 1
- 239000012071 phase Substances 0.000 description 1
- 102000054765 polymorphisms of proteins Human genes 0.000 description 1
- 229920001184 polypeptide Polymers 0.000 description 1
- 229940071643 prefilled syringe Drugs 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 229960003876 ranibizumab Drugs 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 229950003238 rilotumumab Drugs 0.000 description 1
- OHRURASPPZQGQM-GCCNXGTGSA-N romidepsin Chemical compound O1C(=O)[C@H](C(C)C)NC(=O)C(=C/C)/NC(=O)[C@H]2CSSCC\C=C\[C@@H]1CC(=O)N[C@H](C(C)C)C(=O)N2 OHRURASPPZQGQM-GCCNXGTGSA-N 0.000 description 1
- 229960003452 romidepsin Drugs 0.000 description 1
- OHRURASPPZQGQM-UHFFFAOYSA-N romidepsin Natural products O1C(=O)C(C(C)C)NC(=O)C(=CC)NC(=O)C2CSSCCC=CC1CC(=O)NC(C(C)C)C(=O)N2 OHRURASPPZQGQM-UHFFFAOYSA-N 0.000 description 1
- 108010091666 romidepsin Proteins 0.000 description 1
- 229950010968 romosozumab Drugs 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 230000009870 specific binding Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 229960000216 tenecteplase Drugs 0.000 description 1
- 229940124597 therapeutic agent Drugs 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 229960005267 tositumomab Drugs 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 229960003824 ustekinumab Drugs 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 229950001212 volociximab Drugs 0.000 description 1
- 229950009002 zanolimumab Drugs 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0264—Electrical interface; User interface
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0272—Handheld
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/44—Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/02—Mechanical
- G01N2201/022—Casings
- G01N2201/0221—Portable; cableless; compact; hand-held
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
描述了用于基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪和相关的生物分析方法。将生物分类模型配置加载到具有处理器和扫描仪的可配置手持式生物分析仪的计算机存储器中。该生物分类模型配置包括生物分类模型,该生物分类模型被配置为接收如由扫描仪扫描的定义生物产品样品的基于拉曼的光谱数据集。执行光谱预处理算法以减小该基于拉曼的光谱数据集的光谱偏差。该生物分类模型基于该基于拉曼的光谱数据集并且进一步基于分类成分来鉴定生物产品类型,该分类成分被选择为减小(1)Q残差或(2)该生物分类模型的拟合概要值中的至少一项。该生物分类模型配置可转移且可加载到其他可配置手持式生物分析仪上。
Description
相关申请的引用
本申请要求(2019年10月25日提交的)美国临时申请号62/925,893以及(2020年6月25日提交的)美国临时申请号63/043,976的权益。前述临时申请中的每一个的全文通过引用并入本文。
技术领域
本公开内容总体上涉及可配置手持式生物分析仪,并且更具体地,涉及用于使用可配置手持式生物分析仪基于拉曼光谱法对生物产品进行鉴定或分类的系统和方法。
背景技术
药物产品和生物技术产品的开发和制造通常需要对用于开发此类产品的原材料进行测量或鉴定。对产品进行鉴定测试的目的是确保产品的身份。需要进行鉴定测试的情况包括将产品分发到临床站点、进口测试以及在网络站点之间进行转移。另外,出于满足质量标准和/或法规要求的目的,对生物产品的测量或鉴定对于确保开发或制造过程的质量以及最终产品本身的质量可能很重要。
使用拉曼光谱法来测量和鉴定生物产品是一个相对较新的概念。一般而言,拉曼光谱法可以用于探测原材料或产品的化学或生物学结构。拉曼光谱法是一种非破坏性的化学或生物分析技术,其测量光与产品或材料的相互作用,诸如光与产品或材料的生物属性或化学键的相互作用。拉曼光谱法提供了一种光散射技术,其中,样品材料或产品的分子将来自高强度激光源的入射光散射。通常,大多数散射光与激光源具有相同的波长(颜色),并且不提供有用的信息——这称为瑞利散射。然而,少量的光以不同的波长(颜色)散射,这是由被分析的材料或产品的化学或分子结构引起的——这称为拉曼散射,并且可以对这种散射光进行分析或扫描以生成被分析的材料或产品的基于拉曼的数据。
拉曼散射的分析可以得出有关材料或产品的特性的详细信息,包括材料或产品的化学结构和/或身份、污染物和杂质、相和多态性、结晶度、内在应力/应变、和/或分子相互作用等。这种详细信息可以存在于材料的拉曼光谱中。可以对拉曼光谱进行可视化以示出各种光波长上的多个峰。拉曼光谱可以示出拉曼散射光的强度和波长位置。每个峰可以对应于与被分析的材料或产品相关联的特定分子键振动。
通常,拉曼光谱针对特定的材料、分子或产品提供了独特的化学或生物学“指纹”,并且可以用于验证特定的材料、分子或产品的身份——和/或将其与其他物质区分开。另外,通常使用拉曼光谱库基于材料的拉曼光谱来鉴定材料。即,可以搜索包含成千上万个光谱的拉曼光谱库,以找到具有被测量的给定材料或产品的拉曼光谱的匹配,从而鉴定给定的产品材料或产品。
当前存在实施拉曼光谱法来鉴定原材料和产品的分析仪。例如,Thermo FisherScientific Inc.(赛默飞世尔科技公司)提供了一种基于拉曼的手持式分析仪,标识为TruScanTM RM手持式拉曼分析仪。然而,由于对材料和/或产品(诸如药物和生物技术的材料或产品,尤其是具有相似拉曼光谱的材料或产品)的扫描偏差,使用这种现有的扫描仪可能会出现问题。例如,相似产品的拉曼光谱之间的偏差可能导致现有的基于拉曼的手持式分析仪无法正确鉴定,例如针对药物产品或生物技术产品输出I型错误(假阳性)或II型错误(假阴性)。偏差或错误的主要来源是基于拉曼的分析仪之间的差异,包括诸如软件、制造、使用年限、(多个)部件、操作环境(例如温度)中的任一者的可变性等差异、或基于拉曼的分析仪的其他此类差异。
已知方法通常无法解决由手持式分析仪之间的偏差或可变性引起的错误。例如,在一种已知方法中,可以使用来自几个分析仪的数据来开发静态数学方程,以供在几个分析仪之间使用。然而,一般而言,这种方法的困难在于仪器性能可能会随时间变化。很多时候,例行访问所有这些仪器也是不切实际或不可能的。特别地,通常无法获得用于构造静态数学方程的数据,尤其是对于新分析仪,制造商可能不会提前为新分析仪提供新的规格。这阻碍了静态数学方程的开发和维护,尤其是随时间而开发了这种新分析仪,并且考虑到静态数学方程的开发通常需要大量样品才能使不同的分析仪类型保持准确。此外,如果没有针对新分析仪的此类新规格,则在新分析仪上执行静态数学方程时,静态数学方程可能会不兼容。另外,例如,分析仪的制造或质量控制的差异(尤其是在不同制造商之间)会导致静态数学方程对可变性的容忍度过高,从而导致创建的静态数学方程本身对于生物产品的准确测量和/或鉴定而言过于可变。
在第二种已知方法中,对来自给定分析仪的数据进行标准化,其中为给定的一组分析仪创建父子(child-to-parent)仪器图。然而,该方法受到限制,因为构造父子仪器图通常需要来自父仪器和子仪器两者的数据,这通常实施或维护起来是困难的和/或在计算上昂贵,尤其是在较长时间段内新开发了几代分析仪,从而需要父子仪器图的许多排列和类型。另外,对于生物制药行业,用户对子仪器的访问受到限制,这也限制了父子仪器图方法。
在第三种已知方法中,来自给定分析仪的数据也被标准化,但是其中分析仪之间的可变性被忽略或被视为微不足道。然而,考虑到分析仪与分析仪的可变性通常会影响原材料和/或生物产品的准确鉴定和测量,并因此应当予以考虑,因此这种方法不是理想的。
出于前述原因,需要用于基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪和相关方法,其被配置为减小类似配置的可配置手持式生物分析仪之间的可变性并提高其兼容性。
发明内容
本申请的公开内容描述了经由(多个)手持式分析仪使用拉曼光谱法来鉴定生物产品。此外,本说明书的公开内容描述了可配置手持式生物分析仪、系统和方法的使用,以克服通常与使用拉曼光谱测量生物产品的已知方法相关联的限制。例如,某些生物产品之间的拉曼光谱可能过于相似,以至于无法通过使用拉曼光谱的已知方法(这些方法通常取决于广义的统计算法)区分开。当存在仪器与仪器的可变性从而导致例如各种分析仪之间的I型和II型错误时,拉曼光谱测量可能会尤其成为问题。如本文所描述的,这种可变性可能由软件、制造、使用年限、部件、操作环境(例如温度)中的任何一个或多个差异、或基于拉曼的分析仪的其他差异引起。该问题本身尤其在生物产品的开发或制造期间表现出来,因为分析仪与分析仪的可变性可能是影响与药物产品或生物产品有关的制造或开发过程中的质量、稳健性和/或可转移性的关键因素。因此,在本文公开的各个实施例中,例如,描述了可配置手持式生物分析仪,其利用使用特定预处理算法和/或多元数据分析的配置来(1)确保对材料或产品的测量和/或鉴定是敏感的和/或明确的,并且(2)确保如在第一组分析仪上开发的兼容性和配置可转移和/或可实施到附加分析仪,诸如分析仪的“网络”或一组分析仪内的新分析仪。
因此,在本文的各个实施例中,公开了一种用于基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪。该可配置手持式生物分析仪可以包括适于手持式操纵的第一壳体。另外,该可配置手持式生物分析仪可以包括由第一壳体承载的第一扫描仪。该可配置手持式生物分析仪可以包括通信地耦合到第一扫描仪的第一处理器。该可配置手持式生物分析仪可以进一步包括通信地耦合到第一处理器的第一计算机存储器。在各个实施例中,该第一计算机存储器可以被配置为加载生物分类模型配置。该生物分类模型配置可以包括生物分类模型。该生物分类模型可以被配置为在第一处理器上执行。该第一处理器可以被配置为(1)接收如由第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集,并且(2)利用生物分类模型基于第一基于拉曼的光谱数据集来鉴定生物产品类型。该生物分类模型配置可以包括光谱预处理算法。该第一处理器可以被配置为在第一处理器接收到第一基于拉曼的光谱数据集时执行该光谱预处理算法以减小第一基于拉曼的光谱数据集的光谱偏差。另外,该生物分类模型可以包括被选择以减小(1)生物分类模型的Q残差、或(2)生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
在本文公开的另外的实施例中,公开了一种用于基于拉曼光谱法鉴定生物产品的生物分析方法。该生物分析方法可以包括:将生物分类模型配置加载到具有第一处理器和第一扫描仪的第一可配置手持式生物分析仪的第一计算机存储器中。该生物分类模型配置可以包括生物分类模型。另外,该生物分析方法可以包括:该生物分类模型接收如由第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集。进一步地,该生物分析方法可以包括:执行生物分类模型的光谱预处理算法以减小第一基于拉曼的光谱数据集的光谱偏差。更进一步地,该生物分析方法可以包括:利用生物分类模型基于第一基于拉曼的光谱数据集来鉴定生物产品类型。该生物分类模型可以包括被选择以减小(1)生物分类模型的Q残差、或(2)生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
在本文公开的更进一步另外的实施例中,描述了一种存储用于基于拉曼光谱法鉴定生物产品的指令的有形非暂态计算机可读介质(例如,计算机存储器)。这些指令在由可配置手持式生物分析仪的一个或多个处理器执行时,使该可配置手持式生物分析仪的一个或多个处理器将生物分类模型配置加载到具有扫描仪的可配置手持式生物分析仪的计算机存储器中。该生物分类模型配置可以包括生物分类模型。该生物分类模型可以接收如由扫描仪扫描的定义生物产品样品的基于拉曼的光谱数据集。另外,可配置手持式生物分析仪的一个或多个处理器可以执行生物分类模型的光谱预处理算法,以减小基于拉曼的光谱数据集的光谱偏差。可配置手持式生物分析仪的一个或多个处理器可以利用生物分类模型根据基于拉曼的光谱数据集来鉴定生物产品类型。如各个实施例中所述,该生物分类模型可以包括被选择以减小(1)生物分类模型的Q残差、或(2)生物分类模型的拟合概要值中的至少一项的分类成分。生物分类模型可以被配置为基于该分类成分来鉴定该生物产品样品的生物产品类型。
本申请的益处包括开发在不同的分析仪(包括用于扫描用于构造生物分类模型的基于拉曼的数据集的不同分析仪)之间针对相同的药物产品或生物产品(例如,治疗产品/药物)产生一致的结果的(多个)生物分类模型(例如,(多个)多元分析模型)。如本文所描述的,可以使用多个分析仪或由这种分析仪生成的多个拉曼光谱数据集来构造生物分类模型。
进一步地,如本文所描述的,生物分类模型是可配置的并且可在可配置手持式生物分析仪之间转移,并且可以包括拉曼光谱预处理、分类成分选择(例如,经由奇异值分解(SVD)分析)以及判别统计分析以减小可配置手持式生物分析仪之间的可变性。例如,如本文所描述的生物分类模型的使用比现有分析仪有所改进,因为它减小了仪器/分析仪之间的可变性,不需要子仪器的数据即可开发,并且可以在实施不同软件、具有不同软件或软件版本、具有不同的制造、使用年限、操作环境(例如温度)、部件或其他此类差异的不同分析仪之间使用。
在各个实施例中,Q残差可以用作用于确定哪些生物分类模型可以容忍分析仪与分析仪的可变性的判别统计数据。其可以指示选择哪个(哪些)生物分类模型以加载到可配置手持式生物分析仪中。
此外,可以通过应用预处理技术(例如,如本文所描述的光谱预处理算法)来提高生物分类模型的准确性,以最小化生物分类模型的输出的统计I型和/或II型错误,并因此改善在其上安装/配置了生物分类模型的(多个)可配置手持式生物分析仪的输出。
另外,在一些实施例中,(多个)可配置手持式生物分析仪可以使用多元分析(例如,主成分分析(PCA))来确定用于生物分类模型的分类成分。这允许可配置手持式生物分析仪区分具有相似配方的生物产品/药物。这提供了一种灵活的方法,因为可以用各种、不同的和/或附加分类成分(例如,PCA生物分类模型的第二主成分)来生成生物分类模型,以对应于具有多种规格的产品(例如,有关迪诺舒单抗的产品)。
根据上述内容以及本文的公开内容,本公开内容包括计算机功能性的改进或对其他技术的改进,这至少是因为权利要求叙述了例如用于基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪,该可配置手持式生物分析仪是对现有手持式生物分析仪的改进。即,本公开内容描述了计算机本身或“任何其他技术或技术领域”的功能的改进,因为可配置手持式生物分析仪是如本文所描述的计算装置,并且经由其生物分类模型配置提供与现有手持式生物分析仪相比减小的分析仪与分析仪的可变性。这比现有技术有所改善,至少是因为本文所描述的可配置手持式生物分析仪在材料和/或产品(例如,治疗产品)的测量、鉴定和/或分类方面提供了提高的准确性,这在药物产品和/或其他此类生物产品的制造和开发中是重要的特征。
