KR20210015865A - 런타임 신호 강도 보정에 의해 다속성 방법(mam)의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법 - Google Patents
런타임 신호 강도 보정에 의해 다속성 방법(mam)의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20210015865A KR20210015865A KR1020207036670A KR20207036670A KR20210015865A KR 20210015865 A KR20210015865 A KR 20210015865A KR 1020207036670 A KR1020207036670 A KR 1020207036670A KR 20207036670 A KR20207036670 A KR 20207036670A KR 20210015865 A KR20210015865 A KR 20210015865A
- Authority
- KR
- South Korea
- Prior art keywords
- mam
- sample
- based device
- isoform
- correction
- Prior art date
Links
- 238000012937 correction Methods 0.000 title claims abstract description 368
- 238000000034 method Methods 0.000 title claims abstract description 235
- 102000001708 Protein Isoforms Human genes 0.000 claims abstract description 258
- 108010029485 Protein Isoforms Proteins 0.000 claims abstract description 258
- 230000003247 decreasing effect Effects 0.000 claims abstract description 9
- 230000004044 response Effects 0.000 claims description 93
- 108090000765 processed proteins & peptides Proteins 0.000 claims description 81
- 238000004949 mass spectrometry Methods 0.000 claims description 60
- 238000002360 preparation method Methods 0.000 claims description 41
- 230000002797 proteolythic effect Effects 0.000 claims description 41
- 238000004519 manufacturing process Methods 0.000 claims description 23
- 102000004169 proteins and genes Human genes 0.000 claims description 18
- 108090000623 proteins and genes Proteins 0.000 claims description 18
- 230000009467 reduction Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 13
- 238000013467 fragmentation Methods 0.000 claims description 11
- 238000006062 fragmentation reaction Methods 0.000 claims description 11
- 230000033444 hydroxylation Effects 0.000 claims description 11
- 238000005805 hydroxylation reaction Methods 0.000 claims description 11
- 230000003647 oxidation Effects 0.000 claims description 9
- 238000007254 oxidation reaction Methods 0.000 claims description 9
- 238000006317 isomerization reaction Methods 0.000 claims description 7
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 claims description 5
- 239000004472 Lysine Substances 0.000 claims description 5
- 210000004899 c-terminal region Anatomy 0.000 claims description 5
- 150000004676 glycans Chemical class 0.000 claims description 5
- 239000012535 impurity Substances 0.000 claims description 5
- 125000003588 lysine group Chemical group [H]N([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])(N([H])[H])C(*)=O 0.000 claims description 4
- 230000009615 deamination Effects 0.000 claims description 3
- 238000006481 deamination reaction Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 28
- 239000000523 sample Substances 0.000 description 355
- 238000005259 measurement Methods 0.000 description 27
- 230000029087 digestion Effects 0.000 description 26
- 150000002500 ions Chemical class 0.000 description 26
- 238000010586 diagram Methods 0.000 description 22
- 238000004895 liquid chromatography mass spectrometry Methods 0.000 description 22
- 230000015654 memory Effects 0.000 description 19
- 235000018102 proteins Nutrition 0.000 description 17
- 230000004048 modification Effects 0.000 description 16
- 238000012986 modification Methods 0.000 description 16
- 230000006872 improvement Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 102000004196 processed proteins & peptides Human genes 0.000 description 12
- 238000012360 testing method Methods 0.000 description 12
- 102000004142 Trypsin Human genes 0.000 description 11
- 108090000631 Trypsin Proteins 0.000 description 11
- 238000011002 quantification Methods 0.000 description 11
- 239000012588 trypsin Substances 0.000 description 11
- WEVYAHXRMPXWCK-UHFFFAOYSA-N Acetonitrile Chemical compound CC#N WEVYAHXRMPXWCK-UHFFFAOYSA-N 0.000 description 9
- 238000004811 liquid chromatography Methods 0.000 description 8
- 239000000758 substrate Substances 0.000 description 8
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 7
- SQVRNKJHWKZAKO-UHFFFAOYSA-N beta-N-Acetyl-D-neuraminic acid Natural products CC(=O)NC1C(O)CC(O)(C(O)=O)OC1C(O)C(O)CO SQVRNKJHWKZAKO-UHFFFAOYSA-N 0.000 description 7
- 230000007423 decrease Effects 0.000 description 7
- 235000019253 formic acid Nutrition 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000003908 quality control method Methods 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 239000000872 buffer Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 6
- 230000006240 deamidation Effects 0.000 description 6
- 230000004927 fusion Effects 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- SQVRNKJHWKZAKO-OQPLDHBCSA-N sialic acid Chemical compound CC(=O)N[C@@H]1[C@@H](O)C[C@@](O)(C(O)=O)OC1[C@H](O)[C@H](O)CO SQVRNKJHWKZAKO-OQPLDHBCSA-N 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 125000000539 amino acid group Chemical group 0.000 description 5
- 239000003153 chemical reaction reagent Substances 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 125000000404 glutamine group Chemical group N[C@@H](CCC(N)=O)C(=O)* 0.000 description 5
- 108091005601 modified peptides Proteins 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 238000004885 tandem mass spectrometry Methods 0.000 description 5
- 239000007983 Tris buffer Substances 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 239000012634 fragment Substances 0.000 description 4
- 108020001507 fusion proteins Proteins 0.000 description 4
- 102000037865 fusion proteins Human genes 0.000 description 4
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 description 4
- 230000013595 glycosylation Effects 0.000 description 4
- 238000006206 glycosylation reaction Methods 0.000 description 4
- 238000004128 high performance liquid chromatography Methods 0.000 description 4
- 230000026731 phosphorylation Effects 0.000 description 4
- 238000006366 phosphorylation reaction Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005804 alkylation reaction Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- PJJJBBJSCAKJQF-UHFFFAOYSA-N guanidinium chloride Chemical compound [Cl-].NC(N)=[NH2+] PJJJBBJSCAKJQF-UHFFFAOYSA-N 0.000 description 3
- 238000001294 liquid chromatography-tandem mass spectrometry Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000004481 post-translational protein modification Effects 0.000 description 3
- KZNICNPSHKQLFF-UHFFFAOYSA-N succinimide Chemical group O=C1CCC(=O)N1 KZNICNPSHKQLFF-UHFFFAOYSA-N 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000005406 washing Methods 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- ZOOGRGPOEVQQDX-UUOKFMHZSA-N 3',5'-cyclic GMP Chemical compound C([C@H]1O2)OP(O)(=O)O[C@H]1[C@@H](O)[C@@H]2N1C(N=C(NC2=O)N)=C2N=C1 ZOOGRGPOEVQQDX-UUOKFMHZSA-N 0.000 description 2
- ODHCTXKNWHHXJC-VKHMYHEASA-N 5-oxo-L-proline Chemical compound OC(=O)[C@@H]1CCC(=O)N1 ODHCTXKNWHHXJC-VKHMYHEASA-N 0.000 description 2
- 108010074604 Epoetin Alfa Proteins 0.000 description 2
- CKLJMWTZIZZHCS-REOHCLBHSA-N L-aspartic acid Chemical compound OC(=O)[C@@H](N)CC(O)=O CKLJMWTZIZZHCS-REOHCLBHSA-N 0.000 description 2
- FFEARJCKVFRZRR-BYPYZUCNSA-N L-methionine Chemical compound CSCC[C@H](N)C(O)=O FFEARJCKVFRZRR-BYPYZUCNSA-N 0.000 description 2
- 102100027237 MAM domain-containing protein 2 Human genes 0.000 description 2
- 101710116166 MAM domain-containing protein 2 Proteins 0.000 description 2
- 230000004989 O-glycosylation Effects 0.000 description 2
- ODHCTXKNWHHXJC-GSVOUGTGSA-N Pyroglutamic acid Natural products OC(=O)[C@H]1CCC(=O)N1 ODHCTXKNWHHXJC-GSVOUGTGSA-N 0.000 description 2
- DTQVDTLACAAQTR-UHFFFAOYSA-N Trifluoroacetic acid Chemical compound OC(=O)C(F)(F)F DTQVDTLACAAQTR-UHFFFAOYSA-N 0.000 description 2
- ODHCTXKNWHHXJC-UHFFFAOYSA-N acide pyroglutamique Natural products OC(=O)C1CCC(=O)N1 ODHCTXKNWHHXJC-UHFFFAOYSA-N 0.000 description 2
- 230000029936 alkylation Effects 0.000 description 2
- 229960000074 biopharmaceutical Drugs 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001077 electron transfer detection Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000000155 isotopic effect Effects 0.000 description 2
- 229930182817 methionine Natural products 0.000 description 2
- 229920001184 polypeptide Polymers 0.000 description 2
- 239000011148 porous material Substances 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
- 238000010791 quenching Methods 0.000 description 2
- 238000000581 reactive spray deposition Methods 0.000 description 2
- 101150041393 rsd gene Proteins 0.000 description 2
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 description 2
- 239000003643 water by type Substances 0.000 description 2
- TWCMVXMQHSVIOJ-UHFFFAOYSA-N Aglycone of yadanzioside D Natural products COC(=O)C12OCC34C(CC5C(=CC(O)C(O)C5(C)C3C(O)C1O)C)OC(=O)C(OC(=O)C)C24 TWCMVXMQHSVIOJ-UHFFFAOYSA-N 0.000 description 1
- PLMKQQMDOMTZGG-UHFFFAOYSA-N Astrantiagenin E-methylester Natural products CC12CCC(O)C(C)(CO)C1CCC1(C)C2CC=C2C3CC(C)(C)CCC3(C(=O)OC)CCC21C PLMKQQMDOMTZGG-UHFFFAOYSA-N 0.000 description 1
- 241000699802 Cricetulus griseus Species 0.000 description 1
- KCXVZYZYPLLWCC-UHFFFAOYSA-N EDTA Chemical compound OC(=O)CN(CC(O)=O)CCN(CC(O)=O)CC(O)=O KCXVZYZYPLLWCC-UHFFFAOYSA-N 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 108090000394 Erythropoietin Proteins 0.000 description 1
- 102000003951 Erythropoietin Human genes 0.000 description 1
- 108091006020 Fc-tagged proteins Proteins 0.000 description 1
- ONIBWKKTOPOVIA-BYPYZUCNSA-N L-Proline Chemical compound OC(=O)[C@@H]1CCCN1 ONIBWKKTOPOVIA-BYPYZUCNSA-N 0.000 description 1
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 1
- OVRNDRQMDRJTHS-BKJPEWSUSA-N N-acetyl-D-hexosamine Chemical compound CC(=O)NC1C(O)O[C@H](CO)C(O)C1O OVRNDRQMDRJTHS-BKJPEWSUSA-N 0.000 description 1
- SQVRNKJHWKZAKO-PFQGKNLYSA-N N-acetyl-beta-neuraminic acid Chemical compound CC(=O)N[C@@H]1[C@@H](O)C[C@@](O)(C(O)=O)O[C@H]1[C@H](O)[C@H](O)CO SQVRNKJHWKZAKO-PFQGKNLYSA-N 0.000 description 1
- OVRNDRQMDRJTHS-UHFFFAOYSA-N N-acetylhexosamine Chemical compound CC(=O)NC1C(O)OC(CO)C(O)C1O OVRNDRQMDRJTHS-UHFFFAOYSA-N 0.000 description 1
- 230000004988 N-glycosylation Effects 0.000 description 1
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 1
- 108010008281 Recombinant Fusion Proteins Proteins 0.000 description 1
- 102000007056 Recombinant Fusion Proteins Human genes 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 238000000692 Student's t-test Methods 0.000 description 1
- AYFVYJQAPQTCCC-UHFFFAOYSA-N Threonine Natural products CC(O)C(N)C(O)=O AYFVYJQAPQTCCC-UHFFFAOYSA-N 0.000 description 1
- 239000004473 Threonine Substances 0.000 description 1
- 239000008351 acetate buffer Substances 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012491 analyte Substances 0.000 description 1
- 125000000613 asparagine group Chemical group N[C@@H](CC(N)=O)C(=O)* 0.000 description 1
- 235000003704 aspartic acid Nutrition 0.000 description 1
- OQFSQFPPLPISGP-UHFFFAOYSA-N beta-carboxyaspartic acid Natural products OC(=O)C(N)C(C(O)=O)C(O)=O OQFSQFPPLPISGP-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 150000001768 cations Chemical class 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000013626 chemical specie Substances 0.000 description 1
- 210000004978 chinese hamster ovary cell Anatomy 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011033 desalting Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- VHJLVAABSRFDPM-QWWZWVQMSA-N dithiothreitol Chemical compound SC[C@@H](O)[C@H](O)CS VHJLVAABSRFDPM-QWWZWVQMSA-N 0.000 description 1
- 238000011143 downstream manufacturing Methods 0.000 description 1
- 229940089118 epogen Drugs 0.000 description 1
- 229940105423 erythropoietin Drugs 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 229960004198 guanidine Drugs 0.000 description 1
- 150000002402 hexoses Chemical class 0.000 description 1
- PFOARMALXZGCHY-UHFFFAOYSA-N homoegonol Natural products C1=C(OC)C(OC)=CC=C1C1=CC2=CC(CCCO)=CC(OC)=C2O1 PFOARMALXZGCHY-UHFFFAOYSA-N 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- JDNTWHVOXJZDSN-UHFFFAOYSA-N iodoacetic acid Chemical compound OC(=O)CI JDNTWHVOXJZDSN-UHFFFAOYSA-N 0.000 description 1
- 238000005040 ion trap Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000001819 mass spectrum Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 239000000546 pharmaceutical excipient Substances 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000012460 protein solution Substances 0.000 description 1
- 230000017854 proteolysis Effects 0.000 description 1
- 238000010833 quantitative mass spectrometry Methods 0.000 description 1
- 239000013074 reference sample Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007363 ring formation reaction Methods 0.000 description 1
- 102220032409 rs104895242 Human genes 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 125000003607 serino group Chemical group [H]N([H])[C@]([H])(C(=O)[*])C(O[H])([H])[H] 0.000 description 1
- AGDSCTQQXMDDCV-UHFFFAOYSA-M sodium;2-iodoacetate Chemical compound [Na+].[O-]C(=O)CI AGDSCTQQXMDDCV-UHFFFAOYSA-M 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 229960002317 succinimide Drugs 0.000 description 1
- 125000002653 sulfanylmethyl group Chemical group [H]SC([H])([H])[*] 0.000 description 1
- 238000012353 t test Methods 0.000 description 1
- WROMPOXWARCANT-UHFFFAOYSA-N tfa trifluoroacetic acid Chemical compound OC(=O)C(F)(F)F.OC(=O)C(F)(F)F WROMPOXWARCANT-UHFFFAOYSA-N 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0009—Calibration of the apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8665—Signal analysis for calibrating the measuring apparatus
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
- G01N30/02—Column chromatography
- G01N30/86—Signal analysis
- G01N30/8696—Details of Software
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01J—ELECTRIC DISCHARGE TUBES OR DISCHARGE LAMPS
- H01J49/00—Particle spectrometers or separator tubes
- H01J49/0027—Methods for using particle spectrometers
- H01J49/0036—Step by step routines describing the handling of the data generated during a measurement
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
Landscapes
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Feedback Control In General (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
런타임 신호 강도 보정을 통해 다속성 방법(MAM) 분석의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법이 설명된다. 다양한 양태에서, 다수의 MAM 기반 기기는, 상이한 기기 모델 또는 설정 세트에 의해 한정된 상이한 기기 조건, 및 검출기를 각각 갖는다. 각각의 MAM 기반 기기는, 각각의 샘플, 및 보정물로서 표준품을 수용한다. 각각의 MAM 기반 기기는, 이의 검출기를 통해, 이의 각각의 샘플의 샘플 동형체, 및 표준품의 표준품 동형체를 검출한다. MAM 기반 기기는, 각각의 MAM 반복을 통해, 샘플 동형체에 대응하는 샘플 존재비 값 및 보정 계수를 결정하는 프로세서(들)와 연관된다. 보정 계수는 표준품에 기초하며, 샘플 존재비 값은 보정 계수에 기초한다. 샘플 존재비 값의 변량값은, 각각의 MAM 기반 기기의 보정 계수에 기초하여 감소될 수 있다.
Description
관련 출원에 대한 참조
본 출원은 미국 가출원 제62/763,110호(2018년 6월 8일자로 출원됨); 및 미국 가출원 제62/746,323호(2018년 10월 16일자로 출원됨)의 이익을 주장한다. 각각의 전술한 가출원의 전체 내용은 본원에 참조로 포함된다.
본 개시물은 일반적으로, 런타임(run-time) 신호 강도 보정을 통해 다속성 방법(multi-attribute method: MAM)의 검사실간(lab-to-lab) 및 기기간(instrument-to-instrument) 변동성을 감소시키는 것에 관한 것이다.
전형적으로, 바이오 치료법 개발은 치료용 분자(들)의 특정 속성을 모니터링하는 단계를 포함하며, 이러한 속성은, 제품 안전성 및 효능을 측정하기 위한 목적으로 임계 품질 속성(CQA)으로서 식별된다. 질량 분석법(MS)이 품질 속성을 측정하기 위한 분석에 사용될 수 있다. 일반적으로, MS는, 화학종(chemical species)을 이온화하고, 이온을 이들의 질량 대 전하비에 기초하여 분류하는 분석 기술을 지칭한다. 이러한 방식으로, MS 장치는 샘플 내의 분자의 질량을 측정할 수 있다. 폴리펩티드(polypeptide) 속성의 경우, 질량 분석법을 사용함으로써, 더 적은 분석을 사용하여 더 많은 품질 속성을 평가할 수 있다.
MS는, 다중 분석물(multi-analyte)/속성, 또는 소위 다속성 방법(MAM)을 구현함으로써, 자외선(UV) 및 질량 데이터를 모두 사용하여, 글리코실화(glycosylation) 프로파일, 및/또는 부형제를 포함하는, 번역 후 변형(PTM)을 모니터링하기 위해 사용될 수 있다. MAM은 MS 데이터 및 자동 식별 그리고 속성의 상대적 정량화의 조합을 사용한다(2015년, Rogers, RS 외의 "생물학적 제제의 특성화, 품질 관리 테스트 및 처리를 위한 정량적 질량 분석 다속성 방법의 개발", mAbs 7:5, 881~890). 효율 및 품질 관리 이점으로 인해, MAM은 예를 들어, 증대된 선택비, 감도, 및 유연성을 품질 속성 분석에 제공하기 위해, MS에 점점 더 많이 사용되고 있다. MAM은, 단일 분석 내에서, 다수의 제품 및 공정 속성(예를 들어, 품질 속성/CQA)을 정량화할 수 있는 분석 접근 방식을 지칭한다. 예를 들어, MAM 기반 분석은 전형적으로 하류 공정 모니터링을 목표로 하지만, 로트(lot)(예를 들어, 샘플) 릴리스를 위한 품질 관리 분석에도 점점 더 많이 사용되고 있다.
예를 들어, 단백질 분해 소화(proteolytic digestion) 후에, 단백질 분해 펩티드(펩티드는 단백질 분해에 의해 생성되는 더 큰 폴리펩티드의 단편임)의 액체 크로마토그래피(LC)/MS 분석에 기초하는 MAM 절차를 사용하여, 치료용 단백질에 대한 다양한 품질 속성을 정량화할 수 있다. 절차는 질량 분석 검출기에 의해 제공되는 분해능을 이용하며, 정량화를 위해 단백질 분해 펩티드의 각각의 동형체(isoform)(변형된 및 변형되지 않은 형태를 포함함)의 MS 강도를 사용할 수 있다.
MS 절차는 전형적으로 고도로 훈련된 분석가 및 상당한 검사실 인프라가 필요하기 때문에, 질량 분석법을 MAM과 통합하는 것은 문제를 유발할 수 있다. 특히, 질량 분석 기반 MAM 분석의 중대한 문제는, 검사실 내에서 사용되는 제조된 샘플 및 그러한 검사실 내의 상이한 기기에 대한 큰 변동성이 관측된다는 점이다. 예를 들어, 샘플 제조 변동성은, 제조된 샘플 간의 차이를 초래하는 상이한 방식으로 샘플을 제조하는 상이한 검사실 분석가로부터 비롯될 수 있다. 예를 들어, 샘플이 수용된 후에, 검사실 분석가는 전형적으로 복잡한 절차(예를 들어, 단백질 분해 소화)를 수행하여 주사용 샘플을 제조한다. 절차의 복잡성으로 인해, 최초 샘플이 일관적이더라도, 제조된 샘플들은 매우 가변적일 수 있다. 샘플 제조 절차는, 이의 긴 지속시간으로 인해, 다양한 속성의 존재비(abundance)를 변화시키는 변형을 유발할 수 있다. 이러한 인위적인 변형은 MAM 결과의 부정확성 및 편차를 초래한다. 또한, 검사실 분석가에 의한 샘플 제조 동안 상이한 소화 효율은 검사실 간의 변동성의 원인이 된다. 또한, 상이한 설정을 사용하거나, 상이한 작업 모델을 실행하는 검사실 기기로부터 변동성이 비롯될 수 있다. 현재, 재현 가능한 속성 측정을 보장하기 위해서는, 모든 분석 검사실에 의해 유사한 기기 모델이 사용되어야 할 뿐만 아니라, 기기가 동일한 조건으로 조정되어야 한다. 그러나, 검사실을 특정 모델로 제한함으로써, 검사실이 최신 기술을 이용하기 위해 이들의 장비를 업그레이드하지 못하게 될 수도 있다.
또한, MS-MAM 기반 분석의 문제는 통상적인 MAM 절차에 사용되는 가정 및 접근 방식으로부터 비롯된다. 예를 들어, 통상적인 MS-MAM 절차에서, 각각의 속성의 존재비(예를 들어, 펩티드 중의 아미노산 잔기의 상이한 변형 상태)는, 이하의 가정에 따라, 변형된 펩티드 및 변형되지 않은 펩티드의 MS 반응(예를 들어, 피크 영역)에 기초하여 결정된다: (1) 변형되지 않은 펩티드 및 변형된 펩티드는 검사실 간에 재현 가능한 회수율(recovery)을 갖는다; (2) 변형되지 않은 펩티드 및 변형된 펩티드는 동일한 MS 반응 인자를 갖는다; 그리고 (3) 인위적으로 유도된 속성 변경은 무시 가능하다.
이러한 가정으로 인해, 통상적인 MAM 절차는, (1) 소화 효율이 검사실 간에 재현 가능하고; (2) MS 기기 조건이 정확히 동일하며; 그리고 (3) 상이한 검사실에 의해 수행된 샘플 제조는 최소량의 또는 일정량의 인위적인 변형을 유발한다는 것을 포함하는, 다수의 필요 조건에 따라 좌우된다. 그러나, 실제로는, 샘플 제조 절차, 분석가 습관, 기기, 시약 품질 등의 편차 때문에, 이러한 필요 조건을 충족시키는 것은 어렵다. 펩티드 회수율도 변동될 수 있으므로, 추가적인 변동성을 유발할 수 있다.
필요 조건을 충족시키는 추가적인 문제는, MS 기기 모델 또는 기기 설정의 차이를 포함한다. 예를 들어, 하나의 검사실 기기가 유지 관리되는 방식은, 제2 검사실 기기가 유지 관리되는 방식과 상이할 수 있다. 또한, 상이한 검사실에 걸쳐서 상이한 변이체(variant)를 포함하는 펩티드에 대한 반응 인자가 상이할 수 있다. 필요 조건을 충족시키는 추가적인 문제는, 샘플 제조 절차, 분석가 습관, 장치 및 시약 품질, 그리고 기기 조건의 편차를 포함한다. 또한, 인위적으로 유발되는 변형의 양이 달라질 수 있다.
결과적으로, 통상적인 MS 기반 MAM 방법은 검사실간 및/또는 기기간 변동성에 있어서 견고성이 부족하다.
또한, 질량 분석 기반 다속성 방법(MAM)의 중대한 문제는, 분석가와 기기 사이의 이의 높은 변동성이다. 재현 가능한 속성 측정을 위해서는, 모든 분석 검사실에 대해 유사한 기기 모델이 요구될 뿐만 아니라, 기기가 동일한 조건으로 또한 조정되어야 한다. 이는 새로운 크로마토그래피 및 질량 분석 기술의 급속한 발전을 고려할 때, 장기적으로 큰 문제를 야기한다. 또한, 샘플 제조 동안 소화 효율 및 인위적인 변형(예를 들어, 산화, 탈아미드화, Asp-이성질화, 및 단편화)의 차이도 검사실 간의 변동성의 원인이 된다. 이러한 문제는 예를 들어, cGMP 환경에서, MAM의 장기적인 성공을 보장하기 위해 해결되어야 한다.