另外,如本文所描述的可配置手持式生物分析仪通过使用生物分类模型配置而得到进一步改进,该生物分类模型配置是可转移的、可选地可更新的(利用新数据)并且可加载到兼容的(多个)可配置手持式生物分析仪的存储器中,这可以实现标准化,从而减小一组分析仪(即,分析仪的“网络”)之间的可变性。这减少了用于分析仪网络的可配置手持式生物分析仪的维护和/或部署时间。
另外,通过使用包括生物分类模型的生物分类模型配置,进一步改进了可配置手持式生物分析仪。如本文所描述的,生物分类模型通过消除或减少I型错误(例如,假阳性)和/或II型错误(例如,假阴性)提高了生物产品的鉴定和/或分类的准确性。
另外,本公开内容包括利用特定机器或通过使用特定机器(例如,基于拉曼光谱法鉴定生物产品(包括在此类产品的开发或制造期间鉴定生物产品)的可配置手持式生物分析仪)来应用某些权利要求要素。
此外,本公开内容包括实现将特定物品转换或还原为不同状态或事物,例如,将拉曼光谱数据集转换或还原为用于基于拉曼光谱法鉴定生物产品的不同状态。
本公开内容包括除本领域中众所周知的例行常规活动之外的特定特征,或添加将权利要求限制在特定有用应用中的非常规步骤,例如,包括提供用于减小一组可配置手持式生物分析仪(即,可配置手持式生物分析仪的“网络”)之间的可变性的生物分类模型配置,其中每个可配置手持式生物分析仪可以用于基于拉曼光谱法来鉴定生物产品。
对于本领域的普通技术人员来说,根据以下对已经通过说明的方式示出和描述的优选实施例的描述,优点将变得更加明显。如将认识到的,本发明实施例可以具有其他和不同的实施例,并且可以在各个方面对其细节进行修改。因此,附图和说明书将在本质上被视为是说明性的而非限制性的。
附图说明
下文描述的附图描绘了其中披露的系统和方法的各方面。应理解的是,每个附图描绘了披露的系统和方法的特定方面的实施例,并且附图中的每一个旨在与其可能的实施例一致。进一步地,在任何可能的情况下,以下说明涉及包括在以下附图中的附图标记,其中,在多个附图中描绘的特征是用一致的附图标记表示的。
在附图中示出了当前讨论的安排,然而,应理解的是,本发明的实施例不限于所示出的精确安排和工具,其中:
图1展示了根据本文公开的各个实施例的用于基于拉曼光谱法鉴定生物产品的示例可配置手持式生物分析仪。
图2展示了根据本文公开的各个实施例的用于基于拉曼光谱法鉴定生物产品的生物分析方法的示例流程图。
图3A展示了根据本文公开的各个实施例的如由各种手持式生物分析仪扫描的基于拉曼的光谱数据集的示例可视化。
图3B展示了如从图3A的基于拉曼的光谱数据集修改而来的修改后的基于拉曼的光谱数据集的示例可视化。
图3C展示了归一化的基于拉曼的光谱数据集的示例可视化,作为图3B的修改后的基于拉曼的光谱数据集的归一化版本。
图4A展示了生物分类模型的Q残差的示例可视化。
图4B展示了生物分类模型的拟合概要值(例如,Hotelling T^2值)的示例可视化。
图5展示了根据本文公开的各个实施例的生物产品类型的拉曼光谱的示例可视化。
图6A至图6C展示了根据本文公开的各个实施例的示例性计算机程序列表,该示例性计算机程序列表包括生物分类模型配置的伪代码。
图7展示了根据本文所描述的各个实施例的简化Q残差的示例可视化。
图8A至图8D各自展示了根据本文所描述的各个实施例的如针对十八个不同的可配置手持式生物分析仪评估的、针对目标产品的简化Q残差的示例可视化。
图8E展示了根据本文所描述的各个实施例的如针对十八个不同的可配置手持式生物分析仪评估的、针对目标产品的简化拟合概要值的示例可视化。
附图仅出于说明目的描绘了优选实施例。在没有偏离本文所描述的本发明的原则的情况下,可以采用本文所展示的系统和方法的替代实施例。
具体实施方式
图1展示了根据本文公开的各个实施例的用于基于拉曼光谱法鉴定生物产品140的示例可配置手持式生物分析仪102。在图1的实施例中,可配置手持式生物分析仪102包括被模制或以其他方式被适配用于手持式操纵的第一壳体101。另外,可配置手持式生物分析仪102包括由第一壳体承载(例如,诸如直接或间接地耦合或连接至第一壳体)的第一扫描仪106。可配置手持式生物分析仪102还包括通信地耦合到第一扫描仪106的第一处理器110。可配置手持式生物分析仪102可以进一步包括通信地耦合到第一处理器110的第一计算机存储器108。另外,可配置手持式生物分析仪102可以包括用于从导航轮105接收输入的输入/输出(I/O)部件109。例如,用户可以操纵导航轮105以选择或滚动生物产品的特定样品的数据或信息,例如,如从扫描生物产品140扫描的数据或信息。输入/输出(I/O)部件109还可以控制测量信息、鉴定信息、分类信息或如本文所描述的其他信息在显示屏104上的显示。显示屏104、导航轮105、第一扫描仪106、第一计算机存储器108、I/O部件109和/或第一处理器110中的每一个经由电子总线107通信地耦合,该电子总线被配置为在各种部件(包括104到110)之间发送和/或接收电子信号(例如,控制信号)或信息。在一些实施例中,可配置手持式生物分析仪102可以是基于拉曼的手持式分析仪,诸如由Thermo FisherScientific Inc.提供的TruScanTM RM手持式拉曼分析仪。
在各个实施例中,第一计算机存储器108被配置为加载生物分类模型配置,例如,生物分类模型配置103。生物分类模型配置103可以用于实施图2的用于基于拉曼光谱法鉴定生物产品的生物分析方法,如本文进一步所描述的。
在图1的实施例中,生物分类模型配置103被实施为可扩展标记语言(XML)格式的XML文件。如本文的各个实施例中所述,图6A至图6C展示了示例计算机程序列表,其包括XML格式的生物分类模型配置(例如,生物分类模型配置103)的伪代码。例如,在图6A至图6C的实施例计算机程序列表的代码段1中,生物分类模型配置103的格式为XML,其中生物分类模型(“<model>”)是在生物分类模型配置103中定义的。生物分类模型配置103可在类似配置的可配置手持式生物分析仪(例如,可配置手持式生物分析仪112、114和/或116)上转移、安装和/或以其他方式实施或执行。可配置手持式生物分析仪112、114和116中的每一个都包括与可配置手持式生物分析仪102相同的部件,因此,可配置手持式生物分析仪102的公开内容同样适用于每个可配置手持式生物分析仪112、114和116。可配置手持式生物分析仪102、112、114和116中的每一个可以是同一分析仪组或集合(即,包括分析仪“网络”或组)的一部分。在一些实施例中,可配置手持式生物分析仪102、112、114和/或116中的每一个可以具有相同、相似的特性或特征和/或特性或特征的不同混合,诸如相同、相似的(多个)软件版本或(多个)类型、(多个)制造、(多个)使用年限、(多个)操作环境(例如温度)、(多个)部件、或基于拉曼的分析仪的其他这种相似或不同之处和/或这些特性或特征的不同混合。
不管可配置手持式生物分析仪102、112、114和116之间的相同、相似的特性或特征和/或特性或特征的不同混合如何,生物分类模型配置103及其相关的生物分类模型都允许可配置手持式网络生物分析仪(例如,可配置手持式生物分析仪102、112、114和116)的网络在测量或鉴定药物产品或生物产品(例如,治疗产品/药物)时产生一致的结果。即,尽管可配置手持式生物分析仪的给定分析仪网络存在相似或不同之处,但是当这种可配置手持式生物分析仪配置有如本文所描述的生物分类模型配置时,这种可配置手持式生物分析仪可以准确地鉴定或测量给定的药物产品或生物产品。
在各个实施例中,可以使用多个分析仪来生成或构造生物分类模型配置103及其相关的生物分类模型。例如,在一些实施例中,可以使用可配置手持式生物分析仪102、112、114和116和/或其他分析仪(未示出)中的任何一个或多个来生成或构造生物分类模型。
生物分类模型配置103及其相关的生物分类模型的生成通常需要扫描(例如,生物产品140的)样品的一组分析仪或分析仪网络以产生那些样品的基于拉曼的光谱数据集。例如,例如通过可配置手持式生物分析仪102、112、114和116中的任何一个扫描生物产品140可以产生关于生物产品140的详细信息。例如,详细信息可以包括定义(例如,生物产品140的)(多个)生物产品样品的(多个)基于拉曼的光谱数据集。如本文所描述的,生物产品140的示例可以包括迪诺舒单抗DP、帕尼单抗DP、依那西普DP、培非格司亭DP、洛莫索珠单抗DP、阿达木单抗DS和/或艾诺维单抗DP中的任何一种(诸如,洛莫索珠单抗DP、阿达木单抗DS和/或艾诺维单抗DP)。然而,应当理解,本文考虑了附加生物产品,并且生物产品140不限于任何特定的生物产品或其分组。
在一些实施例中,可配置手持式生物分析仪102可以定义用于扫描(例如生物产品140的)样品的基于仪器或分析仪的光谱获取参数(例如,积分时间、激光功率等)。例如,用户可以经由导航轮105选择光谱获取参数以用于扫描样品。在一些实施例中,可配置手持式生物分析仪102可以生成指定光谱获取参数的输出文件(例如,“.acq”文件类型的输出文件)。
在一些实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)可以加载输出文件(例如,“.acq”文件)以利用光谱获取参数来配置可配置手持式生物分析仪用于扫描目标产品。如本文所描述的,一个或多个可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)可以扫描(多个)基于拉曼的光谱数据集以生成生物分类模型配置(例如,生物分类模型配置103)。在一些实施例中,可以选择(例如,多个批次的)生物产品(例如,生物产品140)的(多个)样品作为用于扫描的代表性目标产品。一般而言,如本文所描述的“目标产品”表示用于训练或以其他方式配置生物分类模型配置及其相关模型的生物产品。一般而言,基于目标产品的生物学规格来选择目标产品。一旦设置了光谱获取参数以用于扫描目标产品,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)就可以(例如,利用第一扫描仪106)扫描目标产品的样品,在一些情况下扫描多次(例如十四(14)次),其中每次扫描都会生成详细信息,包括目标产品的(多个)基于拉曼的光谱数据集。
在类似的实施例中,多个可配置手持式生物分析仪(可配置手持式生物分析仪102、112、114和/或116)可以加载输出文件(例如,“.acq”文件),以利用光谱获取参数来设置每个可配置手持式生物分析仪用于扫描生物产品样品。一旦设置,每个可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)就被配置为(例如,利用第一扫描仪106)进行扫描,在一些情况下扫描多次(例如,十四(14)次),其中每次扫描都会生成目标产品的详细信息,包括(多个)基于拉曼的光谱数据集。通过利用不同的/多个扫描仪扫描给定的目标产品,由这些扫描仪捕获的(多个)基于拉曼的光谱数据集变得稳健,因为(多个)基于拉曼的光谱数据集捕获了扫描仪之间(例如,由软件、制造、使用年限、操作环境(例如温度)等引起)的任何差异。以这种方式,(多个)基于拉曼的光谱数据集提供了用于减小如本文所描述的多个扫描仪之间的可变性的理想训练数据集。例如,如由多个扫描仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)扫描的(多个)基于拉曼的光谱数据集中的每个数据集可以被输出和/或保存为例如文件类型为“.spc”的拉曼光谱文件。
应当理解,也可以以与对于目标产品相同或相似的方式针对挑战产品捕获(多个)基于拉曼的光谱数据集。如本文所使用的,“挑战产品(challenge product)”描述了可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)在加载或以其他方式配置有如本文所描述的生物分类模型配置(例如,生物分类模型配置103)及其相关的生物分类模型时被配置为进行鉴定、分类或测量的生物产品(例如,选自生物产品140)。
可以以与目标产品相同/或相似的方式捕获挑战产品的(多个)基于拉曼的光谱数据集,其中可以基于挑战产品的生物学规格选择挑战产品,并且其中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)可以加载输出文件(例如“.acq”文件),以利用光谱获取参数来配置可配置手持式生物分析仪用于扫描挑战产品。一旦设置,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)就被配置为(例如,利用第一扫描仪106)扫描挑战产品的样品,在一些情况下扫描多次(例如,三(3)次),其中每次扫描都会生成挑战产品的详细信息,包括(多个)基于拉曼的光谱数据集。例如,如由可配置手持式生物分析仪102扫描的(多个)基于拉曼的光谱数据集可以被输出和/或保存为例如文件类型为“.spc”的拉曼光谱文件。
在一些实施例中,可以通过诸如图1所展示的计算机130的处理器等远程处理器来执行生物分类模型配置(例如,生物分类模型配置103)的生成。例如,如本文所描述的针对生物产品(例如,选自生物产品140)生成的(多个)基于拉曼的光谱数据集可以被导入到建模软件中和/或由建模软件进行分析,该建模软件在计算机130上执行、被配置为分析(多个)基于拉曼的光谱数据集。这种建模软件的一个示例包括由Eigenvector Research,Inc.(特征向量研究公司)提供的SOLO(独立化学计量软件)。然而,应当理解,也可以使用被实施为执行本文所描述的特征的其他建模软件,包括定制软件或专有软件。建模软件可以根据(多个)基于拉曼的光谱数据集构建或生成生物分类模型。例如,在一些实施例中,如本文所描述的,可以使用如针对(多个)目标产品扫描或捕获的(多个)基于拉曼的光谱数据集来构建或生成生物分类模型。更进一步地,还可以使用(例如,目标产品或挑战产品的)(多个)基于拉曼的光谱数据集来交叉验证生物分类模型。例如,可以使用(多个)基于拉曼的光谱数据集对照(多个)基于拉曼的光谱数据集的交叉验证数据集来评估生物分类模型的I型错误(例如,假阳性)和II型错误(例如,假阴性)。
在各个实施例中,可以生成生物分类模型和/或其相关的生物分类模型配置(例如,生物分类模型配置103)以包括要由可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)用于如本文所描述的鉴定、分类和/或测量生物产品的算法(例如,脚本)和参数。本文中关于图2、图6A和图6B描述了算法(例如,脚本)和/或参数的示例。例如,生物分类模型配置(例如,生物分类模型配置103)可以包括定义生物分类模型的细节的参数。例如,这样的参数可以推断出生物分类模型的分类成分的数量、负荷等。例如,在一个实施例中,可以例如由建模软件通过奇异值分解(SVD)分析来确定分类成分的数量,其中分类成分包括PCA的一个或多个主成分。可以将建模软件配置为设置统计置信度,以确定要包括在生物分类模型中的分类成分(例如,主成分)。例如,在图6A至图6C的实施例计算机程序列表的代码段1中,生物分类模型配置指示生物分类模型(例如,定义为“<model>”)是PCA类型的生物分类模型。这表明生物分类模型的分类成分将是主成分。例如,在图6A至图6C的实施例中,代码段2指示要经由要在可配置手持式生物分析仪102的第一处理器110上执行的SVD分析(“算法:SVD”)确定的主成分的数量将是一个(单一)主成分(“PC数:1”)。
作为另一示例,生物分类模型配置(例如,生物分类模型配置103)可以包括用于定义或实施(多个)光谱预处理算法的计算机代码或脚本,例如,如关于图3A至图3C所描述的。一般而言,可以在处理器(例如,第一处理器110)上执行用于定义或实施(多个)光谱预处理算法的计算机代码或脚本,其中,处理器接收生物产品(例如,生物产品140)的(多个)基于拉曼的光谱数据集。然后,可配置手持式生物分析仪执行定义或实施(多个)光谱预处理算法的计算机代码或脚本以准备/预处理数据,以输入到生物分类模型的(多个)分类成分中,从而如本文所描述的鉴定、测量或分类生物产品(例如,挑战产品)。例如,在图6A至图6C的实施例计算机程序列表的代码段2中,生物分类模型配置包括示例光谱预处理算法的执行序列(例如,“预处理:1阶导数(阶数:2,窗口:21pt,仅包括,尾部:polyinterp),SNV,均值中心化”),该执行序列包括对针对特定产品(例如,目标产品或挑战产品)扫描的基于拉曼的光谱数据集确定一阶导数、应用标准正态变量(SNV)算法以及进一步应用均值中心化功能(meaning centering function)。本文关于图3A至图3C和图6A至图6C的代码段4至6对该执行序列的示例实施例进行了描述和可视化。
作为另一示例,生物分类模型配置(例如,生物分类模型配置103)可以包括用于生成生物分类模型的(多个)基于拉曼的光谱数据集。例如,在图6A至图6C的实施例计算机程序列表的代码段3中,生物分类模型配置(例如,生物分类模型配置103)包括用于生成图6A至图6C的生物分类模型的示例(多个)基于拉曼的光谱数据集。
在一些实施例中,生物分类模型配置(例如,生物分类模型配置103)还可以定义阈值(例如,作为统计接受标准),以确定可配置手持式生物分析仪102是否已成功鉴定或测量了生物产品。例如,此类阈值可以定义Q残差或Hotelling T2值的合格与否阈值(如本文所描述的),以确定可配置手持式生物分析仪102是否已成功鉴定或测量了生物产品。在其他实施例中,可以独立于生物分类模型配置(例如,生物分类模型配置103)来配置阈值,例如通过用户经由本文所描述的导航轮105和显示屏104手动配置和/或定义阈值。
如本文所描述的,一旦生成,生物分类模型及其相关的生物分类模型配置(例如,生物分类模型配置103)就可以被导出到文件(例如,如本文所描述的XML文件)以(例如,经由计算机网络120或本文描述的其他设备)传输到可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个或多个)和/或加载到可配置手持式生物分析仪的存储器中。在一些实施例中,还可以将(多个)输出文件(例如,如本文所描述的“.acq”文件)传输(例如,经由计算机网络120或本文所描述的其他设备)到可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个或多个)和/或加载到可配置手持式生物分析仪的存储器中。
生物分类模型可以由远离给定的可配置手持式生物分析仪的远程处理器生成。例如,在图1的实施例中,计算机130包括远离可配置手持式生物分析仪102的远程处理器。计算机130可以生成(例如,如本文所描述的)并且将一个或多个生物分类模型配置和/或生物分类模型存储在数据库132中。在各个实施例中,计算机130可以通过计算机网络120将(多个)生物分类模型配置(例如,生物分类模型配置103、113、115和/或117中的任何一个)转移到可配置手持式生物分析仪(例如,分别转移到可配置手持式生物分析仪102、112、114和/或116)。在一些实施例中,生物分类模型配置103、113、115和/或117中的每一个可以是相同文件(例如,相同XML文件)的副本。计算机网络120可以包括实施计算机分组协议(诸如,例如传输控制协议(TCP)/互联网协议(IP))的有线和/或无线(例如,802.11标准网络)。在其他实施例中,可以经由通用串行总线(USB)电缆(未示出)、存储器驱动器(例如,闪存或拇指驱动器)(未示出)、磁盘(未示出)或其他用于转移数据文件(诸如本文公开的XML文件)的转移或存储装置电缆来转移生物分类模型配置(例如,生物分类模型配置103)。在更进一步的实施例中,可以经由诸如蓝牙、WiFi等无线标准或协议或者经由诸如GSM、EDGE、CDMA等蜂窝标准来转移生物分类模型配置103。
可以在可配置手持式生物分析仪之间转移生物分类模型配置(例如,生物分类模型配置103)。一旦转移,就可以将生物分类模型配置加载到可配置手持式生物分析仪的存储器中,以将该可配置手持式生物分析仪校准或配置为相对于实施或执行生物分类模型的其他可配置手持式生物分析仪具有减小的可变性。例如,在一个实施例中,生物分类模型配置103可以包括生物分类模型。生物分类模型配置103的生物分类模型可以被配置为在第一处理器110上执行。例如,第一处理器110可以被配置为(1)接收如由第一扫描仪扫描的定义(例如,扫描生物产品140的)第一生物产品样品的第一基于拉曼的光谱数据集,并且(2)利用生物分类模型基于第一基于拉曼的光谱数据集来鉴定生物产品类型。例如,在一些实施例中,生物产品类型可以是具有治疗产品类型的治疗产品。
可以例如通过计算机网络120经由生物分类模型配置113将生物分类模型配置103的生物分类模型以电子方式转移到可配置手持式生物分析仪112。就像可配置手持式生物分析仪102一样,可配置手持式生物分析仪112可以包括:被适配用于手持式操纵的第二壳体、耦合到第二壳体的第二扫描仪、通信地耦合到第二扫描仪的第二处理器、以及通信地耦合到第二处理器的第二计算机存储器。可配置手持式生物分析仪112的第二计算机存储器被配置为加载生物分类模型配置113。生物分类模型配置113包括生物分类模型配置103的生物分类模型。当在可配置手持式生物分析仪112的第二处理器上实施或执行时,第二处理器被配置为(1)接收如由第二可配置手持式生物分析仪112的第二扫描仪扫描的定义(例如,通过扫描生物产品140获取的)第二生物产品样品的第二基于拉曼的光谱数据集,并且(2)利用该生物分类模型基于第二基于拉曼的光谱数据集来鉴定生物产品类型。在这样的实施例中,通过使用如通过生物分类模型配置文件转移的相同的生物分类模型鉴定出相同的生物产品或产品类型,其中,第二生物产品样品是(例如,与第一可配置手持式生物分析仪102分析的生物产品类型相同的)该生物产品类型的新样品。
在各个实施例中,新的或附加的(多个)基于拉曼的光谱数据集可以由可配置手持式生物分析仪扫描,并用于更新生物分类模型。在这样的实施例中,如本文所描述的,可以将更新的生物分类模型转移到可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)。
在一些实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)的计算机存储器(例如,第一计算机存储器108)可以被配置为加载新的生物分类模型,其中,新的生物分类模型可以包括更新的分类成分。例如,可以针对如与新的生物分类模型配置(例如,生物分类模型配置103)一起接收的新的生物分类模型生成或确定新分类成分。
如本文的各个实施例中所描述的,可以通过加载逻辑分类模型配置及其相关的生物分类模型来配置可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)。一旦进行了配置,可配置手持式生物分析仪102就可以用于如本文所描述的鉴定、分类或测量感兴趣产品(例如,挑战产品和/或样品)。
图2展示了根据本文公开的各个实施例的用于基于拉曼光谱法鉴定生物产品(例如,生物产品140)的生物分析方法200的示例流程图。生物分析方法200在框204处开始(202),将生物分类模型配置(例如,生物分类模型配置103)加载到具有第一处理器(例如,第一处理器110)和第一扫描仪(例如,第一扫描仪106)的第一可配置手持式生物分析仪的第一计算机存储器(例如,第一计算机存储器108)中。在图2的实施例中,生物分类模型配置(例如,生物分类模型配置103)包括如本文所描述的生物分类模型。另外,在一些实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)可以将(例如,“.acq”文件的)光谱获取参数加载到存储器108中以用于扫描(多个)产品。
在框206处,生物分析方法200包括(例如,生物分类模型配置103的)生物分类模型接收如由第一扫描仪(例如,第一扫描仪106)扫描的定义第一生物产品样品(例如,选自生物产品140)的第一基于拉曼的光谱数据集。
在框208处,生物分析方法200包括:例如处理器(例如,第一处理器110)执行生物分类模型的光谱预处理算法以减小第一基于拉曼的光谱数据集的光谱偏差。光谱偏差是第一基于拉曼的光谱数据集与一个或多个对应的其他手持式生物分析仪的一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。例如,在由可配置手持式生物分析仪102扫描的基于拉曼的光谱数据集与由可配置手持式生物分析仪112扫描的基于拉曼的光谱数据集之间可能存在光谱偏差。即使由每个分析仪扫描的每个基于拉曼的光谱数据集代表相同的生物产品类型,也可能存在光谱偏差。这种光谱偏差可能是由分析仪与分析仪的可变性和/或差异(如软件)引起的,这些差异包括版本、制造、使用年限、操作环境(例如温度)、部件的差异或如本文所描述的基于拉曼的分析仪的其他差异。
光谱预处理算法被配置为减小第一基于拉曼的光谱数据集与一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。例如,在各个实施例中,(例如,在第一处理器110上)实施或执行光谱预处理算法使与生物产品(例如,生物产品140)的鉴定相关联的统计I型(例如,假阳性)和/或II型错误(例如,假阴性)最小化。在各个实施例中,光谱预处理算法可以减小多个可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)之间的分析仪与分析仪的光谱偏差。
图3A至图3C展示了可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)的光谱预处理算法的示例执行序列。光谱预处理算法的执行(例如,由第一处理器110执行)缓解并减轻了对每个分析仪(例如,可配置手持式生物分析仪102、112、114和/或116)而言唯一的差异的影响,并减小了由这些分析仪的扫描产生的基于拉曼的光谱数据集之间的偏差。图3A展示了根据本文公开的各个实施例的如由一个或多个手持式生物分析仪扫描的示例基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)的可视化302。图3A的基于拉曼的光谱数据集可以包括用于生成如本文所描述的生物分类模型配置(例如,生物分类模型配置103)及其相关的生物分类模型的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)。例如,图3A的基于拉曼的光谱数据集可以是在图6A的代码段3中标识的那些数据集。
在一些实施例中,图3A的每个基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)可以表示由不同的可配置手持式生物分析仪(例如,任何可配置手持式生物分析仪102、112、114和/或116)进行的扫描。然而,在其他实施例中,图3A的每个基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)可以表示由同一可配置手持式生物分析仪(例如,任何可配置手持式生物分析仪102)进行的多次扫描。
图3A描绘了跨拉曼强度值(在拉曼强度轴304上)和光波长/频率值(在拉曼位移轴306上)可视化的几个基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)。拉曼强度轴304指示跨拉曼位移轴306的给定波长的散射光的强度。拉曼强度轴304可以示出如由分析仪(例如,可配置手持式生物分析仪102)扫描的被生物产品样品散射的许多光子(例如,其中数据/值3是由第一扫描仪106测量/扫描的光子强度的相对量度)。拉曼位移轴306指示散射光的波数(例如,逆波长)。波数的单位(即,每厘米(cm)的波数(cm-1))提供了入射光与散射光之间的频率差或波长差的指示。在图3A的可视化302中,位移轴306包括600cm-1至1500cm-1的范围。拉曼强度轴304包括1到5的拉曼强度范围。如图3A所示,每个基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)对在600cm-1至1500cm-1的光谱范围内测量的拉曼强度值进行可视化。
另外,在各个实施例中,图3A的每个基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)可以表示对具有相同生物产品类型的相同生物产品样品的扫描。在这样的实施例中,如图3A所示,即使(多个)可配置手持式生物分析仪中的任何一个或多个可能已经扫描了具有相同生物产品类型的相同生物产品样品,基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)的(在拉曼强度轴304上的)拉曼强度值跨(在拉曼位移轴306上的)光波长/频率值仍存在可变性。如本文所描述的,可变性可能是由可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)之间的软件、制造、使用年限、(多个)光学部件、操作环境(例如温度)或其他方面的差异引起的。
图3B展示了如从图3A的基于拉曼的光谱数据集修改而来的修改后的基于拉曼的光谱数据集的示例可视化312。例如,图3B可以表示光谱预处理算法的执行序列的第一阶段。图3B的可视化312包括与本文针对图3A描述的相同的拉曼强度轴304和拉曼位移轴306。在图3B的实施例中,处理器(例如,第一处理器110)将导数变换应用于图3A的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c)以生成如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)。具体地,在图3B的实施例中,应用具有11到15个点数据平滑的一阶导数(即,确定11到15个拉曼位移值的连续组的拉曼加权平均值,并且然后对这些组应用一阶导数变换)。换言之,图3B所示的导数变换包括由处理器(例如,第一处理器110)确定在拉曼位移轴306上(拉曼强度轴304的)11至15个拉曼位移值的连续组的拉曼加权平均值,并且然后由处理器(例如,第一处理器110)确定在拉曼位移轴306上的那些拉曼加权平均值的对应导数。导数变换的应用缓解了例如由于瑞利散射/抑制光学器件和/或其他色散元件而引起的背景曲率的影响。通过图3A的可视化302与图3B的可视化312的比较以图形方式示出了这一点,其中,基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集302a、302b和302c,如图3A所示)的偏差(例如,竖直和/或水平偏差)被移除或减小以产生如图3B所描绘的变化较少的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)。
通过图6A至图6C的计算机程序列表进一步展示了如图3B所可视化的导数变换的应用。例如,在图6A至图6C的实施例计算机程序列表的代码段4中,生物分类模型配置包括可由可配置手持式生物分析仪102的第一处理器110执行的脚本,该脚本应用如本文针对图3B所描述的导数变换算法。
图3C展示了归一化的基于拉曼的光谱数据集的示例可视化322,作为图3B的修改后的基于拉曼的光谱数据集的归一化版本。例如,图3C可以表示光谱预处理算法的执行序列的接下来的一个或多个阶段。图3C的可视化322包括与本文针对图3A和图3B描述的相同的拉曼强度轴304和拉曼位移轴306。例如,在一个实施例中,如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)由处理器(例如,第一处理器110)跨拉曼位移轴306对准以产生如图3C所描绘的对准的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。这种对准对如本文所描述的由分析仪与分析仪的偏差/差异引起的细微的y轴偏移(即,拉曼强度轴304)进行校正。通过图6A至图6C的计算机程序列表进一步展示了如图3C所可视化的对准算法的应用。例如,在图6A至图6C的实施例计算机程序列表的代码段6中,生物分类模型配置(例如,生物分类模型配置103)包括可由可配置手持式生物分析仪102的第一处理器110执行的应用均值中心化算法的脚本,该均值中心化算法调整如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)的对准,以移除或减小这些修改的基于拉曼的光谱数据集的光谱偏差(例如,竖直和/或水平偏差)。这种调整导致如图3C中所描绘的对准的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。
另外或可替代地,在另一实施例中,如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)由处理器(例如,第一处理器110)跨拉曼强度轴304归一化以产生如图3C所描绘的对准的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。这样的归一化应用稳健的归一化算法以考虑如本文所描述的分析仪与分析仪的偏差/差异引起的强度轴变化(即,跨拉曼强度轴304的强度值的变化)。通过图6A至图6C的计算机程序列表进一步展示了如图3C所可视化的归一化算法的应用。例如,在图6A至图6C的实施例计算机程序列表的代码段5中,生物分类模型配置包括可由可配置手持式生物分析仪102的第一处理器110执行的应用归一化算法的脚本,该归一化算法对如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)进行归一化,以移除或减小这些修改的基于拉曼的光谱数据集的光谱偏差(例如,竖直和/或水平偏差)。这种归一化导致如图3C中所描绘的归一化的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。特别地,在图6A至图6C的实施例中,例如,第一处理器110将标准正态变量(SNV)算法应用于如图3B所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)以产生如图3C所描绘的对准的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。