따라서, 런타임 신호 강도 보정을 통해 MS 기반 다속성 방법(MAM)의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법이 필요하다.
본원에 설명된 바와 같이, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법이 개시된다. 다양한 실시형태에 대해 설명된 바와 같이, 시스템 및 방법은, 보정물(calibrant)로서 표준품(reference standard)의 측정된 또는 알려진 속성 존재비(예를 들어, 각각의 품질 속성의 표준품 존재비 값)를 사용하여, 샘플의 속성 존재비(예를 들어, 각각의 품질 속성의 샘플 존재비 값)를 결정하기 위해 사용될 수 있다. 이러한 새로운 기술은 검사실간 및/또는 기기간 효율을 증대시키고, 검사실 및/또는 기기 간의 변동성을 감소시킬 수 있게 한다. 예를 들어, 이러한 새로운 기술은, 전형적으로 MAM 분석을 위해 표준품 데이터가 수집되기 때문에, 분석가 또는 검사실에 의한 추가적인 작업이 필요하지 않거나, 최소한의 추가적인 작업만이 필요하다. 이는 전형적인 MAM 절차 동안, 표준품이 다른 목적(예를 들어, 시스템 적합성 및 식별 목적)을 위해 샘플과 병행하여 분석되기 때문이다. 또한, 표준품에서는, 대부분의 품질 속성이 표준품의 수명에 걸쳐서 일정하게 유지되므로, 표준품이 고유한 방식으로 보정물로서 사용됨으로써, 기기 또는 샘플 제조 절차 간의 차이를 보정할 수 있기 때문에, 표준품을 보정물로서 사용하는 것이 추가적으로 유리하다.
본원에 설명된 다양한 실시형태에서, 런타임 신호 강도 보정을 통해 MAM 분석의 검사실간 또는 기기간 변동성을 감소시키기 위한 시스템 및 방법이 설명된다. 예를 들어, 일부 실시형태에서, 이러한 시스템 및 방법은, 제1 검출기를 포함하는 제1 MAM 기반 기기를 포함할 수 있다. 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 가질 수 있다. 제1 MAM 기반 기기는, 제1 샘플 및 표준품을 수용하도록 구성될 수 있다. 제1 MAM 기반 기기는, 제1 검출기를 통해, 제1 샘플로부터 제1 샘플 동형체를 검출하고, 표준품으로부터 제1 표준품 동형체를 검출하도록 추가로 구성될 수 있다.
시스템 및 방법은, 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서를 더 포함할 수 있다. 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성될 수 있다. 제1 보정 계수 세트는 표준품에 기초할 수 있다. 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성될 수 있으며, 제1 샘플 존재비 값 세트는 제1 보정 계수 세트에 기초한다.
시스템 및 방법은, 제2 검출기를 포함하는 제2 MAM 기반 기기를 더 포함할 수 있다. 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 가질 수 있다.
다양한 실시형태에서, 제2 기기 조건은 제1 기기 조건과 상이할 수 있다.
제2 MAM 기반 기기는, 제2 샘플 및 표준품을 수용하도록 구성될 수 있다. 제2 MAM 기반 기기는, 제2 검출기를 통해, 제2 샘플로부터 제2 샘플 동형체를 검출하고, 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성될 수 있다.
시스템 및 방법은, 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 더 포함할 수 있다. 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성될 수 있다. 제2 보정 계수 세트는 표준품에 기초할 수 있다. 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성될 수 있으며, 제2 샘플 존재비 값 세트는 제2 보정 계수 세트에 기초한다.
각각의 기기에 대해 결정된 보정 계수에 기초하여, 제1 MAM 기반 기기와 제2 MAM 기반 기기 사이의 측정의 변동성이 감소될 수 있다. 예를 들어, 제1 샘플 존재비 값 세트 및 제2 샘플 존재비 값 세트의 변량값(variance value)은, 제1 MAM 기반 기기의 제1 보정 계수 세트 및 제2 MAM 기반 기기의 제2 보정 계수 세트에 기초하여 감소될 수 있다.
추가적인 실시형태에서, 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 보정 시스템 및 방법이 개시된다. 이러한 실시형태에서, MAM 기반 기기는, 제1 시간 기간 동안, 제1 샘플 및 표준품을 수용할 수 있다.
MAM 기반 기기는, 제1 시간 기간 동안 검출기를 통해, 제1 샘플로부터 제1 샘플 동형체를 검출할 수 있고, 표준품으로부터 제1 표준품 동형체를 검출할 수 있다.
하나 이상의 프로세서는, 제1 시간 기간 동안 제1 MAM 반복을 통해, 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성될 수 있으며, 제1 보정 계수 세트는 표준품에 기초한다.
또한, 하나 이상의 프로세서는, 제1 MAM 반복을 통해 그리고 제1 시간 기간 동안, 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 구성될 수 있다. 제1 샘플 존재비 값 세트는 제1 보정 계수 세트에 기초할 수 있다. MAM 기반 기기는, 제1 시간 기간 동안, 제1 설정 세트에 의해 한정된 제1 기기 조건을 가질 수 있다.
MAM 기반 기기는, 제2 시간 기간 동안, 제2 샘플 및 표준품을 수용하도록 구성될 수 있다.
MAM 기반 기기는, 제2 시간 기간 동안 검출기를 통해, 제1 샘플로부터 제2 샘플 동형체를 검출할 수 있고, 표준품으로부터 제2 표준품 동형체를 검출할 수 있다.
하나 이상의 프로세서는, 제2 시간 기간 동안 제2 MAM 반복을 통해, 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성될 수 있으며, 제2 보정 계수 세트는 표준품에 기초한다.
또한, 하나 이상의 프로세서는, 제2 MAM 반복을 통해 그리고 제2 시간 기간 동안, 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 구성될 수 있다. 제2 샘플 존재비 값 세트는 제2 보정 계수 세트에 기초할 수 있다. MAM 기반 기기는, 제2 시간 기간 동안, 제2 설정 세트에 의해 한정된 제2 기기 조건을 가질 수 있다.
제1 시간 기간 동안의 MAM 기반 기기의 제2 기기 조건은, 제2 시간 기간 동안의 MAM 기반 기기의 제2 기기 조건과 상이할 수 있다.
각각의 시간 기간 동안 결정된 보정 계수에 기초하여, 제1 시간 기간과 제2 시간 기간 사이의 MAM 기반 기기의 MAM 반복들 사이의 측정의 변동성이 감소될 수 있다. 예를 들어, 제1 샘플 존재비 값 세트 및 제2 샘플 존재비 값 세트의 변량값은, 제1 MAM 기반 기기의 제1 보정 계수 세트 및 제2 MAM 기반 기기의 제2 보정 계수 세트에 기초하여 감소될 수 있다.
예를 들어, 도 4a, 도 4b, 도 5a, 및 도 5b와 관련하여 본원에 추가로 설명된 바와 같이, 다양한 동형체의 분석은, 본원에 개시된 시스템 및 방법을 적용함으로써, 기존의 MAM 기반 절차와 비교하여, 검사실간 및/또는 기기간 변동성(예를 들어, 중간 정밀도 RSD)이 2배 내지 3배만큼 감소된다는 것을 입증한다. 개시된 시스템 및 방법에 의하면, 검사실 간, 기기 간, 또는 상이한 시간 기간에 실행되는 MAM 반복 간에 일관된 기기 모델은 더 이상 필요하지 않다. 동시에, 검사실 간의 소화 절차의 작은 변경 뿐만 아니라, 자동화를 통한 변경은, 상이한 검사실 간, 기기 간, 또는 상이한 시간 기간에 실행되는 MAM 반복 간의 분석 결과에 큰 영향을 주지 않는다.
또한, 개시된 시스템 및 방법에 의하면, 상이한 펩티드 동형체 간의 일관된 반응 인자가 더 이상 필요하지 않기 때문에, 새로운 시스템 및 방법은, 선택 반응 모니터링을 위한 삼중-사중극자(triple-quadrupole) 기기와 같은 다른 기기에 대한 추가적인 기회를 제공한다.
또한, 새로운 시스템 및 방법은 런타임 신호 강도 보정을 통해 검사실간 편차를 크게 감소시키기 때문에, 개시된 시스템 및 방법은 통상적인 방법에 비해 상당히 유리하다. 본원에 설명된 바와 같은 새로운 시스템 및 방법은, 현재의 MAM 작업 흐름의 중대한 문제인, MAM이 일관된 장비/기기를 사용해야 하는 요건을 실질적으로 없앤다. 또한, 새로운 시스템 및 방법은, 품질 속성의 정확한 정량화가 필요한 경우의 임의의 MAM 기반 적용예에 적용 가능하다. 또한, 표준품은 전형적으로 바이오 의약품 작업 흐름에서 샘플과 병행하여 분석되기 때문에, 분석가의 추가적인 작업이 필요하지 않다.
위에 따라 그리고 본원의 개시물에 따라, 적어도 청구범위는 예를 들어, 동일한 샘플(예를 들어, 단백질 분해 펩티드(들)의 동일한 샘플)로 MAM 절차를 실행하는 MAM 기반 기기 간의 변동성을 감소시킴으로써, 그리고 표준품을 보정물로서 사용함으로써, MAM 기반 기기(들)가 개선될 수 있음을 언급하기 때문에, 본 개시물은 컴퓨터 기능의 개선 또는 다른 기술의 개선을 포함한다. 즉, 시스템 및 방법이 MAM 기반 기기들에 걸친 변동성을 감소시키기 때문에, 본 개시물은 컴퓨터 자체의 기능의 개선, 또는 임의의 다른 기술 또는 기술 분야의 개선을 설명한다. 이는 적어도 통상적인 MAM 공정이 샘플 제조 절차, 분석가 습관, 기기 및 시약 품질의 편차로 인해 충족시키기가 매우 어려운 조건을 필요로 하기 때문에, 종래기술에 비해 개선된다.
MAM 기반 기기가 심지어 상이한 검사실에 걸쳐서, 상이한 기기 모델을 갖거나 상이한 설정 세트를 갖더라도, 적어도 MAM 기반 기기가 보정될 수 있기 때문에, 본 개시물은 다른 기술 또는 기술 분야의 개선과 관련된다.
본 개시물은, 특정 기계(예를 들어, MAM 기반 기기)의 사용에 의해, 또는 이와 함께 고유한 개선을 적용하는 것을 포함한다.
본 개시물은, 바이오 치료법 개발 또는 연구 분야에서 잘 알려진, 일상적인, 통상적인 활동인 것과 다른 구체적인 특징을 포함하거나/포함하며, 본 개시물에 집중된 통상적이지 않은 단계(예를 들어, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 및 기기간 변동성을 감소시키는 단계)를 구체적인 유용한 적용예에 추가한다.
또한, 본원에 설명된 문제를 극복하기 위해, 표준품의 측정된 속성을 보정물로서 사용하여, 샘플의 속성 존재비를 산출하기 위한 새로운 보정 시스템 및 방법이 설명된다. 표준품에서, 대부분의 품질 속성은 표준품의 수명에 걸쳐서 일정하게 유지되므로, 기기 또는 샘플 제조 절차 간의 차이를 보정하기 위한 보정물의 역할을 할 수 있다. 표준품 데이터는 일반적으로 전형적인 MAM 방법으로 수집되기 때문에, 분석가로부터의 추가적인 작업이 필요하지 않다. 다수의 속성으로부터의 테스트 데이터는, 방법이 기기간 변동성을 크게 감소시킨다는 것을 입증하였다. 이러한 방법에 의하면, 일관된 기기 모델 및 샘플 제조 절차는 더 이상 필요하지 않다. 결과적으로, 소화 절차의 변경, 최신 기기의 발전은 분석 결과에 큰 영향을 주지 않을 것이다. 또한, 새로운 시스템 및 방법에 따라, 상이한 펩티드 동형체 간의 일관된 반응 인자가 더 이상 필요하지 않기 때문에, 선택 반응 모니터링을 위한 삼중-사중극자 기기와 같은 다른 기기의 보정이 가능하다.
본원에 설명된 바와 같이, 단백질 분해 소화 후에 단백질 분해 펩티드의 LC-MS 분석에 기초하는 다속성 방법은, 치료용 단백질에 대한 다양한 품질 속성을 정량화하도록 전개된다. 이러한 방법은 질량 분석(MS) 검출기에 의해 제공되는 분해능을 이용하며, 정량화를 위해 단백질 분해 펩티드의 각각의 동형체(변형된 형태 및 변형되지 않은 형태를 포함함)의 MS 강도를 사용한다. 임상적으로 관련된 각각의 품질 속성에 대한 이러한 방법의 높은 특이성으로 인해, 이러한 방법은 바이오 의약품 산업에서 큰 관심을 받았다.
예시로서 도시되고 설명된 바람직한 실시형태에 대한 이하의 설명으로부터 당업자에게 이점이 더욱 명백해질 것이다. 이해되는 바와 같이, 본 실시형태는 다른 실시형태 및 상이한 실시형태로 가능할 수 있으며, 이들의 세부 사항은 다양한 측면에서 변경될 수 있다. 따라서, 도면 및 설명은 본질적으로 예시적인 것으로 간주되어야 하며, 제한적인 것으로 간주되어서는 안된다.
아래에 설명된 도면은 본원에 개시된 시스템 및 방법의 다양한 양태를 도시한다. 각각의 도면은 개시된 시스템 및 방법의 구체적인 양태의 일 실시형태를 도시하며, 각각의 도면은 이의 가능한 실시형태와 부합하도록 의도된다는 것을 이해해야 한다. 또한, 가능한 한, 이하의 설명은 이하의 도면에 포함된 참조 번호를 언급하며, 다수의 도면에 도시된 특징부는 일관된 참조 번호로 지정된다.
현재 설명되는 도면 배치가 도시되지만, 본 실시형태는 도시된 정확한 배치 및 수단으로 제한되지 않음을 이해해야 하며, 도면으로서:
도 1은 본원에 개시된 다양한 실시형태에 따라, 질량 분석계를 포함하는 예시적인 MAM 기반 기기를 도시한다.
도 2는 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 제1 MAM 기반 기기와 제2 MAM 기반 기기 간의 변동성을 감소시키기 위한 예시적인 흐름도를 도시한다.
도 3은 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 방법을 도시한다.
도 4a는 본원에 개시된 다양한 실시형태에 따라, 예시적인 6회 MAM 반복에 걸쳐서 주어진 동형체에 대한 존재비 값의 기기간/검사실간 변량의 감소를 나타내는 도표를 도시한다.
도 4b는 본원에 개시된 다양한 실시형태에 따라, 도 4a의 동형체를 포함하는 6개의 예시적인 동형체에 대한 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다.
도 5a는 본원에 개시된 다양한 실시형태에 따라, 예시적인 12회 MAM 반복에 걸쳐서 존재비 값의 기기간/검사실간 변량의 감소를 나타내는 도표를 도시한다.
도 5b는 본원에 개시된 다양한 실시형태에 따라, 57개 품질 속성에 걸쳐서 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다.
도 6은 본원에 개시된 다양한 실시형태에 따라, 2개의 상이한 기기 설정 및 2개의 상이한 샘플 제조 절차에 대해 샘플의 2개의 속성의 측정된 존재비의 도표를 도시한다.
도 7은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 보정이 있는 경우 그리고 반응 인자 보정이 없는 경우, 중간 정밀도의 예시적인 비교를 나타내는 도표를 도시한다.
도 8은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 a-보정과 유사한 결과를 나타내는 2형 속성에 대한 인위적인 변형의 보정의 일 실시형태의 도표를 도시한다.
도 9는 본원에 개시된 다양한 실시형태에 따라, 반응 인자 a-보정과 비교하여, 3형 속성에 대한 인위적인 변형 b-보정의 성능의 도표를 도시한다.
도 10은 본원에 개시된 다양한 실시형태에 따라, 1-표준품 반응 인자(
) 보정과 비교하여, 3형 속성에 대한 2-표준품 보정(a&b)의 성능을 나타내는 일 실시형태의 도표를 도시한다.
도 11은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 보정에 의해, 2개의 상이한 LC-MS 시스템을 통해 수집된 2개의 데이터세트의 일관성으로 이루어진 개선을 나타내는 도표를 도시한다.
도 12는 본원에 개시된 다양한 실시형태에 따라, 4개 순서(sequence)의 글리코폼(glycoform)에 대해 각각 3회 측정된 존재비를 나타내는 도표를 도시한다.
도 13은 본원에 개시된 다양한 실시형태에 따라, 3개 속성 유형에 대한 속성 존재비 및 순서내(intra-sequence) RSD의 관계를 나타내는 도표를 도시한다.
도면은 단지 예시의 목적으로만 바람직한 실시형태를 도시한다. 본원에 설명된 본 발명의 원리를 벗어나지 않으면서, 본원에 도시된 시스템 및 방법의 대안적인 실시형태가 사용될 수 있다.
현재 설명되는 도면 배치가 도시되지만, 본 실시형태는 도시된 정확한 배치 및 수단으로 제한되지 않음을 이해해야 하며, 도면으로서:
도 1은 본원에 개시된 다양한 실시형태에 따라, 질량 분석계를 포함하는 예시적인 MAM 기반 기기를 도시한다.
도 2는 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 제1 MAM 기반 기기와 제2 MAM 기반 기기 간의 변동성을 감소시키기 위한 예시적인 흐름도를 도시한다.
도 3은 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 방법을 도시한다.
도 4a는 본원에 개시된 다양한 실시형태에 따라, 예시적인 6회 MAM 반복에 걸쳐서 주어진 동형체에 대한 존재비 값의 기기간/검사실간 변량의 감소를 나타내는 도표를 도시한다.
도 4b는 본원에 개시된 다양한 실시형태에 따라, 도 4a의 동형체를 포함하는 6개의 예시적인 동형체에 대한 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다.
도 5a는 본원에 개시된 다양한 실시형태에 따라, 예시적인 12회 MAM 반복에 걸쳐서 존재비 값의 기기간/검사실간 변량의 감소를 나타내는 도표를 도시한다.
도 5b는 본원에 개시된 다양한 실시형태에 따라, 57개 품질 속성에 걸쳐서 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다.
도 6은 본원에 개시된 다양한 실시형태에 따라, 2개의 상이한 기기 설정 및 2개의 상이한 샘플 제조 절차에 대해 샘플의 2개의 속성의 측정된 존재비의 도표를 도시한다.
도 7은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 보정이 있는 경우 그리고 반응 인자 보정이 없는 경우, 중간 정밀도의 예시적인 비교를 나타내는 도표를 도시한다.
도 8은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 a-보정과 유사한 결과를 나타내는 2형 속성에 대한 인위적인 변형의 보정의 일 실시형태의 도표를 도시한다.
도 9는 본원에 개시된 다양한 실시형태에 따라, 반응 인자 a-보정과 비교하여, 3형 속성에 대한 인위적인 변형 b-보정의 성능의 도표를 도시한다.
도 10은 본원에 개시된 다양한 실시형태에 따라, 1-표준품 반응 인자(
도 11은 본원에 개시된 다양한 실시형태에 따라, 반응 인자 보정에 의해, 2개의 상이한 LC-MS 시스템을 통해 수집된 2개의 데이터세트의 일관성으로 이루어진 개선을 나타내는 도표를 도시한다.
도 12는 본원에 개시된 다양한 실시형태에 따라, 4개 순서(sequence)의 글리코폼(glycoform)에 대해 각각 3회 측정된 존재비를 나타내는 도표를 도시한다.
도 13은 본원에 개시된 다양한 실시형태에 따라, 3개 속성 유형에 대한 속성 존재비 및 순서내(intra-sequence) RSD의 관계를 나타내는 도표를 도시한다.
도면은 단지 예시의 목적으로만 바람직한 실시형태를 도시한다. 본원에 설명된 본 발명의 원리를 벗어나지 않으면서, 본원에 도시된 시스템 및 방법의 대안적인 실시형태가 사용될 수 있다.
도 1은 본원에 개시된 다양한 실시형태에 따라, 질량 분석계(MS)(102)를 포함하는 예시적인 MAM 기반 기기(100)를 도시한다. 본원에 설명된 바와 같이, MAM은 분자(예를 들어, 단백질 또는 동형체)의 다수의 특성 또는 속성(예를 들어, 품질 속성)을 동시에 분석하기 위해 사용될 수 있다. 개별 분자의 특성 또는 속성을 측정하기 위해, 질량 분석계(102)는 분자 또는 펩티드의 샘플(110)(예를 들어, 본원에 설명된 바와 같은 동형체 또는 동형체의 표준품의 샘플)을 수용할 수 있다. 질량 분석계(102)는, 샘플 분자의 이온화된 형태가 필터링되어 식별될 수 있도록, 수용된 분자 샘플을 이온으로 변환할 수 있다.
일반적으로, 질량 분석계는, 이온 소스, 질량 분석기, 및 검출기를 포함한다. 예를 들어, 이온 소스(114)의 경우, 분자 또는 펩티드의 소량 샘플(예를 들어, 샘플(110))은, 일반적으로 하나 이상의 양성자를 첨가함으로써 양이온으로 이온화된다(151). 질량 분석기(116)는 이온(예를 들어, 이온(152))을 이들의 질량 및 전하에 따라 분류하여 분리시킨다. 검출기(예를 들어, 검출기(140))는 분리된 이온을 측정하며, 그 결과는, 하나 이상의 프로세서를 갖는 컴퓨팅 장치(예를 들어, 컴퓨팅 장치(142))를 통해 기록되어 예를 들어, 차트 또는 다른 리포트를 통해 디스플레이될 수 있다. 하나 이상의 프로세서는 MAM 기반 기기(100)의 일부일 수 있거나, 별도의 컴퓨팅 장치(예를 들어, 컴퓨팅 장치(142))의 일부일 수 있다.
이온(152)은 검출기(140)에 의해 전자적으로 검출될 수 있으며, 이온(152)은 상이한 강도를 가지므로, 검출기(140)에 의해 검출되는 상이한 또는 다양한 이온 강도(즉, 신호)를 생성한다. 검출기(140)에 의해 검출된 이온(152)은 예를 들어, 컴퓨팅 장치(142)에서 판독, 저장, 및/또는 분석될 수 있고, 검출된 이온은 전자 정보(예를 들어, 이온 판독치의 피크 영역 등)를 생성할 수 있다. 따라서, 본원에 설명된 바와 같이, MAM 기반 기기(100)는 이온 강도에 관한 정보를 생성할 수 있다. 이온 강도는 예를 들어, 2차원(2D) 차트, 도면, 또는 레코드를 통해 디스플레이될 수 있으며, 이러한 차트의 질량 스펙트럼의 y축은 이온의 신호 강도를 나타낼 수 있다. 일반적으로, 질량 대 전하(m/z) 값은 차트, 도면, 또는 레코드의 x축 상에 측정되며, 여기서 "m"은 분자 또는 원자 질량수를 나타내고, "z"는 이온의 전하수를 나타낸다.
또한, MS 정보로부터 생성된 이온 강도/신호의 분석에 의해, 반응 인자가 결정될 수 있다. 반응 인자는, (예를 들어, 이온(152)으로부터 결정되는 바와 같은) 분자 또는 동형체에 의해 생성된 이온 강도 신호와 신호를 생성하는 분자 또는 동형체의 양의 비율과 동일할 수 있다. 반응 인자(예를 들어, k) 및 이온 강도(예를 들어, 
)는 예를 들어, 표 1과 관련하여 본원에서 추가로 설명된다.
질량 분석계를 통한 분자(예를 들어, 동형체)의 이온화는 다양한 방식으로 수행될 수 있음을 이해해야 한다. 도 1의 질량 분석계의 실시형태는 그러한 한 가지 방식으로 도시되어 설명되지만, 임의의 질량 분석계, 또는 질량 분석을 수행하기 위한 방법이 본원에 설명된 시스템 및 방법에 사용될 수 있음을 이해해야 한다. 예를 들어, 질량 분석계(102)는, Orbitrap, TOF(전파 시간), 및/또는 단일 또는 삼중-사중극자 기반 질량 분석계 기기 중 어느 하나를 포함할 수 있거나 이에 기초할 수 있다.