对准算法和/或归一化算法的应用(例如,如针对图3C所描述的)移除或减小了如图3B中所描绘的修改后的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c)的光谱偏差。通过图3B的可视化312与图3C的可视化322的比较以图形方式示出了这一点,其中,基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集312a、312b和312c,如图3B所示)的光谱偏差(例如,竖直和/或水平偏差)被移除或减小以产生如图3C所描绘的变化较少的对准和/或归一化的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c)。
在图2的框210处,生物分析方法200包括利用生物分类模型基于第一基于拉曼的光谱数据集(例如,如针对图3A至图3C可视化和描述的基于拉曼的光谱数据集)来鉴定或分类生物产品类型。例如,在各个实施例中,一旦例如如本文关于图3A至图3C和/或图6A至图6C所描述的(例如,由第一处理器110)执行了光谱预处理算法的执行序列,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)就可以使用经预处理的基于拉曼的数据集(例如,如图3C所描绘的对准和/或归一化的基于拉曼的光谱数据集(例如,包括基于拉曼的光谱数据集322a、322b和322c))来鉴定或分类生物产品(例如,生物产品140)。
图5展示了生物产品类型(例如,生物产品类型511、512和513)的拉曼光谱的示例可视化500。可以根据本文公开的各个实施例基于分类成分利用生物分类模型(例如,生物分类模型配置103的生物分类模型)来鉴定、分类或以其他方式区分每个生物产品类型(例如,生物产品类型511、512和513)。在图5的实施例中,生物产品类型511、512和513中的每一个都是不同的生物产品类型,分别包括阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)。图5的可视化500包括与本文针对图3A和图3B所描述的相同或相似的拉曼强度轴504和拉曼位移轴506。然而,生物产品类型511、512和513中的每一个描绘了其自己单独的拉曼位移轴,其中每个拉曼位移轴指示从0到约3的拉曼强度值。另外,拉曼位移轴506描绘了约0至3000cm-1的频率/波长范围。
如图5所示,生物产品类型511、512和513中的每一个跨拉曼位移轴506(即,跨相同或相似的拉曼光谱范围(例如,从0到3000cm-1的范围,如图5所示))具有相似的图案或“签名(signature)”。这种相似的图案/签名使典型的分析仪难以准确地鉴定、分类或测量这些生物产品类型:阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)。当试图鉴定、测量或分类这样的生物产品类型时,典型的分析仪(未实施或执行如本文所描述的生物分类模型配置103)通常会产生大量的I型错误(例如,假阳性)和II型错误(例如,假阴性)。
然而,加载并执行了如本文所描述的生物分类模型配置(例如,生物分类模型配置103)的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)可以用于准确地鉴定、分类、测量或以其他方式区分生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)。这在图5中进行了展示,其中,例如,生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)中的每一个通过拉曼光谱的不同的局部特征(例如,局部特征511c、512c和513c)而被鉴定、分类和/或测量为彼此不同。在图5的实施例中,例如,生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)中的每一个的每个局部特征511c、512c和513c跨拉曼位移轴506在1000cm-1至1100cm-1的范围内是不同的。特别地,在1000cm-1到1100cm-1的范围内,每个局部特征511c、512c和513c具有不同的拉曼强度值(具有不同的形状、峰值或其他独特的/不同的相对强度),这些不同的拉曼强度值分别特定于生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)中的每一个。因此,独特的局部特征(例如,局部特征511c、512c和513c)提供了产品特定信息的来源,可配置手持式生物分析仪102可以使用该产品特定信息如本文所描述的鉴定、分类或以其他方式区分生物产品。
另外或可替代地,关于图5进一步展示了鉴定或分类,其中,例如,生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)中的每一个通过它们各自的拉曼位移轴(即,跨越拉曼位移轴506)被鉴定、分类和/或测量为彼此不同(即使那些生物产品具有相似和/或相同的拉曼光谱)。例如,阿达木单抗DS(生物产品类型511)具有约1.9的第一拉曼强度值511a(在约2900的拉曼位移值处)和约2.25的第二拉曼强度值511z(在约140的拉曼位移值处)。相比之下,艾诺维单抗DP(生物产品类型512)具有约2.1的第一拉曼强度值512a(在约2900的拉曼位移值处)和约2.5的第二拉曼强度值512z(在约140的拉曼位移值处)。通过进一步对比,洛莫索珠单抗DP(生物产品类型513)具有约1.5的第一拉曼强度值513a(在约2900的拉曼位移值处)和约2.05的第二拉曼强度值513z(在约140的拉曼位移值处)。
因此,如图5的可视化500所示,加载并执行了如本文所描述的生物分类模型配置(例如,生物分类模型配置103)的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)对不同分析仪之间的(例如,拉曼强度轴504的)拉曼强度值和拉曼特征的整体形状(即,在拉曼位移值的范围内(拉曼位移轴506)的拉曼强度分布曲线)的相对差异敏感。这是因为,至少部分地,加载并执行了如本文所描述的生物分类模型配置(例如,生物分类模型配置103)的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)已经利用如本文所描述的光谱预处理算法预处理了生物产品类型阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)的每一个的扫描数据(基于拉曼的光谱数据集)。此外,如可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)所使用的生物分类模型进一步被配置为基于分类成分(即,实施具有分类成分的模型)来鉴定第一生物产品样品的生物产品类型,这也减小了偏差,从而提高了可配置手持式生物分析仪102鉴定第一生物产品样品的生物产品类型的能力。
在各个实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)基于如从生物分类模型配置(例如,生物分类模型配置103)中加载的(多个)分类成分来鉴定、分类和/或测量生物产品(例如,生物产品140)的生物产品类型,诸如阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和洛莫索珠单抗DP(生物产品类型513)。例如,如经由生物分类模型配置103加载到可配置手持式生物分析仪102中的生物分类模型可以包括被选择以减小(1)生物分类模型的Q残差、或(2)生物分类模型的拟合概要值中的至少一项的分类成分,Q残差和拟合概要值中的每一个将在本文关于图4A和图4B进行描述。
如本文所使用的术语“分类成分”可以包括针对主成分分析(PCA)确定的主成分。更一般地,在其他实施例中,分类成分可以是多元模型(诸如回归模型或机器学习模型)的系数或变量。生物分类模型被配置为基于分类成分鉴定给定生物产品样品(例如,选自生物产品140)的生物产品类型。
在一些实施例中,生物分类模型可以被实施为PCA模型。PCA实施方式表示使用多元分析(例如,如由配置有生物分类模型配置103的可配置手持式生物分析仪102所实施的那样)来区分生物产品(例如生物产品140),诸如具有相似配方的治疗产品/药物(例如,如本文针对图5所描述的)。例如,生物产品或药物产品通常与高维数据相关联。高维数据可以包括多个特征,诸如在给定样品(例如,扫描生物产品140的样品)上测量的许多基因的表达。PCA提供了一种如由可配置手持式生物分析仪102使用的用于简化高维数据(例如,(多个)拉曼光谱数据集)的复杂性同时保留对于预测和/或鉴定目的(例如,如本文描述的鉴定生物产品)有用的趋势和图案的技术。例如,PCA的应用包括(例如,由第一处理器110)将数据集(例如,基于拉曼的光谱数据集)变换为更少的维度。经变换的较少维度的数据集提供了原始数据集的概要或简化。进而,当由本文所描述的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)操纵时,经变换的数据集减少了计算费用。进一步地,如本文所描述的,通过实施PCA还可以降低(多个)错误率,从而消除了在测试每个特征与特定结果的关联时将(多个)测试校正应用于更高维度的数据的需要。
另外,如由可配置手持式生物分析仪102实施的PCA通过将数据几何投影到称为主成分(PC)的较低维度上,并且通过使用有限数量的PC来针对最佳的数据概要(以及因此PC),降低了数据复杂性。第一PC被选择为最小化数据与数据在PC上的投影之间的总距离。类似地选择任何第二(后续)PC,其中,另外还要求它们与所有先前的PC不相关。
PCA是一种无监督的学习方法,并且类似于聚类——其无需参考有关样品是否来自不同来源(诸如不同的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116))的先验知识即可找到趋势或图案。例如,在一些实施例中,生物分类模型的分类成分可以是PCA模型的第一主成分。在这样的实施例中,第一主成分可以由第一处理器110基于奇异值分解(SVD)分析来确定。可配置手持式生物分析仪102对第一主成分的使用限制或减少了由其生物分类模型所考虑的分析仪可变性的量。在一些实施例中,第一主成分(PC)可以是唯一的主成分。在其他实施例中,生物分类模型可以包括第二分类成分,其中,生物分类模型被配置为基于多个分类成分(第一分类成分和第二分类成分)来鉴定给定生物产品样品(例如,生物产品140)的(多个)生物产品类型。
在图6A至图6C的实施例计算机程序列表的代码段7中,生物分类模型配置(例如,生物分类模型配置103)定义了针对其生物分类模型指定的一组PCA预测。代码段7还提供了定义拟合概要统计值(例如,Hotelling T2值)和Q残差/值的计算的脚本。代码段7的脚本可以由第一处理器110执行以基于Q残差/值和Hotelling T2值来鉴定或分类生物产品(例如,生物产品140),如本文中例如关于图4A和图4B所描述的。
图4A展示了生物分类模型的Q残差的示例可视化400。图4A包括Q残差轴404和Hotelling T2轴406。一般而言,Q残差和Hotelling T2值是汇总统计数据,可以用于解释模型(例如,生物分类模型配置103的生物分类模型)描述(例如,通过扫描生物产品140获取的)给定生物产品样品的良好程度。图4A绘制了多个手持式生物分析仪的Q残差和Hotelling T2值。一般而言,Q残差为零(0)并且Hotelling T2值为零(0)的手持式生物分析仪表示对产品的扫描没有错误。
手持式生物分析仪包括生物分析仪组411n、412m1、412m2和413n的手持式生物分析仪。分析仪组411n表示扫描第一生物产品类型阿达木单抗DS的分析仪。分析仪组412m1和412m2各自表示扫描第二生物产品类型艾诺维单抗DP的分析仪。分析仪组413n表示扫描第三生物产品类型洛莫索珠单抗DP的分析仪。分析仪组412m1和412m2包括利用如本文所描述的生物分类模型配置(例如,生物分类模型配置103)以及相应生物分类模型配置并增强的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)。分析仪组411n和413n包括典型的生物分析仪,未利用生物分类模型配置或生物分类模型进行配置。
分析仪组411n和413n用作对照组,当与分析仪组412m1和412m2进行比较时,通过减少的错误(例如,沿Q残差轴404)展示了可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)优于典型的分析仪(例如,分析仪组411n和413n中的分析仪)的改进。特别地,(例如,Q残差轴404的)Q残差提供了被计算为每个产品样品的平方和的失拟统计数据。Q残差表示在通过给定模型(例如,如本文所描述的生物分类模型)投影之后每个样品中剩余的变化幅值。更一般地,如图4A的实施例所示,Q残差值(沿Q残差轴404)用作判别统计数据。Q残差是通过给定生物分类模型得出的“剩余部分”或未解释部分的量度。例如,在将生物分类模型实施为PCA模型(例如,将光谱投影在第一主成分上)的实施例中,图4A的值将示出在(例如,生物分析仪组411n、412m1、412m2和/或413n的)扫描数据由第一主成分投影之后的剩余部分(残差)。
在各个实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)包括被配置为当Q残差满足阈值时基于分类成分鉴定或分类(例如,从生物产品140获取的)生物产品样品的生物产品类型的(例如,生物分类模型配置103的)生物分类模型。在一些实施例中,例如如由可配置手持式生物分析仪102的第一处理器110实施或执行的生物分类模型基于阈值输出合格与否判定。例如,在图4A的实施例中,跨Q残差轴404的阈值“1”被选择为合格与否判定阈值405。在这样的实施例中,实施生物分类模型的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)将鉴定或分类(即,“合格”)扫描数据(例如,(多个)拉曼光谱数据集)跨Q残差轴404落入(即,低于)阈值1内的那些生物产品。否则,实施生物分类模型的生物分析仪(例如,可配置手持式生物分析仪102)将不会鉴定或分类(即“不合格”)那些生物产品。
在图4A的实施例中,分析仪组412m1和412m2包括利用如本文所描述的生物分类模型配置(例如,生物分类模型配置103)以及相应生物分类模型配置并增强的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)。分析仪组412m1和412m2中的可配置手持式生物分析仪正确鉴定或分类了(即“合格”)生物产品(即,艾诺维单抗DP),其中,相关的扫描数据(例如,(多个)拉曼光谱数据集)在利用如本文所描述的光谱预处理算法进行预处理时落入(即,低于)阈值1内,如可视化400所示。
因此,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)的生物分类模型可以包括被选择为减小生物分类模型的Q残差的分类成分。以这种方式,生物分类模型被配置为基于分类成分来鉴定给定生物产品样品的生物产品类型。一般而言,Q残差最适合用于具有单一规格的生物产品的方法,其中批次与批次的可变性是分析仪之间的偏差的主要来源。相应地,如图4A所示,Q残差可以用作用于确定可以容忍分析仪与分析仪的可变性的模型(例如,本文所描述的生物分类模型)的判别统计数据。
图4B展示了生物分类模型的拟合概要值(例如,Hotelling T2值)的示例可视化450。一般而言,Hotelling T2值表示模型(例如,生物分类模型)内每个样品的变化的量度。Hotelling T2值指示每个样品与模型的“中心”(值0)相距多远。换言之,Hotelling T2值是到模型中心的距离的指标。由于分析仪与分析仪的可变性,经常会出现与中心的距离。使用Hotelling T2值有利于鉴定具有多种规格的生物产品。在这些情况下,与批次与批次的变化(如上文关于图4A中的Q残差所描述的)相比,不同浓度的活性成分、赋形剂等导致拉曼光谱中的更显著的可变性。
在图4B的实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)包括被配置为当拟合概要值(例如,Hotelling T2)满足阈值时基于分类成分鉴定或分类(例如,从生物产品140获取的)生物产品样品的生物产品类型的(例如,生物分类模型配置103的)生物分类模型。图4B包括与本文针对图4A所描述的相同的Q残差轴404和Hotelling T2轴406。分析仪组452m表示扫描第一生物产品类型迪诺舒单抗DP(具有2种规格)的分析仪。分析仪组454m表示扫描第二生物产品类型迪诺舒单抗DS(具有1种规格)的分析仪。分析仪组462n表示扫描第三生物产品类型enbrel DP的分析仪。在图4B的实施例中,跨Hotelling T2轴406的阈值“1”被选择为合格与否判定阈值407。在这样的实施例中,实施生物分类模型的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)将鉴定或分类(即,“合格”)扫描数据(例如,(多个)拉曼光谱数据集)落入(即,低于)Hotelling T2轴406的阈值1内的那些生物产品。否则,实施生物分类模型的生物分析仪(例如,可配置手持式生物分析仪102)将不会鉴定或分类(即“不合格”)那些生物产品。
在图4B的实施例中,可配置手持式生物分析仪(例如,可配置手持式生物分析仪102)的生物分类模型可以包括被选择为减小生物分类模型的拟合概要值(例如,HotellingT2值)的分类成分。以这种方式,生物分类模型被配置为基于分类成分来鉴定给定生物产品样品的生物产品类型。例如,分析仪组452m和454m包括利用如本文所描述的生物分类模型配置(例如,生物分类模型配置103)以及相应生物分类模型配置并增强的可配置手持式生物分析仪(例如,可配置手持式生物分析仪102、112、114和/或116中的任何一个)。分析仪组412m1和412m2中的可配置手持式生物分析仪正确鉴定或分类了(即“合格”)生物产品(即,迪诺舒单抗DP和DS),其中,相关的扫描数据(例如,(多个)拉曼光谱数据集)在利用如本文所描述的光谱预处理算法进行预处理时落入(即,低于)阈值1内,如可视化450所示。相反,分析仪组462n可以表示未配置有如本文所描述的生物分类模型配置的分析仪。
如图4A和图4B中的每一个所示,(例如,Q残差轴404的)Q残差和/或Hotelling T2值中的每一个可以单独使用或一起使用以鉴定或分类生物产品。即,可配置手持式生物分析仪102可以被配置为选择或实施用于减小(1)生物分类模型的Q残差和/或(2)生物分类模型的拟合概要值之一或两者的分类成分。
如本文关于图2、图3A、图3B、图3C、图4A、图4B和图5所描述的,生物分类模型可以被配置为基于分类成分来从具有不同或第二生物产品类型(例如,艾诺维单抗DP(生物产品类型512))的不同或第二生物产品样品中鉴定、分类、测量或以其他方式区分具有给定生物产品类型(例如,阿达木单抗DS(生物产品类型511))的给定生物产品样品。例如,如关于图4A、图4B和图5所描述的,可配置手持式生物分析仪102可以区分第一生物产品类型(例如,阿达木单抗DS(生物产品类型511))与不同的生物产品类型(例如,艾诺维单抗DP(生物产品类型512))。例如,如本文所描述的,一旦配置有生物分类模型配置103,可配置手持式生物分析仪102就可以对如由第一扫描仪106接收的基于拉曼的光谱数据集执行光谱预处理算法(例如,如本文图3A至图3C所描述的)。一旦通过光谱预处理算法对基于拉曼的光谱数据集进行了预处理,可配置手持式生物分析仪102就可以基于Q残差和/或Hotelling T2值来鉴定或分类生物产品(例如,如本文针对图4A和图4B所描述的)。
在生物产品的开发或制造期间,可以由执行生物分类模型和/或光谱预处理算法的可配置手持式生物分析仪102(例如,通过第一处理器110)鉴定生物产品的类型,该生物产品诸如具有给定的生物产品类型的生物产品140,例如,如本文所描述的阿达木单抗DS(生物产品类型511)、艾诺维单抗DP(生物产品类型512)和/或洛莫索珠单抗DP(生物产品类型513)中的任何一种。然而,应当理解,这些生物产品类型仅是示例,并且可以以与针对本文的各个实施例所描述的相同或相似的方式来鉴定、分类、测量或以其他方式区分其他生物产品类型或生物产品。
本公开的各方面
1.一种可配置手持式生物分析仪,用于基于拉曼光谱法鉴定生物产品,该可配置手持式生物分析仪包括:第一壳体,该第一壳体被适配用于手持操作;第一扫描仪,该第一扫描仪由该第一壳体承载;第一处理器,该第一处理器通信地耦合到该第一扫描仪;以及第一计算机存储器,该第一计算机存储器通信地耦合到该第一处理器,其中,该第一计算机存储器被配置为加载生物分类模型配置,该生物分类模型配置包括生物分类模型,其中,该生物分类模型被配置为在该第一处理器上执行,该第一处理器被配置为(1)接收如由该第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集,并且(2)利用该生物分类模型基于该第一基于拉曼的光谱数据集来鉴定生物产品类型,其中,该生物分类模型配置进一步包括光谱预处理算法,该第一处理器被配置为在该第一处理器接收到该第一基于拉曼的光谱数据集时执行该光谱预处理算法以减小该第一基于拉曼的光谱数据集的光谱偏差,并且其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
2.如方面1所述的可配置手持式生物分析仪,其中,该生物分类模型配置能够通过电子方式转移到第二可配置手持式生物分析仪,该第二可配置手持式生物分析仪包括:第二壳体,该第二壳体被适配用于手持操作;第二扫描仪,该第二扫描仪耦合到该第二壳体;第二处理器,该第二处理器通信地耦合到该第二扫描仪;以及第二计算机存储器,该第二计算机存储器通信地耦合到该第二处理器,其中,该第二计算机存储器被配置为加载该生物分类模型配置,该生物分类模型配置包括该生物分类模型,其中,该生物分类模型被配置为在该第二处理器上执行,该第二处理器被配置为(1)接收如由该第二扫描仪扫描的定义第二生物产品样品的第二基于拉曼的光谱数据集,并且(2)利用该生物分类模型基于该第二基于拉曼的光谱数据集来鉴定该生物产品类型,其中,该第二生物产品样品是该生物产品类型的新样品。
3.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该光谱偏差是该第一基于拉曼的光谱数据集与一个或多个对应的其他手持式生物分析仪的一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差,该一个或多个其他基于拉曼的光谱数据集中的每个数据集代表该生物产品类型,并且其中,该光谱预处理算法被配置为减小该第一基于拉曼的光谱数据集与该一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。
4.如方面3所述的可配置手持式生物分析仪,其中,该光谱预处理算法包括:将导数变换应用于该第一基于拉曼的光谱数据集以生成修改后的基于拉曼的光谱数据集,在该拉曼位移轴上对准该修改后的基于拉曼的光谱数据集,并在该拉曼强度轴上对该修改后的基于拉曼的光谱数据集进行归一化。
5.如方面4所述的可配置手持式生物分析仪,其中,该导数变换包括:确定在该拉曼位移轴上的11至15个拉曼位移值的连续组的拉曼加权平均值,以及确定在该拉曼位移轴上的那些拉曼加权平均值的对应导数。
6.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该分类成分被选择以减小(1)该生物分类模型的Q残差和(2)该生物分类模型的拟合概要值两者。
7.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型进一步包括第二分类成分,该生物分类模型被配置为基于该分类成分和该第二分类成分来鉴定该第一生物产品样品的生物产品类型。
8.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型被实施为主成分分析(PCA)模型。
9.如方面8所述的可配置手持式生物分析仪,其中,该分类成分是该PCA模型的第一主成分。
10.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该计算机存储器被配置为加载新的生物分类模型,该新的生物分类模型包括更新的分类成分。
11.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型配置以可扩展标记语言(XML)格式来实施。
12.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物产品类型是治疗产品。
13.如前述方面中任一项所述的可配置手持式生物分析仪,其中,在具有该生物产品类型的生物产品的制造期间,通过该生物分类模型来鉴定该生物产品类型。
14.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型被配置为基于该分类成分将具有该生物产品类型的该第一生物产品样品与具有不同生物产品类型的不同生物产品样品区分开。
15.如方面14所述的可配置手持式生物分析仪,其中,该生物产品类型和该不同的生物产品类型在相同或相似的拉曼光谱范围内各自具有不同的局部特征。
16.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型被配置为:当该Q残差或该拟合概要值满足阈值时,基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
17.如方面16所述的可配置手持式生物分析仪,其中,该生物分类模型基于该阈值输出合格与否判定。
18.如前述方面中任一项所述的可配置手持式生物分析仪,其中,该生物分类模型由远离该可配置手持式生物分析仪的远程处理器生成。
19.一种用于基于拉曼光谱法鉴定生物产品的生物分析方法,该生物分析方法包括:将生物分类模型配置加载到具有第一处理器和第一扫描仪的第一可配置手持式生物分析仪的第一计算机存储器中,该生物分类模型配置包括生物分类模型;该生物分类模型接收如由该第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集;执行该生物分类模型的光谱预处理算法以减小该第一基于拉曼的光谱数据集的光谱偏差;以及利用该生物分类模型基于该第一基于拉曼的光谱数据集来鉴定生物产品类型,其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
20.如方面19所述的生物分析方法,其中,该生物分类模型配置能够通过电子方式转移到第二可配置手持式生物分析仪,该生物分析方法进一步包括:将该生物分类模型配置加载到具有第二处理器和第二扫描仪的第二可配置手持式生物分析仪的第二计算机存储器中,该生物分类模型配置包括该生物分类模型;该生物分类模型接收如由该第二扫描仪扫描的定义第二生物产品样品的第二基于拉曼的光谱数据集;执行该生物分类模型的光谱预处理算法以减小该第二基于拉曼的光谱数据集的第二光谱偏差;以及利用该生物分类模型基于该第二基于拉曼的光谱数据集来鉴定该生物产品类型,其中,该第二生物产品样品是该生物产品类型的新样品。
21.如方面19至20中任何一项或多项所述的生物分析方法,其中,该光谱偏差是该第一基于拉曼的光谱数据集与一个或多个对应的其他手持式生物分析仪的一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差,该一个或多个其他基于拉曼的光谱数据集中的每个数据集代表该生物产品类型,并且其中,该光谱预处理算法被配置为减小该第一基于拉曼的光谱数据集与该一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。
22.如方面21所述的生物分析方法,其中,该光谱预处理算法包括:将导数变换应用于该第一基于拉曼的光谱数据集以生成修改后的基于拉曼的光谱数据集,在该拉曼位移轴上对准该修改后的基于拉曼的光谱数据集,并在该拉曼强度轴上对该修改后的基于拉曼的光谱数据集进行归一化。
23.如方面22所述的生物分析方法,其中,该导数变换包括:确定在该拉曼位移轴上的11至15个拉曼位移值的连续组的拉曼加权平均值,以及确定在该拉曼位移轴上的那些拉曼加权平均值的对应导数。
24.如方面19至23中任何一项或多项所述的生物分析方法,其中,该分类成分被选择以减小(1)该生物分类模型的Q残差和(2)该生物分类模型的拟合概要值两者。
25.如方面19至24中任何一项或多项所述的生物分析方法,其中,该生物分类模型进一步包括第二分类成分,该生物分类模型被配置为基于该分类成分和该第二分类成分来鉴定该第一生物产品样品的生物产品类型。
26.如方面19至25中任何一项或多项所述的生物分析方法,其中,该生物分类模型被实施为主成分分析(PCA)模型。
27.如方面26所述的生物分析方法,其中,该分类成分是该PCA模型的第一主成分。
28.如方面19至27中任何一项或多项所述的生物分析方法,其中,该第一和/或第二计算机存储器被配置为加载新的生物分类模型,该新的生物分类模型包括更新的分类成分。
29.如方面19至28中任何一项或多项所述的生物分析方法,其中,该生物分类模型配置以可扩展标记语言(XML)格式来实施。
30.如方面19至29中任何一项或多项所述的生物分析方法,其中,该生物产品类型是治疗产品。
31.如方面19至30中任何一项或多项所述的生物分析方法,其中,在具有该生物产品类型的生物产品的制造期间,通过该生物分类模型来鉴定该生物产品类型。
32.如方面19至31中任何一项或多项所述的生物分析方法,其中,该生物分类模型被配置为基于该分类成分将具有该生物产品类型的该第一生物产品样品与具有不同生物产品类型的不同生物产品样品区分开。
33.如方面32所述的生物分析方法,其中,该生物产品类型和该不同的生物产品类型各自具有相同或相似的拉曼光谱范围。
34.如方面19至33中任何一项或多项所述的生物分析方法,其中,该生物分类模型被配置为:当该Q残差或该拟合概要值满足阈值时,基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
35.如方面34所述的生物分析方法,其中,该生物分类模型基于该阈值输出合格与否判定。
36.如方面19至35中任何一项或多项所述的生物分析方法,其中,该生物分类模型由远离该可配置手持式生物分析仪的远程处理器生成。
37.一种有形非暂态计算机可读介质,存储有用于基于拉曼光谱法鉴定生物产品的指令,这些指令在由可配置手持式生物分析仪的一个或多个处理器执行时使该可配置手持式生物分析仪的一个或多个处理器执行以下操作:将生物分类模型配置加载到具有扫描仪的该可配置手持式生物分析仪的计算机存储器中,该生物分类模型配置包括生物分类模型;该生物分类模型接收如由该扫描仪扫描的定义生物产品样品的基于拉曼的光谱数据集;执行该生物分类模型的光谱预处理算法以减小该基于拉曼的光谱数据集的光谱偏差;以及利用该生物分类模型基于该基于拉曼的光谱数据集来鉴定生物产品类型,其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该生物产品样品的生物产品类型。
本公开内容的前述方面仅是示例性的并且不旨在限制本公开内容的范围。
附加示例
·下面的附加示例根据本文所描述的各个实施例提供了附加支持。特别地,以下附加示例演示了用于对溶液中生物治疗性蛋白质产品进行快速身份(ID)验证的拉曼光谱法。这些示例演示了与治疗剂和赋形剂两者相关联的拉曼特征的唯一组合,作为产品区分的基础。如本文所描述的,产品ID方法(例如,生物分析方法)包括在多个拉曼分析仪(例如,如本文所描述的可配置手持式生物分析仪)上获取(多个)目标产品的拉曼光谱。然后可以使用主成分分析(PCA)对光谱进行降维,以定义特定于产品的模型(例如,生物分类模型),这些模型将作为如本文所描述的用于基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪和生物分析方法的产品ID确定的基础。可以将特定于产品的模型(例如,生物分类模型)转移到经验证可用于产品测试的单独仪器(例如,可配置手持式生物分析仪)中。这些模型可以用于各种目的,包括质量控制、进货质量保证和制造。这样的分析仪和方法可以在来自不同制造商的不同拉曼设备(例如,可配置手持式生物分析仪)中使用。以这种方式,附加示例进一步演示了本文所描述的拉曼ID分析仪和方法(例如,可配置手持式生物分析仪和相关方法)提供了针对生物制药工业中基于溶液的蛋白质产品的多种用途和测试。
附加示例——材料
在开发和测试本文所描述的可配置手持式生物分析仪和相关方法时,对与28种以上的独立产品规格相对应的原料药和药物产品进行了分析。表1列出了14种产品规格(其表示一组后期和商业产品规格)的活性药物成分(API)浓度和分子类别。将产品溶液转移至4mL玻璃小瓶中,用作拉曼光谱获取的样品池。表1提供了被评估产品的一般属性,该被评估产品可以作为ID方法(例如,生物分析方法)的目标,也可以作为本文所描述的特异性挑战。对于表1,为了简单起见,每个产品都标有字符代码。字母相同但编号不同的产品(例如,A1和A2)表示具有相同活性成分但蛋白质浓度和/或配方可能有所不同的产品。所列材料可以用于制造药物产品。应当理解,一些药物产品可以通过例如如本文所述的商标名称来标识。
表1(API浓度和分子类别)
附加示例——拉曼仪器(例如,可配置手持式生物分析仪)和测量