컴퓨팅 장치(142)는, 분자, 동형체, 표준품, 이온, 또는 본원에 설명된 다른 정보를 판독, 저장, 또는 분석하기 위한 하나 이상의 프로세서 및/또는 하나 이상의 컴퓨터 메모리를 포함할 수 있다. 또한, 컴퓨팅 장치(142)의 하나 이상의 프로세서 및/또는 하나 이상의 컴퓨터 메모리는, 런타임 신호 강도 보정을 통해 MAM 분석의 검사실간 또는 기기간 변동성을 감소시키는 것과 관련하여 본원에 설명된 기능, 방법, 흐름도, 또는 다른 특징 중 어느 하나를 구현하기 위해 사용될 수 있다. 추가적으로, 또는 대안적으로, MAM 기반 기기(100)는, 본원에 설명된 바와 같은 런타임 신호 강도 보정을 통해 MAM 분석의 검사실간 또는 기기간 변동성을 감소시키는 것과 관련하여 본원에 설명된 기능, 방법, 흐름도, 또는 다른 특징 중 어느 하나를 구현하기 위해 또한 사용될 수 있는 컴퓨팅 장치(142)의 하나 이상의 프로세서 및/또는 하나 이상의 컴퓨터 메모리를 포함할 수 있다. 도 1에 도시된 바와 같이, 컴퓨팅 장치(142)는, 직접적으로(예를 들어, 범용 직렬 버스(USB) 케이블과 같은 고정 배선 케이블), 또는 컴퓨터 네트워크를 통해(개인용 또는 공용, 예를 들어 인터넷을 통해) MAM 기반 기기(100)에 통신 가능하게 연결될 수 있으며, 예를 들어, 이온 소스(114), 질량 분석기(116), 및/또는 검출기(140) 중 어느 하나를 포함하는 질량 분석계(102)의 구성 요소 중 어느 하나에 통신 가능하게 연결될 수 있다.
특히, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)는, 하나 이상의 컴퓨터 메모리 뿐만 아니라 하나 이상의 프로세서(들)를 포함할 수 있는 컴퓨팅 장치일 수 있다. 메모리는, 판독 전용 메모리(ROM), 전자적 프로그래밍 가능 판독 전용 메모리(EPROM), 랜덤 액세스 메모리(RAM), 소거 가능한 전자적 프로그래밍 가능 판독 전용 메모리(EEPROM), 및/또는 다른 하드 드라이브, 플래시 메모리, MicroSD 카드 등과 같은, 하나 이상의 형태의 휘발성 및/또는 비휘발성, 고정식 및/또는 착탈식 메모리를 포함할 수 있다. 메모리는, 본원에 설명된 바와 같은 기능을 가능하게 할 수 있는 운영 체제(OS)(예를 들어, Microsoft Windows, Linux, Unix 등)를 저장할 수 있다. 또한, 메모리는, 다양한 흐름도, 삽화, 도표, 도면, 및/또는 본원의 다른 개시물에서 예시되거나, 도시되거나, 설명된 바와 같은, 임의의 방법, 공정, 요소 또는 제한 시항과 같은, 본원에 설명된 특징, 기능, 또는 다른 개시물을 수행하거나 가능하게 하도록 구현될 수 있는, 하나 이상의 애플리케이션(들), 하나 이상의 소프트웨어 구성 요소(들), 및/또는 하나 이상의 애플리케이션 프로그래밍 인터페이스(API) 중 어느 하나를 포함하는, 기계 판독 가능 명령을 저장할 수 있다. 예를 들어, 애플리케이션, 소프트웨어 구성 요소, 또는 API 중 적어도 일부는, 본원에 설명된 이들의 다양한 기능을 가능하게 하도록 각각 구성되는, 기계 학습 구성 요소 및/또는 검색 엔진 최적화 구성 요소를 포함할 수 있거나, 달리 이의 일부일 수 있다. MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 프로세서(들)에 의해 실행되는 하나 이상의 다른 애플리케이션이 안출될 수 있음을 이해해야 한다.
MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 프로세서(들)는, 본원의 다양한 흐름도, 삽화, 도표, 도면, 및/또는 다른 개시물에서 예시되거나, 도시되거나, 설명된 바와 같은, 기계 판독 가능 명령, 방법, 공정, 요소 또는 제한 사항을 구현하거나 수행하기 위해, 프로세서(들) 및 메모리로 그리고 이들로부터 전자 데이터, 데이터 패킷, 또는 다른 전자 신호를 전송하는 역할을 하는 컴퓨터 버스를 통해, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 메모리에 연결될 수 있다.
MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 프로세서(들)는, 운영 체제(OS)를 실행하기 위해 컴퓨터 버스를 통해 메모리와 연결될 수 있다. 또한, 프로세서(들)는, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 메모리, 및/또는 MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 데이터베이스(예를 들어, Oracle, DB2, MySQL과 같은 관계형 데이터베이스, 또는 MongoDB와 같은 NoSQL 기반 데이터베이스)에 저장되는 데이터를 생성, 판독, 업데이트, 삭제하거나, 데이터에 달리 액세스 또는 데이터와 상호 작용하도록, 컴퓨터 버스를 통해 메모리와 연결될 수 있다. 메모리 및/또는 데이터베이스에 저장된 데이터는, 예를 들어, 하나 이상의 검색 요청, 하나 이상의 트랜잭션 세부 사항, 및 사용자의 프로필 정보를 포함하는, 본원에 설명된 데이터 또는 정보 중 어느 하나의 일부 또는 전부를 포함할 수 있다.
MAM 기반 기기(100) 또는 컴퓨팅 장치(142)는, 하나 이상의 외부/네트워크 포트(들)를 통해 하나 이상의 네트워크 또는 로컬 단말기(예를 들어, 본원에 설명된 컴퓨터 네트워크 및/또는 컴퓨팅 장치(142))로 데이터를 통신(예를 들어, 송신 및 수신)하도록 구성된 통신 구성 요소를 더 포함할 수 있다. 일부 실시형태에서, 통신 구성 요소는, ASP.NET, Java J2EE, ROR(Ruby on Rails), Node.js, 전자적 요청을 수신하여 응답하기 위한 반응형 웹 서비스 또는 온라인 API와 같은, 클라이언트-서버 플랫폼 기술을 포함할 수 있다. MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 프로세서(들)는, 본원의 다양한 흐름도, 삽화, 도표, 도면, 및/또는 다른 개시물에서 예시되거나, 도시되거나, 설명된 바와 같은, 기계 판독 가능 명령, 방법, 공정, 요소 또는 제한 사항을 구현하거나 수행하도록 상호 작용할 수 있는 MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 통신 구성 요소를 구현할 수 있다. 일부 실시형태에 따라, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 통신 구성 요소는, IEEE 표준, 3GPP 표준, 또는 다른 표준에 따라 기능하고, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 외부/네트워크 포트를 통한 데이터의 수신 및 송신에 사용될 수 있는, 하나 이상의 트랜시버(예를 들어, WWAN, WLAN, 및/또는 WPAN 트랜시버)를 포함할 수 있거나, 이와 상호 작용할 수 있다.
MAM 기반 기기(100) 또는 컴퓨팅 장치(142)는, 관리자 또는 운영자에게 정보를 제공하거나/제공하고, 관리자 또는 운영자로부터 입력을 수신하도록 구성된 운영자 인터페이스를 더 포함할 수 있거나 이를 구현할 수 있다. MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 운영자 인터페이스는 (예를 들어, 컴퓨팅 장치(142 106)를 통해) 디스플레이 화면을 제공할 수 있다. 또한, MAM 기반 기기(100) 또는 컴퓨팅 장치(142) 중 어느 하나는 I/O 구성 요소(예를 들어, 포트, 용량성 또는 저항성 터치 감응 입력 패널, 키, 버튼, 조명, LED)를 제공할 수 있으며, I/O 구성 요소는, MAM 기반 기기(100) 또는 컴퓨팅 장치(142) 중 어느 하나를 통해 직접적으로 액세스 가능하거나 이에 부속될 수 있거나, 또는 MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 단말기를 통해 간접적으로 액세스 가능하거나 이에 부속될 수 있다. 일부 실시형태에 따라, 관리자 또는 운영자는, MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 운영자 인터페이스 및/또는 I/O 구성 요소를 통해 서버(102)에 액세스하여, 정보를 검토, 변경, 트레이닝 데이터를 입력, 및/또는 다른 기능을 수행할 수 있다.
일부 실시형태에서, MAM 기반 기기(100) 또는 컴퓨팅 장치(142) 중 어느 하나는, "클라우드" 네트워크의 일부로서 본원에 설명된 바와 같은 기능을 수행할 수 있거나, 그렇지 않으면, 클라우드 내의 다른 하드웨어 또는 소프트웨어 구성 요소와 통신하여, 본원에 설명된 데이터 또는 정보를 전송, 검색, 또는 달리 분석할 수 있다.
일반적으로, 일부 실시형태에 따른 컴퓨터 프로그램 또는 컴퓨터 기반 제품은, 컴퓨터 판독 가능 프로그램 코드 또는 컴퓨터 명령이 그 안에 내장된, 컴퓨터 사용 가능 저장 매체, 또는 실체적인(tangible) 비-일시적 컴퓨터 판독 가능 매체(예를 들어, 표준형 랜덤 액세스 메모리(RAM), 광 디스크, 범용 직렬 버스(USB) 드라이브 등)를 포함할 수 있으며, 컴퓨터 판독 가능 프로그램 코드 또는 컴퓨터 명령은, 본원의 다양한 흐름도, 삽화, 도표, 도면, 및/또는 다른 개시물에서 예시되거나, 도시되거나, 설명된 바와 같은, 기계 판독 가능 명령, 방법, 공정, 요소 또는 제한 사항을 가능하게 하거나, 구현하거나, 수행하기 위해, (예를 들어, 메모리의 각각의 운영 체제와 연계하여 작동되는) MAM 기반 기기(100) 또는 컴퓨팅 장치(142)의 프로세서(들)에 설치될 수 있거나, 프로세서(들)에 의해 실행되도록 달리 적응될 수 있다. 이와 관련하여, 프로그램 코드는 임의의 원하는 프로그램 언어로 구현될 수 있으며, (예를 들어, Golang, Python, C, C++, C#, Objective-C, Java, Scala, Actionscript, Javascript, HTML, CSS, XML 등을 통해) 기계 코드, 어셈블리 코드, 바이트 코드, 해석 가능 소스 코드 등으로 구현될 수 있다.
도 2는 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 제1 MAM 기반 기기(210)와 제2 MAM 기반 기기(260) 사이의 변동성을 감소시키기 위한 예시적인 흐름도를 도시한다. 일부 실시형태에서, 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는 동일한 검사실에 위치될 수 있다. 다른 실시형태에서, 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는 상이한 검사실에 위치될 수 있다. 예를 들어, 제1 MAM 기반 기기(210)는 제1 지리적 위치의 제1 검사실에 위치될 수 있고, 제2 MAM 기반 기기(260)는 제2 지리적 위치의 제2 검사실에 위치될 수 있다. 일부 실시형태에서, 제1 MAM 기기(210)는 도 1에서 설명된 바와 같이, 컴퓨터 네트워크를 통해, 제2 MS 기기와 연관된 하나 이상의 프로세서에 통신 가능하게 연결될 수 있다.
각각의 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는, 도 1의 MAM 기반 기기(100)에 대해 설명된 것과 동일하거나 유사한 방식으로 구성될 수 있다. 따라서, 도 1에 대한 개시물은, 제1 MAM 기반 기기(210) 및/또는 제2 MAM 기반 기기(260) 중 어느 하나에 대해 동일하거나 유사한 방식으로 적용된다. 또한, 각각의 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는, 도 1에 대해 설명된 바와 같은 컴퓨팅 장치(예를 들어, 컴퓨팅 장치(142))를 포함할 수 있다. 다양한 실시형태에서, 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는, 도 1에 대해 설명된 바와 같은 질량 분석(MS) 기기일 수 있거나, 이를 포함할 수 있다. 다른 실시형태에서, 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)는 삼중-사중극자 기기일 수 있거나, 이를 포함할 수 있다.
도 2의 실시형태에서, 제1 MAM 기반 기기(210)는 제1 검출기(예를 들어, 도 1에 대해 본원에 설명된 바와 같은 검출기(140))를 포함한다. 또한, 제1 MAM 기반 기기(210)는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트에 의해 한정된 제1 기기 조건을 갖는다. 본원에 설명된 바와 같은 MAM 기반 기기의 경우, 기기 모델은, 본원에 설명된 바와 같이, MAM 기반 기기가 분자, 동형체, 이온, 또는 다른 관련 정보를 분석, 판독, 또는 달리 리포트하는 방식을 한정할 수 있다. 예를 들어, 예시적인 실시형태의 기기 모델, 또는 분자를 이온화하기 위한 구성은, 도 1의 MAM 기반 기기(100)에 대해 본원에서 설명되어 있다. 유사하게, MAM 기반 기기는, MAM 기반 기기가 작동되는 방식에 영향을 줄 수 있는 MAM 기반 기기의 설정 세트를 포함할 수 있다. 예를 들어, 설정은, MAM 기반 기기가 이온화를 수행하는 방식을 변경할 수 있거나/변경할 수 있고, 이온이 판독되거나 검출되거나 달리 리포트되는 방식의 감도를 변경할 수 있다. 기기 모델 또는 기기 설정의 차이로 인해, MAM 기반 기기가 상이한 방식으로 작동될 수 있으며, 이로 인해, MAM 기반 기기가 분자, 동형체, 이온을 상이한 방식으로 검출 및/또는 판독할 수 있다. 따라서, 상이한 기기 모델 또는 기기 설정을 사용하는 MAM 기반 기기는 상이한 조건을 가질 수 있으므로, 기기 간에 및/또는 이러한 상이한 기기가 위치될 수 있는 검사실 간에 상이하게 작동될 수 있다.
도 2의 실시형태에서, 제1 MAM 기반 기기(210)는, 제1 샘플(204)(예를 들어, 단백질 분해 펩티드의 샘플), 및 (예를 들어, 단백질 분해 펩티드의) 표준품(202)을 수용하도록 구성된다. 도 2의 실시형태에서, 제1 샘플(204)은 알려지지 않은 속성(예를 들어, 품질 속성) 농도를 갖는다. 그러나, 표준품(202)은 알려진 속성 농도를 가지므로, 보정물로서 사용될 수 있다. 예를 들어, 표준품은 알려진 특정 화학 조성을 포함하는 화학물질 샘플일 수 있으며, 예를 들어, 특정 로트 번호를 갖는 샘플, 또는 "로트"는, 80% 존재비의 제1 화학물질 또는 속성, 10%의 제2 화학물질 또는 속성, 및 다양한 잔여 백분율의 다른 미량 화학물질 또는 속성을 포함할 수 있다. 표준품은, 동일한 화학물질 또는 조성의 다른 표준품 샘플과 동일한 화학물질 또는 속성 조성 및/또는 동일한 신호 시그니처(signature)(예를 들어, 도 1에 대해 설명된 바와 같은 질량 분석계를 통해 검출 가능함)를 가질 수 있다. 따라서, 표준품은, 테스트 샘플(예를 들어, 제1 샘플(204) 및/또는 제2 샘플(254))이 표준품(예를 들어, 표준품(202) 및/또는 표준품(252))과 비교되는 품질 관리 목적을 위해 사용됨으로써, 테스트 샘플과 표준품 샘플 또는 로트 간의 품질, 양, 일관성, 변량, 및/또는 편차를 결정할 수 있다. 예를 들어, 단백질 에포에틴 알파(Epoetin alfa)(재조합 에리스로포이에틴)(예를 들어, Amgen의 Epogen®)는, 품질 관리 측정을 수행하기 위해 에포에틴의 테스트 샘플 로트와 비교하기 위해 사용될 수 있는 표준품 로트를 가질 수 있다.
도 2에 도시된 바와 같이, 제1 MAM 기반 기기(210)에서, 표준품(202)은 샘플(204)과 병행하여 분석된다. 유사하게, 제2 MAM 기반 기기(260)에서, 표준품(252)은 제2 샘플(254)과 병행하여 분석된다. 표준품(202 및 252)의 경우, 대부분의 품질 속성이 각각의 표준품의 수명에 걸쳐서 일정하게 유지되므로, 기기 또는 샘플 제조 절차 간의 차이(들), 예를 들어, 제1 MAM 기반 기기(210)와 제2 MAM 기반 기기(260) 간의 조건의 차이(들), 및/또는 제1 MAM 기반 기기(210) 및/또는 제2 MAM 기반 기기(260)를 작동하는 검사실 분석가(들)에 의해 수행되는 샘플 제조 절차의 차이(들)를 보정하기 위한 공통의 보정물의 역할을 한다.
본원에 설명된 바와 같이, 각각의 실행 시에 표준품을 보정물로서 사용하는 이점(예를 들어, 표준품(202 및 252)이 보정물로서 사용되는 동일한 표준품의 샘플일 수 있는 경우)은, 검사실간 그리고 기기간 재현성에 관련된 통상적인 MAM에 대한 대부분의 요건이 없어질 수 있다는 점이다. 예를 들어, 검사실간 그리고 기기간 재현성에 대한 가정은 단순화될 수 있고 다음과 같이 변경될 수 있다: (1) 변형되지 않은 펩티드 및 변형된 펩티드는 (예를 들어, 검사실 간에 비교하여) 동일한 LC/MS 순서로 재현 가능한 회수율을 갖는다; (2) 변형되지 않은 펩티드 및 변형된 펩티드는 (예를 들어, 동일한 반응 인자와 비교하여) 동일한 LC/MS 순서로 재현 가능한 MS 반응 인자를 갖는다; (3) 인위적으로 유도된 속성 변경은 무시 가능하다. 검사실간 재현성에 관한 대부분의 요건은 동일한 LC/MS 순서 내의 재현성(예를 들어, 동일한 검사실, 동일한 분석가, 및 동일한 날짜)으로 감소되기 때문에, 위의 이러한 요건은 통상적인 방법의 요건에 비해 충족시키기가 더 용이하다.
도 2의 실시형태에 도시된 바와 같이, 제1 MAM 기반 기기(210)는, 이의 제1 검출기를 통해, 제1 샘플로부터 제1 샘플 동형체를 검출하고, 표준품으로부터 제1 표준품 동형체를 검출하도록 구성된다. 단백질 분해 펩티드의 맥락에서, 단백질계 동형체는, 동일하거나 유사한 생물학적 역할을 수행하는 매우 유사한 단백질 세트의 구성 요소인 단백질 변이체일 수 있다. 일부 실시형태에서, 제1 샘플 동형체는 본원에 설명된 바와 같은 품질 관리 목적을 위해 사용되는 품질 속성일 수 있다. 다른 실시형태에서, 품질 속성은, 샘플 또는 로트의 품질을 결정하기 위한 단백질 또는 식별된 불순물의 다른 척도일 수 있다. 예를 들어, 다양한 실시형태에서, 품질 속성은, 단편화, 산화, 당화, 히드록실화, 순서 변이, 이성질화, 탈아미노화, C-말단 리신, O-연결 글리칸, 및/또는 N-연결 글리칸에 의해 한정될 수 있다.
제1 MAM 기반 기기(210)는 하나 이상의 프로세서와 연관될 수 있다. 하나 이상의 프로세서는 제1 MAM 기반 기기(210)에 포함될 수 있거나, 예를 들어 도 1에 대해 설명된 바와 같이, 제1 MAM 기반 기기(210)에 상호 연결된 컴퓨팅 장치(예를 들어, 컴퓨팅 장치(142))의 일부일 수 있다.
도 2의 실시형태에서, 제1 MAM 기반 기기(210)와 연관된 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성된다. 보정 계수 세트의 결정이 제1 MAM 반복과 연관되도록, 제1 MAM 반복 전, 동안, 또는 후에, 보정 계수 세트의 결정이 이루어질 수 있음을 이해해야 한다. 본원에 설명된 바와 같은 보정 계수 세트는 단일 보정 계수 또는 다수의 보정 계수를 포함할 수 있음을 추가로 이해해야 한다. 도 2의 실시형태에서, 제1 보정 계수 세트는 표준품(202)에 기초한다. 이러한 관계는 특정 아미노산 잔기와 연관된 n+1 동형체에 대해 다음의 수식 (1)을 통해 표현될 수 있으며, 여기서 
는 제1 보정 계수 세트를 나타내고, 
및 
은 표준품(202)의 이온 강도 및 속성 존재비 값을 나타낸다.
따라서, 표준품(예를 들어, 
및 
로 표현됨)은 그러한 값으로부터 제1 보정 계수 세트(예를 들어, 
)가 결정되는 보정물로서 사용된다. 수식 (1)에서 나타낸 바와 같이, 제1 보정 계수 세트(예를 들어, 
)는, 제1 표준품 동형체(들)의 이온 강도 값(예를 들어, 
및 
), 및 제1 표준품 동형체(들)의 제1 표준품 존재비 값(예를 들어, 
및 
)에 기초한다. 아래의 표 1은 수식 (1)에 사용된 및/또는 본원의 다른 곳에서 사용된 다양한 표기법을 설명한다:
수식 (1)은, 표준품(
)의 알려진 속성 존재비에 기초하여 강도 보정(예를 들어, 이온 강도 보정)을 수행하기 위해 사용될 수 있다.
또한, 제1 보정 계수 세트(예를 들어, 
)는, 제1 샘플 동형체(들)의 이온 강도 값(들)(
)을 결정하기 위한 제1 샘플 존재비 값 세트(예를 들어, 
)와 연관된 반응 인자(k)를 보정하기 위해 사용될 수 있다. 이는 아래의 수식 (2)에 나타낸다. 일반적으로, 이온 강도 값은, 도 1에 대해 설명된 바와 같은 MS 검출기(140)에 의해 검출되는 바와 같은 피크 영역을 나타낼 수 있다. 아래에 나타낸 바와 같이, 보정 계수(
)를 사용하여, 존재비 값(
)에 적용될 때 이온 강도 계수(
)의 보정을 유발하는 반응 인자(k)를 보정할 수 있다. 이는 아래의 수식 (2)에 나타내며, 이로부터 수식 (1)이 유도된다:
수식 (2)에서, 각각의 동형체(i)에 대한 반응 인자(k)는 보정 계수(
)에 의해 변경된다. 수식 
은 표준품(예를 들어, 202)에 대한 보정된 반응 인자를 나타내고, 
는 샘플(예를 들어, 제1 샘플(204))에 대한 보정된 반응 인자를 나타낸다. 표준품(
)에 대한 반응 인자는, 샘플 제조 시의 약간의 차이 뿐만 아니라, 주사 간의 기기 감도의 차이(예를 들어, 검사실내 편차)로 인해, 제1 샘플(204)의 반응 인자(k)와 상이할 수 있다. 유사하게, 차이는 제1 샘플(204)과 제2 샘플(254) 간에 유사하게 유발될 수 있거나 발생할 수 있다(예를 들어, 검사실간 편차). 수식 (2)에 나타낸 바와 같이, 일부 실시형태에서, 수식 (2)를 풀어서 수식 (1)을 유도하기 위해, 보정 계수(
)가 1로 설정된다(
= 1). 그러나, 어떤 동형체가 상수값(
= 1)으로 설정되는지는 중요하지 않음을 이해해야 한다; 그러나, 대체로 최대 존재비 동형체가 설정되며, 이는 대체로 변형되지 않은 동형체이다.
표준품의 각각의 속성의 존재비 값(
)은 통상적인 MAM 방법, 또는 정확도가 더 나은 직교 방법을 사용하여 설정될 수 있다. 절대 정량화 방법이 사용되는 경우, 동일한 속성의 모든 후속 MAM 분석은 보정 후의 절대 측정치가 된다.
수식 (1) 및 (2)는, 샘플(예를 들어, 제1 샘플(204))의 각각의 동형체(i)의 존재비 값(
)을 계산하기 위해 사용될 수 있다. 예를 들어, 수식 (1)에 나타낸 바와 같이, 동형체(i)의 존재비 값(
)은, 보정 계수(예를 들어, 
), 및 각각의 동형체(예를 들어, 동형체(
))의 신호 강도를 포함하는 값으로부터 결정된다.