关于附加示例,如本文所描述的,使用可配置手持式生物分析仪测量拉曼光谱。例如,在某些实施例中,可配置手持式生物分析仪可以是基于拉曼的手持式分析仪,诸如由Thermo Fisher Scientific Inc.提供的TruScanTM RM手持式拉曼分析仪。在这样的实施例中,可配置手持式生物分析仪可以实施TruToolsTM化学计量学软件包。但是应当理解,根据本文的公开内容,可以利用使用附加和/或不同软件包的其他品牌或类型的拉曼分析仪。在一些实施例中,可配置手持式生物分析仪可以配置有785nm光栅稳定的激光源(最大输出250mW),该激光源与聚焦光学器件(例如,0.33NA,18mm工作距离,>0.2mm光点)耦合用于样品审查。对于附加示例,使用可配置手持式生物分析仪的瓶适配器将包含在玻璃小瓶中的产品溶液固定在聚焦光学器件前方。使用以下相同的光谱获取设置(但也可以使用其他设置)收集所有光谱,例如,激光功率=250mW,积分时间=1000ms,光谱共加次数=70。对于附加示例,使用三个不同的可配置手持式生物分析仪(以下称为可配置手持式生物分析仪1-3)和/或专用于配置和/或开发(多种)生物分析方法的仪器,在一段时间内收集产品的光谱,用于如本文所描述的基于拉曼光谱法鉴定生物产品。应当理解,使用相同或不同设置的更多或更少的分析仪可以用于设置、配置或以其他方式初始化如本文所描述的可配置手持式生物分析仪以及相关的(多种)生物分析方法。
附加示例——多元拉曼ID生物分析方法的开发
可以如本文所描述的那样生成、开发或加载基于例如主成分分析(PCA)的拉曼光谱模型(例如,生物分类模型)。例如,在一些实施例中,可以使用配备有Model Exporteradd-on(Solo+Model_Exporter版本8.2.1;Eigenvector Research,Inc.)的SOLO软件来生成、开发或加载拉曼光谱模型(例如生物分类模型)。然而,应当理解,可以使用其他软件来生成、开发或加载拉曼光谱模型(例如,生物分类模型)。通常,可以作为对两个或更多个不同批次材料的重复扫描使用可配置手持式生物分析仪(例如,三个可配置手持式生物分析仪)来收集用于构建模型的光谱。出于考虑仪器漂移的目的,通常在多天内获取光谱。在一些实施例中,在并入模型(例如,生物分类模型)之前,可以减小光谱范围以排除>1800cm-1的检测器噪声和由<400cm-1的瑞利线抑制光学器件引起的背景可变性。如本文所描述的,针对每个模型,可以对光谱进行进一步预处理和均值中心化。还可以参考如表1所示的目标产品和挑战产品的拉曼光谱通过使用随机子集程序进行交叉验证来细化模型。
生物分类模型配置(例如,PCA模型配置)以及拉曼光谱获取参数可以被配置或加载到可配置手持式生物分析仪中,和/或使用(多种)生物分析方法来如本文所描述的基于拉曼光谱法鉴定生物产品。还可以指定每种方法的接受(例如,合格与否)标准。如本文所描述的,合格与否标准可以基于简化的Hotelling T2(Tr 2)和Q残差(Qr)的阈值,这是通常描述生物分类模型(例如,PCA模型)描述拉曼光谱的良好程度的两个汇总统计数据。下面的方程(1)至(4)提供了用户可选的示例决策逻辑选项,用于通过生物分类模型(例如,PCA模型)进行肯定的鉴定或确定(例如,合格与否标准):
Qr≤1.000000 (1)
在上述示例方程中,通过将原始值除以对应的置信区间,将Hotelling T2值和Q残差值归一化(即,分别简化为Tr 2和Qr),从而将上限的值设置为值1。
附加示例——可配置手持式生物分析仪和方法的转移测试
关于附加示例,如本文针对图8A到图8E所描述的,本文针对五个特定于产品的模型(例如,生物分类模型)描述的可配置手持式生物分析仪和相关方法的性能的演示是使用未经历本文所描述的可配置手持式生物分析仪和相关方法的开发的一小部分分析仪(例如,十五个可配置手持式生物分析仪)(即,先前未配置或未加载如本文所描述的生物分类模型配置)执行的。在可配置手持式生物分析仪1-3上准备了产品ID方法(例如,基于拉曼光谱法鉴定生物产品的生物分析方法),并且这些方法针对单一产品规格(例如Q1、Q2、A1和A2)实施了四次测试,并实施了适合鉴定同一蛋白质产品的三种相似规格(例如,B1、B2和B3)的一次测试。每个测试都包括使用在十五个附加仪器(分析仪4-18)上获得的目标产品光谱,每个仪器的使用年限和性能各不相同。通过还评估最接近的特异性挑战产品和制剂缓冲液(即,无蛋白质)测量了模型特异性。使用与用于构建模型的参数相同的收集参数(即,激光功率、获取时间、共加次数)收集样品的拉曼光谱。拉曼光谱作为不同天的重复样品获得,每个产品样品产生约250个光谱。针对(例如,在Eigenvector Solo+Model_Exporter软件中的)五个PCA模型中的每个模型评估在测试期间获取的光谱,以评定假阳性结果(即,将挑战产品错误鉴定为目标产品)和假阴性(即,模型错误地拒绝了目标产品)结果的可能性。
在附加示例的测试期间,例如,如针对图8A至图8E所描述的,对于五个模型和相关测试中的任何一个,都没有一个假阳性结果的实例。一般而言,与用于开发模型的仪器相比,分析仪4-18的挑战产品的Qr或Tr 2值更大。作为此观察结果的扩展,仅基于方法开发期间获取的拉曼光谱,就可以以高置信度推断出生物分类模型(例如,PCA模型)始终如一地拒绝给定挑战产品的能力。图7展示了根据本文所描述的各个实施例的简化Q残差704示例可视化700。特别地,图7提供了针对表1的产品A2的生物分类模型(例如,PCA模型)评估的、表1的产品A1(其被视为挑战产品样品)的简化Q残差值700的示例曲线图。线性索引706被提供用于索引数据集中的拉曼光谱,并不一定与样品相关。
基于对应的拉曼光谱是在用于开发模型的分析仪(702)上获取的还是在严格用于测试的分析仪(703)上获取的来区分图7中的各个点。由于已知的仪器性能问题,分析仪8的Qr值(即,线性指数值约为250-270处)异常高,这将在下面讨论。但是,即使排除分析仪8的测量值,基于对Shapiro-Wilk零假设(p=0.0013)的拒绝,分析仪4-18的Qr值也不会正态分布。对于该数据集,分析仪4-18的中值Qr值3.02显著大于开发仪器的中值Qr 2.53(Mann-Whitney U检验p值<0.0001)。没有观察到假阳性。然而,在1540次总测量中,有33个假阴性预测应当是阳性鉴定,仅相当于约2%的假阴性——占总分析数的一小部分。
图8A至图8E通过绘制针对每个目标产品对应的生物分类模型(例如PCA模型)评估的每个目标产品的汇总统计数据Qr或Tr 2,呈现了各个分析仪802(即,可配置手持式生物分析仪1-3和分析仪4-18)的分析。为了清楚起见,图8A至图8E中的验证结果是根据分析仪编号组织的。图8A至图8D各自展示了根据本文所描述的各个实施例的如针对十八种不同的可配置手持式生物分析仪(可配置手持式生物分析仪1-3和分析仪4-18)评估的(例如,表1的)目标产品的简化Q残差的示例可视化800、810、820和830。特别地,图8A至图8D的可视化表示为散点图,描绘了在分析仪1-18上评估的每种方法的目标产品的简化Q残差的散布。图8A展示了表1的目标产品A1的简化Q残差的散布。图8B展示了表1的目标产品A2的简化Q残差的散布。图8C展示了表1的目标产品Q1的简化Q残差的散布。并且图8D展示了表1的目标产品Q2的简化Q残差的散布。在图8A至图8D的每个图中,每个图中的水平虚线(即,分别为805、815、825和835)表示合格与否标准或阈值,因此大于1的值会产生不合格的结果(即,假阴性)。每个线性索引(例如,分别为806、816、826和836)被提供用于索引数据集中的拉曼光谱,并不一定与样品相关。
图8E展示了根据本文描述的各个实施例的如针对十八个不同的可配置手持式生物分析仪802(可配置手持式生物分析仪1-3和分析仪4-18)评估的目标产品(例如,B1、B2和/或B3)的简化拟合概要值(例如,Hotelling T2)的示例可视化840。水平虚线845表示合格与否标准或阈值,因此大于1的值会产生不合格的结果(即,假阴性)。线性索引846被提供用于索引数据集中的拉曼光谱,并不一定与样品相关。
对于图8A至图8E中的每一个,分析仪10-16和18均没有假阴性确定。实际上,在大多数情况下,汇总统计数据均<0.6,这表明这些仪器中任何一个出现假阴性的可能性极低。有33个错误结果被孤立到其余三个分析仪(8、9和17),其中每个分析仪都有基于硬件和/或特定于仪器的可鉴定性能问题。分析仪8(早期的试点构建仪器)产生的假阴性数最多。对于方法A1,20/20的光谱产生了不合格的Qr值(例如,那些值大于1)。然而,在其他四种方法中,总共只有3个假阴性,这表明方法A1的不同性能可能是由于该产品的蛋白质浓度低(10mg/mL)和赋形剂带弱而与该产品的拉曼散射信号弱有关。然而,对分析仪8的残留物的检查显示出以~1300cm-1为中心的宽特征(数据未示出)。分析仪8(早期的试点构建仪器)的光学部件与生产情况分析仪(1-7和9-18)不同,该光学部件会导致可观察的拉曼光谱带,这被认为导致了高的不合格率。对于其余的分析仪(9和17),还注意到了显著的仪器性能问题。已知分析仪9的原始波数校准为~3cm-1,在制造商规格的范围外。对于分析仪17,在进一步研究之后识别出先前未知的激光功率/稳定性问题。尽管存在这些已知问题,但两个分析仪上图8A至图8E的所有五个模型的真阳性率均超过了85%,这提供了表明生物分类模型(例如,PCA模型)甚至可以在一定程度上容忍仪器功能的退化的证据。在生物制药产品的良好制造规范(GMP)测试中已经存在为确保仪器适合使用而设计的程序机制(例如,安装确认和运行确认、定期预防性维护)。然而,在测试之前不知道分析仪17的激光功率问题这一事实突出了对仪器性能指标进行严格评估以确保光谱仪和多元模型的长期性能的价值。然而,如上所述,本文所描述的用于基于拉曼光谱法鉴定生物产品的(多个)可配置手持式生物分析仪和相关的生物分析方法是稳健且容错的,如本文所描述的,尽管具有基于仪器硬件和/或特定于仪器的性能问题,但仍可操作和使用。
附加描述
本文以上描述对与药物递送装置相关地使用的各种装置、组件、部件、子系统和方法进行了描述。装置、组件、部件、子系统、方法或药物递送装置可以进一步包括药物或与药物一起使用,这些药物包括但不限于下文指出的那些药物以及它们的类属对应物和生物仿制药对应物。如本文所用,术语药物可以与其他类似术语互换使用,并且可以用于指代任何类型的药物或治疗材料,包括传统和非传统药物、营养保健品、补品、生物制剂、生物活性剂和组合物、大分子、生物仿制药、生物等效物、治疗性抗体、多肽、蛋白质、小分子和类属物。还包含非治疗性可注入材料。药物可以呈液体形式、呈冻干形式、或呈可以由冻干形式重构的形式。以下示例性药物清单不应视为包括所有的或是限制性的。
药物将被容纳在储器中。在一些情况下,储器是主容器,该主容器是用进行治疗的药物填充或预填充的。该主容器可以是小瓶、药筒或预填充注射器。
在一些实施例中,药物递送装置的储器可以填充有集落刺激因子(比如粒细胞集落刺激因子(G-CSF)),或该装置可以与集落刺激因子一起使用。这种G-CSF剂包括但不限于(培非格司亭、聚乙二醇化非格司亭、聚乙二醇化G-CSF、聚乙二醇化hu-Met-G-CSF)和(非格司亭、G-CSF、hu-MetG-CSF)。
在其他实施例中,药物递送装置可以包含红细胞生成刺激剂(ESA)或与其一起使用,该红细胞生成刺激剂可以呈液体或冻干形式。ESA是刺激红细胞生成的任何分子。在一些实施例中,ESA是红细胞生成刺激蛋白。如本文所用,“红细胞生成刺激蛋白”意指任何直接或间接引起促红细胞生成素受体激活(例如,通过结合并引起受体的二聚化)的蛋白。红细胞生成刺激蛋白包括结合并激活促红细胞生成素受体的促红细胞生成素及其变体、类似物或衍生物;与促红细胞生成素受体结合并激活该受体的抗体;或结合并激活促红细胞生成素受体的肽。红细胞生成刺激蛋白包括但不限于(依伯汀α)、(达贝泊汀α)、(依伯汀δ)、(甲氧基聚乙二醇-依伯汀β)、MRK-2578、INS-22、(依伯汀ζ)、(依伯汀β)、(依伯汀ζ)、(依伯汀α)、依泊汀αHexal、(依伯汀α)、(依伯汀θ)、(依伯汀θ)、(依伯汀θ)、依伯汀α、依伯汀β、依伯汀ι、依伯汀ω、依伯汀δ、依伯汀ζ、依泊汀θ和依伯汀δ、聚乙二醇化促红细胞生成素、氨甲酰化促红细胞生成素、以及其分子或其变体或类似物。
具体的说明性蛋白质是下文阐述的特定蛋白质,包括其融合物、片段、类似物、变体或衍生物:OPGL特异性抗体、肽体、相关蛋白等(也称为RANKL特异性抗体、肽体等),包括完全人源化OPGL特异性抗体和人OPGL特异性抗体,特别是完全人源化单克隆抗体;肌生成抑制蛋白结合蛋白、肽体、相关蛋白等,包括肌生成抑制蛋白特异性肽体;IL-4受体特异性抗体、肽体、相关蛋白等,特别是抑制由IL-4和/或IL-13与受体的结合介导的活性的那些;白细胞介素1-受体1(“IL1-R1”)特异性抗体、肽体、相关蛋白等;Ang2特异性抗体、肽体、相关蛋白等;NGF特异性抗体、肽体、相关蛋白等;CD22特异性抗体、肽体、相关蛋白等,特别是人CD22特异性抗体,比如但不限于人源化和完全人抗体,包括但不限于人源化和完全人单克隆抗体,特别地包括但不限于人CD22特异性IgG抗体,比如人-小鼠单克隆hLL2γ-链与人-小鼠单克隆hLL2κ链进行二硫化物连接的二聚体,例如,依帕珠单抗(Epratuzumab)中的人CD22特异性完全人源化抗体,CAS登记号501423-23-0;IGF-1受体特异性抗体、肽体和相关蛋白等,包括但不限于抗IGF-1R抗体;B-7相关蛋白1特异性抗体、肽体、相关蛋白等(“B7RP-1”,还称为B7H2、ICOSL、B7h和CD275),包括但不限于B7RP特异性完全人单克隆IgG2抗体,包括但不限于结合B7RP-1的第一免疫球蛋白样结构域中的表位的完全人IgG2单克隆抗体,包括但不限于抑制B7RP-1与在激活T细胞上的其天然受体ICOS的相互作用的那些;IL-15特异性抗体、肽体、相关蛋白等,例如特别是人源化单克隆抗体,包括但不限于HuMaxIL-15抗体和相关蛋白,诸如例如146B7;IFNγ特异性抗体、肽体、相关蛋白等,包括但不限于人IFNγ特异性抗体,并且包括但不限于完全人抗IFNγ抗体;TALL-1特异性抗体、肽体、相关蛋白等,以及其他TALL特异性结合蛋白;甲状旁腺激素(“PTH”)特异性抗体、肽体、相关蛋白等;促血小板生成素受体(“TPO-R”)特异性抗体、肽体、相关蛋白等;肝细胞生长因子(“HGF”)特异性抗体、肽体、相关蛋白等,包括靶向HGF/SF:cMet轴线(HGF/SF:c-Met)的那些,比如中和肝细胞生长因子/分散子(HGF/SF)的完全人单克隆抗体;TRAIL-R2特异性抗体、肽体、相关蛋白等;激活素A特异性抗体、肽体、蛋白等;TGF-β特异性抗体、肽体、相关蛋白等;淀粉样蛋白-β蛋白特异性抗体、肽体、相关蛋白等;c-Kit特异性抗体、肽体、相关蛋白等,包括但不限于结合c-Kit和/或其他干细胞因子受体的蛋白质;OX40L特异性抗体、肽体、相关蛋白等,包括但不限于结合OX40L和/或OX40受体的其他配体的蛋白质;(阿替普酶、tPA);(艾诺维单抗)(达贝泊汀α);(依伯汀α,或促红细胞生成素);GLP-1,(干扰素β-1a);(托西莫单抗,抗CD22单克隆抗体);(干扰素-β);(阿仑单抗,抗CD52单克隆抗体);(依伯汀δ);(硼替佐米);MLN0002(抗α4β7 mAb);MLN1202(抗CCR2趋化因子受体mAb);(依那西普,TNF受体/Fc融合蛋白,TNF阻断剂);(依伯汀α);(西妥昔单抗,抗EGFR/HER1/c-ErbB-1);(洛莫索珠单抗)(生长激素,人生长激素);(曲妥珠单抗,抗HER2/neu(erbB2)受体mAb);(生长激素,人生长激素);(阿达木单抗);(帕尼单抗)、(迪诺舒单抗)、(迪诺舒单抗)、(依那西普、TNF-受体/Fc融合蛋白、TNF阻断剂)、(罗米司亭)、利妥木单抗(rilotumumab)、盖尼塔单抗(ganitumab)、可那木单抗(conatumumab)、布罗达单抗(brodalumab)、溶液中的胰岛素;(干扰素alfacon-1);(奈西立肽;重组人B型利尿钠肽(hBNP));(阿那白滞素);(沙格司亭,rhuGM-CSF);(依帕珠单抗,抗CD22 mAb);BenlystaTM(lymphostat B,贝利单抗,抗BlyS mAb);(替奈普酶,t-PA类似物);(甲氧基聚乙二醇-依伯汀β);(吉妥珠单抗奥佐米星);(依法利珠单抗);(塞妥珠单抗,CDP 870);SolirisTM(依库丽单抗);培克珠单抗(抗C5补体);(MEDI-524);(兰尼单抗);(17-1A,依决洛单抗);(乐地单抗(lerdelimumab));TheraCim hR3(尼妥珠单抗);Omnitarg(帕妥珠单抗,2C4);(IDM-1);(B43.13);(维西珠单抗);莫坎妥珠单抗(cantuzumab mertansine)(huC242-DM1);(依伯汀β);(奥普瑞白介素,人白细胞介素-11);Orthoclone(莫罗单抗-CD3,抗CD3单克隆抗体);(依伯汀α);(英夫利昔单抗,抗TNFα单克隆抗体);(阿昔单抗,抗GP lIb/Ilia受体单克隆抗体);(抗IL6受体mAb);(贝伐单抗),HuMax-CD4(扎木单抗(zanolimumab));(利妥昔单抗,抗CD20 mAb);(埃罗替尼);(干扰素α-2a);(巴利昔单抗);(罗美昔布);(帕利珠单抗);146B7-CHO(抗IL15抗体,参见美国专利号7,153,507);(那他珠单抗,抗α4整合素mAb);(MDX-1303,抗炭疽杆菌保护性抗原mAb);ABthraxTM;(奥马珠单抗);ETI211(抗MRSA mAb);IL-1trap(人IgG1的Fc部分和IL-1受体组分(I型受体和受体辅助蛋白)的胞外结构域);VEGF trap(与IgG1 Fc融合的VEGFR1的Ig结构域);(达利珠单抗);(达利珠单抗,抗IL-2RαmAb);(替伊莫单抗);(依泽替米贝);(阿塞西普,TACI-Ig);抗CD80单克隆抗体(加利昔单抗(galiximab));抗CD23 mAb(鲁昔单抗);BR2-Fc(huBR3/huFc融合蛋白,可溶性BAFF拮抗剂);CNTO 148(戈利木单抗,抗TNFαmAb);HGS-ETR1(马帕木单抗(mapatumumab);人抗TRAIL受体-1mAb);HuMax-CD20(奥瑞珠单抗(ocrelizumab),抗CD20人mAb);HuMax-EGFR(扎鲁木单抗(zalutumumab));M200(伏洛昔单抗(volociximab),抗α5β1整合素mAb);MDX-010(易普利姆玛,抗CTLA-4 mAb和VEGFR-1(IMC-18F1);抗BR3mAb;抗艰难梭菌毒素A和毒素B C mAb MDX-066(CDA-1)和MDX-1388);抗CD22 dsFv-PE38缀合物(CAT-3888和CAT-8015);抗CD25 mAb(HuMax-TAC);抗CD3 mAb(NI-0401);阿德木单抗(adecatumumab);抗CD30 mAb(MDX-060);MDX-1333(抗IFNAR);抗CD38 mAb(HuMax CD38);抗CD40L mAb;抗Cripto mAb;抗CTGF特发性肺纤维化I期纤维蛋白原(FG-3019);抗CTLA4mAb;抗eotaxin1 mAb(CAT-213);抗FGF8 mAb;抗神经节苷脂GD2 mAb;抗神经节苷脂GM2mAb;抗GDF-8人mAb(MYO-029);抗GM-CSF受体mAb(CAM-3001);抗HepC mAb(HuMax HepC);抗IFNαmAb(MEDI-545,MDX-1103);抗IGF1R mAb;抗IGF-1R mAb(HuMax-Inflam);抗IL12 mAb(ABT-874);抗IL12/IL23 mAb(CNTO 1275);抗IL13 mAb(CAT-354);抗IL2Ra mAb(HuMax-TAC);抗IL5受体mAb;抗整合素受体mAb(MDX-018,CNTO 95);抗IP10溃疡性结肠炎mAb(MDX-1100);BMS-66513;抗甘露糖受体/hCGβmAb(MDX-1307);抗间皮素dsFv-PE38缀合物(CAT-5001);抗PD1mAb(MDX-1106(ONO-4538));抗PDGFRα抗体(IMC-3G3);抗TGFβmAb(GC-1008);抗TRAIL受体-2人mAb(HGS-ETR2);抗TWEAK mAb;抗VEGFR/Flt-1 mAb;以及抗ZP3 mAb(HuMax-ZP3)。
在一些实施例中,药物递送装置可以包含硬化蛋白抗体或与硬化蛋白抗体一起使用,诸如但不限于洛莫索珠单抗(romosozumab)、布索珠单抗(blosozumab)或BPS 804(诺华公司(Novartis)),并且在其他实施例中,包含结合人前蛋白转化酶枯草杆菌蛋白酶/Kexin9型(PCSK9)的单克隆抗体(IgG)。这样的PCSK9特异性抗体包括但不限于(依洛尤单抗(evolocumab))和(阿利库单抗(alirocumab))。在其他实施例中,药物递送装置可以包含利妥木单抗、比沙洛姆(bixalomer)、曲班尼布(trebananib)、盖尼塔单抗、可那木单抗、二磷酸莫替沙尼(motesanib diphosphate)、布罗达单抗、维度匹仑(vidupiprant)或帕尼单抗或与其一起使用。在一些实施例中,药物递送装置的储器可以被填充有用于治疗黑色素瘤或其他癌症的(塔利莫金(talimogenelaherparepvec))或另一种溶瘤HSV,或该装置可以与其一起使用,该另一种溶瘤HSV包括但不限于OncoVEXGALV/CD;OrienX010;G207;1716;NV1020;NV12023;NV1034;和NV1042。在一些实施例中,药物递送装置可以包含内源性组织金属蛋白酶抑制剂(TIMP)或与其一起使用,该内源性组织金属蛋白酶抑制剂比如但不限于TIMP-3。针对人降钙素基因相关肽(CGRP)受体的拮抗性抗体(比如但不限于艾诺维单抗)以及靶向CGRP受体和其他头痛靶标的双特异性抗体分子也可以利用本披露的药物递送装置来递送。另外,双特异性T细胞接合剂抗体(诸如但不限于(博纳吐单抗))可以用于本公开的药物递送装置中或与之一起使用。在一些实施例中,药物递送装置可以包含APJ大分子激动剂或与其一起使用,诸如但不限于爱帕琳肽(apelin)或其类似物。在一些实施例中,治疗有效量的抗胸腺基质淋巴细胞生成素(TSLP)或TSLP受体抗体被用于本披露的药物递送装置中或与之一起使用。
尽管已经根据示例性实施例描述了药物递送装置、组件、部件、子系统和方法,但是它们不限于此。该详细说明仅被解释为是示例性的而并不描述本披露的每个可能的实施例。可以使用当前技术或在本专利申请日之后开发的技术来实施许多替代性实施例,这些实施例仍然落入限定本文披露的本发明的权利要求的范围内。
本领域普通技术人员将了解到,在不脱离本文披露的本发明的精神和范围的情况下,关于以上描述的实施例可以做出各种各样的修改、改变和组合,并且将此类修改、改变和组合视为在本发明构思的范围内。
附加考虑
尽管本文的披露内容阐述了对许多不同实施例的详细说明,但应理解的是,本说明书的合法范围由在本专利的结尾处所阐述的权利要求的文字及其等效物限定。该详细说明仅被解释为是示例性的并且未描述每个可能的实施例,因为描述每个可能的实施例将是不切实际的。可以使用当前技术或在本专利提交日之后开发的技术来实施许多替代实施例,其仍然落入本权利要求的范围内。
以下附加考虑适用于前述讨论。贯穿整个说明书,多个实例可以实施被描述为单个实例的部件、操作或结构。尽管一种或多种方法的各个操作被示出和描述为单独的操作,但是可以同时执行各个操作中的一个或多个,并且不需要以所展示的顺序执行操作。在示例配置中作为单独部件呈现的结构和功能可以实施为组合结构或部件。类似地,作为单个部件呈现的结构和功能可以实施为单独的部件。这些和其他变化、修改、添加和改进都落入本文主题的范围内。
另外,本文将某些实施例描述为包括逻辑或许多例程、子例程、应用或指令。这些可以构成软件(例如,在机器可读介质上或在传输信号中具体化的代码)或者硬件。在硬件中,例程等是能够执行某些操作的有形单元并且可以以某种方式进行配置或安排。在示例实施例中,可以通过软件(例如,应用或应用部分)将一个或多个计算机系统(例如,独立的客户端或服务器计算机系统)或计算机系统的一个或多个硬件模块(例如,处理器或一组处理器)配置为操作以执行如本文所描述的某些操作的硬件模块。
在各个实施例中,可以以机械方式或电子方式来实施硬件模块。例如,硬件模块可以包括被永久地配置(例如,作为专用处理器,诸如现场可编程门阵列(FPGA),或作为专用集成电路(ASIC))以执行特定的操作的专用电路系统或逻辑。硬件模块还可以包括由软件临时配置为执行特定的操作的可编程逻辑或电路系统(例如,如包含在通用处理器或其他可编程处理器内)。将理解的是,可以因成本和时间考虑来驱动在专用且永久配置的电路系统中还是在临时配置的电路系统(例如,由软件配置)中以机械方式实施硬件模块的决定。
相应地,术语“硬件模块”应被理解为包括有形实体,是指以物理方式构造、永久地配置(例如,硬接线)或临时地配置(例如,编程)以便以特定方式操作或执行本文所描述的特定操作的实体。考虑其中硬件模块被临时配置(例如,编程)的实施例,每个硬件模块不需要在任何一个时刻被配置或实例化。例如,在硬件模块包括使用软件配置的通用处理器的情况下,通用处理器可以在不同时间被配置为各自不同的硬件模块。软件可以相应地配置处理器,例如,以在一个时刻构成特定的硬件模块,并在不同的时刻构成不同的硬件模块。
本文使用的术语“耦合到”不需要直接耦合或连接,使得两个项目可以通过一个或多个中间部件或其他元件(诸如电子总线、电线、机械部件或其他此类间接连接)彼此“耦合”。
硬件模块可以向其他硬件模块提供信息并从其他硬件模块接收信息。因此,所描述的硬件模块可以被认为是通信地耦合的。当多个这样的硬件模块同时存在时,可以通过连接硬件模块的信号传输(例如,通过适当的电路和总线)来实现通信。在其中在不同时间对多个硬件模块进行配置或实例化的实施例中,可以例如通过在多个硬件模块可以访问的存储器结构中存储和取得信息来实现这种硬件模块之间的通信。例如,一个硬件模块可以执行操作并将该操作的输出存储在该硬件模块通信地耦合到的存储装置中。然后,另一硬件模块可以在稍后的时间访问存储装置以取得并处理所存储的输出。硬件模块还可以发起与输入或输出装置的通信,并且可以在资源(例如,信息的集合)上进行操作。
本文所描述的示例方法的各种操作可以至少部分地由被临时配置(例如,通过软件)或永久配置成执行相关操作的一个或多个处理器来执行。无论是临时配置还是永久配置,这种处理器可以构成操作以执行一种或多种操作或功能的处理器实施的模块。在一些示例实施例中,本文提及的模块可以包括处理器实施的模块。
类似地,本文所描述的方法或例程可以至少部分地由处理器实施。例如,方法的至少一些操作可以由一个或多个处理器或由处理器实施的硬件模块来执行。对操作中的某些操作的执行可以分布在一个或多个处理器中,不仅驻留在单个机器内,还跨多个机器部署。在一些示例实施例中,一个或多个处理器可以位于单个位置中,而在其他实施例中,处理器可以跨多个位置分布。
对操作中的某些操作的执行可以分布在一个或多个处理器中,不仅驻留在单个机器内,还跨多个机器部署。在一些示例实施例中,一个或多个处理器或处理器实施的模块可以位于单个地理位置中(例如,在家庭环境、办公室环境或服务器群内)。在其他实施例中,一个或多个处理器或处理器实施的模块可以跨多个地理位置分布。
此详细描述仅被解释为是示例性的并且未描述每个可能的实施例,因为描述每个可能的实施例如果不是不可能也将是不切实际的。本领域普通技术人员可以使用当前技术或者在本申请的提交日之后开发的技术来实施许多替代实施例。
本领域普通技术人员将了解到,在不脱离本发明的范围的情况下,关于上文描述的实施例可以做出各种各样的修改、改变和组合,并且可以将这种修改、改变和组合视为在本发明构思的范围内。
除非明确列举传统的装置加功能语言,如在(多项)权利要求中明确列举的“用于……的装置”或“用于……的步骤”的语言,否则本专利申请结尾处的专利权利要求不旨在根据35U.S.C.§112(f)来解释。本文所描述的系统和方法涉及改进计算机功能,并改进常规计算机的运行。
Claims (37)
1.一种可配置手持式生物分析仪,用于基于拉曼光谱法鉴定生物产品,该可配置手持式生物分析仪包括:
第一壳体,该第一壳体被适配用于手持操作;
第一扫描仪,该第一扫描仪由该第一壳体承载;
第一处理器,该第一处理器通信地耦合到该第一扫描仪;以及
第一计算机存储器,该第一计算机存储器通信地耦合到该第一处理器,
其中,该第一计算机存储器被配置为加载生物分类模型配置,该生物分类模型配置包括生物分类模型,其中,该生物分类模型被配置为在该第一处理器上执行,该第一处理器被配置为(1)接收如由该第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集,并且(2)利用该生物分类模型基于该第一基于拉曼的光谱数据集来鉴定生物产品类型,
其中,该生物分类模型配置进一步包括光谱预处理算法,该第一处理器被配置为在该第一处理器接收到该第一基于拉曼的光谱数据集时执行该光谱预处理算法以减小该第一基于拉曼的光谱数据集的光谱偏差,并且
其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
2.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型配置能够通过电子方式转移到第二可配置手持式生物分析仪,该第二可配置手持式生物分析仪包括:
第二壳体,该第二壳体被适配用于手持操作;
第二扫描仪,该第二扫描仪耦合到该第二壳体;
第二处理器,该第二处理器通信地耦合到该第二扫描仪;以及
第二计算机存储器,该第二计算机存储器通信地耦合到该第二处理器,
其中,该第二计算机存储器被配置为加载该生物分类模型配置,该生物分类模型配置包括该生物分类模型,其中,该生物分类模型被配置为在该第二处理器上执行,该第二处理器被配置为(1)接收如由该第二扫描仪扫描的定义第二生物产品样品的第二基于拉曼的光谱数据集,并且(2)利用该生物分类模型基于该第二基于拉曼的光谱数据集来鉴定该生物产品类型,
其中,该第二生物产品样品是该生物产品类型的新样品。
3.如权利要求1所述的可配置手持式生物分析仪,其中该光谱偏差是该第一基于拉曼的光谱数据集与一个或多个对应的其他手持式生物分析仪的一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差,该一个或多个其他基于拉曼的光谱数据集中的每个数据集代表该生物产品类型,并且
其中,该光谱预处理算法被配置为减小该第一基于拉曼的光谱数据集与该一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。
4.如权利要求3所述的可配置手持式生物分析仪,其中该光谱预处理算法包括:
将导数变换应用于该第一基于拉曼的光谱数据集以生成修改后的基于拉曼的光谱数据集;
在拉曼位移轴上对准该修改后的基于拉曼的光谱数据集;以及
在拉曼强度轴上对该修改后的基于拉曼的光谱数据集进行归一化。
5.如权利要求4所述的可配置手持式生物分析仪,其中该导数变换包括:确定在该拉曼位移轴上11至15个拉曼位移值的连续组的拉曼加权平均值,以及确定在该拉曼位移轴上的那些拉曼加权平均值的对应导数。
6.如权利要求1所述的可配置手持式生物分析仪,其中该分类成分被选择以减小(1)该生物分类模型的Q残差和(2)该生物分类模型的拟合概要值两者。
7.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型进一步包括第二分类成分,该生物分类模型被配置为基于该分类成分和该第二分类成分来鉴定该第一生物产品样品的生物产品类型。
8.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型被实施为主成分分析(PCA)模型。
9.如权利要求8所述的可配置手持式生物分析仪,其中该分类成分是该PCA模型的第一主成分。
10.如权利要求1所述的可配置手持式生物分析仪,其中该计算机存储器被配置为加载新的生物分类模型,该新的生物分类模型包括更新的分类成分。
11.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型配置以可扩展标记语言(XML)格式来实施。
12.如权利要求1所述的可配置手持式生物分析仪,其中该生物产品类型是治疗产品。
13.如权利要求1所述的可配置手持式生物分析仪,其中在具有该生物产品类型的生物产品的制造期间,通过该生物分类模型来鉴定该生物产品类型。
14.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型被配置为基于该分类成分将具有该生物产品类型的该第一生物产品样品与具有不同生物产品类型的不同生物产品样品区分开。
15.如权利要求14所述的可配置手持式生物分析仪,其中该生物产品类型和该不同的生物产品类型在相同或相似的拉曼光谱范围内各自具有不同的局部特征。
16.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型被配置为:当该Q残差或该拟合概要值满足阈值时,基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
17.如权利要求16所述的可配置手持式生物分析仪,其中该生物分类模型基于该阈值输出合格与否判定。
18.如权利要求1所述的可配置手持式生物分析仪,其中该生物分类模型由远离该可配置手持式生物分析仪的远程处理器生成。
19.一种用于基于拉曼光谱法鉴定生物产品的生物分析方法,该生物分析方法包括:
将生物分类模型配置加载到具有第一处理器和第一扫描仪的第一可配置手持式生物分析仪的第一计算机存储器中,该生物分类模型配置包括生物分类模型;
该生物分类模型接收如由该第一扫描仪扫描的定义第一生物产品样品的第一基于拉曼的光谱数据集;
执行该生物分类模型的光谱预处理算法以减小该第一基于拉曼的光谱数据集的光谱偏差;以及
利用该生物分类模型基于该第一基于拉曼的光谱数据集来鉴定生物产品类型,
其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
20.如权利要求19所述的生物分析方法,其中,该生物分类模型配置能够通过电子方式转移到第二可配置手持式生物分析仪,该生物分析方法进一步包括:
将该生物分类模型配置加载到具有第二处理器和第二扫描仪的第二可配置手持式生物分析仪的第二计算机存储器中,该生物分类模型配置包括该生物分类模型;
该生物分类模型接收如由该第二扫描仪扫描的定义第二生物产品样品的第二基于拉曼的光谱数据集;
执行该生物分类模型的光谱预处理算法以减小该第二基于拉曼的光谱数据集的第二光谱偏差;以及
利用该生物分类模型基于该第二基于拉曼的光谱数据集来鉴定该生物产品类型,
其中,该第二生物产品样品是该生物产品类型的新样品。
21.如权利要求19所述的生物分析方法,其中,该光谱偏差是该第一基于拉曼的光谱数据集与一个或多个对应的其他手持式生物分析仪的一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差,该一个或多个其他基于拉曼的光谱数据集中的每个数据集代表该生物产品类型,并且
其中,该光谱预处理算法被配置为减小该第一基于拉曼的光谱数据集与该一个或多个其他基于拉曼的光谱数据集之间的分析仪与分析仪的光谱偏差。
22.如权利要求21所述的生物分析方法,其中,该光谱预处理算法包括:
将导数变换应用于该第一基于拉曼的光谱数据集以生成修改后的基于拉曼的光谱数据集;
在拉曼位移轴上对准该修改后的基于拉曼的光谱数据集;以及
在拉曼强度轴上对该修改后的基于拉曼的光谱数据集进行归一化。
23.如权利要求22所述的生物分析方法,其中,该导数变换包括:确定在该拉曼位移轴上11至15个拉曼位移值的连续组的拉曼加权平均值,以及确定在该拉曼位移轴上的那些拉曼加权平均值的对应导数。
24.如权利要求19所述的生物分析方法,其中,该分类成分被选择以减小(1)该生物分类模型的Q残差和(2)该生物分类模型的拟合概要值两者。
25.如权利要求19所述的生物分析方法,其中,该生物分类模型进一步包括第二分类成分,该生物分类模型被配置为基于该分类成分和该第二分类成分来鉴定该第一生物产品样品的生物产品类型。
26.如权利要求19所述的生物分析方法,其中,该生物分类模型被实施为主成分分析(PCA)模型。
27.如权利要求26所述的生物分析方法,其中,该分类成分是该PCA模型的第一主成分。
28.如权利要求19所述的生物分析方法,其中,该第一计算机存储器被配置为加载新的生物分类模型,该新的生物分类模型包括更新的分类成分。
29.如权利要求19所述的生物分析方法,其中,该生物分类模型配置以可扩展标记语言(XML)格式来实施。
30.如权利要求19所述的生物分析方法,其中,该生物产品类型是治疗产品。
31.如权利要求19所述的生物分析方法,其中,在具有该生物产品类型的生物产品的制造期间,通过该生物分类模型来鉴定该生物产品类型。
32.如权利要求19所述的生物分析方法,其中,该生物分类模型被配置为基于该分类成分将具有该生物产品类型的该第一生物产品样品与具有不同生物产品类型的不同生物产品样品区分开。
33.如权利要求32所述的生物分析方法,其中,该生物产品类型和该不同的生物产品类型各自具有相同或相似的拉曼光谱范围。
34.如权利要求19所述的生物分析方法,其中,该生物分类模型被配置为:当该Q残差或该拟合概要值满足阈值时,基于该分类成分来鉴定该第一生物产品样品的生物产品类型。
35.如权利要求34所述的生物分析方法,其中,该生物分类模型基于该阈值输出合格与否判定。
36.如权利要求19所述的生物分析方法,其中,该生物分类模型由远离该可配置手持式生物分析仪的远程处理器生成。
37.一种有形非暂态计算机可读介质,存储有用于基于拉曼光谱法鉴定生物产品的指令,这些指令在由可配置手持式生物分析仪的一个或多个处理器执行时使该可配置手持式生物分析仪的一个或多个处理器执行以下操作:
将生物分类模型配置加载到具有扫描仪的该可配置手持式生物分析仪的计算机存储器中,该生物分类模型配置包括生物分类模型;
该生物分类模型接收如由该扫描仪扫描的定义生物产品样品的基于拉曼的光谱数据集;
执行该生物分类模型的光谱预处理算法以减小该基于拉曼的光谱数据集的光谱偏差;以及
利用该生物分类模型基于该基于拉曼的光谱数据集来鉴定生物产品类型,
其中,该生物分类模型包括被选择以减小(1)该生物分类模型的Q残差、或(2)该生物分类模型的拟合概要值中的至少一项的分类成分,该生物分类模型被配置为基于该分类成分来鉴定该生物产品样品的生物产品类型。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962925893P | 2019-10-25 | 2019-10-25 | |
US62/925893 | 2019-10-25 | ||
US202063043976P | 2020-06-25 | 2020-06-25 | |
US63/043976 | 2020-06-25 | ||
PCT/US2020/056961 WO2021081263A1 (en) | 2019-10-25 | 2020-10-23 | Configurable handheld biological analyzers for identification of biological products based on raman spectroscopy |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114599944A true CN114599944A (zh) | 2022-06-07 |
Family
ID=75620833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080074568.1A Pending CN114599944A (zh) | 2019-10-25 | 2020-10-23 | 基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪 |
Country Status (13)
Country | Link |
---|---|
US (1) | US20220390375A1 (zh) |
EP (1) | EP4048988A4 (zh) |
JP (1) | JP2022552876A (zh) |
KR (1) | KR20220084321A (zh) |
CN (1) | CN114599944A (zh) |
AU (1) | AU2020372414A1 (zh) |
BR (1) | BR112022007687A2 (zh) |
CA (1) | CA3158520A1 (zh) |
CL (1) | CL2022001017A1 (zh) |
IL (1) | IL291455A (zh) |
MX (1) | MX2022004655A (zh) |
TW (1) | TW202124922A (zh) |
WO (1) | WO2021081263A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114295601B (zh) * | 2021-12-31 | 2024-01-30 | 厦门大学 | 一种基于连续体束缚态的表面拉曼增强传感结构 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7194369B2 (en) * | 2001-07-23 | 2007-03-20 | Cognis Corporation | On-site analysis system with central processor and method of analyzing |
US7420663B2 (en) * | 2005-05-24 | 2008-09-02 | Bwt Property Inc. | Spectroscopic sensor on mobile phone |
US7525102B1 (en) * | 2005-10-03 | 2009-04-28 | Sparta, Inc. | Agent detection in the presence of background clutter |
GB2466442A (en) * | 2008-12-18 | 2010-06-23 | Dublin Inst Of Technology | A system to analyze a sample on a slide using Raman spectroscopy on an identified area of interest |
CA2786740A1 (en) * | 2010-01-22 | 2011-07-28 | British Columbia Cancer Agency Branch | Apparatus and methods for characterization of lung tissue by raman spectroscopy |
US10365229B2 (en) * | 2015-12-31 | 2019-07-30 | Kaiser Optical Systems, Inc. | Real-time characterization of pharmaceutical tablet coatings using Raman spectroscopy |
US10254215B2 (en) * | 2016-04-07 | 2019-04-09 | Verifood, Ltd. | Spectrometry system applications |
-
2020
- 2020-10-23 CN CN202080074568.1A patent/CN114599944A/zh active Pending
- 2020-10-23 KR KR1020227015870A patent/KR20220084321A/ko unknown
- 2020-10-23 BR BR112022007687A patent/BR112022007687A2/pt unknown
- 2020-10-23 AU AU2020372414A patent/AU2020372414A1/en active Pending
- 2020-10-23 WO PCT/US2020/056961 patent/WO2021081263A1/en unknown
- 2020-10-23 MX MX2022004655A patent/MX2022004655A/es unknown
- 2020-10-23 JP JP2022523467A patent/JP2022552876A/ja active Pending
- 2020-10-23 EP EP20878855.4A patent/EP4048988A4/en active Pending
- 2020-10-23 CA CA3158520A patent/CA3158520A1/en active Pending
- 2020-10-23 US US17/770,782 patent/US20220390375A1/en active Pending
- 2020-10-23 TW TW109136888A patent/TW202124922A/zh unknown
-
2022
- 2022-03-17 IL IL291455A patent/IL291455A/en unknown
- 2022-04-22 CL CL2022001017A patent/CL2022001017A1/es unknown
Also Published As
Publication number | Publication date |
---|---|
KR20220084321A (ko) | 2022-06-21 |
CA3158520A1 (en) | 2021-04-29 |
EP4048988A4 (en) | 2023-12-06 |
CL2022001017A1 (es) | 2023-02-03 |
US20220390375A1 (en) | 2022-12-08 |
IL291455A (en) | 2022-05-01 |
TW202124922A (zh) | 2021-07-01 |
EP4048988A1 (en) | 2022-08-31 |
AU2020372414A1 (en) | 2022-04-07 |
WO2021081263A1 (en) | 2021-04-29 |
MX2022004655A (es) | 2022-05-25 |
JP2022552876A (ja) | 2022-12-20 |
BR112022007687A2 (pt) | 2022-07-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6269983B2 (ja) | 分光分析 | |
JP5068759B2 (ja) | 高速医薬品特定及び検証システム | |
US7660678B2 (en) | On-site method of providing analysis of potency and purity of pharmaceutical compounds | |
US20220128474A1 (en) | Automatic calibration and automatic maintenance of raman spectroscopic models for real-time predictions | |
WO2006004656A2 (en) | Spectroscopic pharmacy verification and inspection system | |
CN114599944A (zh) | 基于拉曼光谱法鉴定生物产品的可配置手持式生物分析仪 | |
CN107708768A (zh) | 用于药物输注治疗中的剂量率调节的方法和系统 | |
JP2006527381A (ja) | 注射あるいは点滴用薬物の分析、確認および品質保証のための方法と装置 | |
US20220276157A1 (en) | Systems and methods for determining protein concentrations of unknown protein samples based on automated multi-wavelength calibration | |
US7864316B2 (en) | Spectrometric characterization of pharmaceutical heterogeneity | |
JP6917897B2 (ja) | 多成分モデルパラメータ化 | |
Melo et al. | Classification of tablets containing dipyrone, caffeine and orphenadrine by near infrared spectroscopy and chemometric tools | |
Riba et al. | Portable Instruments Based on NIR Sensors and Multivariate Statistical Methods for a Semiautomatic Quality Control of Textiles | |
US10871399B2 (en) | Analysis device | |
US10145784B2 (en) | Infusion set and spectroscopic analyzer for analysis of pharmaceuticals | |
Le et al. | Machine learning for classification and quantification of monoclonal antibody preparations for cancer therapy | |
WO2023023164A1 (en) | Vaccine assessment and compliance testing methods and systems | |
EA045510B1 (ru) | Системы и способы определения концентраций белка неизвестных образцов белка на основе автоматической калибровки с несколькими длинами волн | |
Sun et al. | Identification of heamaglutining antigen-antibody interaction using principle component analysis method in terahertz frequency |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40075555 Country of ref document: HK |