도 2의 실시형태에서, 제1 MAM 기반 기기(210)와 연관된 하나 이상의 프로세서는, 제1 샘플 동형체(들)에 대응하는 제1 샘플 존재비 값 세트(예를 들어, 수식 (1)에 나타낸 바와 같은 
)를 결정하도록 추가로 구성될 수 있으며, 제1 샘플 존재비 값 세트(예를 들어, 수식 (1)에 나타낸 바와 같은 
)는 제1 보정 계수 세트(예를 들어, 수식 (1)의 
)에 기초한다. 본원에 설명된 바와 같은 존재비 값은 백분율로 리포트될 수 있다. 수식 (1)에 나타낸 바와 같이, 제1 샘플 존재비 값 세트(예를 들어, 
)는, 제1 샘플 동형체(들)의 이온 강도 값(들)(예를 들어, 수식 (1)의 
)에 추가로 기초한다.
또한, 도 2는 제2 MAM 기반 기기(260)의 보정을 도시한다. 제2 MAM 기반 기기(260)는, 제1 MAM 기반 기기(210)를 보정(220)하기 위해 사용된 것과 동일한 표준품(또는 동일한 표준품의 상이한 샘플)을 사용하여 보정(270)된다. 이러한 방식으로, 제2 MAM 기반 기기(260) 및 제1 MAM 기반 기기(210) 모두는, 리포트(280)를 통해 나타낼 수 있는 바와 같은 일관된 결과를 달성한다. 제2 MAM 기반 기기(260)는, 동일한 표준품의 사용(예를 들어, 표준품(202) 및 표준품(252)이 동일한 표준품의 샘플들인 경우)을 포함하여, 제1 MAM 기반 기기(210)에 대해 설명된 것과 동일하거나 유사한 방식으로 구성 및 보정됨으로써, 보정에 대한 본원의 개시물(예를 들어, 수식 (1) 및 (2)를 사용하는 것을 포함함)은 제1 MAM 기반 기기(210)에 대한 것과 동일하게 제2 MAM 기반 기기(260)에 적용됨을 이해해야 한다.
제2 MAM 기반 기기(260)는, 제2 검출기(예를 들어, 도 1에 대해 본원에 설명된 바와 같은 검출기(140))를 포함한다. 도 2의 실시형태에서, 제2 MAM 기반 기기(260)는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖는다. 본원에 설명된 바와 같이, 제2 MAM 기반 기기(260)의 제2 기기 조건은 제1 MAM 기반 기기(210)의 제1 기기 조건과 상이할 수 있다. 일부 실시형태에서, 제2 MAM 기반 기기(260)는 제1 MAM 기반 기기(210)의 제1 기기 모델과 상이한 제2 기기 모델을 가질 수 있기 때문에, 제2 기기 조건은 제1 기기 조건과 상이할 수 있다. 다른 실시형태에서, 제2 MAM 기반 기기(260)는 제1 MAM 기반 기기(210)의 제1 설정 세트와 상이한 제2 설정 세트를 가질 수 있기 때문에, 제2 기기 조건은 제1 기기 조건과 상이할 수 있다.
제2 MAM 기반 기기(260)는, 제2 샘플(254)(예를 들어, 단백질 분해 펩티드의 샘플), 및 (예를 들어, 단백질 분해 펩티드의) 표준품(252)을 수용하도록 구성된다. 표준품(252)은, 표준품(202)에 사용된 것과 동일한 표준품의 상이한 샘플일 수 있다. 제2 MAM 기반 기기(260)는, 제2 검출기(예를 들어, 도 1에 대해 본원에 설명된 바와 같은 검출기(140))를 통해, 제2 샘플로부터 제2 샘플 동형체(i)를 검출하고, 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성된다. 일부 실시형태에서, 제1 샘플이 주어진 단백질 분해 펩티드의 제1 샘플이고, 제2 샘플이 단백질 분해 펩티드의 제2 샘플이며, 표준품이 단백질 분해 펩티드의 표준품이도록, 각각의 제1 샘플, 제2 샘플, 및 표준품이 공통의 단백질 분해 펩티드와 연관될 수 있음을 이해해야 한다.
제2 MAM 기반 기기(260)는 하나 이상의 프로세서와 연관된다. 일부 실시형태에서, 하나 이상의 프로세서는 동일한 컴퓨팅 장치(예를 들어, 컴퓨팅 장치(142))의 일부이므로, 제1 MAM 기반 기기(210)와 연관된 하나 이상의 프로세서는 제2 MAM 기반 기기(260)와 연관된 동일한 하나 이상의 프로세서이다. 다른 실시형태에서, 하나 이상의 프로세서는 상이한 컴퓨팅 장치들의 일부이다.
제2 MAM 기반 기기(260)와 연관된 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 제2 샘플 동형체(들)(i)에 대응하는 제2 보정 계수 세트(예를 들어, 
)를 결정하도록 구성된다. 보정 계수 세트의 결정이 제2 MAM 반복과 연관되도록, 제2 MAM 반복 전, 동안, 또는 후에, 보정 계수 세트(예를 들어, 
)의 결정이 이루어질 수 있음을 이해해야 한다. 도 2의 실시형태에서, 제2 보정 계수 세트(예를 들어, 
)는, 표준품(202)과 동일한 표준품인 표준품(252)에 기초한다. 제2 MAM 기반 기기(260)와 연관된 하나 이상의 프로세서는, 제2 샘플 동형체(들)에 대응하는 제2 샘플 존재비 값 세트(예를 들어, 
)를 결정하도록 추가로 구성되며, 제2 샘플 존재비 값 세트(예를 들어, 
)는 제2 보정 계수 세트(예를 들어, 
)에 기초한다.
본원에 설명된 공통의 표준품(202 및 252)에 의해 보정되는 바와 같은, 각각의 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)에 대해 결정된 보정 계수에 기초하여, 동일한 샘플이 두 기기에 의해 분석되는 경우, 제1 MAM 기반 기기(210)와 제2 MAM 기반 기기(260) 간의 측정의 변동성이 감소될 수 있다. 감소된 변동성은 리포트(280)의 일관된 MAM 결과를 통해 입증될 수 있다. 예를 들어, 제1 샘플 존재비 값 세트(예를 들어, 
) 및 제2 샘플 존재비 값 세트(예를 들어, 
)로부터 결정된 변량값(들)은, 본원에 설명된 바와 같은, 제1 MAM 기반 기기(210)의 제1 보정 계수 세트(예를 들어, 
), 및 제2 MAM 기반 기기(260)의 제2 보정 계수 세트(예를 들어, 
)를 적용하는 것에 기초하여 감소될 수 있다. 본원에 설명된 바와 같이, 경우에 따라, 제1 샘플 존재비 값 세트 및 제2 샘플 존재비 값 세트의 변량값은 적어도 25%만큼 감소될 수 있다.
따라서, 도 2에 도시된 바와 같이, 샘플(204 및 254) 및 공통의 표준품(예를 들어, 202 및 252)은, 제1 MAM 기반 기기(210) 및 제2 MAM 기반 기기(260)의 보정(220 및 270)을 위해 병렬로 각각 분석될 수 있다. 이러한 방식으로, 샘플의 각각의 품질 속성의 농도를 리포트하는 리포트(280)가 표준품(예를 들어, 202 및 252)의 알려진 농도를 사용하여 생성될 수 있으므로, 상이한 기기(예를 들어, 본원에 설명된 바와 같은 상이한 조건을 갖는 기기)를 사용하더라도 일관된 결과를 달성할 수 있다. 예를 들어, 각각의 제1 MAM 기반 기기(210) 및 제1 MAM 기반 기기(216)는, 동형체 및/또는 품질 속성(들)을 포함하거나, 달리 설명하거나 리포트하는 리포트(예를 들어, 리포트(280))를 생성하도록 구성될 수 있다. 예를 들어, 리포트(280)는 차트로 리포트되는 정보 또는 데이터를 포함할 수 있으며, 예를 들어 도 1에 대해 설명된 바와 같은, 반응 인자, 피크 영역, 또는 다른 정보와 같은 데이터 또는 정보를 포함할 수 있다. 다양한 실시형태에서, 리포트(280)는, 본원에 설명된 바와 같은 표준품(202 또는 252)을 사용하는 보정(220 또는 270) 후에 생성될 수 있다.
도 3은 본원에 개시된 다양한 실시형태에 따라, 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기(예를 들어, MAM 기반 기기(100))의 변동성을 감소시키기 위한 방법(300)을 도시한다. 도 3의 MAM 기반 기기는, 표준품의 사용을 포함하여, 도 2의 제1 MAM 기반 기기(210)에 대해 설명된 것과 동일하거나 유사한 방식으로 구성 및 보정되므로, 보정에 대한 본원의 개시물(예를 들어, 수식 (1) 및 (2)를 사용하는 것을 포함함)은 도 3의 MAM 기반 기기에 동일하게 적용됨을 이해해야 한다. 그러나, 도 3과 관련하여, 상이한 시간 기간에 걸쳐서(예를 들어, 상이한 실행, 상이한 MAM 반복, 및/또는 상이한 날짜, 시간 등에 걸쳐서), 동일한 MAM 기반 기기가 사용된다. 도 3의 MAM 기반 기기는 도 1의 MAM 기반 기기(100)에 대해 설명된 바와 같이 구성될 수 있다.
방법(300)은 (302)에서 시작되어, 블록(304)에서, 도 3의 MAM 기반 기기는, 제1 시간 기간 동안, 제1 샘플(예를 들어, 단백질 분해 펩티드의 샘플일 수 있는 샘플(204)), 및 표준품(예를 들어, 단백질 분해 펩티드의 표준품일 수 있는 표준품(202))을 수용할 수 있다.
블록(306)에서, MAM 기반 기기는, 검출기(예를 들어, 검출기(140))를 통해, 제1 시간 기간 동안, 제1 샘플로부터 제1 샘플 동형체(i)를 검출하고, 표준품으로부터 제1 표준품 동형체를 검출할 수 있다.
블록(308)에서, 하나 이상의 프로세서(예를 들어, 도 1에 대해 설명된 바와 같은 하나 이상의 프로세서)는, 제1 시간 기간 동안 제1 MAM 반복을 통해, 제1 샘플 동형체(들)(i)에 대응하는 제1 보정 계수 세트(예를 들어, 
)를 결정하도록 구성될 수 있으며, 제1 보정 계수 세트(예를 들어, 
)는 표준품에 기초한다.
또한, 블록(310)에서, 하나 이상의 프로세서는, 제1 MAM 반복을 통해 그리고 제1 시간 기간 동안, 제1 샘플 동형체(들)(i)에 대응하는 제1 샘플 존재비 값 세트(예를 들어, 
)를 결정하도록 구성될 수 있다. 제1 샘플 존재비 값 세트는 제1 보정 계수 세트(예를 들어, 
)에 기초할 수 있다. MAM 기반 기기는, 제1 시간 기간 동안, 제1 설정 세트에 의해 한정된 제1 기기 조건을 가질 수 있다. 제1 기기 조건은 도 2에 대해 설명된 것과 동일하거나 유사할 수 있다.
블록(312)에서, MAM 기반 기기는, 제2 시간 기간 동안, (예를 들어, 단백질 분해 펩티드의 샘플일 수 있는) 제2 샘플, 및 (예를 들어, 단백질 분해 펩티드의 표준품일 수 있는) 표준품을 수용할 수 있다.
블록(314)에서, MAM 기반 기기는, 검출기(예를 들어, 검출기(140))를 통해, 제2 시간 기간 동안, 제2 샘플로부터 제2 샘플 동형체(i)를 검출하고, 표준품으로부터 제2 표준품 동형체를 검출할 수 있다.
블록(316)에서, 하나 이상의 프로세서는, 제2 시간 기간 동안 제2 MAM 반복을 통해, 제2 샘플 동형체(들)에 대응하는 제2 보정 계수 세트를 결정하도록 구성될 수 있으며, 제2 보정 계수 세트는 표준품에 기초한다.
또한, 블록(318)에서, 하나 이상의 프로세서는, 제2 MAM 반복을 통해 그리고 제2 시간 기간 동안, 제2 샘플 동형체(들)에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 구성될 수 있다. 제2 샘플 존재비 값 세트는 제2 보정 계수 세트에 기초할 수 있다. MAM 기반 기기는, 제2 시간 기간 동안, 제2 설정 세트에 의해 한정된 제2 기기 조건을 가질 수 있다. 제1 시간 기간 동안의 MAM 기반 기기의 제2 기기 조건은, 제2 시간 기간 동안의 MAM 기반 기기의 제2 기기 조건과 상이할 수 있다.
각각의 시간 기간 동안 결정된 보정 계수에 기초하여, 제1 시간 기간 및 제2 시간 기간 동안의 MAM 반복 간의 측정의 변동성이 감소될 수 있다. 예를 들어, 제1 샘플 존재비 값 세트 및 제2 샘플 존재비 값 세트의 변량값(들)은, 제1 MAM 기반 기기의 제1 보정 계수 세트 및 제2 MAM 기반 기기의 제2 보정 계수 세트에 기초하여 감소될 수 있다.
본원에 설명된 바와 같은 도 4a 및 도 4b의 실시형태는, 본원에 개시된 바와 같은 변량 감소 및 보정을 사용하여, 단백질(P1)의 분석을 도시한다. P1은 분자의 하나의 부분에 2개의 O-연결 글리코실화 부위를 포함하며, 본원의 도 4b에 각각 도시된 바와 같은 6개의 상이한 글리코폼(동형체)을 갖는다. 도 4a 및 도 4b의 도표(400 및 450)는, Q ExactiveTM BioPharma 플랫폼 기기, 및 2개의 ExactiveTM Plus Orbitrap 질량 분석계 기기(ThermoFisher Scientific사(San Jose, CA)에 의해 각각 제조됨)를 포함하는, 상이한 LC/MS 기기를 사용하여 상이한 검사실 분석가에 의해 이의 표준품과 함께 P1 샘플을 분석함으로써 생성되었다. 모든 데이터는 ThermoFisher Scientific사에 의해 제공된 ChromeleonTM 소프트웨어를 통해 처리되어, 각각의 관심 펩티드의 피크 영역(들)을 결정하였다. 도 4a 및 도 4b의 각각의 글리코폼에 대해 도시된 존재비 값(예를 들어, 
)은, 통상적인 MAM 반복(402) 및 보정된 새로운 MAM 반복(404)을 사용하여 정량화되었다. 보정된 새로운 MAM 절차(404)는, 본원에 설명된 바와 같은, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 기술에 기초한다. P1 표준품의 각각의 속성의 존재비 값(예를 들어, 
)을 획득하기 위해, P1 표준품은 6회의 통상적인 MAM 반복(402)에 의해 분석되었고, 6개 측정치의 평균값이 표준품의 알려진 존재비로서 사용되었다.
도 4a는 6회의 예시적인 MAM 반복에 걸쳐서 주어진 동형체에 대한 존재비 값(예를 들어, 
)의 기기간/검사실간 변량의 감소를 나타내는 도표(400)를 도시한다. 예를 들어, 도표(400)의 y축(410y)은 존재비 값(예를 들어, 
)을 백분율로 나타낸다. 도표(400)의 x축(410x)은, 본원에 개시된 다양한 실시형태에 대해 설명된 바와 같은 보정된 새로운 MAM 반복(404)을 사용하여 결정된 보정된 존재비 값과, 통상적인 MAM 반복(402)을 사용하여 결정된 통상적인 샘플 존재비 값을 비교하는 6회의 예시적인 MAM 반복 1 내지 6을 나타낸다. 예를 들어, MAM 반복 1 내지 6은 상이한 MAM 기기(예를 들어, 도 2에 대해 설명된 바와 같은 제1 MAM 기기(210) 및 제2 MAM 기반 기기(260))를 통해 실행된 MAM 반복일 수 있거나, MAM 반복 1 내지 6은 (예를 들어, 도 3에 대해 설명된 바와 같이) 동일한 MAM 기기를 통해 상이한 시간 기간에 걸쳐서 실행된 MAM 반복일 수 있다.
구체적으로, 도 4a의 실시형태에서, 도표(400)는 통상적인 MAM 반복(402) 및 보정된 새로운 MAM 반복(404) 둘 모두를 사용하여 결정된 바와 같은, 글리코폼(동형체)에 대한 측정된 존재비 값(예를 들어, 
)을 나타낸다. 특히, 도표(400)의 글리코폼은 2코어 시알산(SA)이다. x축(410x) 상에 나타낸 반복 1 내지 3은, 제1 MAM 기반 기기(즉, 제1 ExactiveTM Plus Orbitrap 질량 분석계 기기)를 통해 측정되었다. x축(410x) 상에 나타낸 반복 4 내지 6은, 상이한 제2 MAM 기반 기기(즉, 상이한 ExactiveTM Plus Orbitrap 질량 분석계 기기)를 통해 측정되었다. 도표(400)에 나타낸 바와 같이, 보정된 새로운 MAM 절차(404)를 사용하는 각각의 반복 1 내지 6에 걸친 존재비 값(예를 들어, 
)의 기기간 변동성은, 통상적인 MAM 절차(402)를 사용하는 각각의 반복 1 내지 6에 걸친 존재비 값의 변동성에 비해 크게 감소된다. 달리 말하면, 보정된 새로운 MAM 절차(404)를 사용하는 각각의 반복 1 내지 6에 걸친 존재비 값(예를 들어, 
)의 기기간 일관성은, 통상적인 MAM 절차(402)를 사용하는 각각의 반복 1 내지 6에 걸친 존재비 값의 변동성에 비해 크게 향상된다.
도 4b는 본원에 개시된 다양한 실시형태에 따라, 도 4a의 동형체를 포함하는 6개의 예시적인 동형체에 대한 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다. 도표(450)의 y축(460y)은 중간 정밀도 상대 표준 편차(RSD)를 백분율로 나타낸다. RSD는 존재비 값(예를 들어, 
)과 상관된다. 특히, RSD의 감소는 존재비 값의 변동성의 감소를 나타낸다.
도표(400)의 x축(460x)은 6개의 예시적인 동형체(1HexNAc, 1코어, 1SA, 2SA, 2코어 SA, 및 아글리콘)를 나타낸다. 2코어 SA 동형체에 대한 분석은, 본원에 설명된 바와 같은 도 4a에서 도시된다. 도 4b는 통상적인 MAM 반복(402)이 보정된 새로운 MAM 반복(404)과 비교되는 경우 나타낸 바와 같이, 6개의 동형체 각각에 걸친 상대 표준 편차(RSD)(예를 들어, 글리코폼)의 백분율 감소를 나타낸다. 6개의 동형체 각각은 주어진 샘플(예를 들어, P1)의 로트에 대한 품질 관리를 테스트하기 위한 품질 속성으로서 사용될 수 있다. 따라서, 동일한 샘플의 측정에 걸쳐서 일관성(즉, 감소된 변동성/편차)이 중요하다. 도 4b의 도표(450)로 나타낸 바와 같이, P1 글리코폼이 상이한 기기를 통해 측정되더라도, 보정된 새로운 MAM 반복(404)은 최대 25% 내지 최대 5%까지, 상당한 양(예를 들어, 2배 내지 3배)만큼 RSD를 감소시킨다.
본원에 설명된 바와 같이, 도 5a 및 도 5b의 실시형태는 제2 단백질(P2)의 속성 분석을 도시한다. 특히, 도 5a 및 도 5b의 도표(500 및 550)와 관련하여, P2 표준품은 4주 동안 40℃로 배양되었다. 그 다음, 이러한 스트레스 가해진 샘플의 20%를 P2 표준품 내에 섞어서 테스트 샘플을 생성하였다. 이러한 테스트 샘플은 P2 표준품 및 스트레스 가해진 샘플 모두와 함께, 두 가지 상이한 프로토콜을 사용하여 트립신으로 소화되었으며, 각각의 소화물은 상이한 컬럼, 이동상 및 구배를 사용하는 2개의 상이한 LC/MS 기기를 통해 3회 분석되었다. Thermo Q ExactiveTM BioPharma 플랫폼 기기가 제1 MAM 기반 기기로 사용되었고, Orbitrap FusionTM LumosTM TribridTM 질량 분석계(ThermoFisher Scientific)가 제2 MAM 기반 기기로 사용되었다. P2 표준품은 제1 MAM 기반 기기를 통해 6회 분석되었고, 각각의 속성의 측정된 평균 존재비 값이 표준품 존재비 값으로 사용되었다. 결과적인 모든 데이터 및 정보를 분석하여, 각각의 펩티드 동형체의 피크 영역, 및 관련 존재비 값을 획득하였다.
또한, 도 5a 및 도 5b와 관련하여, P2의 57개 품질 속성이 분석되었다. 예를 들어, 57개 품질 속성은, 단편화, 산화, 당화, 히드록실화, 순서 변이, 이성질화, 탈아미드화, C-말단 리신, O-연결 글리칸 및 N-연결 글리칸을 포함한다. 품질 속성은 0.005% 내지 5%의 다양한 존재비 값을 커버하였다.
도 5a는 12회의 예시적인 MAM 반복에 걸쳐서 존재비 값(예를 들어, 
)의 기기간/검사실간 변량의 감소를 나타내는 도표(500)를 도시한다. 예를 들어, 도표(500)의 y축(510y)은 존재비 값(예를 들어, 
)을 백분율로 나타낸다. 도표(500)의 x축(510x)은, 본원에 개시된 다양한 실시형태에 대해 설명된 바와 같은 보정된 새로운 MAM 반복(404)을 사용하여 결정된 보정된 존재비 값과, 통상적인 MAM 반복(402)을 사용하여 결정된 통상적인 샘플 존재비 값을 비교하는 12회의 예시적인 MAM 반복 1 내지 12를 나타낸다. 예를 들어, MAM 반복 1 내지 12는 상이한 기기(예를 들어, 도 2에 대해 설명된 바와 같은 제1 MAM 기기(210) 및 제2 MAM 기반 기기(260))를 사용하여 수행된 MAM 반복일 수 있거나, MAM 반복 1 내지 12는 (예를 들어, 도 3에 대해 설명된 바와 같이) 동일한 MAM 기기를 통해 상이한 시간 기간을 사용하여 수행된 MAM 반복일 수 있다.
구체적으로, 도 5a의 실시형태에서, 도표(500)는 통상적인 MAM 반복(402) 및 보정된 새로운 MAM 반복(404) 둘 모두를 사용하여 결정된 바와 같은, K117 히드록실화에 대한 측정된 존재비 값(예를 들어, 
)을 나타낸다. 특히, 도표(500)는 2개의 소화 프로토콜 및 2개의 LC/MS 기기에 의해 각각 3회 측정된 K117 히드록실화 존재비를 도시한다. MAM 반복 1 내지 3 및 7 내지 9는 소화 프로토콜 1로부터 비롯되며, 실행 4 내지 6 및 10 내지 12는 소화 프로토콜 2로부터 비롯된다. MAM 반복 1 내지 6은 Thermo Q ExactiveTM BioPharma 플랫폼 기기를 통해 실행되고, MAM 반복 7 내지 12는 Orbitrap FusionTM LumosTM TribridTM 질량 분석계를 통해 실행된다. 도표(500)에 나타낸 바와 같이, 보정된 새로운 MAM 절차(404)를 사용하는 모든 MAM 반복 1 내지 12에 걸친 존재비 값(예를 들어, 
)의 기기간 변동성은, 통상적인 MAM 절차(402)를 사용하는 MAM 반복 1 내지 12에 걸친 존재비 값의 변동성에 비해 크게 감소된다. 달리 말하면, 보정된 새로운 MAM 절차(404)를 사용하는 각각의 MAM 반복 1 내지 12에 걸친 존재비 값(예를 들어, 
)의 기기간 일관성은, 통상적인 MAM 절차(402)를 사용하는 각각의 MAM 반복 1 내지 12에 걸친 존재비 값의 변동성에 비해 크게 향상된다. 따라서, 도 5a는 2개의 상이한 기기 모델에 대한 K117 히드록실화의 측정된 존재비 값을 도시한다. 통상적인 MAM 절차(402)를 사용하여, 2개의 상이한 MAM 기반 기기에 걸쳐서 상이한 존재비 변량이 획득되었다. 그러나, 보정된 새로운 MAM 절차(404)는 2개의 상이한 MAM 기반 기기에 걸쳐서 일관된 존재비 값을 제공하였다.
도 5b는 본원에 개시된 다양한 실시형태에 따라, 57개 품질 속성에 걸쳐서 기기간/검사실간 편차의 감소를 나타내는 도표를 도시한다. 도 5a의 K117 히드록실화는 도 5b의 57개 품질 속성 중 하나에 해당한다. 도표(550)의 y축(560y)은 중간 정밀도 RSD를 백분율로 나타낸다. 도표(550)의 x축(560x)은 57개 품질 속성을 나타내며, 그 중 K117 히드록실화는 한 가지 그러한 품질 속성이다. 57개 품질 속성 각각은 통상적인 MAM 절차(402) 및 보정된 새로운 MAM 절차(404)를 사용하여 결정되었다. 도 5b의 도표(550)는, 통상적인 MAM 절차(402)를 사용하는 품질 속성의 RSD가 대체로 3 내지 50%의 범위에 있지만, 보정된 새로운 MAM 절차(404)를 사용하는 품질 속성의 RSD는 대부분의 품질 속성에 대해 20% 미만으로 감소되므로, 본원에 개시된 다양한 실시형태에 따른 런타임 신호 강도 보정을 통해 변동성의 감소를 나타낸다는 것을 보여준다.
본원에 설명된 바와 같이, 런타임 신호 강도 보정을 통해 MAM 기반 기기(들)의 변동성을 감소시킴으로써, (예를 들어, 도 2에 대해 설명된 바와 같은) 질량 분석법에 대한 이점을 산출한다. 예를 들어, 본원에 설명된 바와 같이, 반응 인자(예를 들어, 
)를 보정함으로써, 동일한 반응 인자(k)를 가져야 하는 상이한 펩티드 동형체의 요건이 없어진다. 이러한 기술은 MAM 목적을 위한 다른 유형의 기기에 적용될 수 있다. 예를 들어, 통상적인 방법에 대하여, 삼중-사중극자 기기를 통한 선택 반응 모니터링(SRM)은, 펩티드 동형체 간의 잠재적으로 상이한 단편화 효율로 인해 MAM 목적에 효과적이지 않다. 그러나, 본원에 설명된 보정된 새로운 MAM 절차는 삼중-사중극자 기기를 통해 MAM을 수행할 수 있게 하며, 이는 삼중-사중극자 기기의 더 나은 정밀도, 선형성 및 동적 범위로 인해, Orbitrap 기기를 사용하는 것보다 더 유리할 수 있다. 그러나, 그러한 실시형태에서, 표준품의 각각의 속성의 농도는 고해상도 기기를 통해 초기에 설정되어야 할 수 있다.
본원의 개시물은 다수의 상이한 실시형태의 상세한 설명을 상술하지만, 설명의 법적 범위는 본 특허 및 등가물의 끝에 상술된 청구범위의 표현에 의해 한정된다는 것을 이해해야 한다. 상세한 설명은 단지 예시적인 것으로 해석되어야 하며, 가능한 모든 실시형태를 설명하는 것은 비현실적이기 때문에, 가능한 모든 실시형태를 설명하지는 않는다. 본 특허의 출원일 이후에 개발된 기술 또는 현재 기술을 사용하여, 다수의 대안적인 실시형태가 구현될 수 있으며, 이는 여전히 청구범위의 범위 내에 속한다.
이하의 추가적인 고려 사항은 전술한 설명에 적용된다. 본 명세서 전반에 걸쳐서, 복수형의 경우는 단일형의 경우로 설명된 구성 요소, 작업, 또는 구조를 구현할 수 있다. 하나 이상의 방법의 개별 작업이 별도의 작업으로 도시되고 설명되지만, 하나 이상의 개별 작업은 동시에 수행될 수 있으며, 도시된 순서로 작업이 수행되어야 할 필요는 없다. 예시적인 구성예에서 별도의 구성 요소로 제시된 구조물 및 기능은 조합된 구조물 또는 구성 요소로 구현될 수 있다. 유사하게, 단일 구성 요소로 제시된 구조물 및 기능은 별도의 구성 요소로 구현될 수 있다. 이들 및 다른 변경, 변형, 추가, 및 개선은 본원의 청구 대상의 범위 내에 속한다.
추가적으로, 특정 실시형태는 로직 또는 다수의 루틴, 서브 루틴, 애플리케이션, 또는 명령을 포함하는 것으로 본원에서 설명된다. 이들은 소프트웨어(예를 들어, 기계 판독 가능 매체에 구현되거나 전송 신호에 구현된 코드) 또는 하드웨어를 구성할 수 있다. 하드웨어에서, 루틴 등은 특정 작업을 수행할 수 있는 실체적인 장치이며, 특정 방식으로 구성되거나 배치될 수 있다. 예시적인 실시형태에서, 하나 이상의 컴퓨터 시스템(예를 들어, 독립형 클라이언트 또는 서버 컴퓨터 시스템), 또는 컴퓨터 시스템의 하나 이상의 하드웨어 모듈(예를 들어, 프로세서 또는 프로세서 그룹)은, 본원에 설명된 바와 같은 특정 작업을 수행하도록 작동되는 하드웨어 모듈로서 소프트웨어(예를 들어, 애플리케이션 또는 애플리케이션 일부)에 의해 구성될 수 있다.
본원에 설명된 예시적인 방법의 다양한 작업은, 관련 작업을 수행하도록 (예를 들어, 소프트웨어에 의해) 일시적으로 구성되거나 영구적으로 구성되는 하나 이상의 프로세서에 의해 적어도 부분적으로 수행될 수 있다. 일시적으로 구성되든 영구적으로 구성되든, 이러한 프로세서는, 하나 이상의 작업 또는 기능을 수행하도록 작동되는 프로세서 구현 모듈을 구성할 수 있다. 본원에서 언급된 모듈은 일부 예시적인 실시형태에서, 프로세서 구현 모듈을 포함할 수 있다.
유사하게, 본원에 설명된 방법 또는 루틴은 적어도 부분적으로 프로세서로 구현될 수 있다. 예를 들어, 방법의 작업 중 적어도 일부는, 하나 이상의 프로세서 또는 프로세서 구현 하드웨어 모듈에 의해 수행될 수 있다. 특정 작업의 성능은, 단일 시스템 내에 상주할 뿐만 아니라, 다수의 시스템에 걸쳐서 전개되는, 하나 이상의 프로세서 간에 분산될 수 있다. 일부 예시적인 실시형태에서, 프로세서 또는 프로세서들은 단일 위치에 위치될 수 있는 반면에, 다른 실시형태에서, 프로세서들은 다수의 위치에 걸쳐서 분산될 수 있다.
특정 작업의 성능은, 단일 시스템 내에 상주할 뿐만 아니라, 다수의 시스템에 걸쳐서 전개되는, 하나 이상의 프로세서 간에 분산될 수 있다. 일부 예시적인 실시형태에서, 하나 이상의 프로세서 또는 프로세서 구현 모듈은 단일 지리적 위치(예를 들어, 가정 환경, 사무실 환경, 또는 서버 팜 내)에 위치될 수 있다. 다른 실시형태에서, 하나 이상의 프로세서 또는 프로세서 구현 모듈은 다수의 지리적 위치에 걸쳐서 분산될 수 있다.
본 상세한 설명은 단지 예시적인 것으로 해석되어야 하며, 가능한 모든 실시형태를 설명하는 것은 불가능하지는 않지만 비현실적이기 때문에, 가능한 모든 실시형태를 설명하지는 않는다. 당업자는 본 출원의 출원일 이후에 개발된 기술 또는 현재 기술을 사용하여, 다수의 대안적인 실시형태를 구현할 수 있다.
당업자는 본 발명의 범위를 벗어나지 않으면서 전술한 실시형태에 대해 다양한 변형, 변경, 및 조합이 이루어질 수 있으며, 그러한 변형, 변경, 및 조합이 본 발명의 개념의 범위 내에 있는 것으로 간주되어야 함을 인식할 것이다.
본 특허 출원서의 끝에 있는 특허 청구범위는, 청구항(들)에 명시적으로 언급되는 "~하기 위한 수단" 또는 "~하기 위한 단계"와 같은 통상적인 수단-플러스-기능 표현이 명시적으로 언급되지 않는 한, 35 U.S.C. § 112(f)에 따라 해석되도록 의도되지 않는다. 본원에 설명된 시스템 및 방법은 컴퓨터 기능의 개선에 관한 것이며, 통상적인 컴퓨터의 기능을 개선한다.
양태.
본 개시물의 이하의 양태는 단지 예시적인 것이며, 본 개시물의 범위를 제한하려는 의도가 아니다.
1. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서, 제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플 및 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하도록 추가로 구성되는, 제1 MAM 기반 기기; 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체(들)에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체(들)에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서; 제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며, 상기 제2 MAM 기반 기기는, 제2 샘플 및 상기 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성되는, 제2 MAM 기반 기기; 및 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품에 기초하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템.
2. 양태 1에 있어서, 상기 제1 MS 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 MAM 반복을 통해, 품질 속성을 결정하는, 보정 시스템.
3. 양태 2에 있어서, 상기 품질 속성은, 상기 제1 샘플 동형체, 단백질, 또는 식별된 불순물 중 어느 하나인, 보정 시스템.
4. 양태 2 또는 양태 3에 있어서, 상기 품질 속성은, 단편화, 산화, 당화, 히드록실화, 순서 변이, 이성질화, 탈아미노화, C-말단 리신, O-연결 글리칸, 또는 N-연결 글리칸 중 어느 하나 이상을 한정하는, 보정 시스템.
5. 양태 1 내지 4 중 어느 하나에 있어서, 상기 제1 MS 기기와 연관된 상기 하나 이상의 프로세서는, 상기 품질 속성을 포함하는 리포트를 생성하도록 구성되는, 보정 시스템.
6. 양태 1 내지 5 중 어느 하나에 있어서, 제1 기기 모델은 상기 제2 기기 모델과 상이한, 보정 시스템.
7. 양태 1 내지 6 중 어느 하나에 있어서, 제1 설정 세트는 상기 제2 설정 세트와 상이한, 보정 시스템.
8. 양태 1 내지 7 중 어느 하나에 있어서, 상기 제1 보정 계수 세트는, 상기 제1 표준품 동형체의 이온 강도 값, 및 상기 제1 표준품 동형체의 제1 표준품 존재비 값에 기초하는, 보정 시스템.
9. 양태 1 내지 8 중 어느 하나에 있어서, 상기 제1 보정 계수 세트는, 상기 제1 샘플 존재비 값 세트와 연관된 반응 인자를 보정하여 상기 제1 샘플 동형체의 이온 강도 값을 결정하는, 보정 시스템.
10. 양태 1 내지 9 중 어느 하나에 있어서, 상기 제1 샘플 존재비 값 세트는, 상기 제1 샘플 동형체의 이온 강도 값에 추가로 기초하는, 보정 시스템.
11. 양태 1 내지 10 중 어느 하나에 있어서, 상기 제1 MAM 기반 기기는 질량 분석(MS) 기기인, 보정 시스템.
12. 양태 1 내지 11 중 어느 하나에 있어서, 상기 제1 MAM 기반 기기는 삼중-사중극자 기기인, 보정 시스템.
13. 양태 1 내지 12 중 어느 하나에 있어서, 상기 제1 MS 기기와 연관된 하나 이상의 프로세서는, 컴퓨터 네트워크를 통해 상기 제2 MS 기기와 연관된 상기 하나 이상의 프로세서에 통신 가능하게 연결되는, 보정 시스템.
14. 양태 1 내지 13 중 어느 하나에 있어서, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서인, 보정 시스템.
15. 양태 1 내지 14 중 어느 하나에 있어서, 상기 제1 MAM 기반 기기는 제1 지리적 위치의 제1 검사실에 위치되며, 상기 제2 MAM 기반 기기는 제2 지리적 위치의 제2 검사실에 위치되는, 보정 시스템.
16. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서, 제1 검출기를 포함하는 제1 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계; 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계; 제1 MAM 반복 동안 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계; 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 포함하는, 단계; 제2 검출기를 포함하는 제2 MAM 기반 기기에서, 제2 샘플 및 상기 표준품을 수용하는 단계; 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계; 제2 MAM 반복 동안 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계; 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 포함하며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이하고, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법.
17. 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 보정 방법으로서, 제1 시간 기간 동안 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계; 상기 제1 시간 기간 동안 상기 MAM 기반 기기의 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계; 상기 제1 시간 기간 동안의 제1 MAM 반복 동안 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계; 상기 제1 시간 기간 동안 상기 제1 MAM 반복으로 상기 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하고, 상기 MAM 기반 기기는, 상기 제1 시간 기간 동안, 제1 설정 세트에 의해 한정된 제1 기기 조건을 포함하는, 단계; 제2 시간 기간 동안 상기 MAM 기반 기기에서, 제2 샘플 및 상기 표준품을 수용하는 단계; 상기 제2 시간 기간 동안 상기 MAM 기반 기기의 상기 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계; 상기 제2 시간 기간 동안의 제2 MAM 반복 동안 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계; 및 상기 제2 시간 기간 동안 상기 제2 MAM 반복으로 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고, 상기 MAM 기반 기기는, 상기 제2 시간 기간 동안, 제2 설정 세트에 의해 한정된 제2 기기 조건을 포함하며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이하고, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는, 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 보정 방법.
18. 양태 17에 있어서, 상기 하나 이상의 프로세서는 품질 속성을 결정하는, 보정 시스템.
19. 양태 18에 있어서, 상기 품질 속성은, 상기 제1 샘플 동형체, 상기 제2 샘플 동형체, 단백질, 또는 식별된 불순물 중 어느 하나인, 보정 시스템.
20. 양태 17 내지 19 중 어느 하나에 있어서, 상기 하나 이상의 프로세서는, 상기 품질 속성을 포함하는 리포트를 생성하도록 구성되는, 보정 시스템.
21. 양태 1에 있어서, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 시스템.
22. 양태 16에 있어서, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 방법.
23. 양태 17에 있어서, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 방법.
24. 양태 1에 있어서, 상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 시스템.
25. 양태 16에 있어서, 상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 방법.
26. 양태 17에 있어서, 상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 방법.
추가적인 개시물.
본원에 설명된 바와 같이, 보정물로서 표준품의 각각의 속성의 알려진 존재비를 사용하여, 각각의 속성의 존재비를 결정하기 위한 새로운 보정 시스템 및 방법이 제공된다. 표준품의 대부분의 품질 속성은 표준품의 수명에 걸쳐서 일정하게 유지되므로, 기기 또는 샘플 제조 절차 간의 차이를 보정하기 위한 보정물의 역할을 할 수 있다. 표준품 데이터는 일반적으로 식별 및 시스템 적합성 목적을 위한 전형적인 MAM 방법으로 수집되기 때문에, 분석가의 추가적인 작업이 필요하지 않다. 이러한 방법에 의하면, 일관된 기기 모델이 더 이상 요구되지 않는다. 동시에, 검사실 간의 소화 절차의 작은 변경 뿐만 아니라, 자동화를 통한 변경은 분석 결과에 큰 영향을 주지 않을 것이다.
속성의 분류.
샘플 제조 동안 속성의 존재비가 변경될 수 있는지 여부에 기초하여, 각각의 속성은 MAM 목적을 위해, 1형 속성, 2형 속성, 및 3형 속성을 포함하는 3가지 유형 중 하나로 분류된다.
1형 속성은 샘플 제조 동안 변경되지 않는다. 실시예는 순서 변이, 리신, 및 프롤린 히드록실화 등을 포함한다. 대부분의 글리코실화는 샘플 제조 동안 샘플이 극도로 낮은 pH를 겪지 않는 경우, 이러한 그룹으로 분류될 수 있다.
2형 속성은 샘플 제조 동안 존재비가 감소할 수 있다. 실시예는 변형의 불안정성으로 인한 인산화를 포함한다. 2형 속성의 반응(예를 들어, 인산화의 손실) 기질은 일반적으로 미량 성분(예를 들어, 인산화 펩티드)이기 때문에, 샘플 제조 동안 2형 속성의 절대 변화는 적다. 특별한 2형 속성은 잔존 N-말단 글루타민이다. 단백질의 N-말단이 글루타민 잔기인 경우, 이는 일반적으로 고리화되어 피로글루탐산을 주 성분으로 형성한다. 미량 성분인 N-말단 글루타민은, 이러한 작업 시에 피로글루탐산의 변형된 형태로 간주된다. N-말단 글루타민은, 자유 N-말단 글루타민의 존재비를 감소시키도록 샘플 제조 동안 고리화가 발생할 수 있기 때문에 2형 속성이다.
3형 속성은 샘플 제조 동안 존재비가 증가할 수 있다. 3형 속성은, 산화, 탈아미드화, 아스파르트산 이성질화, 단편화 등을 포함한다. 3형 속성의 반응 기질은 다수의 변형되지 않은 펩티드이기 때문에, 샘플 제조 동안 이들의 절대 변화가 상당히 클 수 있다.
이후에 설명되는 바와 같이, 결과의 편차는 전적으로 또는 주로 LC-MS 측정으로부터 비롯되기 때문에, 1형 및 2형 속성은 흔히 높은 정밀도 및 낮은 정량 한계로 측정될 수 있다. 반면에, 3형 속성은, 샘플 제조 시의 편차가 최종 결과의 편차의 원인이 되기 때문에, 더 낮은 정밀도 및 더 높은 정량 한계를 갖는다.
표기법.
본원에 사용된 표기법은 다음과 같이 요약될 수 있다: A는 동형체의 존재비를 분수값(또는 백분율)으로 나타낸다. I는 동형체의 측정된 이온 강도(선택 이온 크로마토그램에서 피크 아래의 영역)를 나타낸다. k는 반응 인자를 나타내고, 
는 반응 인자에 대한 보정 계수를 나타낸다. 위첨자 0은 표준품(RS)을 나타낸다. 예를 들어, A 0은 RS의 동형체의 알려진 존재비를 나타내고, 
은 RS의 동형체의 측정된 이온 강도를 나타낸다. 아래첨자 0, 1, 2, … i, … n은 지정된 잔기(변형되지 않은 형태를 포함함)와 연관된 n+1 동형체를 나타낸다. 아래첨자 0은 최대 존재비 동형체(대체로 변형되지 않은 형태)를 나타낸다. 예를 들어, 
는 동형체(i)의 존재비를 나타내고, 
는 동형체(i)의 이온 강도를 나타내며, 
는 동형체(i)의 반응 인자를 나타내고, 
는 동형체(i)에 대한 반응 인자 보정 계수를 나타낸다. 
의 값은 1로 한정된다. 첨자 1은 주 동형체 외에 단지 하나의 동형체만이 존재하는 경우(n = 1), 특정 수식에서 생략될 수 있다. 동형체 i = 0, 1, … n이 이러한 리포트에서 언급되는 경우, 이것이 명시적으로 언급되는지 여부와 관계없이, 이들은 대체로 단일 잔기와 연관됨을 유의한다. 예를 들어, 변형되지 않은 Asn, 이의 탈아미드화 형태, 및 이의 숙신이미드 형태를 포함하여, 펩티드의 Asn 잔기와 연관된 3개의 동형체가 존재할 수 있다. 그러나, 동일한 펩티드에 대한 산화된 Met 잔기는 상이한 동형체 세트에 속할 수 있다(예를 들어, 2개의 변형은 확률적이므로 서로 독립적이라고 가정함).
통상적인 MAM.
통상적인 MAM 방법에서, 각각의 속성의 존재비(예를 들어, 펩티드의 아미노산 잔기의 상이한 변형 상태)는, 다음과 같은 통상적인 가정에 따라 변형된 펩티드 및 변형되지 않은 펩티드의 MS 반응(예를 들어, 선택 이온 크로마토그램에서 피크 아래의 영역)에 기초하여 산출된다:
1. 각각의 샘플 내에서, 아미노산 잔기와 연관된 모든 동형체는 동일한 반응 인자를 갖는다(모든 반응 인자의 비율 = 1).
2. 인위적으로 유도된 속성 변경은 무시 가능하다.
아미노산 잔기가 n+1 변형 상태(0, 1, …, n)를 갖는다고 가정하면, 관심 잔기와 관련된 n+1 펩티드 동형체가 존재한다. 대체로 변형되지 않은 최대 존재비 동형체는 i = 0으로 표시된다. 각각의 동형체의 존재비는 이하의 수식 (3)에 기초하여 산출된다:
위의 수식 (3)에서, k는 펩티드의 모든 동형체에 대한 반응 인자(예를 들어, 위의 통상적인 가정 1에 기초한 상수값)이고, 
및 
는 각각 동형체(i)의 존재비 및 MS 강도이다. 반응 인자 k는 각각의 동형체의 펩티드 회수율과 MS 반응의 조합을 나타낸다.
수식 (3)을 풀면 수식 (4)가 산출된다:
수식 (4)는, 각각의 동형체의 존재비가 동형체의 MS 강도를 모든 동형체의 MS 강도의 합으로 나눔으로써 산출됨을 나타낸다.
위에 설명된 가정으로 인해, 통상적인 MAM 방법은 이하의 요건을 충족시켜야 한다:
1. 소화 효율은 재현 가능해야 한다.
2. MS 기기 조건은 동일해야 한다.
3. 샘플 제조는 최소량의 인위적인 변형을 유발해야 한다.
그러나, 실제로는, 적어도 다음과 같은 이유로 위의 요건을 충족시키기가 어렵다:
1. 샘플 제조 절차, 분석가 습관, 장치 및 시약 품질 등의 편차로 인해, 펩티드 회수율이 달라질 수 있다.
2. MS 기기 모델, 기기 설정, 및 기기가 유지 관리되는 방식의 차이로 인해, 상이한 펩티드 동형체에 대한 반응 인자가 상이할 수 있다.
3. 샘플 제조 절차, 분석가 습관, 장치 및 시약 품질 뿐만 아니라, 기기 조건의 편차로 인해, 인위적으로 유발되는 변형의 양이 달라질 수 있다.
통상적인 MAM 요건의 위와 같은 어려움 때문에, MAM의 장기적인 성공을 보장하기 위해 이러한 문제를 극복하기 위한 새로운 방법이 필요하다.
표준품을 사용하여 반응 인자를 보정.
MAM에서, 표준품은 전형적으로 시스템 적합성 및 식별 목적을 위해 샘플과 병행하여 분석된다. 표준품의 대부분의 품질 속성은 표준품의 수명에 걸쳐서 일정하게 유지되기 때문에, 표준품은 기기 간 또는 샘플 제조 절차 간의 차이를 보정하기 위한 보정물의 역할을 할 수 있다. 표준품의 각각의 속성의 존재비는, 통상적인 MAM 또는 정확성이 더 나은 직교 방법을 사용하여 설정될 수 있다. 표준품의 속성 존재비가 절대 정량을 사용하는 분석 방법에 의해 결정되는 경우, 동일한 속성의 모든 후속 MAM 분석도 반응 인자 보정 후의 절대 측정이 된다.
각각의 실행 시에 표준품을 보정물로서 사용함으로써, 검사실간 및 기기간 재현성에 관한 통상적인 MAM에 대한 대부분의 요건이 없어질 수 있다. 이 경우, 그러한 실시형태에서, 본원에서 전술한 바와 같은 통상적인 2개의 가정은 다음과 같이 변경된다(즉, 변경된 가정):
1. 동일한 LC-MS 순서 내에서, 모든 동형체 간의 반응 인자의 비율은 일정하게 유지된다.
2. 인위적으로 유도된 속성 변경은 무시 가능하다.
변경된 제1 가정에서는, 모든 펩티드 동형체가 제품의 수명 동안 동일한 반응 인자(모든 반응 인자 비율 = 1)를 가져야 하는 대신에, 반응 인자 비율이 동일한 LC-MS 순서(동일한 분석가, 동일한 기기, 및 동일한 날짜) 내에서만 일정하면 된다는 점을 유의한다.
변경된 새로운 가정에 의하면, 각각의 동형체가 동일한 반응 인자를 갖는다고 더 이상 가정되지 않는다. 대신에, 동형체(i)에 대한 반응 인자가 표준품 및 샘플 모두에서, 동일한 보정 계수(
)에 의해 변경된다고 가정된다. 따라서, 표준품의 동형체(i)에 대한 반응 인자는 
(여기서, 위첨자 0은 표준품을 나타냄)으로 표시되고, 샘플의 동형체(i)에 대한 반응 인자는 
로 표시된다. 표준품과 샘플을 모두 고려한 후에, 수식 (3)은 본원에 설명된 수식 (2)와 동일한 수식 (5)가 된다:
일부 실시형태에서, 표준품 및 샘플에 대한 반응 인자는, 샘플 제조의 약간의 차이, 기기 감도의 차이 등으로 인해 상이할 수 있다. 추가적으로, 수식을 풀 수 있도록 하기 위해, 동형체 중 하나에 대한 인자 
는 일반적으로 상수값으로 설정된다. 어떤 동형체가 상수 
로 설정되는지는 중요하지 않다. 대체로 변형되지 않은 형태인 최대 존재비 동형체에 이를 설정(
= 1)하는 것이 좋은 방안이다.
수식 (5)를 풀면 수식 (6)이 산출되며, 이는 본원에 설명된 수식 (1)과 동일하다:
수식 (6)을 사용하여, 표준품(
)의 알려진 속성 존재비에 기초하여 각각의 동형체(
)에 대한 보정 계수를 산출할 수 있으며, 샘플(
)의 각각의 동형체의 존재비를 산출할 수 있다. 파라미터(
)가 명확한 값을 갖도록 하기 위해, 분모가 제로에 가까워서는 안된다. 따라서, 성공적인 반응 인자 보정을 위해, 표준품의 각각의 속성은, 정확하게 정량화될 수 있을 정도로 충분히 높은 존재비(
)를 가져야 한다.
표준품을 사용하여 인위적인 변형을 보정.
인산화와 같은 2형 속성, 그리고 산화, 탈아미드화, Asp-이성질화, 및 단편화와 같은 3형 속성을 포함하는 일부 속성은, 이들의 불안정성에 기인한 변형의 상실(2형)로 인해, 또는 이러한 변형의 인위적인 형성(3형)으로 인해, 샘플 제조 동안 이들의 존재비를 변경시킬 수 있다. 속성의 이러한 인위적인 변경은 분석가 간에 그리고 하루하루 간에 변동성을 유발하며, 이러한 인위적인 변경의 범위가 동일한 LC-MS 순서로 일관적이라고 가정하면, 표준품을 보정물로서 사용하여 보정될 수 있다.
각각의 동형체에 대한 인위적인 변경의 범위를 표시하기 위해 인자 
가 사용되는 실시형태에서, 표준품과 샘플을 모두 고려한 후에, 수식 (3)은 수식 (7)이 된다:
수식 (7)에서, Si는 동형체(i)를 생성하는 인위적인 변형의 기질을 나타낸다. 예를 들어, 산화 및 탈아미드화(3형 속성)의 경우, 기질은 변형되지 않은 펩티드이다. 그러나, 인산화(2형 속성)의 경우, 변형의 가능한 불안정성으로 인해, 기질은 변형된(인산화) 펩티드이다.
기질의 특성에 따라, 수식 (7)은 복소수가 될 수 있다. 예를 들어, 아스파라긴 잔기에 대한 N-글리코실화와 같이, 동일한 잔기에 대한 다수의 변형을 위해 수식 (7)을 사용함으로써, 수식 (7)의 복소수 변량을 생성할 수 있다.
단일 변형을 갖는 잔기의 경우, 기질이 변형된 펩티드(2형)인지 또는 변형되지 않은 펩티드(3형)인지에 따라, 본원에 설명된 바와 같이, 수식 (7)이 수식 (8) 및/또는 수식 (9)로 축소될 수 있다. 아래의 실시형태에 나타낸 바와 같이, 수식 (8) 및 수식 (9)의 경우, 우측의 수식 부분은 좌측의 수식 부분의 해이다.
특히, 2형 속성의 경우, 그리고 수식 (8)과 관련하여:
3형 속성의 경우, 그리고 수식 (9)와 관련하여:
수식 (8)에서, 인위적인 변형의 양이 변형되지 않은 형태보다 훨씬 더 적은 경우(즉, 
)(이는 대체로 대부분의 2형 속성의 경우 그러함), 수식 (8)은 수식 (10)으로 추정될 수 있다:
수식 (10)은 
인 경우, 수식 (5)와 유사하다. 즉, 이러한 실시형태에서, 소화 동안의 변형의 상실은 반응 인자 보정에 의해 모델링될 수 있으며, 수식 (8) 및 (5)는 매우 유사한 결과를 생성한다.
파라미터 b 및 속성 존재비 A가 명확한 값을 갖도록 하기 위해, 분모가 제로에 가까워서는 안된다. 따라서, 수식 (8)을 사용하기 위해, 표준품(A 0)의 속성의 존재비가 0보다 훨씬 더 커야 한다. 수식 (9)를 사용하기 위해, A 0은 1(100%)보다 훨씬 더 작아야 하며, b는 1에 가까워서는 안된다. 또한, 수식 (9)가 대체로 유의미하도록 하기 위해, b의 값은 보정이 없는 속성의 존재비보다 훨씬 더 작아야 한다(
). 그렇지 않으면, 보정된 존재비 A가 제로에 가까워지고, 때로는 음수 값이 될 것이다.
2개의 상이한 표준품을 사용하여 반응 인자 및 인위적인 변형 모두를 보정.
표준품은 반응 인자(
)(즉, "a-보정") 및/또는 인위적인 변형(b)(즉, "b-보정")을 보정하기 위해 사용될 수 있다. a 및 b를 모두 보정하기 위해, 추가적인 표준품이 필요하다. 상이한 표준품을 얻기 위해, 표준품 또는 다른 샘플에 스트레스를 가하여, 더 높은 레벨의 관심 속성을 포함하는 다른 표준품을 생성할 수 있으며, 그 다음, 두 표준품이 샘플과 함께 분석된다. 2개의 표준품의 알려진 속성 존재비, 및 이들의 결정된 MS 반응을 사용하여, a 및 b 모두를 보정할 수 있다.
샘플 뿐만 아니라 두 표준품 모두를 고려할 때, 표준품을 나타내기 위해 위첨자 0이 사용될 수 있으며, 스트레스 가해진 표준품을 나타내기 위해 위첨자 1이 사용될 수 있다. 수식 (11) 및 (12)는 인위적인 변형의 기질에 따라, 대표적인 수식을 나타낸다. 수식 (11) 및 (12)는 단일 변형을 사용하여 잔기에 적용됨을 유의한다.
2형 속성의 경우, 그리고 수식 (11)과 관련하여:
3형 속성의 경우, 그리고 수식 (12)와 관련하여:
수식 (11) 및/또는 (12)에 대해 위에서 나타낸 바와 같이, 파라미터 a 및 b가 명확한 값을 갖도록 하기 위해, 분모가 제로에 가까워서는 안된다. 따라서, 수식 (11)은 
을 필요로 하고, 수식 (12)는 
및 
을 필요로 한다. 수식 (9)와 유사하게, 수식 (12)가 유의미하도록 하기 위해, b의 값은 b-보정이 없는 속성의 존재비보다 훨씬 더 작아야 하며(
), 그렇지 않으면, 보정된 존재비 A가 제로에 가까울 것이고, 때로는 음수 값이 될 것이다.
항-스트렙타아비딘(anti-streptavidin) IgG2의 다속성 분석의 실시예.
본원에 설명된 바와 같은 다양한 예시적인 실시형태는 본 개시물의 보정 시스템 및 방법의 특정 적용예를 통해 실시되도록 축소되었다. 그러나, 본 개시물의 보정 시스템 및 방법은 특정 적용예로 제한되지 않음을 이해해야 한다. 예를 들어, 재조합 항-스트렙타아비딘 IgG2는 중국 햄스터 난소(CHO) 세포주로부터 발현되었다. 항-스트렙타아비딘 IgG2 물질은 표준품으로 사용되었다. 분석을 위한 테스트 샘플을 생성하기 위해, 표준품을 약 30일 동안 약 40℃로 배양하여 샘플 1을 생성한 다음, 샘플 1을 표준품과 상이한 비율로 혼합하여 샘플 2 및 3을 생성하였다(표 2 참조).
IgG2 표준품 및 테스트 샘플(각각 ~120 ㎍)은 이하의 절차를 사용하여 트립신으로 소화되었다. 먼저, 이황화 결합을 환원시키기 위해 pH 7.5의 0.2 M Tris(TEKnova, Hollister, CA) 및 6.5 M 구아니딘염산(Macron Fine Chemicals, Stroudsburg, PA)을 함유하는 변성 용액에서 약 30분 동안 약 25℃로 8 mM 디티오트레이톨을 사용하여 각각의 샘플을 처리하였다. 그 다음, 환원된 IgG2는 어두운 환경에서 약 20분 동안 약 25℃로 14 mM 요오드아세트산을 사용하여 알킬화되었다. 알킬화 반응은 6 mM DTT로 급랭되었다.
샘플 제조 절차에서 의도적으로 약간의 차이를 생성하기 위해, 각각의 환원/알킬화 샘플은 두 가지 상이한 방법을 사용하여 트립신으로 소화되었다. 제1 방법에서, 환원/알킬화 샘플(~1.2 mg/mL IgG2 농도)은 예를 들어, 제조사의 권장 절차에 따라, Bio-Rad(Hercules, CA) Bio-Spin® 6 컬럼을 사용하여, 약 0.1 M Tris 및 약 50 mM 메티오닌(pH 7.5)을 함유하는 소화물 완충제로 교환되었다. 완충제 교환 후에, 적절한 양의 트립신을 첨가하여, 약 1:12의 효소:기질 비율을 달성한 후에, 약 60분 동안 약 37℃로 배양하였다. 8 M 구아니딘염산 중의 약 0.25 M 아세테이트 완충제(pH 4.8)의 동일한 부피를 사용하여 소화물이 급랭되었다. 소화물 중의 최종 IgG2 농도는 ~0.5 mg/mL였다.
제2 방법에서, 각각의 환원/알킬화 샘플은 Microcon-30kDa 여과기(Millipore Sigma, Burlington, MA)를 사용하여, 동일한 소화물 완충제로 교환되었다. 먼저, 각각의 환원/알킬화 샘플을 약 14000 g으로 스핀 다운시키고, 통과액을 폐기하였다. 특정 실시형태에서, 매회 250 μL의 소화물 완충제를 여과기에 첨가한 후에, 공정을 3회 더 반복하였다. 140 μL의 소화물 완충제 및 10 μg의 트립신(1 mg/mL)을 첨가한 후에, 약 60분 동안 약 37℃로 배양함으로써, 동일한 여과기를 통해 트립신 소화가 수행되었다. 소화 후에, 동일한 부피의 급랭 용액을 여과기에 첨가하고, 약 14000 g으로 스핀 다운시켜서 새로운 수용 튜브에 펩티드를 포집하였다. 위의 절차에 따라 소화물 중의 최종 IgG2 농도는 ~0.4 mg/mL로 산출된다.
표 2는 실시예에서 사용된 항-스트렙타아비딘 IgG2 샘플을 나타낸다.
항-스트렙타아비딘 IgG2 및/또는 유사한 실시형태에서, 각각의 소화물은, 질량 분석계(예를 들어, Thermo Scientific Q Exactive Plus Biopharma 또는 Orbitrap Fusion Lumos 질량 분석계)에 연결된 Agilent(Santa Clara, CA) HPLC 시스템으로 구성된 3개의 LC-MS/MS 시스템 각각을 통해 분석되었다. 어느 한 가지 유형의 시스템, 질량 분석계 등으로 제한됨이 없이, 본원의 개시물과 같은, 추가적인 또는 대안적인 시스템이 또한 사용되었다. 일부 실시형태에서, 액체 크로마토그래피 조건에 약간의 차이를 의도적으로 유발하기 위해, 2개의 상이한 LC 방법이 사용되었다(표 3 참조).
제1 LC 방법(예를 들어, 표 3의 시스템 A 및 B)의 경우, Waters(Milford, MA) Acquity 펩티드 CSH 컬럼(150 × 2.1 mm, 1.7 μm 입자, 170 Å 공극 크기)을 통해, 컬럼 온도를 약 60℃로 유지하면서 약 0.3 mL/min의 유량으로 펩티드를 용리하였다. 이동상 A는 물 중의 0.1% 포름산이었고, 이동상 B는 아세토니트릴 중의 0.1% 포름산이었다. 약 5분 동안 약 0.5% B로 초기에 유지된 후에, 이동상 B는 대체로 약 40분 내에 약 35%까지 선형적으로 증가한다. 컬럼 세척은 약 1분 동안 유지하면서 약 4분 내에 약 99%까지 이동상 B를 증가시킴으로써 달성되었다. 컬럼은 약 15분 동안 약 0.5% B를 사용하여 평형화되었다. 제2 LC 방법(예를 들어, 표 3의 시스템 C)의 경우, Waters Acquity BEH C18 컬럼(2.1 x 150 mm, 1.7 μm 입자)을 통해, 컬럼 온도를 약 60℃로 유지하면서 약 0.3 mL/min의 유량으로 펩티드를 용리하였다. 이동상 A는 물 중의 0.1% 포름산 및 약 0.02% 트리플루오로아세트산(TFA)이었고, 이동상 B는 아세토니트릴 중의 0.1% 포름산 및 0.02% TFA였다. 약 5분 동안 약 0.5% B로 초기에 유지된 후에, 상 B는 대체로 약 40분 내에 약 40%까지 선형적으로 증가한다. 컬럼 세척은 약 1분 동안 유지하면서 약 4분 내에 약 99%까지 상 B를 증가시킴으로써 달성되었다. 컬럼은 약 15분 동안 약 0.5% B를 사용하여 평형화되었다.
HPLC 시스템은, 전기 분무 인터페이스를 통해 질량 분석계(예를 들어, Thermo Scientific Q Exactive Plus Biopharma 질량 분석계(예를 들어, 시스템 A) 또는 Thermo Scientific Orbitrap Fusion Lumos 질량 분석계(예를 들어, 시스템 B 및 C))에 직접 연결되었다. 본원의 실시형태는 Thermo Scientific Q Exactive Plus Biopharma 질량 분석계 및/또는 Thermo Scientific Orbitrap Fusion Lumos 질량 분석계를 설명하지만, 유사한 질량 분석계(들)가 본원에 개시된 실시형태에 따라 사용될 수 있음을 이해해야 한다. Q Exactive Plus Biopharma는 최대 존재비 이온의 경우, 약 70,000의 분해능 및 AGC = 1x106으로 전체 스캔 MS를 수행한 후에, 5개의 데이터 종속성 MS/MS(고에너지 충돌 해리(HCD) 정규화 충돌 에너지 = 27)가 후속되도록 설정되었다. Fusion Lumos의 경우, 약 60,000의 분해능 및 AGC = 4x105으로 전체 스캔 MS 데이터가 수집된 후에, 이온 트랩으로 최고 속도 데이터 종속성 MS/MS(CID 정규화 충돌 에너지 = 30)가 후속되었다. 기기 제어 및 데이터 수집은 분석 소프트웨어(예를 들어, Thermo Scientific Xcalibur 소프트웨어)에 의해 수행되었다. 분석을 위해, 약 3 내지 4 ㎍의 각각의 트립신 분해 소화물이 주입되었다. 물론, Xcalibur 소프트웨어와 유사한 소프트웨어가 본원에 개시된 실시형태에 따라 사용될 수 있다.
LC-MS/MS 데이터는 Thermo Scientific으로부터 BiopharmaFinderTM로 입수 가능한 분석 소프트웨어인 MassAnalyzer를 통해 처리되었다. MassAnalyzer와 같은 분석 소프트웨어는, 특징 추출, 체류 시간 정렬, 펩티드 식별, 및 속성 정량화를 완전히 자동화된 방식으로 수행할 수 있다. 펩티드 식별을 위해, 분석 소프트웨어(예를 들어, MassAnalyzer)는, 정확하게 예측된 이론적 MS/MS와 실험적 MS/MS의 비교에 의존할 수 있다. 매칭되는 윈도우 함수를 사용하여, 선택 이온 크로마토그램을 추출함으로써, 크로마토그램에서 신호 대 잡음비를 극대화하였다. 최종 출력으로서, 분석 소프트웨어(예를 들어, MassAnalyzer)는 식별된 변량의 리스트를 생성할 수 있다. MassAnalyzer와 유사한 분석 소프트웨어가 본원에 개시된 실시형태에 따라 사용될 수 있음을 이해해야 한다.
융합 단백질의 다속성 분석의 실시예.
CHO 세포로부터 발현된 재조합 융합 단백질(예를 들어, 제1 단백질, 또는 단백질의 단편은, 흔히 단백질/단편을 연결하는 연결자를 사용하여, 적어도 제2 단백질 또는 이의 단편에 재조합으로 융합됨)은, 예를 들어 트레오닌 및 세린 잔기에 다수의 글리코실화 부위를 포함할 수 있다. 이러한 O-글리칸은 분자의 불균질성의 큰 원인이 될 수 있다. 본 실시예에서, 다속성 방법을 사용하여, 융합 단백질 중의 이러한 글리코폼을 정량화하였다.
단백질 분해 소화를 위해, 융합 단백질은 먼저, 약 1 mg/mL의 단백질 농도로, 약 7.5 M 구아니딘 HCl, 약 250 mM tris(pH 7.5), 및 약 2 mM EDTA를 함유하는 용액에서 변성되었다. 단백질 분해 소화 전에, 약 2 μl의 500 mM DTT 용액을 약 100 μL의 변성된 단백질 용액에 첨가한 다음, 약 30분 동안 약 25℃로 배양하여, 이황화 결합을 환원시켰다. 그 다음, 약 4 μL의 500 mM 요오드아세테이트 나트륨을 첨가한 다음, 약 20분 동안 약 25℃로 배양하여, 시스테인 측쇄를 알킬화하였다. Bio-Rad Bio-Spin 탈염 컬럼에 의해, 100 mM tris, 50 mM 메티오닌, pH 7.5 용액으로 완충제 교환한 후에, 50 μg의 탈염된 샘플마다 약 30분 동안 약 37℃로 약 5 μg의 트립신으로 소화시켰다. 소화물을 급랭시키기 위하여, 약 0.2%의 최종 산 농도를 위해 약 2% 포름산을 각각의 소화물에 첨가하였다.
각각의 트립신 분해 소화물(~3 ㎍)은, 질량 분석계(예를 들어, Thermo Scientific Exactive plus 또는 Q Exactive plus 고해상도 질량 분석계)에 직접 연결된 Agilent HPLC로 구성된 LC-MS 시스템을 사용하여 분석되었다(표 3 참조). Agilent Zorbax C18 RR HD 컬럼(2.1 x 150 mm, 1.8 μm 입자, 300 Å 공극 크기)을 통해, 컬럼 온도를 50℃로 유지하면서 약 0.2 mL/min의 유량으로 펩티드를 용리하였다. 이동상 A는 물 중의 약 0.1% 포름산이었고, 이동상 B는 아세토니트릴 중의 0.1% 포름산이었다. 약 1.0%로 시작하여, 이동상 B는 약 70분 후에 약 40%까지, 그리고 약 76분에 약 90%까지 선형적으로 증가하였다. 약 5분 동안 약 90%로 세척한 후에, 약 11분 동안 약 1% B를 사용하여 컬럼을 평형화하였다. 전체 스캔 MS 데이터는 140,000의 분해능으로 수집되었으며, 자동 이득 제어(AGC) 목표는 1 x 10으로 설정되었다. 기기 제어 및 데이터 수집은 예를 들어, Thermo Scientific Chromeleon 소프트웨어에 의해 수행되었다.
번역 후 변형의 식별 및 상대적 정량화를 위해, 예를 들어, Thermo Scientific Pinpoint 및 Chromeleon 소프트웨어에 의해 데이터가 분석되었다. O-글리코펩티드의 리스트가 HCD 및 전자 전달 해리(ETD)를 사용하는 MS/MS에 의해 특성화되었으며, 대체로 6개의 글리코폼이 발견된다. Pinpoint는 6가지 형태의 O-글리코펩티드에 대한 정확한 질량 및 동위 원소 분포가 있는 워크북을 생성할 수 있다. 워크북을 Chromeleon 소프트웨어로 불러오고, Chromeleon 소프트웨어는 체류 시간, 정확한 질량, 및 동위 원소 분포에 의해 MS1 전구체 이온을 표적화하였다. 선택 이온 크로마토그램이 Chromeleon으로 구성되었으며, 각각의 피크는 피크 영역에 통합되었다. 정확성을 보장하기 위해, 각각의 피크의 통합은 수동으로 확인되었다.
표 3은 설명된 바와 같은 예시적인 LC-MS 시스템 및 측정치를 나타낸다.
반응 보정의 실시예.
반응 보정은, 본원에 설명된 하나 이상의 수식을 구현하도록 구성된 Microsoft®(Redmond, WA) Excel®과 같은 분석 소프트웨어를 사용하여 수행되었다. 항-스트렙타아비딘 관련 데이터는 분석 소프트웨어(예를 들어, MassAnalyzer)에 의해 처리되었다. MassAnalyzer는 각각의 속성의 보정되지 않은 존재비를 직접 출력하며, 이러한 보정되지 않은 존재비는 해당 MS 강도(피크 영역)에 비례하기 때문에, 이들은 해당 산출 시에 MS 강도로 간주되었다. Fc-융합 단백질 데이터는 Thermo Scientific Chromeleon을 사용하여 처리되었으며, 각각의 속성의 피크 영역이 결정되었고, 해당 산출을 위한 MS 강도로 사용되었다. (샘플들을 분류하기 위해) 표준품 샘플을 적어도 2회 분석하는 것이 통례이다. 실제 성능을 반영하기 위해, 2회의 표준품 실행의 평균 MS 강도가 산출에 사용되었다.
항-스트렙타아비딘 IgG2의 다수의 속성의 측정 실시예.
본 실시예에서, 본원에 개시된 바와 같은 보정 시스템 및 방법의 성능에 대한 포괄적인 평가가 입증되었다. 항-스트렙타아비딘 IgG2 표준품은 약 4주 동안 약 40℃로 배양되었다. 그 다음, 이러한 스트레스 가해진 샘플의 약 10% 및 약 20%를 표준품 내에 각각 섞어서, 테스트 샘플을 2개 더 생성하였다(예를 들어, 표 2 참조). 이러한 테스트 샘플은 표준품 및 스트레스 가해진 샘플 모두와 함께, 두 가지 상이한 프로토콜을 사용하여 트립신으로 3회 소화되었으며, 상이한 컬럼, 이동상, 구배, 및 질량 분석계를 사용하는 3개의 상이한 LC-MS 시스템을 통해 각각의 소화물이 분석되었다(예를 들어, 표 3에 나타낸 A, B 및 C 참조). 또한, 표준품 및 스트레스 가해진 샘플은 시스템 A를 통해 각각 6회 분석되었고, 각각의 속성의 측정된 평균 존재비가 표준품 존재비로 사용되었다. 모든 데이터는 분석 소프트웨어(예를 들어, MassAnalyzer)에 의해 처리되어, 각각의 펩티드 동형체의 보정되지 않은 존재비를 획득하였다. 이러한 존재비는 추가적인 보정을 위한 MS 강도로 사용되었다.
시스템 A 및 B는 동일한 크로마토그래피 조건을 사용하므로, 이러한 실행들(예를 들어, 총 60회의 LC-MS/MS 실행들)로부터의 데이터는, 이들이 일관된 체류 시간을 갖기 때문에 함께 처리된다. 예를 들어, 총 177개의 품질 속성이 식별되었고, 검출 한계를 초과하도록 정량화되었다(예를 들어, 모든 60회 실행에서 제로가 아닌 피크 영역으로 표시됨). 이러한 속성은 0.001% 내지 39%를 포함하는 다양한 존재비 레벨을 커버한다. 이러한 속성은, 순서 변이, 히드록실화, N-연결 및 O-연결 글리칸, N-말단 및 C-말단 변이, 단편화, 당화, 산화, 탈아미드화, 숙신이미드 형성 등을 포함하였다. 단편화는 스트레스 가해진 샘플의 이들의 증가된 레벨에 의해 트립신의 비특이적 활동과 구별되었다(예를 들어, 표준품 실행과 비교할 때, t-테스트 p-값 < 0.005 및 폴드-변화 > 2.0).
반응 인자를 보정하는 실시예(a-보정).
반응 인자 보정을 위한 표준품을 사용하여(수식 (5) 및 (6) 참조), 3개 샘플의 177개 속성 각각의 존재비가 산출되었다. 도 6은 2개의 상이한 기기 설정 및 2개의 상이한 샘플 제조 절차에 대해 샘플 2의 2개 속성의 측정된 존재비의 도표(602)를 도시한다. 본원에 설명된 바와 같은 반응 인자 보정 후에, 도 6의 12개 측정치(즉, A/1, A/2, B/1, 및 B/2)의 상대 표준 편차(RSD)로 나타낸 바와 같이, 샘플 제조 및 기기 설정의 차이로 인한 편차가 크게 감소된다. 특히, 도 6의 실시형태는, 2개의 LC-MS 시스템(예를 들어, A 및 B) 및 2개의 소화 프로토콜(/1 및 /2)에 의한 중쇄 Cys127Tyr 순서 변이(상단)(604) 및 글리코실화되지 않은 Asn289(하단)(606)에 대해, 반응 인자 보정이 있는 경우 그리고 반응 인자 보정이 없는 경우, 샘플 2의 측정된 존재비를 도시한다. 반응 인자 보정 후(수식 (6) 참조)에, RSD 값(605 및 607)으로 나타낸 바와 같이, 기기 간 및 샘플 제조 절차 간의 편차가 크게 감소된다.
도 7은 3개 속성 유형에 대해 반응 인자 보정이 있는 경우(704) 그리고 반응 인자 보정이 없는 경우(706), 중간 정밀도(예를 들어, RSD로 나타냄)의 예시적인 비교를 나타내는 도표(702)를 도시한다. 도 7에 도시된 바와 같이, 모니터링된 속성의 약 86%에 대해, 보정 후에 중간 정밀도가 크게 개선된다. 도 7의 값의 형상은 속성의 유형을 나타내고, 개방형 형상 값은 정확하게 정량화될 수 있을 정도로 충분히 높은 표준품의 존재비를 갖는 속성을 나타낸다(순서내 RSD < 10%).
특히, 도 7은, 반응 인자 보정이 있는 경우(704) 그리고 반응 인자 보정이 없는 경우(706), 3개 샘플의 모든 177개 속성(120개 1형, 12개 2형, 및 45개 3형 속성)의 결정된 RSD(도 6에 도시된 바와 같이 두 가지 소화 프로토콜 및 두 가지 기기 설정을 사용하는 12회 측정으로부터)를 나타낸다. 도 7은 총 177x3 = 531개 데이터 포인트를 나타내며, 12개 측정치를 각각 갖는다. 다수(457개, 또는 86%)의 데이터 포인트의 RSD는 반응 인자 보정 후에 감소한다. 531개 데이터 포인트 중에서, RSD < 10%인 포인트의 수는 보정 전에 64개(12%)에서 보정 후에 205개(39%)로 증가하였다. 이 중에서, 도 7의 실시형태에서, 1형 속성은 55개에서 171개로 증가하였고, 2형 속성은 2개에서 36개로 증가하였으며, 3형 속성은 7개에서 19개로 증가하였다. 양호한 중간 정밀도(RSD < 10%)를 갖는 이러한 205개 데이터 포인트 중에서, 83%(205개 중 171개)는 1형 속성이다.
앞서 설명된 바와 같이, 반응 인자 보정은 표준품의 속성의 존재비가 대체로 정확하게 정량화될 수 있을 정도로 충분히 높아야 한다. 도 7에서, 표준 편차(순서내 RSD < 10%)의 10배보다 더 높은 존재비를 갖는 속성은 개방형 형상 값으로 표시된다. 예를 들어, 적어도 도 7의 실시형태에서, 보정 후에 10% 미만의 RSD를 갖는 대부분의 속성은 표준품의 높은 존재비(즉, 개방형 형상 값)를 갖는다.
인위적인 변형을 보정하는 실시예(b-보정).
2형 및 3형 속성에 관한 실시형태에서, 2형 속성에 대한 수식 (8), 및 3형 속성에 대한 수식 (9)를 사용하여, 상이한 샘플 제조 조건 간의 인위적인 변형의 편차가 보정될 수 있다.
예를 들어, 도 8은 반응 인자 a-보정과 유사한 결과를 나타내는 2형 속성에 대한 인위적인 변형의 보정의 일 실시형태의 도표(802)를 도시한다. 구체적으로, 도 8은 반응 인자 보정 후의 RSD(804)와 비교되는, 보정 후의 2형 속성(예를 들어, 6회 측정(806)으로 생성된 3개 샘플의 2개 속성)의 중간 정밀도의 개선을 나타낸다. 본원에 설명된 실시형태에 따라, 두 가지 보정 방법은 매우 유사한 RSD를 생성하였다.
도 9는 반응 인자 a-보정과 비교하여, 3형 속성에 대한 인위적인 변형 b-보정의 성능의 도표(902)를 도시한다. 도 9에 도시된 바와 같이, 3형 속성의 경우, 인위적인 변형의 보정(904)은 대부분의 측정에 대해 중간 정밀도를 개선하였다. 보정 파라미터 b가 보정되지 않은 속성 존재비 
에 가까운 속성의 경우, 보정 존재비 A(수식 (9) 참조)가 제로에 너무 가까워서, RSD 값에 큰 영향을 줄 수 있다. 상이한 보정 방법 간의 공정한 비교를 위해, 보정된 존재비의 표준 편차를 a-보정된 평균 속성 존재비로 나눔으로써 RSD가 산출되었다. 반응 인자 보정(a-보정)과 비교하여, 인위적인 변형 보정(b-보정)은, 보정되지 않은 RSD(906)가 50% 미만인 경우 유사한 성능을 산출하였다. 보정되지 않은 RSD가 50%를 초과하는 경우, b-보정 성능은 a-보정에 비해 덜 효과적일 수 있으며, 보정되지 않은 RSD가 100%에 가까운 경우, 인위적인 변형을 보정함으로써, 결과가 덜 일관적이게 된다(예를 들어, 더 높은 RSD).
반응 인자(a) 및 인위적인 변형(b) 모두를 보정하는 실시예.
일부 실시형태에서, 표준품에 스트레스를 가함으로써 제2 표준품을 용이하게 입수 가능한 경우, 3형 속성에 대한 반응 인자 및 인위적인 변형 모두가 보정될 수 있다. 도 10은 1-표준품 반응 인자(
) 보정과 비교하여, 3형 속성에 대한 2-표준품 보정(a&b)의 성능을 나타내는 일 실시형태의 도표(1002)를 도시한다. 특히, 도 10은 표준품 및 스트레스 가해진 샘플(샘플 1)을 2개의 표준품으로 사용하고, 샘플 2 및 3을 샘플로 사용하여, 보정이 없는 경우(1006)와 비교하여, 보정(1004)의 성능을 나타낸다. RSD는 보정된 존재비의 표준 편차를 a-보정된 평균 속성 존재비로 나눔으로써 산출되었다. 도 10은 2개 표준품 보정의 성능이 전반적으로 단일 표준품 반응 인자 보정보다 더 우수하지만, 개선의 범위가 작을 수 있으며, 그러한 상황에서, 전부가 그런 것은 아니지만, 주어진 제품의 수명 동안 제2 표준품을 유지하는 것을 정당화하지 못할 수 있음을 입증한다.
매우 상이한 LC-MS 시스템으로부터 생성된 데이터를 사용하는 예시적인 반응 인자 보정.
도 11은 반응 인자 보정에 의해, 2개의 상이한 LC-MS 시스템을 통해 수집된 2개의 데이터세트의 일관성에 있어서 이루어진 개선을 나타내는 도표(1102)를 도시한다. 특히, 도 11은 반응 인자 보정이 있는 경우(1114) 그리고 반응 인자 보정이 없는 경우(1116), 시스템 A(1104) 및 시스템 C(1106)에 의해 결정된 속성 존재비의 비교를 도시한다. 도 11은 보정이 있는 경우 그리고 보정이 없는 경우, 두 데이터세트의 중간 정밀도(RSD)의 비교를 추가로 도시한다. 도 11에 도시된 바와 같이, 개방형 형상 값은 표준품의 표준 편차(예를 들어, 순서내 RSD < 10%)의 적어도 10배의 존재비를 갖는 속성을 나타낸다.
달리 말하면, 도 11은 LC-MS 데이터 분석에 기초하는 반응 인자 보정의 성능을 도시하며, LC-MS 데이터는 2개의 상이한 LC 방법 및 2개의 상이한 MS 시스템(시스템 A(1104) 및 C(1106))을 사용하여 수집되고, 샘플 제조는 두 가지 상이한 절차로 수행된다. 도 11의 실시형태에서, 결정된 속성 존재비는 반응 인자 보정이 있는 경우(1114) 그리고 반응 인자 보정이 없는 경우(1116) 서로 비교되었다.
상이한 방법을 사용하여 샘플을 분석함으로써, 도 11에 도시된 바와 같이, 상이한 속성 세트(그 중 117개가 공통임)를 검출 및 식별할 수 있다. 도 11에서, 3개 샘플의 117개 속성을 측정함으로써, 351개 데이터 포인트가 산출되었으며, a-보정이 있는 경우 그리고 a-보정이 없는 경우, 두 가지 방법으로 존재비를 각각 결정하였다. 그러한 값은 도 11(상단 그래프)(1103)에 도시된다. 도 11에 도시된 바와 같이, 2개의 LC-MS 시스템이 완전히 상이한 경우에도, 보정은 측정의 일관성을 크게 개선하였다. 도 11(하단 그래프)(1113)은 이러한 117개 속성에 대한 반응 인자 보정 후의 중간 정밀도의 개선을 도시한다. 다수의 이러한 속성은 동일한 기기 및 방법으로 정밀하게 측정될 수 있다(개방형 형상 값으로 표시됨).
그러나, 이러한 속성이 상이한 시스템을 통해 측정되는 경우, 수평축의 10% 내지 100%의 큰 RSD 값(보정되지 않음)으로 표시된 바와 같이, 결과가 일관적이지 않았다. 이러한 측정치의 대부분은 수직축의 10% 미만의 이들의 RSD 값으로 표시된 바와 같이, 보정 후에 다시 일관적이게 되었다.
a-융합 단백질의 예시적인 글리칸 프로파일.
본 실시예에서, 융합 단백질은 6개의 상이한 글리코폼을 갖는 2개의 O-연결 글리코실화 부위를 포함한다. 3개의 LC-MS 시스템을 통해 3명의 분석가에 의해, 알려지지 않은 글리코폼 존재비를 갖는 샘플이 표준품과 함께, 4회 실행으로 분석되었다(표 3 참조). 모든 데이터는 Chromeleon을 통해 처리되어, 각각의 관심 펩티드의 피크 영역을 얻었다. 각각의 글리코폼의 존재비는, 통상적인 방법(수식 (4)) 및 반응 인자 보정(수식 (6))을 사용하여 정량화되었다. 표준품의 각각의 속성의 존재비를 결정하기 위해, 통상적인 MAM에 의해 표준품이 6회 분석되었고, 6회 측정치의 평균값이 표준품의 알려진 존재비로 사용되었다.
도 12는 4개의 순서(1206)로 글리코폼(SAHexHexNAc)에 대해 각각 3회 측정된 존재비(1204)를 나타내는 도표(1202)를 도시한다. 반응 인자 보정(수식 (6)) 후에, 기기간 편차가 크게 감소되었다. 또한, 도 12(하단 그래프)에 도시된 바와 같이, 6개 글리코폼(1216)에 대한 반응 인자 보정은, 최대 21% 내지 최대 5%로 RSD(1214)를 감소시켰다(SA: 시알산 또는 N-아세틸뉴라민산; Hex: 헥소오스; HexNAc: N-아세틸헥소사민). 특히, 도 12(상단 그래프)(1203)는 반응 인자 보정이 있는 경우 그리고 반응 인자 보정이 없는 경우, 글리코폼 중 하나에 대해 12개의 측정된 존재비(4개 순서(1206)로 3회 분석)를 도시한다. 측정된 존재비는 동일한 순서 내에서는 매우 재현 가능했지만, 이러한 측정된 존재비는 순서 간에 크게 가변되었다. 반응 인자 보정은 기기간 편차를 없앴다. 도 12(하단 그래프)(1213)는 보정이 있는 경우 그리고 보정이 없는 경우, 모든 6개 글리코폼에 대한 중간 RSD를 비교한다. 이러한 글리코폼에 대한 RSD는 보정이 없는 경우 2.4% 내지 21%였다. 보정 후에, 이들은 5% 이하로 감소되었다.
보정.
전부가 그런 것은 아니지만, 일부 실시형태에서, 보정 방법을 사용하여 속성 존재비를 산출하는 것은 표준품의 각각의 동형체의 이온 강도에 대한 추가적인 측정이 필요할 수 있다. 이러한 추가적인 측정은 최종 속성 존재비 산출 시에 추가적인 오차를 유발할 수 있다. 이러한 추가적인 측정으로 인한 오차가 검사실 간 그리고 기기 간의 편차보다 더 작은 경우, 중간 정밀도의 개선이 달성될 수 있다.
전부가 그런 것은 아니지만, 일부 실시형태에서, 보정 후의 측정 정확도의 개선을 가능하게 하기 위해, 표준품의 각각의 동형체의 이온 강도가 결정되어야 한다. 이는 관심 속성이 표준품에서 충분히 높은 존재비를 가져야 하는 것을 필요로 한다. 일반적으로, 속성 존재비는 측정치의 표준 편차의 적어도 10배이어야 한다(예를 들어, 본원에 설명된 바와 같은 도 7, 8, 9 및 10에서 개방형 형상 값으로 표시됨).
3형 b-보정(수식 (9))을 포함하는 실시형태의 경우, 속성 존재비 A의 산출은, 보정되지 않은 속성 존재비 
와 b 간의 차를 취하는 단계를 포함할 수 있다. b 값이 
에 가까운 경우, A의 산출은, 매우 작은 값을 유도하기 위해 2개의 큰 수의 차를 취하는 단계를 포함함으로써, 잠재적으로 큰 오차를 유발한다. 극단적인 경우, b 값은 
보다 더 클 수 있으며, 음수 값 A가 획득된다. 이에 따라 3형 속성에 대한 b-보정이 덜 견고해질 수 있다. 수식 (12)에 나타낸 3형 속성에 대한 a&b-보정도 마찬가지이다.
일부 실시형태에서, HPLC 및 MS 기기의 진화 및 샘플 제조의 자동화가 불가피하기 때문에, 소화 효율 및 기기 반응을 모두 포함하는 반응 인자들의 차이가 주요한 문제일 수 있다. 인위적인 변형은 대체로 제어될 수 있으며(본원에 설명된 바와 같이), 문제가 되지 않는다. 따라서, 3가지 보정 방법을 비교할 때, 대체로 반응 인자 보정(a-보정)은 모든 3가지 유형의 속성에 대한 이의 견고성 및 적용 가능성으로 인해 가장 유리하다. a-보정에 의해 보정되지 않은 샘플 제조의 불일치를 보정할 수 있지만, 3형 속성에 대한 인위적인 변형 보정(b-보정)은 보정 레벨이 속성 존재비에 가까운 경우 대체로 덜 견고하다. 일부 실시형태에서, 2형 속성에 대한 b-보정은 계산의 유사성으로 인해, a-보정과 유사한 결과를 생성하므로, a-보정으로 대체될 수 있다. 반면에, 반응 인자 및 인위적인 변형 모두에 대해 2개 표준품을 사용하는 보정(a&b-보정)은, 전부가 그런 것은 아니지만 일부 실시형태에서, 제품의 수명 동안 추가적인 표준품의 요건으로 인해 덜 실용적일 수 있다. 추가적으로, a&b-보정을 통한 이온 강도 측정이 2회 더 필요할 수 있으며, 이는 최종 속성 존재비 결과의 변량을 추가로 증가시킨다. 따라서, 단일 표준품을 사용하는 반응 인자의 보정은 대체로, cGMP 환경에서 본원에 설명된 바와 같은 새로운 MAM 시스템 및 방법을 구현하기 위해 사용된다.
새로운 MAM 시스템 및 방법은 런타임 반응 보정을 통해 검사실간 변동성을 크게 감소시키기 때문에, 새로운 MAM 시스템 및 방법은 통상적인 MAM에 비해 상당히 유리하다. 새로운 MAM 시스템 및 방법은, 현재의 MAM 작업 흐름에서 중대한 문제인, 일관된 장비를 사용해야 하는 MAM의 요건을 실질적으로 없앤다. 또한, 일반적으로 현재의 작업 흐름으로 샘플과 병행하여 표준품이 이미 분석되어야 하기 때문에, 분석가의 추가적인 작업이 필요하지 않다.
본원에 설명된 바와 같이, 반응 인자를 보정하기 위해 수식 (6)을 사용함으로써, 상이한 펩티드 동형체들이 동일한 반응 인자를 가져야 하는 요건을 없앤다. 따라서, 새로운 MAM 시스템 및 방법은 MAM을 위한 다른 유형의 기기에 사용될 수 있다. 예를 들어, 통상적인 MAM에 의하면, 상이한 동형체들에 대한 동일한 반응 인자의 요건 때문에, 삼중-사중극자 기기를 통한 선택 반응 모니터링(SRM)은 펩티드 동형체들 간에 잠재적으로 매우 상이한 단편화 효율로 인해 허용 가능하지 않다. 반면에, 이러한 새로운 MAM 시스템 및 방법은 상이한 펩티드 동형체들이 동일한 반응 인자를 가져야 할 필요가 없기 때문에, 새로운 MAM 시스템 및 방법은 삼중-사중극자 기기를 이용할 수 있게 한다. 그러나, 표준품의 각각의 속성의 존재비는 고해상도 기기를 통해 초기에 설정되어야 한다.
통상적인 MAM 방법의 한 가지 단점은, 모든 동형체가 동일한 반응 인자를 갖는다는 가정으로 인해, 측정된 속성 존재비가 절대치가 아니라는 점이다(이는 전하, 소수성 또는 펩티드 길이의 변경을 포함하는 변형의 경우 그렇지 않을 수 있음). 일반적으로, 이러한 단점은 반응 인자가 방법의 수명에 걸쳐서 일관적인 한, 대체로 큰 문제가 아니다. 그러나, 표준품의 속성 존재비가 절대 정량의 기술에 의해 결정되는 경우, 새로운 MAM 방법으로부터 결정된 속성 존재비 또한 절대치가 된다.
또한, 본원의 다양한 실시형태에 대해 나타낸 바와 같은 데이터는, MAM 플랫폼의 정량 한계(LOQ)에 대하여 이해하기 위해 사용될 수 있다. LOQ는 RSD가 10% 미만인 속성의 최소 농도로 정의될 수 있다. 예를 들어, 도 13은 3개 속성 유형에 대해 속성 존재비(1306 및/또는 1316) 및 순서내 RSD(1304 및/또는 1314)의 관계를 나타내는 도표(1302)를 도시한다. 도 13의 실시형태에서, 1형 속성(상단 도표)(1303)의 경우, 소수 동형체가 다른 다수 펩티드로부터 잘 분석될 때, 대부분의 속성에 대한 RSD(1304)는 0.003%(LOQ = 0.003%)만큼 낮은 존재비(1306)의 10% 미만이다. 동형체가 주 피크로부터 잘 분석되지 않는 경우, 이러한 작업에 사용된 질량 분석계의 제한된 스캔내 동적 범위로 인해, LOQ가 더 높아질 것이다. 그러나, 2형 및 3형 속성(하단 도표)(1313)의 경우, 0.1% 미만의 대부분의 속성은 RSD(1314) > 10%이고, 1%를 초과하는 대부분의 속성은 RSD(1314) < 10%이며, LOQ는 전형적으로 샘플 제조 동안 유발된 변량에 따라, ~0.1% 내지 ~1%임을 나타낸다.
특히, 도 13은 상이한 속성 유형에 대해 속성 존재비(1306 및/또는 1316) 및 순서내 RSD(n=6)(1304 및/또는 1314)의 관계를 도시한다. 도 13(상단 도표)(1303)의 대부분의 1형 속성의 경우, 순서내 RSD는 10% 미만이고, 존재비가 0.003%로 낮아서, LC-MS 시스템의 정량 한계가 샘플 제조 동안 속성이 변경되지 않는 경우 0.003%만큼 낮음을 나타낸다. 또한, 도 13(하단 도표)(1313)에 도시된 바와 같이, 대부분의 2형 및 3형 속성의 경우, 정량 한계가 훨씬 더 높다(0.1 내지 1%).
추가적인 양태.
본 개시물의 이하의 추가적인 양태는 단지 예시적인 것이며, 본 개시물의 범위를 제한하려는 의도가 아니다. 이하의 추가적인 양태는, 제한적이 않은 실시예로서, 본원에 설명된 바와 같은 양태 1 내지 26 중 어느 하나를 포함하는, 본 개시물의 다른 양태와 더불어 또는 이와 별개로 그 일부로 간주될 수 있다.
27. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서, 제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플 및 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하도록 추가로 구성되며, 상기 제1 샘플은 제1 제조 유형을 갖는, 제1 MAM 기반 기기; 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서; 제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며, 상기 제2 MAM 기반 기기는, 제2 샘플 및 상기 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성되며, 상기 제2 샘플은 제2 제조 유형을 갖고, 상기 제1 제조 유형은 상기 제2 제조 유형과 상이하여, 상기 제1 샘플과 상기 제2 샘플 간의 변량을 유발하며, 상기 변량은 샘플 제조 동안 속성 존재비의 인위적인 변경으로 인해 야기되는, 제2 MAM 기반 기기; 및 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품에 기초하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되고, (1) 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서, 또는 (2) 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서 중 적어도 하나는, 상기 제1 MAM 반복을 통해, 또는 상기 제2 MAM 반복을 통해, 품질 속성을 결정하여 상기 제1 샘플과 상기 제2 샘플 간의 상기 변량을 감소시키며, 상기 품질 속성은, 2형 속성 또는 3형 속성과 연관되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템.
28. 양태 27에 있어서, 상기 2형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 감소를 유발하는, 보정 시스템.
29. 양태 27에 있어서, 상기 3형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 증가를 유발하는, 보정 시스템.
30. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서, 제1 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계로서, 상기 제1 MAM 기반 기기는 제1 검출기를 포함하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖는, 단계; 상기 제1 MAM 기반 기기의 상기 제1 검출기에 의해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계로서, 상기 제1 샘플은 제1 제조 유형을 갖는, 단계; 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계; 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 단계; 제2 MAM 기반 기기에 의해, 제2 샘플 및 상기 표준품을 수용하는 단계로서, 상기 제2 MAM 기반 기기는 제2 검출기를 포함하고, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 가지며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이한, 단계; 상기 제2 MAM 기반 기기의 상기 제2 검출기에 의해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계로서, 상기 제2 샘플은 제2 제조 유형을 갖고, 상기 제1 제조 유형은 상기 제2 제조 유형과 상이하여, 상기 제1 샘플과 상기 제2 샘플 간의 변량을 유발하며, 상기 변량은 샘플 제조 동안 속성 존재비의 인위적인 변경으로 인해 야기되는, 단계; 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계; 및 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되며, (1) 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서, 또는 (2) 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서 중 적어도 하나는, 상기 제1 MAM 반복을 통해, 또는 상기 제2 MAM 반복을 통해, 품질 속성을 결정하여 상기 제1 샘플과 상기 제2 샘플 간의 상기 변량을 감소시키며, 상기 품질 속성은, 2형 속성 또는 3형 속성과 연관되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법.
31. 양태 30에 있어서, 상기 2형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 감소를 유발하는, 보정 방법.
32. 양태 30에 있어서, 상기 3형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 증가를 유발하는, 보정 방법.
33. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서, 제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플, 표준품, 및 스트레스 가해진 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 스트레스 가해진 표준품 동형체를 검출하도록 추가로 구성되는, 제1 MAM 기반 기기; 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서; 제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며, 상기 제2 MAM 기반 기기는, 제2 샘플, 상기 표준품, 및 상기 스트레스 가해진 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 제2 스트레스 가해진 표준품 동형체를 검출하도록 추가로 구성되는, 제2 MAM 기반 기기; 및 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하며, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템.
34. 양태 33에 있어서, 상기 스트레스 가해진 표준품은, 상기 표준품보다 더 높은 품질 속성 레벨을 포함하는, 보정 시스템.
35. 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서, 제1 MAM 기반 기기에서, 제1 샘플, 표준품, 및 스트레스 가해진 표준품을 수용하는 단계로서, 상기 제1 MAM 기반 기기는 제1 검출기를 포함하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖는, 단계; 상기 제1 MAM 기반 기기의 상기 제1 검출기에 의해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 스트레스 가해진 표준품 동형체를 검출하는 단계; 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하는, 단계; 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 단계; 제2 MAM 기반 기기에서, 제2 샘플, 상기 표준품, 및 상기 스트레스 가해진 표준품을 수용하는 단계로서, 상기 제2 MAM 기반 기기는 제2 검출기를 포함하고, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 가지며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이한, 단계; 상기 제2 MAM 기반 기기의 상기 제2 검출기에 의해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 제2 스트레스 가해진 표준품 동형체를 검출하는 단계; 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하는, 단계; 및 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고, 상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는, 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법.
36. 양태 35에 있어서, 상기 스트레스 가해진 표준품은, 상기 표준품보다 더 높은 품질 속성 레벨을 포함하는, 보정 방법.
Claims (36)
- 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서,
제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플 및 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하도록 추가로 구성되는, 제1 MAM 기반 기기;
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서;
제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고,
상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며,
상기 제2 MAM 기반 기기는, 제2 샘플 및 상기 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성되는, 제2 MAM 기반 기기; 및
상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품에 기초하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템. - 제1항에 있어서,
상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 MAM 반복을 통해, 품질 속성을 결정하는, 보정 시스템. - 제2항에 있어서,
상기 품질 속성은, 상기 제1 샘플 동형체, 단백질, 또는 식별된 불순물 중 어느 하나인, 보정 시스템. - 제2항에 있어서,
상기 품질 속성은, 단편화, 산화, 당화, 히드록실화, 순서 변이, 이성질화, 탈아미노화, C-말단 리신, O-연결 글리칸, 및/또는 N-연결 글리칸 중 어느 하나 이상을 한정하는, 보정 시스템. - 제2항에 있어서,
상기 제1 MS 기기와 연관된 상기 하나 이상의 프로세서는, 상기 품질 속성을 포함하는 리포트를 생성하도록 구성되는, 보정 시스템. - 제1항에 있어서,
제1 기기 모델은 상기 제2 기기 모델과 상이한, 보정 시스템. - 제1항에 있어서,
제1 설정 세트는 상기 제2 설정 세트와 상이한, 보정 시스템. - 제1항에 있어서,
상기 제1 보정 계수 세트는, 상기 제1 표준품 동형체의 이온 강도 값, 및 상기 제1 표준품 동형체의 제1 표준품 존재비 값에 기초하는, 보정 시스템. - 제1항에 있어서,
상기 제1 보정 계수 세트는, 상기 제1 샘플 존재비 값 세트와 연관된 반응 인자를 보정하여 상기 제1 샘플 동형체의 이온 강도 값을 결정하는, 보정 시스템. - 제1항에 있어서,
상기 제1 샘플 존재비 값 세트는, 상기 제1 샘플 동형체의 이온 강도 값에 추가로 기초하는, 보정 시스템. - 제1항에 있어서,
상기 제1 MAM 기반 기기는 질량 분석(MS) 기기인, 보정 시스템. - 제1항에 있어서,
상기 제1 MAM 기반 기기는 삼중-사중극자 기기인, 보정 시스템. - 제1항에 있어서,
상기 제1 MS 기기와 연관된 하나 이상의 프로세서는, 컴퓨터 네트워크를 통해, 상기 제2 MS 기기와 연관된 상기 하나 이상의 프로세서에 통신 가능하게 연결되는, 보정 시스템. - 제1항에 있어서,
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서는, 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서인, 보정 시스템. - 제1항에 있어서,
상기 제1 MAM 기반 기기는 제1 지리적 위치의 제1 검사실에 위치되며,
상기 제2 MAM 기반 기기는 제2 지리적 위치의 제2 검사실에 위치되는, 보정 시스템. - 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서,
제1 검출기를 포함하는 제1 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계;
상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계;
제1 MAM 반복 동안 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계;
상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 포함하는, 단계;
제2 검출기를 포함하는 제2 MAM 기반 기기에서, 제2 샘플 및 상기 표준품을 수용하는 단계;
상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계;
제2 MAM 반복 동안 상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계;
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며,
상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고,
상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 포함하며,
상기 제2 기기 조건은 상기 제1 기기 조건과 상이하고,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법. - 런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 보정 방법으로서,
제1 시간 기간 동안 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계;
상기 제1 시간 기간 동안 상기 MAM 기반 기기의 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계;
상기 제1 시간 기간 동안의 제1 MAM 반복 동안 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계;
상기 제1 시간 기간 동안 상기 제1 MAM 반복으로 상기 하나 이상의 프로세서를 통해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하고, 상기 MAM 기반 기기는, 상기 제1 시간 기간 동안, 제1 설정 세트에 의해 한정된 제1 기기 조건을 포함하는, 단계;
제2 시간 기간 동안 상기 MAM 기반 기기에서, 제2 샘플 및 상기 표준품을 수용하는 단계;
상기 제2 시간 기간 동안 상기 MAM 기반 기기의 상기 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계;
상기 제2 시간 기간 동안의 제2 MAM 반복 동안 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계; 및
상기 제2 시간 기간 동안 상기 제2 MAM 반복으로 상기 하나 이상의 프로세서를 통해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며,
상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고,
상기 MAM 기반 기기는, 상기 제2 시간 기간 동안, 제2 설정 세트에 의해 한정된 제2 기기 조건을 포함하며,
상기 제2 기기 조건은 상기 제1 기기 조건과 상이하고,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는,
런타임 신호 강도 보정을 통해 다수의 시간 기간 동안 MAM 기반 기기의 변동성을 감소시키기 위한 보정 방법. - 제17항에 있어서,
상기 하나 이상의 프로세서는 품질 속성을 결정하는, 보정 방법. - 제18항에 있어서,
상기 품질 속성은, 상기 제1 샘플 동형체, 상기 제2 샘플 동형체, 단백질, 또는 식별된 불순물 중 어느 하나인, 보정 방법. - 제18항에 있어서,
상기 하나 이상의 프로세서는, 상기 품질 속성의 리포트를 생성하도록 구성되는, 보정 방법. - 제1항에 있어서,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 시스템. - 제16항에 있어서,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 방법. - 제17항에 있어서,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 상기 변량값은 적어도 25%만큼 감소되는, 보정 방법. - 제1항에 있어서,
상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 시스템. - 제16항에 있어서,
상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 방법. - 제17항에 있어서,
상기 제1 샘플은 단백질 분해 펩티드의 제1 샘플이며, 상기 제2 샘플은 상기 단백질 분해 펩티드의 제2 샘플이고, 상기 표준품은 상기 단백질 분해 펩티드의 표준품인, 보정 방법. - 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서,
제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플 및 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하도록 추가로 구성되며, 상기 제1 샘플은 제1 제조 유형을 갖는, 제1 MAM 기반 기기;
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서;
제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고,
상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며,
상기 제2 MAM 기반 기기는, 제2 샘플 및 상기 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하도록 추가로 구성되며, 상기 제2 샘플은 제2 제조 유형을 갖고,
상기 제1 제조 유형은 상기 제2 제조 유형과 상이하여, 상기 제1 샘플과 상기 제2 샘플 간의 변량을 유발하며, 상기 변량은 샘플 제조 동안 속성 존재비의 인위적인 변경으로 인해 야기되는, 제2 MAM 기반 기기; 및
상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품에 기초하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되고,
(1) 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서, 또는 (2) 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서 중 적어도 하나는, 상기 제1 MAM 반복을 통해, 또는 상기 제2 MAM 반복을 통해, 품질 속성을 결정하여 상기 제1 샘플과 상기 제2 샘플 간의 상기 변량을 감소시키며,
상기 품질 속성은, 2형 속성 또는 3형 속성과 연관되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템. - 제27항에 있어서,
상기 2형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 감소를 유발하는, 보정 시스템. - 제27항에 있어서,
상기 3형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 증가를 유발하는, 보정 시스템. - 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서,
제1 MAM 기반 기기에서, 제1 샘플 및 표준품을 수용하는 단계로서, 상기 제1 MAM 기반 기기는 제1 검출기를 포함하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖는, 단계;
상기 제1 MAM 기반 기기의 상기 제1 검출기에 의해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하는 단계로서, 상기 제1 샘플은 제1 제조 유형을 갖는, 단계;
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품에 기초하는, 단계;
상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 단계;
제2 MAM 기반 기기에 의해, 제2 샘플 및 상기 표준품을 수용하는 단계로서, 상기 제2 MAM 기반 기기는 제2 검출기를 포함하고, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 가지며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이한, 단계;
상기 제2 MAM 기반 기기의 상기 제2 검출기에 의해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하는 단계로서, 상기 제2 샘플은 제2 제조 유형을 갖고, 상기 제1 제조 유형은 상기 제2 제조 유형과 상이하여, 상기 제1 샘플과 상기 제2 샘플 간의 변량을 유발하며, 상기 변량은 샘플 제조 동안 속성 존재비의 인위적인 변경으로 인해 야기되는, 단계;
상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품에 기초하는, 단계; 및
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며,
상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되며,
(1) 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서, 또는 (2) 상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서 중 적어도 하나는, 상기 제1 MAM 반복을 통해, 또는 상기 제2 MAM 반복을 통해, 품질 속성을 결정하여 상기 제1 샘플과 상기 제2 샘플 간의 상기 변량을 감소시키며,
상기 품질 속성은, 2형 속성 또는 3형 속성과 연관되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법. - 제30항에 있어서,
상기 2형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 감소를 유발하는, 보정 방법. - 제30항에 있어서,
상기 3형 속성은, 상기 제1 샘플 또는 상기 제2 샘플의 제조 동안 존재비의 증가를 유발하는, 보정 방법. - 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템으로서,
제1 검출기를 포함하는 제1 MAM 기반 기기로서, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖고, 상기 제1 MAM 기반 기기는, 제1 샘플, 표준품, 및 스트레스 가해진 표준품을 수용하도록 구성되며, 상기 제1 MAM 기반 기기는, 상기 제1 검출기를 통해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 스트레스 가해진 표준품 동형체를 검출하도록 추가로 구성되는, 제1 MAM 기반 기기;
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서로서, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하도록 구성되고, 상기 제1 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하며, 상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서;
제2 검출기를 포함하는 제2 MAM 기반 기기로서, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 갖고,
상기 제2 기기 조건은 상기 제1 기기 조건과 상이하며,
상기 제2 MAM 기반 기기는, 제2 샘플, 상기 표준품, 및 상기 스트레스 가해진 표준품을 수용하도록 구성되고, 상기 제2 MAM 기반 기기는, 상기 제2 검출기를 통해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 제2 스트레스 가해진 표준품 동형체를 검출하도록 추가로 구성되는, 제2 MAM 기반 기기; 및
상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서를 포함하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하도록 구성되고, 상기 제2 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하며,
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서는, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하도록 추가로 구성되고, 상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하며,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키도록 구성된 보정 시스템. - 제33항에 있어서,
상기 스트레스 가해진 표준품은, 상기 표준품보다 더 높은 품질 속성 레벨을 포함하는, 보정 시스템. - 런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법으로서,
제1 MAM 기반 기기에서, 제1 샘플, 표준품, 및 스트레스 가해진 표준품을 수용하는 단계로서, 상기 제1 MAM 기반 기기는 제1 검출기를 포함하고, 상기 제1 MAM 기반 기기는, (1) 제1 기기 모델 또는 (2) 제1 설정 세트 중 적어도 하나에 의해 한정된 제1 기기 조건을 갖는, 단계;
상기 제1 MAM 기반 기기의 상기 제1 검출기에 의해, 상기 제1 샘플로부터 제1 샘플 동형체를 검출하고, 상기 표준품으로부터 제1 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 스트레스 가해진 표준품 동형체를 검출하는 단계;
상기 제1 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제1 MAM 반복을 통해, 상기 제1 샘플 동형체에 대응하는 제1 보정 계수 세트를 결정하는 단계로서, 상기 제1 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하는, 단계;
상기 제1 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제1 샘플 동형체에 대응하는 제1 샘플 존재비 값 세트를 결정하는 단계로서, 상기 제1 샘플 존재비 값 세트는 상기 제1 보정 계수 세트에 기초하는, 단계;
제2 MAM 기반 기기에서, 제2 샘플, 상기 표준품, 및 상기 스트레스 가해진 표준품을 수용하는 단계로서, 상기 제2 MAM 기반 기기는 제2 검출기를 포함하고, 상기 제2 MAM 기반 기기는, (1) 제2 기기 모델 또는 (2) 제2 설정 세트 중 적어도 하나에 의해 한정된 제2 기기 조건을 가지며, 상기 제2 기기 조건은 상기 제1 기기 조건과 상이한, 단계;
상기 제2 MAM 기반 기기의 상기 제2 검출기에 의해, 상기 제2 샘플로부터 제2 샘플 동형체를 검출하고, 상기 표준품으로부터 제2 표준품 동형체를 검출하며, 상기 스트레스 가해진 표준품으로부터 제2 스트레스 가해진 표준품 동형체를 검출하는 단계;
상기 제2 MAM 기반 기기와 연관된 하나 이상의 프로세서에 의해, 제2 MAM 반복을 통해, 상기 제2 샘플 동형체에 대응하는 제2 보정 계수 세트를 결정하는 단계로서, 상기 제2 보정 계수 세트는 상기 표준품 및 상기 스트레스 가해진 표준품에 기초하는, 단계; 및
상기 제2 MAM 기반 기기와 연관된 상기 하나 이상의 프로세서에 의해, 상기 제2 샘플 동형체에 대응하는 제2 샘플 존재비 값 세트를 결정하는 단계를 포함하며,
상기 제2 샘플 존재비 값 세트는 상기 제2 보정 계수 세트에 기초하고,
상기 제1 샘플 존재비 값 세트 및 상기 제2 샘플 존재비 값 세트의 변량값은, 상기 제1 보정 계수 세트 및 상기 제2 보정 계수 세트에 기초하여 감소되는,
런타임 신호 강도 보정을 통해 다속성 방법(MAM)의 검사실간 또는 기기간 변동성을 감소시키기 위한 보정 방법. - 제35항에 있어서,
상기 스트레스 가해진 표준품은, 상기 표준품보다 더 높은 품질 속성 레벨을 포함하는, 보정 방법.
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201862763110P | 2018-06-08 | 2018-06-08 | |
| US62/763,110 | 2018-06-08 | ||
| US201862746323P | 2018-10-16 | 2018-10-16 | |
| US62/746,323 | 2018-10-16 | ||
| PCT/US2019/035682 WO2019236776A1 (en) | 2018-06-08 | 2019-06-06 | Systems and methods for reducing lab- to-lab and/or instrument-to-instrument varibility of multi-attribute method (mam) by run-time signal intensity calibrations |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20210015865A true KR20210015865A (ko) | 2021-02-10 |
Family
ID=68769575
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020207036670A KR20210015865A (ko) | 2018-06-08 | 2019-06-06 | 런타임 신호 강도 보정에 의해 다속성 방법(mam)의 검사실간 및/또는 기기간 변동성을 감소시키기 위한 시스템 및 방법 |
Country Status (15)
| Country | Link |
|---|---|
| US (1) | US11854779B2 (ko) |
| EP (1) | EP3803940A4 (ko) |
| JP (1) | JP7346464B2 (ko) |
| KR (1) | KR20210015865A (ko) |
| CN (1) | CN112424907B (ko) |
| AU (1) | AU2019282692A1 (ko) |
| BR (1) | BR112020024963A2 (ko) |
| CA (1) | CA3101523A1 (ko) |
| CL (1) | CL2020003182A1 (ko) |
| IL (1) | IL278948B (ko) |
| MA (1) | MA52807A (ko) |
| MX (1) | MX2020013218A (ko) |
| SG (1) | SG11202012118YA (ko) |
| TW (1) | TWI834674B (ko) |
| WO (1) | WO2019236776A1 (ko) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP4195237A4 (en) * | 2020-08-07 | 2024-10-02 | Shimadzu Corp | METHOD FOR CORRECTING MACHINE DIFFERENCES FOR MASS SPECTROMETRY DEVICES |
| US20220245408A1 (en) * | 2021-01-20 | 2022-08-04 | Rutgers, The State University Of New Jersey | Method of Calibration Using Master Calibration Function |
| WO2023240012A1 (en) * | 2022-06-07 | 2023-12-14 | Bio-Rad Laboratories, Inc. | Cloud-based quality control data management |
| CN118311188B (zh) * | 2024-06-11 | 2024-08-16 | 信联电子材料科技股份有限公司 | 杂质检测方法及设备、电子设备、可读存储介质 |
Family Cites Families (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6441388B1 (en) | 1998-10-13 | 2002-08-27 | Rio Grande Medical Technologies, Inc. | Methods and apparatus for spectroscopic calibration model transfer |
| US20030101002A1 (en) * | 2000-11-01 | 2003-05-29 | Bartha Gabor T. | Methods for analyzing gene expression patterns |
| EP1686372A4 (en) | 2003-11-21 | 2009-04-01 | Eisai R&D Man Co Ltd | QUANTIFICATION METHOD USING AN ISOTOPE-MARKED INTERNAL CALIBRATION, ANALYSIS SYSTEM FOR EXECUTING THE QUANTIFICATION METHOD AND ASSOCIATED SEPARATION PROGRAM |
| US20070054345A1 (en) * | 2004-05-19 | 2007-03-08 | Hunter Christie L | Expression quantification using mass spectrometry |
| US20080206737A1 (en) | 2004-05-19 | 2008-08-28 | Hunter Christie L | Expression quantification using mass spectrometry |
| US8399827B1 (en) * | 2007-09-10 | 2013-03-19 | Cedars-Sinai Medical Center | Mass spectrometry systems |
| DE102009030395A1 (de) * | 2009-06-25 | 2011-05-26 | Tecan Trading Ag | Differnziertes chromatographisches Analysenverfahren zur Kompensation von Varianzen in der signalerzeugenden Einheit bei quantifizierenden chromatographischen Analysen |
| ITMI20110535A1 (it) * | 2011-03-31 | 2012-10-01 | Simone Cristoni | Sistema di analisi per l'analisi chimica quantitativa di campioni, in particolare in ambito medico, con calibrazione della risposta strumentale della strumentazione utilizzata per rilevare i dati quantitativi degli analiti presenti nei campioni anali |
| EP2780690A4 (en) * | 2011-11-18 | 2015-12-09 | Alnylam Pharmaceuticals Inc | QUANTIFICATION OF TRANSTHYRETIN AND ITS ISOFORMS |
| DK2834835T3 (en) * | 2012-04-02 | 2019-01-14 | Thermo Fisher Scient Bremen Gmbh | METHOD AND DEVICE FOR IMPROVED QUANTIFICATION BY MASS SPECTROMETRY |
| TWI585937B (zh) | 2014-08-01 | 2017-06-01 | 乾坤科技股份有限公司 | 具有順形電磁屏蔽結構的半導體封裝件及其製作方法 |
| GB201500377D0 (en) * | 2015-01-09 | 2015-02-25 | Micromass Ltd | Lock mass using chromatographic peaks |
| EP3304369A1 (en) * | 2015-06-05 | 2018-04-11 | Abbott Point Of Care, Inc. | Systems and methods for assuring quality compliance of point-of-care instruments used with single-use testing devices |
-
2019
- 2019-06-06 MX MX2020013218A patent/MX2020013218A/es unknown
- 2019-06-06 KR KR1020207036670A patent/KR20210015865A/ko not_active Application Discontinuation
- 2019-06-06 CA CA3101523A patent/CA3101523A1/en active Pending
- 2019-06-06 MA MA052807A patent/MA52807A/fr unknown
- 2019-06-06 EP EP19814633.4A patent/EP3803940A4/en active Pending
- 2019-06-06 BR BR112020024963-7A patent/BR112020024963A2/pt unknown
- 2019-06-06 JP JP2020566732A patent/JP7346464B2/ja active Active
- 2019-06-06 CN CN201980036643.2A patent/CN112424907B/zh active Active
- 2019-06-06 SG SG11202012118YA patent/SG11202012118YA/en unknown
- 2019-06-06 WO PCT/US2019/035682 patent/WO2019236776A1/en unknown
- 2019-06-06 TW TW108119640A patent/TWI834674B/zh active
- 2019-06-06 AU AU2019282692A patent/AU2019282692A1/en active Pending
- 2019-06-06 US US16/972,742 patent/US11854779B2/en active Active
-
2020
- 2020-11-24 IL IL278948A patent/IL278948B/en unknown
- 2020-12-07 CL CL2020003182A patent/CL2020003182A1/es unknown
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021526209A (ja) | 2021-09-30 |
| EP3803940A1 (en) | 2021-04-14 |
| BR112020024963A2 (pt) | 2021-03-23 |
| JP7346464B2 (ja) | 2023-09-19 |
| CL2020003182A1 (es) | 2021-04-09 |
| SG11202012118YA (en) | 2021-01-28 |
| IL278948A (en) | 2021-01-31 |
| CN112424907A (zh) | 2021-02-26 |
| EP3803940A4 (en) | 2022-03-16 |
| TW202001243A (zh) | 2020-01-01 |
| MX2020013218A (es) | 2021-02-22 |
| IL278948B (en) | 2021-09-30 |
| AU2019282692A1 (en) | 2020-12-17 |
| CA3101523A1 (en) | 2019-12-12 |
| TWI834674B (zh) | 2024-03-11 |
| CN112424907B (zh) | 2022-06-14 |
| WO2019236776A1 (en) | 2019-12-12 |
| US20210265147A1 (en) | 2021-08-26 |
| MA52807A (fr) | 2021-04-14 |
| US11854779B2 (en) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11854779B2 (en) | Systems and methods for reducing lab-to-lab and/or instrument-to-instrument variability of multi-attribute method (MAM) by run-time signal | |
| US11728150B2 (en) | Methods and apparatuses for determining the intact mass of large molecules from mass spectrographic data | |
| Dotz et al. | Mass spectrometry for glycosylation analysis of biopharmaceuticals | |
| Haselberg et al. | Capillary electrophoresis–mass spectrometry for the analysis of intact proteins 2007–2010 | |
| Addona et al. | Multi-site assessment of the precision and reproducibility of multiple reaction monitoring–based measurements of proteins in plasma | |
| Jian et al. | A workflow for absolute quantitation of large therapeutic proteins in biological samples at intact level using LC-HRMS | |
| Sosic et al. | Application of imaging capillary IEF for characterization and quantitative analysis of recombinant protein charge heterogeneity | |
| Ozohanics et al. | GlycoMiner: a new software tool to elucidate glycopeptide composition | |
| Köcher et al. | Quality control in LC‐MS/MS | |
| Kim et al. | Targeted proteomics strategy applied to biomarker evaluation | |
| Oran et al. | Mass spectrometric immunoassay of intact insulin and related variants for population proteomics studies | |
| JP2008545972A (ja) | 保持時間整合を行うための方法および装置 | |
| CN107923873B (zh) | 高分子化合物的定量分析方法以及用于该定量分析的数据处理装置 | |
| US20180088094A1 (en) | Multiple attribute monitoring methodologies for complex samples | |
| Liu et al. | Subunit mass analysis for monitoring multiple attributes of monoclonal antibodies | |
| Kontostathi et al. | Development and validation of multiple reaction monitoring (MRM) assays for clinical applications | |
| Leitner et al. | SnapShot: mass spectrometry for protein and proteome analyses | |
| Deyanova et al. | Rapid fingerprinting of a highly glycosylated fusion protein by microfluidic chip‐based capillary electrophoresis–mass spectrometry | |
| US20210391035A1 (en) | Glycan structure analyzer and glycan structure analysis program | |
| Peltoniemi et al. | Novel data analysis tool for semiquantitative LC-MS-MS 2 profiling of N-glycans | |
| Lippold et al. | Glycoform analysis of intact erythropoietin by MALDI FT-ICR mass spectrometry | |
| Shipman et al. | Comprehensive N-glycan mapping using parallel reaction monitoring LC–MS/MS | |
| Mirzaei et al. | Halogenated peptides as internal standards (H-PINS): introduction of an MS-based internal standard set for liquid chromatography-mass spectrometry | |
| US20220189756A1 (en) | Glycan mass spectrometry data analyzer and program for analyzing glycan mass spectrometry data | |
| EA039676B1 (ru) | Системы и способы для уменьшения изменчивости многопараметрического способа (mam) между лабораториями и/или между приборами посредством калибровок интенсивности сигналов в ходе работы |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal |