TW202124922A - 基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀 - Google Patents

基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀 Download PDF

Info

Publication number
TW202124922A
TW202124922A TW109136888A TW109136888A TW202124922A TW 202124922 A TW202124922 A TW 202124922A TW 109136888 A TW109136888 A TW 109136888A TW 109136888 A TW109136888 A TW 109136888A TW 202124922 A TW202124922 A TW 202124922A
Authority
TW
Taiwan
Prior art keywords
biological
raman
classification model
configurable
palm
Prior art date
Application number
TW109136888A
Other languages
English (en)
Inventor
羅伯特 蘇託
大衛 米朗琪
Original Assignee
美商安進公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 美商安進公司 filed Critical 美商安進公司
Publication of TW202124922A publication Critical patent/TW202124922A/zh

Links

Images

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/65Raman scattering
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02Details
    • G01J3/0264Electrical interface; User interface
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/02Details
    • G01J3/0272Handheld
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01JMEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
    • G01J3/00Spectrometry; Spectrophotometry; Monochromators; Measuring colours
    • G01J3/28Investigating the spectrum
    • G01J3/44Raman spectrometry; Scattering spectrometry ; Fluorescence spectrometry
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/02Mechanical
    • G01N2201/022Casings
    • G01N2201/0221Portable; cableless; compact; hand-held
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00Features of devices classified in G01N21/00
    • G01N2201/12Circuits of general importance; Signal processing
    • G01N2201/129Using chemometrical methods

Landscapes

  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

描述了用於基於拉曼光譜法鑒定生物產品的可配置掌上型生物分析儀和相關之生物分析方法。將生物分類模型配置載入到具有處理器和掃描器的可配置掌上型生物分析儀的電腦記憶體中。該生物分類模型配置包括生物分類模型,該生物分類模型被配置為接收如由掃描器掃描的定義生物產品樣本的基於拉曼的光譜資料集。執行光譜預處理演算法以減小該基於拉曼的光譜資料集的光譜偏差。該生物分類模型基於該基於拉曼的光譜資料集並且進一步基於分類成分來鑒定生物產品類型,該分類成分被選擇為減小(1)Q殘差或(2)該生物分類模型的擬合概要值中的至少一項。該生物分類模型配置可轉移且可載入到其他可配置掌上型生物分析儀上。

Description

基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析 儀
本揭露內容總體上關於可配置掌上型生物分析儀,並且更具體地,關於用於使用可配置掌上型生物分析儀基於拉曼光譜法對生物產品進行鑒定或分類之系統及方法。
藥物產品和生物技術產品的開發和製造通常需要對用於開發此類產品的原材料進行測量或鑒定。對產品進行鑒定測試之目的係確保產品的身份。需要進行鑒定測試的情況包括將產品分發到臨床網站、進口測試以及在網路網站之間進行轉移。另外,出於滿足品質標準和/或法規要求之目的,對生物產品的測量或鑒定對於確保開發或製造過程之品質以及最終產品本身之品質可能很重要。
使用拉曼光譜法來測量和鑒定生物產品係一個相對較新的概念。一般而言,拉曼光譜法可以用於探測原材料或產品的化學或生物學結構。拉曼光譜法係一種非破壞性的化學或生物分析技術,其測量光與產品或材料的 相互作用,諸如光與產品或材料的生物屬性或化學鍵的相互作用。拉曼光譜法提供了一種光散射技術,其中,樣本材料或產品的分子將來自高強度雷射源的入射光散射。通常,大多數散射光與雷射源具有相同的波長(顏色),並且不提供有用的資訊-這稱為瑞利散射。然而,少量的光以不同的波長(顏色)散射,這係由被分析的材料或產品的化學或分子結構引起的-這稱為拉曼散射,並且可以對這種散射光進行分析或掃描以生成被分析的材料或產品的基於拉曼的資料。
拉曼散射的分析可以得出有關材料或產品的特性之詳細資訊,包括材料或產品的化學結構和/或身份、污染物和雜質、相和多態性、結晶度、內在應力/應變、和/或分子相互作用等。這種詳細資訊可以存在於材料的拉曼光譜中。可以對拉曼光譜進行視覺化以示出各種光波長上的多個峰。拉曼光譜可以示出拉曼散射光的強度和波長位置。每個峰可以對應於與被分析的材料或產品相關聯的特定分子鍵振動。
通常,拉曼光譜針對特定的材料、分子或產品提供了獨特的化學或生物學「指紋」,並且可以用於驗證特定的材料、分子或產品的身份-和/或將其與其他物質區分開。另外,通常使用拉曼光譜庫基於材料的拉曼光譜來鑒定材料。即,可以搜索包含成千上萬個光譜的拉曼光譜庫,以找到具有被測量的給定材料或產品的拉曼光譜的匹配,從而鑒定給定的產品材料或產品。
當前存在實施拉曼光譜法來鑒定原材料和產品的分析儀。例如,Thermo Fisher Scientific Inc.(賽默飛世爾科技公司)提供了一種基於拉曼的掌上型分析儀,標識為TruScanTM RM掌上型拉曼分析儀。然而,由於對材料和/或產品(諸如藥物和生物技術的材料或產品,尤其是具有相似拉曼光譜的材料或產 品)的掃描偏差,使用這種現有的掃描器可能會出現問題。例如,相似產品的拉曼光譜之間的偏差可能導致現有的基於拉曼的掌上型分析儀無法正確鑒定,例如針對藥物產品或生物技術產品輸出1型錯誤(假陽性)或II型錯誤(假陰性)。偏差或錯誤的主要來源係基於拉曼的分析儀之間的差異,包括諸如軟體、製造、使用年限、(多個)部件、操作環境(例如溫度)中的任一者的可變性等差異、或基於拉曼的分析儀的其他此類差異。
已知方法通常無法解決由掌上型分析儀之間的偏差或可變性引起的錯誤。例如,在一種已知方法中,可以使用來自幾個分析儀的資料來開發靜態數學方程,以供在幾個分析儀之間使用。然而,一般而言,這種方法的困難在於儀器性能可能會隨時間變化。很多時候,例行存取所有該等儀器也是不切實際或不可能的。特別地,通常無法獲得用於構造靜態數學方程的資料,尤其是對於新分析儀,製造商可能不會提前為新分析儀提供新規格。這阻礙了靜態數學方程之開發和維護,尤其是隨時間而開發了這種新分析儀,並且考慮到靜態數學方程之開發通常需要大量樣本才能使不同的分析儀類型保持準確。此外,如果沒有針對新分析儀的此類新規格,則在新分析儀上執行靜態數學方程時,靜態數學方程可能會不相容。另外,例如,分析儀的製造或品質控制的差異(尤其是在不同製造商之間)會導致靜態數學方程對可變性的容忍度過高,從而導致創建的靜態數學方程本身對於生物產品的準確測量和/或鑒定而言過於可變。
在第二種已知方法中,對來自給定分析儀的資料進行標準化,其中為給定的一組分析儀創建父子(child-to-parent)儀器圖。然而,該方法受到限制,因為構造父子儀器圖通常需要來自父儀器和子儀器兩者的資料,這通常 實施或維護起來係困難的和/或在計算上昂貴,尤其是在較長時間段內新開發了幾代分析儀,從而需要父子儀器圖的許多排列和類型。另外,對於生物製藥行業,使用者對子儀器的存取受到限制,這也限制了父子儀器圖方法。
在第三種已知方法中,來自給定分析儀的資料也被標準化,但是其中分析儀之間的可變性被忽略或被視為微不足道。然而,考慮到分析儀與分析儀的可變性通常會影響原材料和/或生物產品的準確鑒定和測量,並因此應當予以考慮,因此這種方法不是理想的。
出於前述原因,需要用於基於拉曼光譜法鑒定生物產品的可配置掌上型生物分析儀和相關方法,其被配置為減小類似配置的可配置掌上型生物分析儀之間的可變性並提高其相容性。
本申請之揭露內容描述了經由(多個)掌上型分析儀使用拉曼光譜法來鑒定生物產品。此外,本說明書的揭露內容描述了可配置掌上型生物分析儀、系統及方法的使用,以克服通常與使用拉曼光譜測量生物產品的已知方法相關聯之限制。例如,某些生物產品之間的拉曼光譜可能過於相似,以至於無法藉由使用拉曼光譜揭露已知方法(該等方法通常取決於廣義的統計演算法)區分開。當存在儀器與儀器的可變性從而導致例如各種分析儀之間的I型和II型錯誤時,拉曼光譜測量可能會尤其成為問題。如本文所描述的,這種可變性可能由軟體、製造、使用年限、部件、操作環境(例如溫度)中的任何一個或多個差異、或基於拉曼的分析儀的其他差異引起。該問題本身尤其在生物產品的開發或製造期間表現出來,因為分析儀與分析儀的可變性可能是影響與藥物產品或生物產品有關的製造或開發過程中的品質、穩健性和/或可轉移性的關鍵因 素。因此,在本文揭露的各個實施方式中,例如,描述了可配置掌上型生物分析儀,其利用使用特定預處理演算法和/或多中繼資料分析的配置來(1)確保對材料或產品的測量和/或鑒定係敏感的和/或明確的,並且(2)確保如在第一組分析儀上開發的相容性和配置可轉移和/或可實施到附加分析儀,諸如分析儀的「網路」或一組分析儀內的新分析儀。
因此,在本文的各個實施方式中,揭露了一種用於基於拉曼光譜法鑒定生物產品的可配置掌上型生物分析儀。該可配置掌上型生物分析儀可以包括適於掌上型操縱的第一殼體。另外,該可配置掌上型生物分析儀可以包括由第一殼體承載的第一掃描器。該可配置掌上型生物分析儀可以包括通信地耦合到第一掃描器的第一處理器。該可配置掌上型生物分析儀可以進一步包括通信地耦合到第一處理器的第一電腦記憶體。在各個實施方式中,該第一電腦記憶體可以被配置為載入生物分類模型配置。該生物分類模型配置可以包括生物分類模型。該生物分類模型可以被配置為在第一處理器上執行。該第一處理器可以被配置為(1)接收如由第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集,並且(2)利用生物分類模型基於第一基於拉曼的光譜資料集來鑒定生物產品類型。該生物分類模型配置可以包括光譜預處理演算法。該第一處理器可以被配置為在第一處理器接收到第一基於拉曼的光譜資料集時執行該光譜預處理演算法以減小第一基於拉曼的光譜資料集的光譜偏差。另外,該生物分類模型可以包括被選擇以減小(1)生物分類模型的Q殘差、或(2)生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
在本文揭露的另外的實施方式中,揭露了一種用於基於拉曼光譜法鑒定生物產品之生物分析方法。該生物分析方法可以包括:將生物分類模型配置載入到具有第一處理器和第一掃描器的第一可配置掌上型生物分析儀的第 一電腦記憶體中。該生物分類模型配置可以包括生物分類模型。另外,該生物分析方法可以包括:該生物分類模型接收如由第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集。進一步地,該生物分析方法可以包括:執行生物分類模型的光譜預處理演算法以減小第一基於拉曼的光譜資料集的光譜偏差。更進一步地,該生物分析方法可以包括:利用生物分類模型基於第一基於拉曼的光譜資料集來鑒定生物產品類型。該生物分類模型可以包括被選擇以減小(1)生物分類模型的Q殘差、或(2)生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
在本文揭露的更進一步另外的實施方式中,描述了一種存儲用於基於拉曼光譜法鑒定生物產品的指令的有形非暫態電腦可讀介質(例如,電腦記憶體)。該等指令在由可配置掌上型生物分析儀的一個或多個處理器執行時,使該可配置掌上型生物分析儀的一個或多個處理器將生物分類模型配置載入到具有掃描器的可配置掌上型生物分析儀的電腦記憶體中。該生物分類模型配置可以包括生物分類模型。該生物分類模型可以接收如由掃描器掃描的定義生物產品樣本的基於拉曼的光譜資料集。另外,可配置掌上型生物分析儀的一個或多個處理器可以執行生物分類模型的光譜預處理演算法,以減小基於拉曼的光譜資料集的光譜偏差。可配置掌上型生物分析儀的一個或多個處理器可以利用生物分類模型根據基於拉曼的光譜資料集來鑒定生物產品類型。如各個實施方式中所述,該生物分類模型可以包括被選擇以減小(1)生物分類模型的Q殘差、或(2)生物分類模型的擬合概要值中的至少一項的分類成分。生物分類模型可以被配置為基於該分類成分來鑒定該生物產品樣本的生物產品類型。
本申請的益處包括開發在不同的分析儀(包括用於掃描用於構造生物分類模型的基於拉曼的資料集的不同分析儀)之間針對相同的藥物產品或 生物產品(例如,治療產品/藥物)產生一致的結果的(多個)生物分類模型(例如,(多個)多元分析模型)。如本文所描述的,可以使用多個分析儀或由這種分析儀生成的多個拉曼光譜資料集來構造生物分類模型。
進一步地,如本文所描述的,生物分類模型係可配置的並且可在可配置掌上型生物分析儀之間轉移,並且可以包括拉曼光譜預處理、分類成分選擇(例如,經由奇異值分解(SVD)分析)以及判別統計分析以減小可配置掌上型生物分析儀之間的可變性。例如,如本文所描述的生物分類模型的使用比現有分析儀有所改進,因為它減小了儀器/分析儀之間的可變性,不需要子儀器的資料即可開發,並且可以在實施不同軟體、具有不同軟體或軟體版本、具有不同的製造、使用年限、操作環境(例如溫度)、部件或其他此類差異的不同分析儀之間使用。
在各個實施方式中,Q殘差可以用作用於確定哪些生物分類模型可以容忍分析儀與分析儀的可變性之判別統計資料。其可以指示選擇哪個(哪些)生物分類模型以載入到可配置掌上型生物分析儀中。
此外,可以藉由應用預處理技術(例如,如本文所描述的光譜預處理演算法)來提高生物分類模型之準確性,以最小化生物分類模型的輸出的統計I型和/或II型錯誤,並因此改善在其上安裝/配置了生物分類模型的(多個)可配置掌上型生物分析儀之輸出。
另外,在一些實施方式中,(多個)可配置掌上型生物分析儀可以使用多元分析(例如,主成分分析(PCA))來確定用於生物分類模型的分類成分。這允許可配置掌上型生物分析儀區分具有相似配方之生物產品/藥物。這提供了一種靈活之方法,因為可以用各種、不同的和/或附加分類成分(例如,PCA生物分類模型的第二主成分)來生成生物分類模型,以對應於具有多種規格的產品(例如,有關迪諾舒單抗的產品)。
根據上述內容以及本文的揭露內容,本揭露內容包括電腦功能性的改進或對其他技術之改進,這至少是因為請求項敘述了例如用於基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀,該可配置掌上型生物分析儀係對現有掌上型生物分析儀之改進。即,本揭露內容描述了電腦本身或「任何其他技術或技術領域」的功能的改進,因為可配置掌上型生物分析儀係如本文所描述的計算裝置,並且經由其生物分類模型配置提供與現有掌上型生物分析儀相比減小的分析儀與分析儀的可變性。這比先前技術有所改善,至少是因為本文所描述的可配置掌上型生物分析儀在材料和/或產品(例如,治療產品)的測量、鑒定和/或分類方面提供了提高的準確性,這在藥物產品和/或其他此類生物產品的製造和開發中是重要的特徵。
另外,如本文所描述的可配置掌上型生物分析儀藉由使用生物分類模型配置而得到進一步改進,該生物分類模型配置係可轉移的、視需要可更新的(利用新資料)並且可載入到相容的(多個)可配置掌上型生物分析儀的記憶體中,這可以實現標準化,從而減小一組分析儀(即,分析儀的「網路」)之間的可變性。這減少了用於分析儀網路的可配置掌上型生物分析儀的維護和/或部署時間。
另外,藉由使用包括生物分類模型的生物分類模型配置,進一步改進了可配置掌上型生物分析儀。如本文所描述的,生物分類模型藉由消除或減少I型錯誤(例如,假陽性)和/或II型錯誤(例如,假陰性)提高了生物產品的鑒定和/或分類的準確性。
另外,本揭露內容包括利用特定機器或藉由使用特定機器(例如,基於拉曼光譜法鑒定生物產品(包括在此類產品的開發或製造期間鑒定生物產品)的可配置掌上型生物分析儀)來應用某些請求項要素。
此外,本揭露內容包括實現將特定物品轉換或還原為不同狀態或事物,例如,將拉曼光譜資料集轉換或還原為用於基於拉曼光譜法鑒定生物產品的不同狀態。
本揭露內容包括除本領域中眾所周知的例行常規活動之外的特定特徵,或添加將請求項限制在特定有用應用中的非常規步驟,例如,包括提供用於減小一組可配置掌上型生物分析儀(即,可配置掌上型生物分析儀的「網路」)之間的可變性的生物分類模型配置,其中每個可配置掌上型生物分析儀可以用於基於拉曼光譜法來鑒定生物產品。
對於熟悉該項技術者來說,根據以下對已經藉由說明的方式示出和描述的較佳的實施方式的描述,優點將變得更加明顯。如將認識到的,本發明實施方式可以具有其他和不同實施方式,並且可以在各個方面對其細節進行修改。因此,附圖和說明書將在本質上被視為是說明性的而非限制性的。
101:第一殼體
102:可配置掌上型生物分析儀
103:生物分類模型配置(例如,XML檔)
104:顯示幕
105:導航輪
106:第一掃描器
107:電子匯流排
108:第一電腦記憶體
109:輸入/輸出(I/O)部件
110:第一處理器
112:可配置掌上型生物分析儀
113:生物分類模型配置
114:可配置掌上型生物分析儀
115:生物分類模型配置
116:可配置掌上型生物分析儀
117:生物分類模型配置
120:電腦網路
130:電腦
132:資料庫
140:生物產品
200:生物分析方法
202:框
204:框
206:框
208:框
210:框
212:框
302:視覺化
302a:基於拉曼的光譜資料集
302b:基於拉曼的光譜資料集
302c:基於拉曼的光譜資料集
304:拉曼強度軸
306:拉曼位移軸(cm-1)
312:視覺化
312a:基於拉曼的光譜資料集
312b:基於拉曼的光譜資料集
312c:基於拉曼的光譜資料集
322:視覺化
322a:基於拉曼的光譜資料集
322b:基於拉曼的光譜資料集
322c:基於拉曼的光譜資料集
400:視覺化
404:Q殘差軸
405:合格與否判定閾值
406:Hotelling T2軸
407:合格與否判定閾值
411n:生物分析儀組
412m1:分析儀組
412m2:分析儀組
413n:生物分析儀組
450:視覺化
452m:分析儀組
454m:分析儀組
462n:分析儀組
500:視覺化
504:拉曼強度軸
506:拉曼位移軸
511:生物產品類型
511a:第一拉曼強度值
511c:局部特徵
511z:第二拉曼強度值
512:生物產品類型
512a:第一拉曼強度值
512c:局部特徵
512z:第二拉曼強度值
513:生物產品類型
513a:第一拉曼強度值
513c:局部特徵
513z:第二拉曼強度值
700:簡化Q殘差值的視覺化/曲線
702:開發分析儀
703:轉移測試分析儀
704:簡化Q殘差
706:線性索引
800:視覺化
802:可配置掌上型生物分析儀
804:簡化Q殘差
805:水平虛線
806:線性索引
810:視覺化
814:簡化Q殘差
815:水平虛線
816:線性索引
820:視覺化
824:簡化Q殘差
825:水平虛線
826:線性索引
830:視覺化
834:簡化Q殘差
835:水平虛線
836:線性索引
840:視覺化
844:Hotelling T2軸
845:水平虛線
846:線性索引
下文描述的附圖描繪了其中揭露的系統及方法之各方面。應當理解,每個附圖描繪了揭露的系統及方法的特定方面之實施方式,並且附圖中的每一個旨在與其可能的實施方式一致。進一步地,在任何可能的情況下,以下說明關於包括在以下附圖中之附圖標記,其中,在多個附圖中描繪的特徵係用一致附圖標記表示的。
在附圖中示出了當前討論之安排,然而,應當理解,本發明之實施方式不限於所示出的精確安排和儀器,在附圖中:
[圖1]展示了根據本文揭露的各個實施方式的用於基於拉曼光譜法鑒定生物產品之示例可配置掌上型生物分析儀。
[圖2]展示了根據本文揭露的各個實施方式的用於基於拉曼光譜法鑒定生物產品之生物分析方法之示例流程圖。
[圖3A]展示了根據本文揭露的各個實施方式的如由各種掌上型生物分析儀掃描的基於拉曼的光譜資料集之示例視覺化。
[圖3B]展示了如從圖3A的基於拉曼的光譜資料集修改而來的修改後的基於拉曼的光譜資料集之示例視覺化。
[圖3C]展示了歸一化的基於拉曼的光譜資料集之示例視覺化,作為圖3B的修改後的基於拉曼的光譜資料集的歸一化版本。
[圖4A]展示了生物分類模型的Q殘差之示例視覺化。
[圖4B]展示了生物分類模型的擬合概要值(例如,Hotelling T^2值)之示例視覺化。
[圖5]展示了根據本文揭露的各個實施方式的生物產品類型的拉曼光譜之示例視覺化。
[圖6A至圖6C]展示了根據本文揭露的各個實施方式之示例性電腦程式列表,該示例性電腦程式清單包括生物分類模型配置的偽代碼。
[圖7]展示了根據本文所描述的各個實施方式的簡化Q殘差之示例視覺化。
[圖8A至圖8D]各自展示了根據本文所描述的各個實施方式的如針對十八個不同的可配置掌上型生物分析儀評估的、針對目標產品的簡化Q殘差之示例視覺化。
[圖8E]展示了根據本文所描述的各個實施方式的如針對十八個不同的可配置掌上型生物分析儀評估的、針對目標產品的簡化擬合概要值之示例視覺化。
附圖僅用於說明目的描繪了較佳的實施方式。在沒有偏離本文所描述的本發明之原則之情況下,可以採用本文所展示的系統及方法之替代實施方式。
相關申請之引用
本申請要求(2019年10月25日提交的)美國臨時申請案號62/925,893以及(2020年6月25日提交的)美國臨時申請案號63/043,976的權益。前述臨時申請中的每一者之全文藉由引用併入本文。
圖1展示了根據本文揭露的各個實施方式的用於基於拉曼光譜法鑒定生物產品140之示例可配置掌上型生物分析儀102。在圖1的實施方式中,可配置掌上型生物分析儀102包括被模製或以其他方式被適配用於掌上型操縱的第一殼體101。另外,可配置掌上型生物分析儀102包括由第一殼體承載(例如,諸如直接或間接地耦合或連接至第一殼體)的第一掃描器106。可配置掌上型生物分析儀102還包括通信地耦合到第一掃描器106的第一處理器110。可配置掌上型生物分析儀102可以進一步包括通信地耦合到第一處理器110的第一電腦記憶體108。另外,可配置掌上型生物分析儀102可以包括用於從導航輪105接收輸入的輸入/輸出(I/O)部件109。例如,使用者可以操縱導航輪105以選擇或滾動生物產品的特定樣本的資料或資訊,例如,如從掃描生物產品140掃描的資料或資訊。輸入/輸出(I/O)部件109還可以控制測量資訊、鑒定資訊、分類資訊或如本文所描述的其他資訊在顯示幕104上的顯示。顯示幕104、導航輪105、第一掃描器106、第一電腦記憶體108、I/O部件109和/或第一處理器110中的每一個經由電子匯流排107通信地耦合,該電子匯流排被配置為在各種部件(包括104到110) 之間發送和/或接收電子信號(例如,控制信號)或資訊。在一些實施方式中,可配置掌上型生物分析儀102可以是基於拉曼的掌上型分析儀,諸如由Thermo Fisher Scientific Inc.提供的TruScanTM RM掌上型拉曼分析儀。
在各個實施方式中,第一電腦記憶體108被配置為載入生物分類模型配置,例如,生物分類模型配置103。生物分類模型配置103可以用於實施圖2的用於基於拉曼光譜法鑒定生物產品之生物分析方法,如本文進一步所描述的。
在圖1的實施方式中,生物分類模型配置103被實施為可延伸標記語言(XML)格式的XML檔。如本文的各個實施方式中所述,圖6A至圖6C展示了示例電腦程式列表,其包括XML格式的生物分類模型配置(例如,生物分類模型配置103)的偽代碼。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段1中,生物分類模型配置103的格式為XML,其中生物分類模型(「<model>」)係在生物分類模型配置103中定義的。生物分類模型配置103可在類似配置的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀112、114和/或116)上轉移、安裝和/或以其他方式實施或執行。可配置掌上型生物分析儀112、114和116中的每一個都包括與可配置掌上型生物分析儀102相同的部件,因此,可配置掌上型生物分析儀102的揭露內容同樣適用於每個可配置掌上型生物分析儀112、114和116。可配置掌上型生物分析儀102、112、114和116中的每一個可以是同一分析儀組或集合(即,包括分析儀「網路」或組)的一部分。在一些實施方式中,可配置掌上型生物分析儀102、112、114和/或116中的每一個可以具有相同、相似的特性或特徵和/或特性或特徵的不同混合,諸如相同、相似的(多個)軟體版本或(多個)類型、(多個)製造、(多個)使用年限、(多個)操作環境(例如溫度)、(多個)部件、或基於拉曼的分析儀的其他這種相似或不同之處和/或該等特性或特徵的不同混合。
不管可配置掌上型生物分析儀102、112、114和116之間的相同、相似的特性或特徵和/或特性或特徵的不同混合如何,生物分類模型配置103及其相關的生物分類模型都允許可配置掌上型網路生物分析儀(例如,可配置掌上型生物分析儀102、112、114和116)的網路在測量或鑒定藥物產品或生物產品(例如,治療產品/藥物)時產生一致的結果。即,儘管可配置掌上型生物分析儀的給定分析儀網路存在相似或不同之處,但是當這種可配置掌上型生物分析儀配置有如本文所描述的生物分類模型配置時,這種可配置掌上型生物分析儀可以準確地鑒定或測量給定的藥物產品或生物產品。
在各個實施方式中,可以使用多個分析儀來生成或構造生物分類模型配置103及其相關的生物分類模型。例如,在一些實施方式中,可以使用可配置掌上型生物分析儀102、112、114和116和/或其他分析儀(未示出)中的任何一個或多個來生成或構造生物分類模型。
生物分類模型配置103及其相關的生物分類模型的生成通常需要掃描(例如,生物產品140的)樣本的一組分析儀或分析儀網路以產生那些樣本的基於拉曼的光譜資料集。例如,例如藉由可配置掌上型生物分析儀102、112、114和116中的任何一個掃描生物產品140可以產生關於生物產品140之詳細資訊。例如,詳細資訊可以包括定義(例如,生物產品140的)(多個)生物產品樣本的(多個)基於拉曼的光譜資料集。如本文所描述的,生物產品140的示例可以包括迪諾舒單抗(denosumab)DP、帕尼單抗(panitumumab)DP、依那西普(etanercept)DP、培非格司亭(pegfilgrastim)DP、洛莫索珠單抗(romosozumab)DP、阿達木單抗(adalimumab)DS和/或艾諾維單抗(erenumab)DP中的任何一種(諸如,洛莫索珠單抗DP、阿達木單抗DS和/或艾諾維單抗DP)。然而,應當理解,本文考慮了附加生物產品,並且生物產品140不限於任何特定的生物產品或其分組。
在一些實施方式中,可配置掌上型生物分析儀102可以定義用於掃描(例如生物產品140的)樣本的基於儀器或分析儀的光譜獲取參數(例如,積分時間、雷射功率等)。例如,使用者可以經由導航輪105選擇光譜獲取參數以用於掃描樣本。在一些實施方式中,可配置掌上型生物分析儀102可以生成指定光譜獲取參數的輸出檔(例如,「.acq」檔類型的輸出檔)。
在一些實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)可以載入輸出檔(例如,「.acq」檔)以利用光譜獲取參數來配置可配置掌上型生物分析儀用於掃描目標產品。如本文所描述的,一個或多個可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)可以掃描(多個)基於拉曼的光譜資料集以生成生物分類模型配置(例如,生物分類模型配置103)。在一些實施方式中,可以選擇(例如,多個批次的)生物產品(例如,生物產品140)的(多個)樣本作為用於掃描的代表性目標產品。一般而言,如本文所描述的「目標產品」表示用於訓練或以其他方式配置生物分類模型配置及其相關模型的生物產品。一般而言,基於目標產品的生物學規格來選擇目標產品。一旦設置了光譜獲取參數以用於掃描目標產品,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)就可以(例如,利用第一掃描器106)掃描目標產品的樣本,在一些情況下掃描多次(例如十四(14)次),其中每次掃描都會生成詳細資訊,包括目標產品的(多個)基於拉曼的光譜資料集。
在類似的實施方式中,多個可配置掌上型生物分析儀(可配置掌上型生物分析儀102、112、114和/或116)可以載入輸出檔(例如,「.acq」檔),以利用光譜獲取參數來設置每個可配置掌上型生物分析儀用於掃描生物產品樣本。一旦設置,每個可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)就被配置為(例如,利用第一掃描器 106)進行掃描,在一些情況下掃描多次(例如,十四(14)次),其中每次掃描都會生成目標產品的詳細資訊,包括(多個)基於拉曼的光譜資料集。藉由利用不同的/多個掃描器掃描給定的目標產品,由該等掃描器捕獲的(多個)基於拉曼的光譜資料集變得穩健,因為(多個)基於拉曼的光譜資料集捕獲了掃描器之間(例如,由軟體、製造、使用年限、操作環境(例如溫度)等引起)的任何差異。以這種方式,(多個)基於拉曼的光譜資料集提供了用於減小如本文所描述的多個掃描器之間的可變性的理想訓練資料集。例如,如由多個掃描器(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)掃描的(多個)基於拉曼的光譜資料集中的每個資料集可以被輸出和/或保存為例如檔案類型為「.spc」的拉曼光譜文件。
應當理解,也可以以與對於目標產品相同或相似的方式針對挑戰產品捕獲(多個)基於拉曼的光譜資料集。如本文所使用的,「挑戰產品(challenge product)」描述了可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)在載入或以其他方式配置有如本文所描述的生物分類模型配置(例如,生物分類模型配置103)及其相關的生物分類模型時被配置為進行鑒定、分類或測量的生物產品(例如,選自生物產品140)。
可以以與目標產品相同/或相似的方式捕獲挑戰產品的(多個)基於拉曼的光譜資料集,其中可以基於挑戰產品的生物學規格選擇挑戰產品,並且其中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)可以載入輸出檔(例如「.acq」檔),以利用光譜獲取參數來配置可配置掌上型生物分析儀用於掃描挑戰產品。一旦設置,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)就被配置為(例如,利用第一掃描器106)掃描挑戰產品的樣本,在一些情況下掃描多次(例如,三(3)次),其中每次掃描都會生成挑戰產品的詳細資訊,包括(多個)基於拉曼的光譜資料集。例如,如 由可配置掌上型生物分析儀102掃描的(多個)基於拉曼的光譜資料集可以被輸出和/或保存為例如檔案類型為「.spc」的拉曼光譜文件。
在一些實施方式中,可以藉由諸如圖1所展示的電腦130之處理器等遠程處理器來執行生物分類模型配置(例如,生物分類模型配置103)的生成。例如,如本文所描述的針對生物產品(例如,選自生物產品140)生成的(多個)基於拉曼的光譜資料集可以被導入到建模軟體中和/或由建模軟體進行分析,該建模軟體在電腦130上執行、被配置為分析(多個)基於拉曼的光譜資料集。這種建模軟體的一個示例包括由Eigenvector Research,Inc.(特徵向量研究公司)提供的SOLO(獨立化學計量軟體)。然而,應當理解,也可以使用被實施為執行本文所描述的特徵的其他建模軟體,包括定製軟體或專有軟體。建模軟體可以根據(多個)基於拉曼的光譜資料集構建或生成生物分類模型。例如,在一些實施方式中,如本文所描述的,可以使用如針對(多個)目標產品掃描或捕獲的(多個)基於拉曼的光譜資料集來構建或生成生物分類模型。更進一步地,還可以使用(例如,目標產品或挑戰產品的)(多個)基於拉曼的光譜資料集來交叉驗證生物分類模型。例如,可以使用(多個)基於拉曼的光譜資料集對照(多個)基於拉曼的光譜資料集的交叉驗證資料集來評估生物分類模型的I型錯誤(例如,假陽性)和II型錯誤(例如,假陰性)。
在各個實施方式中,可以生成生物分類模型和/或其相關的生物分類模型配置(例如,生物分類模型配置103)以包括要由可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)用於如本文所描述的鑒定、分類和/或測量生物產品的演算法(例如,腳本)和參數。本文中關於圖2、圖6A和圖6B描述了演算法(例如,腳本)和/或參數的示例。例如,生物分類模型配置(例如,生物分類模型配置103)可以包括定義生物分類模型的細節的參數。例如,這樣的參數可以推斷出生物分類模型的分類成分的數量、負荷等。例如,在一 個實施方式中,可以例如由建模軟體藉由奇異值分解(SVD)分析來確定分類成分的數量,其中分類成分包括PCA的一個或多個主成分。可以將建模軟體配置為設置統計置信度,以確定要包括在生物分類模型中的分類成分(例如,主成分)。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段1中,生物分類模型配置指示生物分類模型(例如,定義為「<model>」)係PCA類型的生物分類模型。這表明生物分類模型的分類成分將是主成分。例如,在圖6A至圖6C的實施方式中,代碼片段2指示要經由要在可配置掌上型生物分析儀102的第一處理器110上執行的SVD分析(「演算法:SVD」)確定的主成分的數量將是一個(單一)主成分(「PC數:1」)。
作為另一示例,生物分類模型配置(例如,生物分類模型配置103)可以包括用於定義或實施(多個)光譜預處理演算法的電腦代碼或腳本,例如,如關於圖3A至圖3C所描述的。一般而言,可以在處理器(例如,第一處理器110)上執行用於定義或實施(多個)光譜預處理演算法的電腦代碼或腳本,其中,處理器接收生物產品(例如,生物產品140)的(多個)基於拉曼的光譜資料集。然後,可配置掌上型生物分析儀執行定義或實施(多個)光譜預處理演算法的電腦代碼或腳本以準備/預處理資料,以輸入到生物分類模型的(多個)分類成分中,從而如本文所描述的鑒定、測量或分類生物產品(例如,挑戰產品)。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段2中,生物分類模型配置包括示例光譜預處理演算法的執行序列(例如,「預處理:1階導數(階數:2,窗口:21pt,僅包括,尾部:polyinterp),SNV,均值中心化」),該執行序列包括對針對特定產品(例如,目標產品或挑戰產品)掃描的基於拉曼的光譜資料集確定一階導數、應用標準正態變數(SNV)演算法以及進一步應用均值中心化功能(meaning centering function)。本文關於圖3A至圖3C和圖6A至圖6C的代碼片段4至6對該執行序列的示例實施方式進行了描述和視覺化。
作為另一示例,生物分類模型配置(例如,生物分類模型配置103)可以包括用於生成生物分類模型的(多個)基於拉曼的光譜資料集。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段3中,生物分類模型配置(例如,生物分類模型配置103)包括用於生成圖6A至圖6C的生物分類模型的示例(多個)基於拉曼的光譜資料集。
在一些實施方式中,生物分類模型配置(例如,生物分類模型配置103)還可以定義閾值(例如,作為統計接受標準),以確定可配置掌上型生物分析儀102是否已成功鑒定或測量了生物產品。例如,此類閾值可以定義Q殘差或Hotelling T2值的合格與否閾值(如本文所描述的),以確定可配置掌上型生物分析儀102是否已成功鑒定或測量了生物產品。在其他實施方式中,可以獨立於生物分類模型配置(例如,生物分類模型配置103)來配置閾值,例如藉由使用者經由本文所描述的導航輪105和顯示幕104手動配置和/或定義閾值。
如本文所描述的,一旦生成,生物分類模型及其相關的生物分類模型配置(例如,生物分類模型配置103)就可以被匯出到檔(例如,如本文所描述的XML檔)以(例如,經由電腦網路120或本文描述的其他設備)傳輸到可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個或多個)和/或載入到可配置掌上型生物分析儀的記憶體中。在一些實施方式中,還可以將(多個)輸出檔(例如,如本文所描述的「.acq」檔)傳輸(例如,經由電腦網路120或本文所描述的其他設備)到可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個或多個)和/或載入到可配置掌上型生物分析儀的記憶體中。
生物分類模型可以由遠離給定的可配置掌上型生物分析儀的遠程處理器生成。例如,在圖1的實施方式中,電腦130包括遠離可配置掌上型生物分析儀102的遠程處理器。電腦130可以生成(例如,如本文所描述的)並且 將一個或多個生物分類模型配置和/或生物分類模型存儲在資料庫132中。在各個實施方式中,電腦130可以藉由電腦網路120將(多個)生物分類模型配置(例如,生物分類模型配置103、113、115和/或117中的任何一個)轉移到可配置掌上型生物分析儀(例如,分別轉移到可配置掌上型生物分析儀102、112、114和/或116)。在一些實施方式中,生物分類模型配置103、113、115和/或117中的每一個可以是相同檔(例如,相同XML檔)的副本。電腦網路120可以包括實施電腦分組協定(諸如,例如傳輸控制協議(TCP)/互聯網協議(IP))的有線和/或無線(例如,802.11標準網路)。在其他實施方式中,可以經由通用序列匯流排(USB)電纜(未示出)、記憶體驅動器(例如,快閃記憶體或拇指驅動器)(未示出)、磁碟(未示出)或其他用於轉移資料檔案(諸如本文揭露的XML檔)的轉移或存儲裝置電纜來轉移生物分類模型配置(例如,生物分類模型配置103)。在更進一步的實施方式中,可以經由諸如藍牙、WiFi等無線標準或協定或者經由諸如GSM、EDGE、CDMA等蜂窩標準來轉移生物分類模型配置103。
可以在可配置掌上型生物分析儀之間轉移生物分類模型配置(例如,生物分類模型配置103)。一旦轉移,就可以將生物分類模型配置載入到可配置掌上型生物分析儀的記憶體中,以將該可配置掌上型生物分析儀校準或配置為相對於實施或執行生物分類模型的其他可配置掌上型生物分析儀具有減小的可變性。例如,在一個實施方式中,生物分類模型配置103可以包括生物分類模型。生物分類模型配置103的生物分類模型可以被配置為在第一處理器110上執行。例如,第一處理器110可以被配置為(1)接收如由第一掃描器掃描的定義(例如,掃描生物產品140的)第一生物產品樣本的第一基於拉曼的光譜資料集,並且(2)利用生物分類模型基於第一基於拉曼的光譜資料集來鑒定生物產品 類型。例如,在一些實施方式中,生物產品類型可以是具有治療產品類型之治療產品。
可以例如藉由電腦網路120經由生物分類模型配置113將生物分類模型配置103的生物分類模型以電子方式轉移到可配置掌上型生物分析儀112。就像可配置掌上型生物分析儀102一樣,可配置掌上型生物分析儀112可以包括:被適配用於掌上型操縱的第二殼體、耦合到第二殼體的第二掃描器、通信地耦合到第二掃描器的第二處理器、以及通信地耦合到第二處理器的第二電腦記憶體。可配置掌上型生物分析儀112的第二電腦記憶體被配置為載入生物分類模型配置113。生物分類模型配置113包括生物分類模型配置103的生物分類模型。當在可配置掌上型生物分析儀112的第二處理器上實施或執行時,第二處理器被配置為(1)接收如由第二可配置掌上型生物分析儀112的第二掃描器掃描的定義(例如,藉由掃描生物產品140獲取的)第二生物產品樣本的第二基於拉曼的光譜資料集,並且(2)利用該生物分類模型基於第二基於拉曼的光譜資料集來鑒定生物產品類型。在這樣的實施方式中,藉由使用如藉由生物分類模型設定檔轉移的相同的生物分類模型鑒定出相同的生物產品或產品類型,其中,第二生物產品樣本係(例如,與第一可配置掌上型生物分析儀102分析的生物產品類型相同的)該生物產品類型的新樣本。
在各個實施方式中,新的或附加的(多個)基於拉曼的光譜資料集可以由可配置掌上型生物分析儀掃描,並用於更新生物分類模型。在這樣的實施方式中,如本文所描述的,可以將更新的生物分類模型轉移到可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)。
在一些實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)的電腦記憶體(例如,第一電腦記憶體108)可以被配置為載入新的生物分類模型,其中,新的生物分類模型可以包括更新的分類成分。 例如,可以針對如與新的生物分類模型配置(例如,生物分類模型配置103)一起接收的新的生物分類模型配置103生成或確定新分類成分。
如本文的各個實施方式中所描述的,可以藉由載入邏輯分類模型配置及其相關的生物分類模型來配置可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)。一旦進行了配置,可配置掌上型生物分析儀102就可以用於如本文所描述的鑒定、分類或測量感興趣產品(例如,挑戰產品和/或樣本)。
圖2展示了根據本文揭露的各個實施方式的用於基於拉曼光譜法鑒定生物產品(例如,生物產品140)之生物分析方法200之示例流程圖。生物分析方法200在框204處開始(202),將生物分類模型配置(例如,生物分類模型配置103)載入到具有第一處理器(例如,第一處理器110)和第一掃描器(例如,第一掃描器106)的第一可配置掌上型生物分析儀的第一電腦記憶體(例如,第一電腦記憶體108)中。在圖2的實施方式中,生物分類模型配置(例如,生物分類模型配置103)包括如本文所描述的生物分類模型。另外,在一些實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)可以將(例如,「.acq」檔的)光譜獲取參數載入到記憶體108中以用於掃描(多個)產品。
在框206處,生物分析方法200包括(例如,生物分類模型配置103的)生物分類模型接收如由第一掃描器(例如,第一掃描器106)掃描的定義第一生物產品樣本(例如,選自生物產品140)的第一基於拉曼的光譜資料集。
在框208處,生物分析方法200包括:例如處理器(例如,第一處理器110)執行生物分類模型的光譜預處理演算法以減小第一基於拉曼的光譜資料集的光譜偏差。光譜偏差係第一基於拉曼的光譜資料集與一個或多個對應的其他掌上型生物分析儀的一個或多個其他基於拉曼的光譜資料集之間的分析儀 與分析儀的光譜偏差。例如,在由可配置掌上型生物分析儀102掃描的基於拉曼的光譜資料集與由可配置掌上型生物分析儀112掃描的基於拉曼的光譜資料集之間可能存在光譜偏差。即使由每個分析儀掃描的每個基於拉曼的光譜資料集代表相同的生物產品類型,也可能存在光譜偏差。這種光譜偏差可能是由分析儀與分析儀的可變性和/或差異(如軟體)引起的,該等差異包括版本、製造、使用年限、操作環境(例如溫度)、部件的差異或如本文所描述的基於拉曼的分析儀的其他差異。
光譜預處理演算法被配置為減小第一基於拉曼之光譜資料集與一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差。例如,在各個實施方式中,(例如,在第一處理器110上)實施或執行光譜預處理演算法使與生物產品(例如,生物產品140)的鑒定相關聯的統計I型(例如,假陽性)和/或II型錯誤(例如,假陰性)最小化。在各個實施方式中,光譜預處理演算法可以減小多個可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)之間的分析儀與分析儀的光譜偏差。
圖3A至圖3C展示了可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)的光譜預處理演算法的示例執行序列。光譜預處理演算法的執行(例如,由第一處理器110執行)緩解並減輕了對每個分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116)而言唯一的差異的影響,並減小了由該等分析儀的掃描產生的基於拉曼的光譜資料集之間的偏差。圖3A展示了根據本文揭露的各個實施方式的如由一個或多個掌上型生物分析儀掃描的示例基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)的視覺化302。圖3A的基於拉曼的光譜資料集可以包括用於生成如本文所描述的生物分類模型配置(例如,生物分類模型配置103)及其相關的生物分類模型的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)。 例如,圖3A的基於拉曼的光譜資料集可以是在圖6A的代碼片段3中標識的那些資料集。
在一些實施方式中,圖3A的每個基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)可以表示由不同的可配置掌上型生物分析儀(例如,任何可配置掌上型生物分析儀102、112、114和/或116)進行的掃描。然而,在其他實施方式中,圖3A的每個基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)可以表示由同一可配置掌上型生物分析儀(例如,任何可配置掌上型生物分析儀102)進行的多次掃描。
圖3A描繪了跨拉曼強度值(在拉曼強度軸304上)和光波長/頻率值(在拉曼位移軸306上)視覺化的幾個基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)。拉曼強度軸304指示跨拉曼位移軸306的給定波長的散射光的強度。拉曼強度軸304可以示出如由分析儀(例如,可配置掌上型生物分析儀102)掃描的被生物產品樣本散射的許多光子(例如,其中資料/值3係由第一掃描器106測量/掃描的光子強度的相對量度)。拉曼位移軸306指示散射光的波數(例如,逆波長)。波數的單位(即,每釐米(cm)的波數(cm-1))提供了入射光與散射光之間的頻率差或波長差的指示。在圖3A的視覺化302中,位移軸306包括600cm-1至1500cm-1之範圍。拉曼強度軸304包括1到5的拉曼強度範圍。如圖3A所示,每個基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a拉曼、302b和302c)對在600cm-1至1500cm-1的光譜範圍內測量的拉曼強度值進行視覺化。
另外,在各個實施方式中,圖3A的每個基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)可以表示對具有相同生物產品類型的相同生物產品樣本的掃描。在這樣的實施方式中,如圖3A所示,即使(多個)可配置掌上型生物分析儀中的任何一個或多個可能已經掃描了具 有相同生物產品類型的相同生物產品樣本,基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)的(在拉曼強度軸304上的)拉曼強度值跨(在拉曼位移軸306上的)光波長/頻率值仍存在可變性。如本文所描述的,可變性可能是由可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)之間的軟體、製造、使用年限、(多個)光學部件、操作環境(例如溫度)或其他方面的差異引起的。
圖3B展示了如從圖3A的基於拉曼的光譜資料集修改而來的修改後的基於拉曼的光譜資料集之示例視覺化312。例如,圖3B可以表示光譜預處理演算法的執行序列的第一階段。圖3B的視覺化312包括與本文針對圖3A描述的相同的拉曼強度軸304和拉曼位移軸306。在圖3B的實施方式中,處理器(例如,第一處理器110)將導數變換應用於圖3A的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c)以生成如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)。具體地,在圖3B的實施方式中,應用具有11到15個點資料平滑的一階導數(即,確定11到15個拉曼位移值的連續組的拉曼加權平均值,並且然後對該等組應用一階導數變換)。換言之,圖3B所示的導數變換包括由處理器(例如,第一處理器110)確定在拉曼位移軸306上(拉曼強度軸304的)11至15個拉曼位移值的連續組的拉曼加權平均值,並且然後由處理器(例如,第一處理器110)確定在拉曼位移軸306上的那些拉曼加權平均值的對應導數。導數變換的應用緩解了例如由於瑞利散射/抑制光學器件和/或其他色散元件而引起的背景曲率的影響。藉由圖3A的視覺化302與圖3B的視覺化312的比較以圖形方式示出了這一點,其中,基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集302a、302b和302c,如圖3A所示)的偏差(例如,豎直和/或水平偏差)被移除或減小以產生 如圖3B所描繪的變化較少的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)。
藉由圖6A至圖6C的電腦程式列表進一步展示了如圖3B所視覺化的導數變換的應用。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段4中,生物分類模型配置包括可由可配置掌上型生物分析儀102的第一處理器110執行的腳本,該腳本應用如本文針對圖3B所描述的導數變換演算法。
圖3C展示了歸一化的基於拉曼的光譜資料集之示例視覺化322,作為圖3B的修改後的基於拉曼的光譜資料集的歸一化版本。例如,圖3C可以表示光譜預處理演算法的執行序列的接下來的一個或多個階段。圖3C的視覺化322包括與本文針對圖3A和圖3B描述的相同的拉曼強度軸304和拉曼位移軸306。例如,在一個實施方式中,如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)由處理器(例如,第一處理器110)跨拉曼位移軸306對準以產生如圖3C所描繪的對準的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。這種對準對如本文所描述的由分析儀與分析儀的偏差/差異引起的細微的y軸偏移(即,拉曼強度軸304)進行校正。藉由圖6A至圖6C的電腦程式列表進一步展示了如圖3C所視覺化的對準演算法的應用。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段6中,生物分類模型配置(例如,生物分類模型配置103)包括可由可配置掌上型生物分析儀102的第一處理器110執行的應用均值中心化演算法的腳本,該均值中心化演算法調整如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)的對準,以移除或減小該等修改的基於拉曼的光譜資料集的光譜偏差(例如,豎直和/或水平偏差)。這種調整導致如圖3C中所描繪的對準的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。
另外或可替代地,在另一實施方式中,如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)由處理器(例如,第一處理器110)跨拉曼強度軸304歸一化以產生如圖3C所描繪的對準的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。這樣的歸一化應用穩健的歸一化演算法以考慮如本文所描述的分析儀與分析儀的偏差/差異引起的強度軸變化(即,跨拉曼強度軸304的強度值的變化)。藉由圖6A至圖6C的電腦程式列表進一步展示了如圖3C所視覺化的歸一化演算法的應用。例如,在圖6A至圖6C的實施方式電腦程式列表的代碼片段5中,生物分類模型配置包括可由可配置掌上型生物分析儀102的第一處理器110執行的應用歸一化演算法的腳本,該歸一化演算法對如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)進行歸一化,以移除或減小該等修改的基於拉曼的光譜資料集的光譜偏差(例如,豎直和/或水平偏差)。這種歸一化導致如圖3C中所描繪的歸一化的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。特別地,在圖6A至圖6C的實施方式中,例如,第一處理器110將標準正態變數(SNV)演算法應用於如圖3B所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)以產生如圖3C所描繪的對準的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。
對準演算法和/或歸一化演算法的應用(例如,如針對圖3C所描述的)移除或減小了如圖3B中所描繪的修改後的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c)的光譜偏差。藉由圖3B的視覺化312與圖3C的視覺化322的比較以圖形方式示出了這一點,其中,基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集312a、312b和312c,如圖3B所示)的光譜偏差(例如,豎直和/或水平偏差)被移除或減小以產生如圖3C所描 繪的變化較少的對準和/或歸一化的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c)。
在圖2的框210處,生物分析方法200包括利用生物分類模型基於第一基於拉曼的光譜資料集(例如,如針對圖3A至圖3C視覺化和描述的基於拉曼的光譜資料集)來鑒定或分類生物產品類型。例如,在各個實施方式中,一旦例如如本文關於圖3A至圖3C和/或圖6A至圖6C所描述的(例如,由第一處理器110)執行了光譜預處理演算法的執行序列,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)就可以使用經預處理的基於拉曼的資料集(例如,如圖3C所描繪的對準和/或歸一化的基於拉曼的光譜資料集(例如,包括基於拉曼的光譜資料集322a、322b和322c))來鑒定或分類生物產品(例如,生物產品140)。
圖5展示了生物產品類型(例如,生物產品類型511、512和513)的拉曼光譜之示例視覺化500。可以根據本文揭露的各個實施方式基於分類成分利用生物分類模型(例如,生物分類模型配置103的生物分類模型)來鑒定、分類或以其他方式區分每個生物產品類型(例如,生物產品類型511、512和513)。在圖5的實施方式中,生物產品類型511、512和513中的每一個皆為不同的生物產品類型,分別包括阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)。圖5的視覺化500包括與本文針對圖3A和圖3B所描述的相同或相似的拉曼強度軸504和拉曼位移軸506。然而,生物產品類型511、512和513中的每一個描繪了其自己單獨的拉曼位移軸,其中每個拉曼位移軸指示從0到約3的拉曼強度值。另外,拉曼位移軸506描繪了約0至3000cm-1的頻率/波長範圍。
如圖5所示,生物產品類型511、512和513中的每一個跨拉曼位移軸506(即,跨相同或相似的拉曼光譜範圍(例如,從0到3000cm-1的範圍,如 圖5所示))具有相似的圖案或「簽名(signature)」。這種相似的圖案/簽名使典型的分析儀難以準確地鑒定、分類或測量該等生物產品類型:阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)。當試圖鑒定、測量或分類這樣的生物產品類型時,典型的分析儀(未實施或執行如本文所描述的生物分類模型配置103)通常會產生大量的I型錯誤(例如,假陽性)和II型錯誤(例如,假陰性)。
然而,載入並執行了如本文所描述的生物分類模型配置(例如,生物分類模型配置103)的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)可以用於準確地鑒定、分類、測量或以其他方式區分生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)。這在圖5中進行了展示,其中,例如,生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)中的每一個藉由拉曼光譜的不同的局部特徵(例如,局部特徵511c、512c和513c)而被鑒定、分類和/或測量為彼此不同。在圖5的實施方式中,例如,生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)中的每一個的每個局部特徵511c、512c和513c跨拉曼位移軸506在1000cm-1至1100cm-1的範圍內是不同的。特別地,在1000cm-1到1100cm-1的範圍內,每個局部特徵511c、512c和513c具有不同的拉曼強度值(具有不同的形狀、峰值或其他獨特的/不同的相對強度),該等不同的拉曼強度值分別特定於生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)中的每一個。因此,獨特的局部特徵(例如,局部特徵511c、512c和513c)提供了產品特定資訊的來源,可配置 掌上型生物分析儀102可以使用該產品特定資訊如本文所描述的鑒定、分類或以其他方式區分生物產品。
另外或可替代地,關於圖5進一步展示了鑒定或分類,其中,例如,生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)中的每一個藉由它們各自的拉曼位移軸(即,跨越拉曼位移軸506)被鑒定、分類和/或測量為彼此不同(即使那些生物產品具有相似和/或相同的拉曼光譜)。例如,阿達木單抗DS(生物產品類型511)具有約1.9的第一拉曼強度值511a(在約2900的拉曼位移值處)和約2.25的第二拉曼強度值511z(在約140的拉曼位移值處)。相比之下,艾諾維單抗DP(生物產品類型512)具有約2.1的第一拉曼強度值512a(在約2900的拉曼位移值處)和約2.5的第二拉曼強度值512z(在約140的拉曼位移值處)。藉由進一步對比,洛莫索珠單抗DP(生物產品類型513)具有約1.5的第一拉曼強度值513a(在約2900的拉曼位移值處)和約2.05的第二拉曼強度值513z(在約140的拉曼位移值處)。
因此,如圖5的視覺化500所示,載入並執行了如本文所描述的生物分類模型配置(例如,生物分類模型配置103)的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)對不同分析儀之間的(例如,拉曼強度軸504的)拉曼強度值和拉曼特徵的整體形狀(即,在拉曼位移值的範圍內(拉曼位移軸506)的拉曼強度分佈曲線)的相對差異敏感。這係因為,至少部分地,載入並執行了如本文所描述的生物分類模型配置(例如,生物分類模型配置103)的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)已經利用如本文所描述的光譜預處理演算法預處理了生物產品類型阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)的每一個的掃描資料(基於拉曼的光譜資料集)。此外,如可配置 掌上型生物分析儀(例如,可配置掌上型生物分析儀102)所使用的生物分類模型進一步被配置為基於分類成分(即,實施具有分類成分的模型)來鑒定第一生物產品樣本的生物產品類型,這也減小了偏差,從而提高了可配置掌上型生物分析儀102鑒定第一生物產品樣本的生物產品類型的能力。
在各個實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)基於如從生物分類模型配置(例如,生物分類模型配置103)中載入的(多個)分類成分來鑒定、分類和/或測量生物產品(例如,生物產品140)的生物產品類型,諸如阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和洛莫索珠單抗DP(生物產品類型513)。例如,如經由生物分類模型配置103載入到可配置掌上型生物分析儀102中的生物分類模型可以包括被選擇以減小(1)生物分類模型的Q殘差、或(2)生物分類模型的擬合概要值中的至少一項的分類成分,Q殘差和擬合概要值中的每一個將在本文關於圖4A和圖4B進行描述。
如本文所使用的術語「分類成分」可以包括主成分分析(PCA)確定的主成分。更一般地,在其他實施方式中,分類成分可以是多元模型(諸如回歸模型或機器學習模型)的是數或變數。生物分類模型被配置為基於分類成分鑒定給定生物產品樣本(例如,選自生物產品140)之生物產品類型。
在一些實施方式中,生物分類模型可以被實施為PCA模型。PCA實施方式表示使用多元分析(例如,如由配置有生物分類模型配置103的可配置掌上型生物分析儀102所實施的那樣)來區分生物產品(例如生物產品140),諸如具有相似配方的治療產品/藥物(例如,如本文針對圖5所描述的)。例如,生物產品或藥物產品通常與高維資料相關聯。高維資料可以包括多個特徵,諸如在給定樣本(例如,掃描生物產品140的樣本)上測量的許多基因的表現。PCA提供了一種如由可配置掌上型生物分析儀102使用的用於簡化高維資料(例如, (多個)拉曼光譜資料集)的複雜性同時保留對於預測和/或鑒定目的(例如,如本文描述的鑒定生物產品)有用的趨勢和圖案的技術。例如,PCA的應用包括(例如,由第一處理器110)將資料集(例如,基於拉曼的光譜資料集)變換為更少的維度。經變換的較少維度的資料集提供了原始資料集的概要或簡化。進而,當由本文所描述的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)操縱時,經變換的資料集減少了計算費用。進一步地,如本文所描述的,藉由實施PCA還可以降低(多個)錯誤率,從而消除了在測試每個特徵與特定結果的關聯時將(多個)測試校正應用於更高維度的資料之需要。
另外,如由可配置掌上型生物分析儀102實施的PCA藉由將資料幾何投影到稱為主成分(PC)的較低維度上,並且藉由使用有限數量的PC來針對最佳的資料概要(以及因此PC),降低了資料複雜性。第一PC被選擇為最小化資料與資料在PC上的投影之間的總距離。類似地選擇任何第二(後續)PC,其中,另外還要求它們與所有先前的PC不相關。
PCA係一種無監督的學習方法,並且類似於聚類-其無需參考有關樣本是否來自不同來源(諸如不同的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116))的先驗知識即可找到趨勢或圖案。例如,在一些實施方式中,生物分類模型的分類成分可以是PCA模型的第一主成分。在這樣的實施方式中,第一主成分可以由第一處理器110基於奇異值分解(SVD)分析來確定。可配置掌上型生物分析儀102對第一主成分的使用限制或減少了由其生物分類模型所考慮的分析儀可變性的量。在一些實施方式中,第一主成分(PC)可以是唯一的主成分。在其他實施方式中,生物分類模型可以包括第二分類成分,其中,生物分類模型被配置為基於多個分類成分(第一分類成分和第二分類成分)來鑒定給定生物產品樣本(例如,生物產品140)的(多個)生物產品類型。
在圖6A至圖6C的實施方式電腦程式列表的代碼片段7中,生物分類模型配置(例如,生物分類模型配置103)定義了針對其生物分類模型指定的一組PCA預測。代碼片段7還提供了定義擬合概要統計值(例如,Hotelling T2值)和Q殘差/值的計算的腳本。代碼片段7的腳本可以由第一處理器110執行以基於Q殘差/值和Hotelling T2值來鑒定或分類生物產品(例如,生物產品140),如本文中例如關於圖4A和圖4B所描述的。
圖4A展示了生物分類模型的Q殘差之示例視覺化400。圖4A包括Q殘差軸404和Hotelling T2軸406。一般而言,Q殘差和Hotelling T2值係匯總統計資料,可以用於解釋模型(例如,生物分類模型配置103的生物分類模型)描述(例如,藉由掃描生物產品140獲取的)給定生物產品樣本的良好程度。圖4A繪製了多個生物掌上型分析儀的Q殘差和Hotelling T2值。一般而言,Q殘差為零(0)並且Hotelling T2值為零(0)的生物掌上型分析儀表示對產品的掃描沒有錯誤。
生物掌上型分析儀包括生物分析儀組411n、412m1、412m2和413n的生物掌上型分析儀。分析儀組411n表示掃描第一生物產品類型阿達木單抗DS的分析儀。分析儀組412m1和412m2各自表示掃描第二生物產品類型艾諾維單抗DP的分析儀。分析儀組413n表示掃描第三生物產品類型洛莫索珠單抗DP的分析儀。分析儀組412m1和412m2包括利用如本文所描述的生物分類模型配置(例如,生物分類模型配置103)以及相應生物分類模型配置並增強的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)。分析儀組411n和413n包括典型的生物分析儀,未利用生物分類模型配置或生物分類模型進行配置。
分析儀組411n和413n用作對照組,當與分析儀組412m1和412m2進行比較時,藉由減少的錯誤(例如,沿Q殘差軸404)展示了可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一 個)優於典型的分析儀(例如,分析儀組411n和413n中的分析儀)之改進。特別地,(例如,Q殘差軸404的)Q殘差提供了被計算為每個產品樣本的平方和的失擬統計資料。Q殘差表示在藉由給定模型(例如,如本文所描述的生物分類模型)投影之後每個樣本中剩餘的變化幅值。更一般地,如圖4A的實施方式所示,Q殘差值(沿Q殘差軸404)用作判別統計資料。Q殘差係藉由給定生物分類模型得出的「剩餘部分」或未解釋部分的量度。例如,在將生物分類模型實施為PCA模型(例如,將光譜投影在第一主成分上)的實施方式中,圖4A的值將示出在(例如,生物分析儀組411n、412m1、412m2和/或413n的)掃描資料由第一主成分投影之後的剩餘部分(殘差)。
在各個實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)包括被配置為當Q殘差滿足閾值時基於分類成分鑒定或分類(例如,從生物產品140獲取的)生物產品樣本的生物產品類型的(例如,生物分類模型配置103的)生物分類模型。在一些實施方式中,例如如由可配置掌上型生物分析儀102的第一處理器110實施或執行的生物分類模型基於閾值輸出合格與否判定。例如,在圖4A的實施方式中,跨Q殘差軸404的閾值「1」被選擇為合格與否判定閾值405。在這樣的實施方式中,實施生物分類模型的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)將鑒定或分類(即,「合格」)掃描資料(例如,(多個)拉曼光譜資料集)跨Q殘差軸404落入(即,低於)閾值1內的那些生物產品。否則,實施生物分類模型的生物分析儀(例如,可配置掌上型生物分析儀102)將不會鑒定或分類(即「不合格」)那些生物產品。
在圖4A的實施方式中,分析儀組412m1和412m2包括利用如本文所描述的生物分類模型配置(例如,生物分類模型配置103)以及相應生物分類模型配置並增強的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀 102、112、114和/或116中的任何一個)。分析儀組412m1和412m2中的可配置掌上型生物分析儀正確鑒定或分類了(即「合格」)生物產品(即,艾諾維單抗DP),其中,相關的掃描資料(例如,(多個)拉曼光譜資料集)在利用如本文所描述的光譜預處理演算法進行預處理時落入(即,低於)閾值1內,如視覺化400所示。
因此,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)的生物分類模型可以包括被選擇為減小生物分類模型的Q殘差的分類成分。以這種方式,生物分類模型被配置為基於分類成分來鑒定給定生物產品樣本的生物產品類型。一般而言,Q殘差最適合用於具有單一規格的生物產品之方法,其中批次與批次的可變性係分析儀之間的偏差的主要來源。相應地,如圖4A所示,Q殘差可以用作用於確定可以容忍分析儀與分析儀的可變性的模型(例如,本文所描述的生物分類模型)的判別統計資料。
圖4B展示了生物分類模型的擬合概要值(例如,Hotelling T2值)之示例視覺化450。一般而言,Hotelling T2值表示模型(例如,生物分類模型)內每個樣本的變化之量度。Hotelling T2值指示每個樣本與模型的「中心」(值0)相距多遠。換言之,Hotelling T2值係到模型中心的距離的指標。由於分析儀與分析儀的可變性,經常會出現與中心的距離。使用Hotelling T2值有利於鑒定具有多種規格的生物產品。在該等情況下,與批次與批次的變化(如上文關於圖4A中的Q殘差所描述的)相比,不同濃度的活性成分、賦形劑等導致拉曼光譜中的更顯著可變性。
在圖4B的實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)包括被配置為當擬合概要值(例如,Hotelling T2)滿足閾值時基於分類成分鑒定或分類(例如,從生物產品140獲取的)生物產品樣本的生物產品類型的(例如,生物分類模型配置103的)生物分類模型。圖4B包括 與本文針對圖4A所描述的相同的Q殘差軸404和Hotelling T2軸406。分析儀組452m表示掃描第一生物產品類型迪諾舒單抗DP(具有2種規格)的分析儀。分析儀組454m表示掃描第二生物產品類型迪諾舒單抗DS(具有1種規格)的分析儀。分析儀組462n表示掃描第三生物產品類型enbrel DP的分析儀。在圖4B的實施方式中,跨Hotelling T2軸406的閾值「1」被選擇為合格與否判定閾值407。在這樣的實施方式中,實施生物分類模型的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)將鑒定或分類(即,「合格」)掃描資料(例如,(多個)拉曼光譜資料集)落入(即,低於)Hotelling T2軸406的閾值1內的那些生物產品。否則,實施生物分類模型的生物分析儀(例如,可配置掌上型生物分析儀102)將不會鑒定或分類(即「不合格」)那些生物產品。
在圖4B的實施方式中,可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102)的生物分類模型可以包括被選擇為減小生物分類模型的擬合概要值(例如,Hotelling T2值)的分類成分。以這種方式,生物分類模型被配置為基於分類成分來鑒定給定生物產品樣本的生物產品類型。例如,分析儀組452m和454m包括利用如本文所描述的生物分類模型配置(例如,生物分類模型配置103)以及相應生物分類模型配置並增強的可配置掌上型生物分析儀(例如,可配置掌上型生物分析儀102、112、114和/或116中的任何一個)。分析儀組412m1和412m2中的可配置掌上型生物分析儀正確鑒定或分類了(即「合格」)生物產品(即,迪諾舒單抗DP和DS),其中,相關的掃描資料(例如,(多個)拉曼光譜資料集)在利用如本文所描述的光譜預處理演算法進行預處理時落入(即,低於)閾值1內,如視覺化450所示。相反,分析儀組462n可以表示未配置有如本文所描述的生物分類模型配置的分析儀。
如圖4A和圖4B中的每一個所示,(例如,Q殘差軸404的)Q殘差和/或Hotelling T2值中的每一個可以單獨使用或一起使用以鑒定或分類生物產 品。即,可配置掌上型生物分析儀102可以被配置為選擇或實施用於減小(1)生物分類模型的Q殘差和/或(2)生物分類模型的擬合概要值之一或兩者的分類成分。
如本文關於圖2、圖3A、圖3B、圖3C、圖4A、圖4B和圖5所描述的,生物分類模型可以被配置為基於分類成分來從具有不同或第二生物產品類型(例如,艾諾維單抗DP(生物產品類型512))的不同或第二生物產品樣本中鑒定、分類、測量或以其他方式區分具有給定生物產品類型(例如,阿達木單抗DS(生物產品類型511))的給定生物產品樣本。例如,如關於圖4A、圖4B和圖5所描述的,可配置掌上型生物分析儀102可以區分第一生物產品類型(例如,阿達木單抗DS(生物產品類型511))與不同的生物產品類型(例如,艾諾維單抗DP(生物產品類型512))。例如,如本文所描述的,一旦配置有生物分類模型配置103,可配置掌上型生物分析儀102就可以對如由第一掃描器106接收的基於拉曼的光譜資料集執行光譜預處理演算法(例如,如本文圖3A至圖3C所描述的)。一旦藉由光譜預處理演算法對基於拉曼的光譜資料集進行了預處理,可配置掌上型生物分析儀102就可以基於Q殘差和/或Hotelling T2值來鑒定或分類生物產品(例如,如本文針對圖4A和圖4B所描述的)。
在生物產品的開發或製造期間,可以由執行生物分類模型和/或光譜預處理演算法的可配置掌上型生物分析儀102(例如,藉由第一處理器110)鑒定生物產品的類型,該生物產品諸如具有給定的生物產品類型的生物產品140,例如,如本文所描述的阿達木單抗DS(生物產品類型511)、艾諾維單抗DP(生物產品類型512)和/或洛莫索珠單抗DP(生物產品類型513)中的任何一種。然而,應當理解,該等生物產品類型僅是示例,並且可以以與針對本文的各個實施方式所描述的相同或相似的方式來鑒定、分類、測量或以其他方式區分其他生物產品類型或生物產品。
本揭露之各方面
1.一種可配置掌上型生物分析儀,用於基於拉曼光譜法鑒定生物產品,該可配置掌上型生物分析儀包括:第一殼體,該第一殼體被適配用於手持操作;第一掃描器,該第一掃描器由該第一殼體承載;第一處理器,該第一處理器通信地耦合到該第一掃描器;以及第一電腦記憶體,該第一電腦記憶體通信地耦合到該第一處理器,其中,該第一電腦記憶體被配置為載入生物分類模型配置,該生物分類模型配置包括生物分類模型,其中,該生物分類模型被配置為在該第一處理器上執行,該第一處理器被配置為(1)接收如由該第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集,並且(2)利用該生物分類模型基於該第一基於拉曼的光譜資料集來鑒定生物產品類型,其中,該生物分類模型配置進一步包括光譜預處理演算法,該第一處理器被配置為在該第一處理器接收到該第一基於拉曼的光譜資料集時執行該光譜預處理演算法以減小該第一基於拉曼的光譜資料集的光譜偏差,並且其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
2.如方面1所述之可配置掌上型生物分析儀,其中,該生物分類模型配置能夠藉由電子方式轉移到第二可配置掌上型生物分析儀,該第二可配置掌上型生物分析儀包括:第二殼體,該第二殼體被適配用於手持操作;第二掃描器,該第二掃描器耦合到該第二殼體;第二處理器,該第二處理器通信地耦合到該第二掃描器;以及第二電腦記憶體,該第二電腦記憶體通信地耦合到該第二處理器,其中,該第二電腦記憶體被配置為載入該生物分類模型配置,該生物分類模型配置包括該生物分類模型,其中,該生物分類模型被配置為在該第二處理器上執行,該第二處理器被配置為(1)接收如由該第二掃描器掃描的 定義第二生物產品樣本的第二基於拉曼的光譜資料集,並且(2)利用該生物分類模型基於該第二基於拉曼的光譜資料集來鑒定該生物產品類型,其中,該第二生物產品樣本係該生物產品類型的新樣本。
3.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該光譜偏差係該第一基於拉曼的光譜資料集與一個或多個對應的其他掌上型生物分析儀的一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差,該一個或多個其他基於拉曼的光譜資料集中的每個資料集代表該生物產品類型,並且其中,該光譜預處理演算法被配置為減小該第一基於拉曼的光譜資料集與該一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差。
4.如方面3所述之可配置掌上型生物分析儀,其中,該光譜預處理演算法包括:將導數變換應用於該第一基於拉曼的光譜資料集以生成修改後的基於拉曼的光譜資料集,在該拉曼位移軸上對準該修改後的基於拉曼的光譜資料集,並在該拉曼強度軸上對該修改後的基於拉曼的光譜資料集進行歸一化。
5.如方面4所述之可配置掌上型生物分析儀,其中,該導數變換包括:確定在該拉曼位移軸上的11至15個拉曼位移值的連續組的拉曼加權平均值,以及確定在該拉曼位移軸上的那些拉曼加權平均值的對應導數。
6.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該分類成分被選擇以減小(1)該生物分類模型的Q殘差和(2)該生物分類模型的擬合概要值兩者。
7.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型進一步包括第二分類成分,該生物分類模型被配置為基於該分類成分和該第二分類成分來鑒定該第一生物產品樣本的生物產品類型。
8.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型被實施為主成分分析(PCA)模型。
9.如方面8所述之可配置掌上型生物分析儀,其中,該分類成分係該PCA模型的第一主成分。
10.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該電腦記憶體被配置為載入新的生物分類模型,該新的生物分類模型包括更新的分類成分。
11.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型配置以可延伸標記語言(XML)格式來實施。
12.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物產品類型係治療產品。
13.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,在具有該生物產品類型的生物產品的製造期間,藉由該生物分類模型來鑒定該生物產品類型。
14.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型被配置為基於該分類成分將具有該生物產品類型的該第一生物產品樣本與具有不同生物產品類型的不同生物產品樣本區分開。
15.如方面14所述之可配置掌上型生物分析儀,其中,該生物產品類型和該不同的生物產品類型在相同或相似的拉曼光譜範圍內各自具有不同的局部特徵。
16.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型被配置為:當該Q殘差或該擬合概要值滿足閾值時,基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
17.如方面16所述之可配置掌上型生物分析儀,其中,該生物分類模型基於該閾值輸出合格與否判定。
18.如前述方面中任一項所述之可配置掌上型生物分析儀,其中,該生物分類模型由遠離該可配置掌上型生物分析儀的遠程處理器生成。
19.一種用於基於拉曼光譜法鑒定生物產品之生物分析方法,該生物分析方法包括:將生物分類模型配置載入到具有第一處理器和第一掃描器的第一可配置掌上型生物分析儀的第一電腦記憶體中,該生物分類模型配置包括生物分類模型;該生物分類模型接收如由該第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集;執行該生物分類模型的光譜預處理演算法以減小該第一基於拉曼的光譜資料集的光譜偏差;以及利用該生物分類模型基於該第一基於拉曼的光譜資料集來鑒定生物產品類型,其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
20.如方面19所述之生物分析方法,其中,該生物分類模型配置能夠藉由電子方式轉移到第二可配置掌上型生物分析儀,該生物分析方法進一步包括:將該生物分類模型配置載入到具有第二處理器和第二掃描器的第二可配置掌上型生物分析儀的第二電腦記憶體中,該生物分類模型配置包括該生物分類模型;該生物分類模型接收如由該第二掃描器掃描的定義第二生物產品樣本的第二基於拉曼的光譜資料集;執行該生物分類模型的光譜預處理演算法以減小該第二基於拉曼的光譜資料集的第二光譜偏差;以及利用該生物分類模型基於該第二基於拉曼的光譜資料集來鑒定該生物產品類型,其中,該第二生物產品樣本係該生物產品類型的新樣本。
21.如方面19至20中任何一項或多項所述之生物分析方法,其中,該光譜偏差係該第一基於拉曼的光譜資料集與一個或多個對應的其他掌上型生物分析儀的一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差,該一個或多個其他基於拉曼的光譜資料集中的每個資料集代表該生物產品類型,並且其中,該光譜預處理演算法被配置為減小該第一基於拉曼的光譜資料集與該一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差。
22.如方面21所述之生物分析方法,其中,該光譜預處理演算法包括:將導數變換應用於該第一基於拉曼的光譜資料集以生成修改後的基於拉曼的光譜資料集,在該拉曼位移軸上對準該修改後的基於拉曼的光譜資料集,並在該拉曼強度軸上對該修改後的基於拉曼的光譜資料集進行歸一化。
23.如方面22所述之生物分析方法,其中,該導數變換包括:確定在該拉曼位移軸上的11至15個拉曼位移值的連續組的拉曼加權平均值,以及確定在該拉曼位移軸上的那些拉曼加權平均值的對應導數。
24.如方面19至23中任何一項或多項所述之生物分析方法,其中,該分類成分被選擇以減小(1)該生物分類模型的Q殘差和(2)該生物分類模型的擬合概要值兩者。
25.如方面19至24中任何一項或多項所述之生物分析方法,其中,該生物分類模型進一步包括第二分類成分,該生物分類模型被配置為基於該分類成分和該第二分類成分來鑒定該第一生物產品樣本的生物產品類型。
26.如方面19至25中任何一項或多項所述之生物分析方法,其中,該生物分類模型被實施為主成分分析(PCA)模型。
27.如方面26所述之生物分析方法,其中,該分類成分係該PCA模型的第一主成分。
28.如方面19至27中任何一項或多項所述之生物分析方法,其中,該第一和/或第二電腦記憶體被配置為載入新的生物分類模型,該新的生物分類模型包括更新的分類成分。
29.如方面19至28中任何一項或多項所述之生物分析方法,其中,該生物分類模型配置以可延伸標記語言(XML)格式來實施。
30.如方面19至29中任何一項或多項所述之生物分析方法,其中,該生物產品類型係治療產品。
31.如方面19至30中任何一項或多項所述之生物分析方法,其中,在具有該生物產品類型的生物產品的製造期間,藉由該生物分類模型來鑒定該生物產品類型。
32.如方面19至31中任何一項或多項所述之生物分析方法,其中,該生物分類模型被配置為基於該分類成分將具有該生物產品類型的該第一生物產品樣本與具有不同生物產品類型的不同生物產品樣本區分開。
33.如方面32所述之生物分析方法,其中,該生物產品類型和該不同的生物產品類型各自具有相同或相似的拉曼光譜範圍。
34.如方面19至33中任何一項或多項所述之生物分析方法,其中,該生物分類模型被配置為:當該Q殘差或該擬合概要值滿足閾值時,基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
35.如方面34所述之生物分析方法,其中,該生物分類模型基於該閾值輸出合格與否判定。
36.如方面19至35中任何一項或多項所述之生物分析方法,其中,該生物分類模型由遠離該可配置掌上型生物分析儀的遠程處理器生成。
37.一種有形非暫態電腦可讀介質,存儲有用於基於拉曼光譜法鑒定生物產品的指令,該等指令在由可配置掌上型生物分析儀的一個或多個處 理器執行時使該可配置掌上型生物分析儀的一個或多個處理器執行以下操作:將生物分類模型配置載入到具有掃描器的該可配置掌上型生物分析儀的電腦記憶體中,該生物分類模型配置包括生物分類模型;該生物分類模型接收如由該掃描器掃描的定義生物產品樣本的基於拉曼的光譜資料集;執行該生物分類模型的光譜預處理演算法以減小該基於拉曼的光譜資料集的光譜偏差;以及利用該生物分類模型基於該基於拉曼的光譜資料集來鑒定生物產品類型,其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該生物產品樣本的生物產品類型。
本揭露內容之前述方面僅是示例性的並且不旨在限制本揭露內容之範圍。
附加示例
‧下面的附加示例根據本文所描述的各個實施方式提供了附加支持。特別地,以下附加示例演示了用於對溶液中生物治療性蛋白質產品進行快速身份(ID)驗證的拉曼光譜法。該等示例演示了與治療劑和賦形劑兩者相關聯的拉曼特徵的唯一組合,作為產品區分之基礎。如本文所描述的,產品ID方法(例如,生物分析方法)包括在多個拉曼分析儀(例如,如本文所描述的可配置掌上型生物分析儀)上獲取(多個)目標產品的拉曼光譜。然後可以使用主成分分析(PCA)對光譜進行降維,以定義特定於產品的模型(例如,生物分類模型),該等模型將作為如本文所描述的用於基於拉曼光譜法鑒定生物產品的可配置掌上型生物分析儀和生物分析方法的產品ID確定的基礎。可以將特定於產品的模型(例如,生物分類模型)轉移到經驗證可用於產品測試的單獨儀器(例如,可配置掌上型生物分析儀)中。該等模型可以用於各種目的,包括品質控制、進貨品質保證和製造。這樣的分析儀和方法可以在來自不同製造商的不同 拉曼設備(例如,可配置掌上型生物分析儀)中使用。以這種方式,附加示例進一步演示了本文所描述的拉曼ID分析儀和方法(例如,可配置掌上型生物分析儀和相關方法)提供了針對生物製藥工業中基於溶液的蛋白質產品的多種用途和測試。
附加示例-材料
在開發和測試本文所描述的可配置掌上型生物分析儀和相關方法時,對與28種以上的獨立產品規格相對應的原料藥和藥物產品進行了分析。表1列出了14種產品規格(其表示一組後期和商業產品規格)的活性藥物成分(API)濃度和分子類別。將產品溶液轉移至4mL玻璃小瓶中,用作拉曼光譜獲取的樣本池。表1提供了被評估產品的一般屬性,該被評估產品可以作為ID方法(例如,生物分析方法)的目標,也可以作為本文所描述的特異性挑戰。對於表1,為了簡單起見,每個產品都標有字元代碼。字母相同但編號不同的產品(例如,A1和A2)表示具有相同活性成分但蛋白質濃度和/或配方可能有所不同的產品。所列材料可以用於製造藥物產品。應當理解,一些藥物產品可以藉由例如如本文所述之商標名稱來標識。
Figure 109136888-A0202-12-0044-1
Figure 109136888-A0202-12-0045-2
附加示例-拉曼儀器(例如,可配置掌上型生物分析儀)和測量
關於附加示例,如本文所描述的,使用可配置掌上型生物分析儀測量拉曼光譜。例如,在某些實施方式中,可配置掌上型生物分析儀可以是基於拉曼的掌上型分析儀,諸如由Thermo Fisher Scientific Inc.提供的TruScan TM RM掌上型拉曼分析儀。在這樣的實施方式中,可配置掌上型生物分析儀可以實施TruTools TM 化學計量學套裝軟體。但是應當理解,根據本文之揭露內容,可以利用使用附加和/或不同套裝軟體的其他品牌或類型的拉曼分析儀。在一些實施方式中,可配置掌上型生物分析儀可以配置有785nm光柵穩定的雷射源(最大輸出250mW),該雷射源與聚焦光學器件(例如,0.33NA,18mm工作距離,>0.2mm光點)耦合用於樣本審查。對於附加示例,使用可配置掌上型生物分析儀的瓶適配器將包含在玻璃小瓶中的產品溶液固定在聚焦光學器件前方。使用以下相同的光譜獲取設置(但也可以使用其他設置)收集所有光譜,例如,雷射功率=250mW,積分時間=1000ms,光譜共加次數=70。對於附加示例,使用三個不同的可配置掌上型生物分析儀(以下稱為可配置掌上型生物分析儀1-3)和/或專用於配置和/或開發(多種)生物分析方法的儀器,在一段時間內收集產品的光譜,用於如本文所描述的基於拉曼光譜法鑒定生物產品。應當理解,使用相同或不同設置的更多或更少的分析儀可以用於設置、配置或以其他方式初始化如本文所描述的可配置掌上型生物分析儀以及相關的(多種)生物分析方法。
附加示例-多元拉曼ID生物分析方法之開發
可以如本文所描述的那樣生成、開發或載入基於例如主成分分析(PCA)的拉曼光譜模型(例如,生物分類模型)。例如,在一些實施方式中,可以使用配備有Model Exporter add-on(Solo+Model_Exporter版本8.2.1;Eigenvector Research,Inc.)的SOLO軟體來生成、開發或載入拉曼光譜模型(例如生物分類模型)。然而,應當理解,可以使用其他軟體來生成、開發或載入拉曼光譜模型(例如,生物分類模型)。通常,可以作為對兩個或更多個不同批次材料的重複掃描使用可配置掌上型生物分析儀(例如,三個可配置掌上型生物分析儀)來收集用於構建模型的光譜。出於考慮儀器漂移之目的,通常在多天內獲取光譜。在一些實施方式中,在併入模型(例如,生物分類模型)之前,可以減小光譜範圍以排除>1800cm-1的檢測器雜訊和由<400cm-1的瑞利線抑制光學器件引起的背景可變性。如本文所描述的,針對每個模型,可以對光譜進行進一步預處理和均值中心化。還可以參考如表1所示的目標產品和挑戰產品的拉曼光譜藉由使用隨機子集程序進行交叉驗證來細化模型。
生物分類模型配置(例如,PCA模型配置)以及拉曼光譜獲取參數可以被可配置掌上型生物分析儀配置或載入,和/或使用(多種)生物分析方法來如本文所描述的基於拉曼光譜法鑒定生物產品。還可以指定每種方法的接受(例如,合格與否)標準。如本文所描述的,合格與否標準可以基於簡化的Hotelling T2(Tr 2)和Q殘差(Qr)的閾值,這係通常描述生物分類模型(例如,PCA模型)描述拉曼光譜的良好程度的兩個匯總統計資料。下面的方程(1)至(4)提供了使用者可選的示例決策邏輯選項,用於藉由生物分類模型(例如,PCA模型)進行肯定的鑒定或確定(例如,合格與否標準):
Figure 109136888-A0202-12-0046-3
Figure 109136888-A0202-12-0046-4
Figure 109136888-A0202-12-0046-5
Figure 109136888-A0202-12-0047-6
在上述示例方程中,藉由將原始值除以對應的置信區間,將Hotelling T2值和Q殘差值歸一化(即,分別簡化為Tr 2和Qr),從而將上限的值設置為值1。
附加示例-可配置掌上型生物分析儀和方法的轉移測試
關於附加示例,如本文針對圖8A到圖8E所描述的,本文針對五個特定於產品的模型(例如,生物分類模型)描述的可配置掌上型生物分析儀和相關方法的性能的演示係使用未經歷本文所描述的可配置掌上型生物分析儀和相關方法的開發的一小部分分析儀(例如,十五個可配置掌上型生物分析儀)(即,先前未配置或未載入如本文所描述的生物分類模型配置)執行的。在可配置掌上型生物分析儀1-3上準備了產品ID方法(例如,基於拉曼光譜法鑒定生物產品之生物分析方法),並且該等方法針對單一產品規格(例如Q1、Q2、A1和A2)實施了四次測試,並實施了適合鑒定同一蛋白質產品的三種相似規格(例如,B1、B2和B3)的一次測試。每個測試都包括使用在十五個附加儀器(分析儀4-18)上獲得的目標產品光譜,每個儀器的使用年限和性能各不相同。藉由還評估最接近的特異性挑戰產品和製劑緩衝液(即,無蛋白質)測量了模型特異性。使用與用於構建模型的參數相同的收集參數(即,雷射功率、獲取時間、共加次數)收集樣本的拉曼光譜。拉曼光譜作為不同天的重複樣本獲得,每個產品樣本產生約250個光譜。針對(例如,在Eigenvector Solo+Model_Exporter軟體中的)五個PCA模型中的每個模型評估在測試期間獲取的光譜,以評定假陽性結果(即,將挑戰產品錯誤鑒定為目標產品)和假陰性(即,模型錯誤地拒絕了目標產品)結果的可能性。
在附加示例的測試期間,例如,如針對圖8A至圖8E所描述的,對於五個模型和相關測試中的任何一個,都沒有一個假陽性結果的實例。一般 而言,與用於開發模型的儀器相比,分析儀4-18的挑戰產品的Qr或Tr 2值更大。作為此觀察結果的擴展,僅基於方法開發期間獲取的拉曼光譜,就可以以高置信度推斷出生物分類模型(例如,PCA模型)始終如一地拒絕給定挑戰產品的能力。圖7展示了根據本文所描述的各個實施方式的簡化Q殘差704示例視覺化700。特別地,圖7提供了針對表1的產品A2的生物分類模型(例如,PCA模型)評估的、表1的產品A1(其被視為挑戰產品樣本)的簡化Q殘差值700的示例曲線圖。線性索引706被提供用於索引資料集中的拉曼光譜,並不一定與樣本相關。
基於對應的拉曼光譜係在用於開發模型的分析儀(702)上獲取的還是在嚴格用於測試的分析儀(703)上獲取的來區分圖7中的各個點。由於已知的儀器性能問題,分析儀8的Qr值(即,線性指數值約為250-270處)異常高,這將在下面討論。但是,即使排除分析儀8的測量值,基於對Shapiro-Wilk零假設(p=0.0013)的拒絕,分析儀4-18的Qr值也不會正態分佈。對於該資料集,分析儀4-18的中值Qr值3.02顯著大於開發儀器的中值Qr 2.53(Mann-Whitney U檢驗p值<0.0001)。沒有觀察到假陽性。然而,在1540次總測量中,有33個假陰性預測應當係陽性鑒定,僅相當於約2%的假陰性-占總分析數的一小部分。
圖8A至圖8E藉由繪製針對每個目標產品對應的生物分類模型(例如PCA模型)評估的每個目標產品的匯總統計資料Qr或Tr 2,呈現了各個分析儀802(即,可配置掌上型生物分析儀1-3和分析儀4-18)的分析。為了清楚起見,圖8A至圖8E中的驗證結果係根據分析儀編號組織的。圖8A至圖8D各自展示了根據本文所描述的各個實施方式的如針對十八種不同的可配置掌上型生物分析儀(可配置掌上型生物分析儀1-3和分析儀4-18)評估的(例如,表1的)目標產品的簡化Q殘差之示例視覺化800、810、820和830。特別地,圖8A至圖8D的視覺化表示為散點圖,描繪了在分析儀1-18上評估的每種方法的目標產品的簡化Q殘差的散佈。圖8A展示了表1的目標產品A1的簡化Q殘差的散佈。圖8B展示了 表1的目標產品A2的簡化Q殘差的散佈。圖8C展示了表1(a)的目標產品Q1的簡化Q殘差的散佈。並且圖8D展示了表1的目標產品Q2的簡化Q殘差的散佈。在圖8A至圖8D的每個圖中,每個圖中的水平虛線(即,分別為805、815、825和835)表示合格與否標準或閾值,因此大於1的值會產生不合格的結果(即,假陰性)。每個線性索引(例如,分別為806、816、826和836)被提供用於索引資料集中的拉曼光譜,並不一定與樣本相關。
圖8E展示了根據本文描述的各個實施方式的如針對十八個不同的可配置掌上型生物分析儀802(可配置掌上型生物分析儀1-3和分析儀4-18)評估的目標產品(例如,B1、B2和/或B3)的簡化擬合概要值(例如,Hotelling T2)之示例視覺化840。水平虛線845表示合格與否標準或閾值,因此大於1的值會產生不合格的結果(即,假陰性)。線性索引846被提供用於索引資料集中的拉曼光譜,並不一定與樣本相關。
對於圖8A至圖8E中的每一個,分析儀10-16和18均沒有假陰性確定。實際上,在大多數情況下,匯總統計資料均<0.6,這表明該等儀器中任何一個出現假陰性的可能性極低。有33個錯誤結果被孤立到其餘三個分析儀(8、9和17),其中每個分析儀都有基於硬體和/或特定於儀器的可鑒定性能問題。分析儀8(早期的試點構建儀器)產生的假陰性數最多。對於方法A1,20/20的光譜產生了不合格的Qr值(例如,那些值大於1)。然而,在其他四種方法中,總共只有3個假陰性,這表明方法A1的不同性能可能是由於該產品的蛋白質濃度低(10mg/mL)和賦形劑帶弱而與該產品的拉曼散射信號弱有關。然而,對分析儀8的殘留物的檢查顯示出以~1300cm-1為中心的寬特徵(資料未示出)。分析儀8(早期的試點構建儀器)的光學部件與生產情況分析儀(1-7和9-18)不同,該光學部件會導致可觀察的拉曼光譜帶,這被認為導致了高不合格率。對於其餘的分析儀(9和17),還注意到了顯著的儀器性能問題。已知分析儀9的原始 波數校準為~3cm-1,在製造商規格的範圍外。對於分析儀17,在進一步研究之後識別出先前未知的雷射功率/穩定性問題。儘管存在該等已知問題,但兩個分析儀上圖8A至圖8E的所有五個模型的真陽性率均超過了85%,這提供了表明生物分類模型(例如,PCA模型)甚至可以在一定程度上容忍儀器功能的退化的證據。在生物製藥產品的良好製造規範(GMP)測試中已經存在為確保儀器適合使用而設計的程序機制(例如,安裝確認和運行確認、定期預防性維護)。然而,在測試之前不知道分析儀17的雷射功率問題這一事實突出了對儀器性能指標進行嚴格評估以確保光譜儀和多元模型的長期性能的價值。然而,如上所述,本文所描述的用於基於拉曼光譜法鑒定生物產品的(多個)可配置掌上型生物分析儀和相關之生物分析方法係穩健且容錯的,如本文所描述的,儘管具有基於儀器硬體和/或特定於儀器的性能問題,但仍可操作和使用。
附加描述
本文以上描述對與藥物遞送裝置相關地使用的各種裝置、組件、部件、子系統及方法進行了描述。裝置、組件、部件、子系統、方法或藥物遞送裝置可以進一步包括藥物或與藥物一起使用,該等藥物包括但不限於下文標識的那些藥物以及它們的類屬對應物和生物仿製藥對應物。如本文所用,術語藥物可以與其他類似術語互換使用,並且可以用於指代任何類型的藥物或治療材料,包括傳統和非傳統藥物、營養保健品、補品、生物製劑、生物活性劑和組成物、大分子、生物仿製藥、生物等效物、治療性抗體、多肽、蛋白質、小分子和類屬物。還包含非治療性可注射材料。藥物可以呈液體形式、呈凍乾形式、或呈可以由凍乾形式重構的形式。以下示例藥物清單不應視為包括所有的或限制性的。
藥物將包含在儲器中。在一些情況下,儲器係主容器,該主儲器用藥物進行填充或預填充以用於治療。該主容器可以是小瓶、藥筒或預填充注射器。
在一些實施方式中,藥物遞送裝置的儲器可以填充有群落刺激因子(諸如粒細胞群落刺激因子(G-CSF)),或該裝置可以與群落刺激因子一起使用。這種G-CSF劑包括但不限於Neulasta®(培非格司亭、聚乙二醇化非格司亭、聚乙二醇化G-CSF、聚乙二醇化hu-Met-G-CSF)和Neupogen®(非格司亭、G-CSF、hu-MetG-CSF)。
在其他實施方式中,藥物遞送裝置可以包含紅血球生成刺激劑(ESA)或與其一起使用,該紅血球生成刺激劑可以呈液體或凍乾形式。ESA係刺激紅血球生成的任何分子。在一些實施方式中,ESA係紅血球生成刺激蛋白。如本文所用,「紅血球生成刺激蛋白」意指任何直接或間接引起促紅血球生成素受體激活(例如,藉由結合並引起受體的二聚化)的蛋白。紅血球生成刺激蛋白包括結合並激活促紅血球生成素受體的促紅血球生成素及其變體、類似物或衍生物;與促紅血球生成素受體結合並激活該受體的抗體;或結合並激活促紅血球生成素受體的肽。紅血球生成刺激蛋白包括但不限於Epogen®(依伯汀α)、Aranesp®(達貝泊汀α)、Dynepo®(依伯汀δ)、Mircera®(甲氧基聚乙二醇-依伯汀β)、Hematide®、MRK-2578、INS-22、Retacrit®(依伯汀ζ)、Neorecormon®(依伯汀β)、Silapo®(依伯汀ζ)、Binocrit®(依伯汀α)、依泊汀α Hexal、Abseamed®(依伯汀α)、Ratioepo®(依伯汀θ)、Eporatio®(依伯汀θ)、Biopoin®(依伯汀θ)、依伯汀α、依伯汀β、依伯汀ι、依伯汀ω、依伯汀δ、依伯汀ζ、依泊汀θ和依伯汀δ、聚乙二醇化促紅血球生成素、胺甲醯化促紅血球生成素、以及其分子或其變體或類似物。
具體的說明性蛋白質係下文闡述的特定蛋白質,包括其融合物、片段、類似物、變體或衍生物:OPGL特異性抗體、肽體、相關蛋白等(也稱為RANKL特異性抗體、肽體等),包括完全人源化OPGL特異性抗體和人OPGL特異性抗體,特別是完全人源化單株抗體;肌生成抑制蛋白結合蛋白、肽體、相關蛋白等,包括肌生成抑制蛋白特異性肽體;IL-4受體特異性抗體、肽體、相關蛋白等,特別是抑制由IL-4和/或IL-13與受體的結合介導的活性的那些;白介素1-受體1(「IL1-R1」)特異性抗體、肽體、相關蛋白等;Ang2特異性抗體、肽體、相關蛋白等;NGF特異性抗體、肽體、相關蛋白等;CD22特異性抗體、肽體、相關蛋白等,特別是人CD22特異性抗體,諸如但不限於人源化和完全人抗體,包括但不限於人源化和完全人單株抗體,特別地包括但不限於人CD22特異性IgG抗體,諸如像人-小鼠單株hLL2 γ-鏈與人-小鼠單株hLL2 κ鏈進行二硫化物連接的二聚體,例如,依帕珠單抗(Epratuzumab)中的人CD22特異性完全人源化抗體,CAS登記號501423-23-0;IGF-1受體特異性抗體、肽體和相關蛋白等,包括但不限於抗IGF-1R抗體;B-7相關蛋白1特異性抗體、肽體、相關蛋白等(「B7RP-1」,還稱為B7H2、ICOSL、B7h和CD275),包括但不限於B7RP特異性完全人單株IgG2抗體,包括但不限於結合B7RP-1的第一免疫球蛋白樣結構域中的表位的完全人IgG2單株抗體,包括但不限於抑制B7RP-1與在激活T細胞上的其天然受體ICOS的相互作用的那些;IL-15特異性抗體、肽體、相關蛋白等,例如特別是人源化單株抗體,包括但不限於HuMax IL-15抗體和相關蛋白,諸如例如146B7;IFN γ特異性抗體、肽體、相關蛋白等,包括但不限於人IFN γ特異性抗體,並且包括但不限於完全人抗IFN γ抗體;TALL-1特異性抗體、肽體、相關蛋白等,以及其他TALL特異性結合蛋白;甲狀旁腺激素(「PTH」)特異性抗體、肽體、相關蛋白等;促血小板生成素受體(「TPO-R」)特異性抗體、肽體、相關蛋白等;肝細胞生長因子(「HGF」)特異性抗體、肽體、相關蛋白 等,包括靶向HGF/SF:cMet軸(HGF/SF:c-Met)的那些,諸如中和肝細胞生長因子/分散子(HGF/SF)的完全人類單株抗體;TRAIL-R2特異性抗體、肽體、相關蛋白等;活化素A特異性抗體、肽體、蛋白等;TGF-β特異性抗體、肽體、相關蛋白等;澱粉樣β蛋白特異性抗體、肽體、相關蛋白等;c-Kit特異性抗體、肽體、相關蛋白等,包括但不限於與c-Kit和/或其他幹細胞因子受體結合的蛋白;OX40L特異性抗體、肽體、相關蛋白等,包括但不限於結合OX40L和/或OX40受體的其他配位基的蛋白;Activase®(阿替普酶、tPA);Aimovig®(艾諾維單抗)Aranesp®(達貝泊汀α);Epogen®(依伯汀α,或促紅血球生成素);GLP-1,Avonex®(干擾素β-1a);Bexxar®(托西莫單抗,抗CD22單株抗體);Betaseron®(干擾素-β);Campath®(阿侖單抗,抗CD52單株抗體);Dynepo®(依伯汀δ);Velcade®(硼替佐米);MLN0002(抗α4ß7 mAb);MLN1202(抗CCR2趨化因子受體mAb);Enbrel®(依那西普,TNF受體/Fc融合蛋白,TNF阻斷劑);Eprex®(依伯汀α);Erbitux®(西妥昔單抗,抗EGFR/HER1/c-ErbB-1);Evenity®(洛莫索珠單抗)Genotropin®(生長激素,人生長激素);Herceptin®(曲妥珠單抗,抗HER2/neu(erbB2)受體mAb);Humatrope®(生長激素,人生長激素);Humira®(阿達木單抗);Vectibix®(帕尼單抗)、Xgeva®(迪諾舒單抗)、Prolia®(迪諾舒單抗)、Enbrel®(依那西普、TNF-受體/Fc融合蛋白、TNF阻斷劑)、Nplate®(羅米司亭)、利妥木單抗(rilotumumab)、蓋尼塔單抗(ganitumab)、可那木單抗(conatumumab)、布羅達單抗(brodalumab)、溶液中的胰島素;Infergen®(干擾素alfacon-1);Natrecor®(奈西立肽(nesiritide);重組人類B型利尿鈉肽(hBNP);Kineret®(阿那白滯素);Leukine®(沙格司亭,rhuGM-CSF);LymphoCide®(依帕珠單抗,抗CD22 mAb);BenlystaTM(lymphostat B,貝利單抗,抗BlyS mAb);Metalyse®(替奈普酶,t-PA類似物);Mircera®(甲氧基聚乙二醇-依伯汀β); Mylotarg®(吉妥珠單抗奧佐米星);Raptiva®(依法利珠單抗);Cimzia®(塞妥珠單抗,CDP 870);SolirisTM(依庫麗單抗);培克珠單抗(抗C5補體);Numax®(MEDI-524);Lucentis®(蘭尼單抗);Panorex®(17-1A,依決洛單抗);Trabio®(樂地單抗(lerdelimumab));TheraCim hR3(尼妥珠單抗);Omnitarg(帕妥珠單抗,2C4);Osidem®(IDM-1);OvaRex®(B43.13);Nuvion®(維西珠單抗);莫坎妥珠單抗(cantuzumab mertansine)(huC242-DM1);NeoRecormon®(依伯汀β);Neumega®(奧普瑞白介素,人白細胞介素-11);Orthoclone OKT3®(莫羅單抗-CD3,抗CD3單株抗體);Procrit®(依伯汀α);Remicade®(英夫利昔單抗,抗TNFα單株抗體);Reopro®(阿昔單抗,抗GP lIb/Ilia受體單株抗體);Actemra®(抗IL6受體mAb);Avastin®(貝伐單抗),HuMax-CD4(紮木單抗(zanolimumab));Rituxan®(利妥昔單抗,抗CD20 mAb);Tarceva®(埃羅替尼);Roferon-A®(干擾素α-2a);Simulect®(巴厘昔單抗);Prexige®(羅美昔布);Synagis®(帕利珠單抗);146B7-CHO(抗IL15抗體,參見美國專利號7,153,507);Tysabri®(那他珠單抗,抗α4整合素mAb);Valortim®(MDX-1303,抗炭疽桿菌保護性抗原mAb);ABthraxTM;Xolair®(奧馬珠單抗);ETI211(抗MRSA mAb);IL-1 trap(人IgG1的Fc部分和IL-1受體組分(I型受體和受體輔助蛋白)的胞外結構域);VEGF trap(與IgG1 Fc融合的VEGFR1的Ig結構域);Zenapax®(達利珠單抗);Zenapax®(達利珠單抗,抗IL-2Rα mAb);Zevalin®(替伊莫單抗);Zetia®(依澤替米貝);Orencia®(阿塞西普,TACI-Ig);抗CD80單株抗體(加利昔單抗(galiximab));抗CD23 mAb(魯昔單抗);BR2-Fc(huBR3/huFc融合蛋白,可溶性BAFF拮抗劑);CNTO 148(戈利木單抗,抗TNFα mAb);HGS-ETR1(馬帕木單抗(mapatumumab);人抗TRAIL受體-1 mAb);HuMax-CD20(奧瑞珠單抗(ocrelizumab),抗CD20人mAb);HuMax-EGFR(紮魯木單抗(zalutumumab));M200(伏洛昔單抗(volociximab), 抗α5β1整合素mAb);MDX-010(易普利姆瑪,抗CTLA-4 mAb和VEGFR-1(IMC-18F1);抗BR3 mAb;抗艱難梭菌毒素A和毒素B C mAb MDX-066(CDA-1)和MDX-1388);抗CD22 dsFv-PE38軛合物(conjugate)(CAT-3888和CAT-8015);抗CD25 mAb(HuMax-TAC);抗CD3 mAb(NI-0401);阿德木單抗(adecatumumab);抗CD30 mAb(MDX-060);MDX-1333(抗IFNAR);抗CD38 mAb(HuMax CD38);抗CD40L mAb;抗Cripto mAb;抗CTGF特發性肺纖維化I期纖維蛋白原(FG-3019);抗CTLA4 mAb;抗伊紅趨素1 mAb(CAT-213);抗FGF8 mAb;抗神經節苷脂GD2 mAb;抗神經節苷脂GM2 mAb;抗GDF-8人mAb(MYO-029);抗GM-CSF受體mAb(CAM-3001);抗HepC mAb(HuMax HepC);抗IFNα mAb(MEDI-545,MDX-1103);抗IGF1R mAb;抗IGF-1R mAb(HuMax-Inflam);抗IL12 mAb(ABT-874);抗IL12/IL23 mAb(CNTO 1275);抗IL13 mAb(CAT-354);抗IL2Ra mAb(HuMax-TAC);抗IL5受體mAb;抗整合素受體mAb(MDX-018,CNTO 95);抗IP10潰瘍性結腸炎mAb(MDX-1100);BMS-66513;抗甘露糖受體/hCGβ mAb(MDX-1307);抗間皮素dsFv-PE38軛合物(CAT-5001);抗PD1mAb(MDX-1106(ONO-4538));抗PDGFRα抗體(IMC-3G3);抗TGFß mAb(GC-1008);抗TRAIL受體-2人mAb(HGS-ETR2);抗TWEAK mAb;抗VEGFR/Flt-1 mAb;以及抗ZP3 mAb(HuMax-ZP3)。
在一些實施方式中,藥物遞送裝置可以包含硬化蛋白抗體或與硬化蛋白抗體一起使用,諸如但不限於洛莫索珠單抗(romosozumab)、布索珠單抗(blosozumab)或BPS 804(諾華公司(Novartis)),並且在其他實施方式中,包含結合人前蛋白轉化酶枯草桿菌蛋白酶/Kexin 9型(PCSK9)的單株抗體(IgG)。這種PCSK9特異性抗體包括但不限於Repatha®(依洛尤單抗(evolocumab))和Praluent®(阿利庫單抗(alirocumab))。在其他實施方式 中,藥物遞送裝置可以包含利妥木單抗(rilotumumab)、比沙洛姆(bixalomer)、曲班尼布(trebananib)、蓋尼塔單抗(ganitumab)、可那木單抗(conatumumab)、二磷酸莫替沙尼(motesanib diphosphate)、布羅達單抗(brodalumab)、維度匹侖(vidupiprant)、帕尼單抗或與其一起使用。在一些實施方式中,藥物遞送裝置的儲器可以被填充有用於治療黑色素瘤或其他癌症的IMLYGIC®(塔利莫金(talimogene laherparepvec))或另一種溶瘤HSV,或該裝置可以與其一起使用,該另一種溶瘤HSV包括但不限於OncoVEXGALV/CD;OrienX010;G207;1716;NV1020;NV12023;NV1034和NV1042。在一些實施方式中,藥物遞送裝置可以包含內源性組織金屬蛋白酶抑制劑(TIMP)或與其一起使用,諸如但不限於TIMP-3。針對人降鈣素基因相關肽(CGRP)受體的拮抗性抗體(諸如但不限於艾諾維單抗)以及靶向CGRP受體和其他頭痛靶標的雙特異性抗體分子也可以利用本揭露的藥物遞送裝置來遞送。另外,雙特異性T細胞接合劑(BiTE®)抗體(諸如但不限於BLINCYTO®(博納吐單抗))可以用於本揭露的藥物遞送裝置中或與之一起使用。在一些實施方式中,藥物遞送裝置可以包含APJ大分子促效劑或與其一起使用,諸如但不限於愛帕琳肽(apelin)或其類似物。在一些實施方式中,治療有效量的抗胸腺基質淋巴細胞生成素(TSLP)或TSLP受體抗體被用於本揭露的藥物遞送裝置中或與之一起使用。
儘管已經根據示例性實施方式描述了藥物遞送裝置、組件、部件、子系統及方法,但是它們不限於此。該詳細說明僅被解釋為係示例性的而並不描述本揭露的每個可能的實施方式。可以使用當前技術或在本專利申請日之後開發的技術來實施許多替代性實施方式,該等實施方式仍然落入限定本文揭露的本發明之請求項的範圍內。
熟悉該項技術者將瞭解到,在不脫離本文揭露的本發明之精神和範圍的情況下,關於以上描述的實施方式可以做出各種各樣的修改、改變和組合,並且可以將此類修改、改變和組合視為在本發明構思的範圍內。
附加考慮
儘管本文的揭露內容闡述了對許多不同實施方式之詳細說明,但應當理解,本說明書的合法範圍由在本專利的結尾處所闡述的請求項的文字及其等效物限定。該詳細說明僅被解釋為係示例性的並且未描述每個可能實施方式,因為描述每個可能的實施方式將是不切實際的。可以使用當前技術或在本專利提交日之後開發的技術來實施許多替代實施方式,其仍然落入本申請專利範圍之範圍內。
以下附加考慮適用於前述討論。貫穿整個說明書,多個實例可以實施被描述為單個實例的部件、操作或結構。儘管一種或多種方法的各個操作被示出和描述為單獨的操作,但是可以同時執行各個操作中的一個或多個,並且不需要以所展示的循序執行操作。在示例配置中作為單獨部件呈現的結構和功能可以實施為組合結構或部件。類似地,作為單個部件呈現的結構和功能可以實施為單獨的部件。該等和其他變化、修改、添加和改進都落入本文主題的範圍內。
另外,本文將某些實施方式描述為包括邏輯或許多常式、子常式、應用或指令。該等可以構成軟體(例如,在機器可讀介質上或在傳輸信號中具體化的代碼)或者硬體。在硬體中,常式等係能夠執行某些操作的有形單元並且可以以某種方式進行配置或安排。在示例實施方式中,可以藉由軟體(例如,應用或應用部分)將一個或多個電腦系統(例如,獨立的使用者端或伺服器電腦系統)或電腦系統的一個或多個硬體模組(例如,處理器或一組處理器)配置為操作以執行如本文所描述的某些操作的硬體模組。
在各個實施方式中,可以以機械方式或電子方式來實施硬體模組。例如,硬體模組可以包括被永久地配置(例如,作為專用處理器,諸如現場可程式設計閘陣列(FPGA),或作為專用積體電路(ASIC))以執行特定的操作的專用電路系統或邏輯。硬體模組還可以包括由軟體臨時配置為執行特定的操作的可程式設計邏輯或電路系統(例如,如包含在通用處理器或其他可程式設計處理器內)。將理解的是,可以因成本和時間考慮來驅動在專用且永久配置的電路系統中還是在臨時配置的電路系統(例如,由軟體配置)中以機械方式實施硬體模組的決定。
相應地,術語「硬體模組」應被理解為包括有形實體,係指以物理方式構造、永久地配置(例如,硬接線)或臨時地配置(例如,程式設計)以便以特定方式操作或執行本文所描述的特定操作的實體。考慮其中硬體模組被臨時配置(例如,程式設計)的實施方式,每個硬體模組不需要在任何一個時刻被配置或產生實體。例如,在硬體模組包括使用軟體配置的通用處理器的情況下,通用處理器可以在不同時間被配置為各自不同的硬體模組。軟體可以相應地配置處理器,例如,以在一個時刻構成特定的硬體模組,並在不同的時刻構成不同的硬體模組。
本文使用的術語「耦合到」不需要直接耦合或連接,使得兩個項目可以藉由一個或多個中間部件或其他元件(諸如電子匯流排、電線、機械部件或其他此類間接連接)彼此「耦合」。
硬體模組可以向其他硬體模組提供資訊並從其他硬體模組接收資訊。因此,所描述的硬體模組可以被認為是通信地耦合的。當多個這樣的硬體模組同時存在時,可以藉由連接硬體模組的信號傳輸(例如,藉由適當的電路和匯流排)來實現通信。在其中在不同時間對多個硬體模組進行配置或產生實體的實施方式中,可以例如藉由在多個硬體模組可以存取的記憶體結構中存 儲和取得資訊來實現這種硬體模組之間的通信。例如,一個硬體模組可以執行操作並將該操作的輸出存儲在該硬體模組通信地耦合到的存儲裝置中。然後,另一硬體模組可以在稍後的時間存取存儲裝置以取得並處理所存儲的輸出。硬體模組還可以發起與輸入或輸出裝置的通信,並且可以在資源(例如,資訊的集合)上進行操作。
本文所描述的示例方法的各種操作可以至少部分地由被臨時配置(例如,藉由軟體)或永久配置成執行相關操作的一個或多個處理器來執行。無論是臨時配置還是永久配置,這種處理器可以構成操作以執行一種或多種操作或功能的處理器實施的模組。在一些示例實施方式中,本文提及的模組可以包括處理器實施的模組。
類似地,本文所描述之方法或常式可以至少部分地由處理器實施。例如,方法的至少一些操作可以由一個或多個處理器或由處理器實施的硬體模組來執行。對操作中的某些操作的執行可以分佈在一個或多個處理器中,不僅駐留在單個機器內,還跨多個機器部署。在一些示例實施方式中,一個或多個處理器可以位於單個位置中,而在其他實施方式中,處理器可以跨多個位置分佈。
對操作中的某些操作的執行可以分佈在一個或多個處理器中,不僅駐留在單個機器內,還跨多個機器部署。在一些示例實施方式中,一個或多個處理器或處理器實施的模組可以位於單個地理位置中(例如,在家庭環境、辦公室環境或伺服器群內)。在其他實施方式中,一個或多個處理器或處理器實施的模組可以跨多個地理位置分佈。
此詳細描述僅被解釋為係示例性的並且未描述每個可能的實施方式,因為描述每個可能的實施方式如果不是不可能也將是不切實際的。熟悉 該項技術者可以使用當前技術或者在本申請的提交日之後開發的技術來實施許多替代實施方式。
熟悉該項技術者將瞭解到,在不脫離本發明之範圍的情況下,關於上文描述的實施方式可以做出各種各樣的修改、改變和組合,並且可以將這種修改、改變和組合視為在本發明構思之範圍內。
除非明確列舉傳統的手段加功能語言,諸如在一項或多項請求項中明確列舉的「用於......的手段」或「用於......的步驟」之語言,否則本專利申請結尾處的專利請求項不旨在根據35 U.S.C.§ 112(f)來解釋。本文所描述的系統及方法關於改進電腦功能,並改進常規電腦的運行。
101:第一殼體
102:可配置掌上型生物分析儀
103:生物分類模型配置(例如,XML檔)
104:顯示幕
105:導航輪
106:第一掃描器
107:電子匯流排
108:第一電腦記憶體
109:輸入/輸出(I/O)部件
110:第一處理器
112:可配置掌上型生物分析儀
113:生物分類模型配置
114:可配置掌上型生物分析儀
115:生物分類模型配置
116:可配置掌上型生物分析儀
117:生物分類模型配置
120:電腦網路
130:電腦
132:資料庫
140:生物產品

Claims (37)

  1. 一種可配置掌上型生物分析儀,用於基於拉曼光譜法鑒定生物產品,該可配置掌上型生物分析儀包括:
    第一殼體,該第一殼體被適配用於手持操作;
    第一掃描器,該第一掃描器由該第一殼體承載;
    第一處理器,該第一處理器通信地耦合到該第一掃描器;以及
    第一電腦記憶體,該第一電腦記憶體通信地耦合到該第一處理器,
    其中,該第一電腦記憶體被配置為載入生物分類模型配置,該生物分類模型配置包括生物分類模型,其中,該生物分類模型被配置為在該第一處理器上執行,該第一處理器被配置為(1)接收如由該第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集,並且(2)利用該生物分類模型基於該第一基於拉曼的光譜資料集來鑒定生物產品類型,
    其中,該生物分類模型配置進一步包括光譜預處理演算法,該第一處理器被配置為在該第一處理器接收到該第一基於拉曼的光譜資料集時執行該光譜預處理演算法以減小該第一基於拉曼的光譜資料集的光譜偏差,並且
    其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
  2. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型配置能夠藉由電子方式轉移到第二可配置掌上型生物分析儀,該第二可配置掌上型生物分析儀包括:
    第二殼體,該第二殼體被適配用於手持操作;
    第二掃描器,該第二掃描器耦合到該第二殼體;
    第二處理器,該第二處理器通信地耦合到該第二掃描器;以及
    第二電腦記憶體,該第二電腦記憶體通信地耦合到該第二處理器,
    其中,該第二電腦記憶體被配置為載入該生物分類模型配置,該生物分類模型配置包括該生物分類模型,其中,該生物分類模型被配置為在該第二處理器上執行,該第二處理器被配置為(1)接收如由該第二掃描器掃描的定義第二生物產品樣本的第二基於拉曼的光譜資料集,並且(2)利用該生物分類模型基於該第二基於拉曼的光譜資料集來鑒定該生物產品類型,
    其中,該第二生物產品樣本係該生物產品類型的新樣本。
  3. 如請求項1所述之可配置掌上型生物分析儀,其中該光譜偏差係該第一基於拉曼的光譜資料集與一個或多個對應的其他掌上型生物分析儀的一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差,該一個或多個其他基於拉曼的光譜資料集中的每個資料集代表該生物產品類型,並且
    其中,該光譜預處理演算法被配置為減小該第一基於拉曼的光譜資料集與該一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差。
  4. 如請求項3所述之可配置掌上型生物分析儀,其中該光譜預處理演算法包括:
    將導數變換應用於該第一基於拉曼的光譜資料集以生成修改後的基於拉曼的光譜資料集;
    在拉曼位移軸上對準該修改後的基於拉曼的光譜資料集;以及
    在拉曼強度軸上對該修改後的基於拉曼的光譜資料集進行歸一化。
  5. 如請求項4所述之可配置掌上型生物分析儀,其中該導數變換包括:確定在該拉曼位移軸上11至15個拉曼位移值的連續組的拉曼加權平均值,以及確定在該拉曼位移軸上的那些拉曼加權平均值的對應導數。
  6. 如請求項1所述之可配置掌上型生物分析儀,其中該分類成分被選擇以減小(1)該生物分類模型的Q殘差和(2)該生物分類模型的擬合概要值兩者。
  7. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型進一步包括第二分類成分,該生物分類模型被配置為基於該分類成分和該第二分類成分來鑒定該第一生物產品樣本的生物產品類型。
  8. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型被實施為主成分分析(PCA)模型。
  9. 如請求項8所述之可配置掌上型生物分析儀,其中該分類成分係該PCA模型的第一主成分。
  10. 如請求項1所述之可配置掌上型生物分析儀,其中該電腦記憶體被配置為載入新的生物分類模型,該新的生物分類模型包括更新的分類成分。
  11. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型配置以可延伸標記語言(XML)格式來實施。
  12. 如請求項1所述之可配置掌上型生物分析儀,其中該生物產品類型係治療產品。
  13. 如請求項1所述之可配置掌上型生物分析儀,其中在具有該生物產品類型的生物產品的製造期間,藉由該生物分類模型來鑒定該生物產品類型。
  14. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型被配置為基於該分類成分將具有該生物產品類型的該第一生物產品樣本與具有不同生物產品類型的不同生物產品樣本區分開。
  15. 如請求項14所述之可配置掌上型生物分析儀,其中該生物產品類型和該不同的生物產品類型在相同或相似的拉曼光譜範圍內各自具有不同的局部特徵。
  16. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型被配置為:當該Q殘差或該擬合概要值滿足閾值時,基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
  17. 如請求項16所述之可配置掌上型生物分析儀,其中該生物分類模型基於該閾值輸出合格與否判定。
  18. 如請求項1所述之可配置掌上型生物分析儀,其中該生物分類模型由遠離該可配置掌上型生物分析儀的遠程處理器生成。
  19. 一種用於基於拉曼光譜法鑒定生物產品之生物分析方法,該生物分析方法包括:
    將生物分類模型配置載入到具有第一處理器和第一掃描器的第一可配置掌上型生物分析儀的第一電腦記憶體中,該生物分類模型配置包括生物分類模型;
    該生物分類模型接收如由該第一掃描器掃描的定義第一生物產品樣本的第一基於拉曼的光譜資料集;
    執行該生物分類模型的光譜預處理演算法以減小該第一基於拉曼的光譜資料集的光譜偏差;以及
    利用該生物分類模型基於該第一基於拉曼的光譜資料集來鑒定生物產品類型,
    其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
  20. 如請求項19所述之生物分析方法,其中,該生物分類模型配置能夠藉由電子方式轉移到第二可配置掌上型生物分析儀,該生物分析方法進一步包括:
    將該生物分類模型配置載入到具有第二處理器和第二掃描器的第二可配置掌上型生物分析儀的第二電腦記憶體中,該生物分類模型配置包括該生物分類模型;
    該生物分類模型接收如由該第二掃描器掃描的定義第二生物產品樣本的第二基於拉曼的光譜資料集;
    執行該生物分類模型的光譜預處理演算法以減小該第二基於拉曼的光譜資料集的第二光譜偏差;以及
    利用該生物分類模型基於該第二基於拉曼的光譜資料集來鑒定該生物產品類型,
    其中,該第二生物產品樣本係該生物產品類型的新樣本。
  21. 如請求項19所述之生物分析方法,其中,該光譜偏差係該第一基於拉曼的光譜資料集與一個或多個對應的其他掌上型生物分析儀的一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差,該一個或多個其他基於拉曼的光譜資料集中的每個資料集代表該生物產品類型,並且
    其中,該光譜預處理演算法被配置為減小該第一基於拉曼的光譜資料集與該一個或多個其他基於拉曼的光譜資料集之間的分析儀與分析儀的光譜偏差。
  22. 如請求項21所述之生物分析方法,其中,該光譜預處理演算法包括:
    將導數變換應用於該第一基於拉曼的光譜資料集以生成修改後的基於拉曼的光譜資料集;
    在拉曼位移軸上對準該修改後的基於拉曼的光譜資料集;以及
    在拉曼強度軸上對該修改後的基於拉曼的光譜資料集進行歸一化。
  23. 如請求項22所述之生物分析方法,其中,該導數變換包括:確定在該拉曼位移軸上11至15個拉曼位移值的連續組的拉曼加權平均值,以及確定在該拉曼位移軸上的那些拉曼加權平均值的對應導數。
  24. 如請求項19所述之生物分析方法,其中,該分類成分被選擇以減小(1)該生物分類模型的Q殘差和(2)該生物分類模型的擬合概要值兩者。
  25. 如請求項19所述之生物分析方法,其中,該生物分類模型進一步包括第二分類成分,該生物分類模型被配置為基於該分類成分和該第二分類成分來鑒定該第一生物產品樣本的生物產品類型。
  26. 如請求項19所述之生物分析方法,其中,該生物分類模型被實施為主成分分析(PCA)模型。
  27. 如請求項26所述之生物分析方法,其中,該分類成分係該PCA模型的第一主成分。
  28. 如請求項19所述之生物分析方法,其中,該第一電腦記憶體被配置為載入新的生物分類模型,該新的生物分類模型包括更新的分類成分。
  29. 如請求項19所述之生物分析方法,其中,該生物分類模型配置以可延伸標記語言(XML)格式來實施。
  30. 如請求項19所述之生物分析方法,其中,該生物產品類型係治療產品。
  31. 如請求項19所述之生物分析方法,其中,在具有該生物產品類型的生物產品的製造期間,藉由該生物分類模型來鑒定該生物產品類型。
  32. 如請求項19所述之生物分析方法,其中,該生物分類模型被配置為基於該分類成分將具有該生物產品類型的該第一生物產品樣本與具有不同生物產品類型的不同生物產品樣本區分開。
  33. 如請求項32所述之生物分析方法,其中,該生物產品類型和該不同的生物產品類型各自具有相同或相似的拉曼光譜範圍。
  34. 如請求項19所述之生物分析方法,其中,該生物分類模型被配置為:當該Q殘差或該擬合概要值滿足閾值時,基於該分類成分來鑒定該第一生物產品樣本的生物產品類型。
  35. 如請求項34所述之生物分析方法,其中,該生物分類模型基於該閾值輸出合格與否判定。
  36. 如請求項19所述之生物分析方法,其中,該生物分類模型由遠離該可配置掌上型生物分析儀的遠程處理器生成。
  37. 一種有形非暫態電腦可讀介質,存儲有用於基於拉曼光譜法鑒定生物產品的指令,該等指令在由可配置掌上型生物分析儀的一個或多個處理器執行時使該可配置掌上型生物分析儀的一個或多個處理器執行以下操作:
    將生物分類模型配置載入到具有掃描器的該可配置掌上型生物分析儀的電腦記憶體中,該生物分類模型配置包括生物分類模型;
    該生物分類模型接收如由該掃描器掃描的定義生物產品樣本的基於拉曼的光譜資料集;
    執行該生物分類模型的光譜預處理演算法以減小該基於拉曼的光譜資料集的光譜偏差;以及
    利用該生物分類模型基於該基於拉曼的光譜資料集來鑒定生物產品類型,
    其中,該生物分類模型包括被選擇以減小(1)該生物分類模型的Q殘差、或(2)該生物分類模型的擬合概要值中的至少一項的分類成分,該生物分類模型被配置為基於該分類成分來鑒定該生物產品樣本的生物產品類型。
TW109136888A 2019-10-25 2020-10-23 基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀 TW202124922A (zh)

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
US201962925893P 2019-10-25 2019-10-25
US62/925,893 2019-10-25
US202063043976P 2020-06-25 2020-06-25
US63/043,976 2020-06-25

Publications (1)

Publication Number Publication Date
TW202124922A true TW202124922A (zh) 2021-07-01

Family

ID=75620833

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109136888A TW202124922A (zh) 2019-10-25 2020-10-23 基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀

Country Status (13)

Country Link
US (1) US20220390375A1 (zh)
EP (1) EP4048988A4 (zh)
JP (1) JP2022552876A (zh)
KR (1) KR20220084321A (zh)
CN (1) CN114599944A (zh)
AU (1) AU2020372414A1 (zh)
BR (1) BR112022007687A2 (zh)
CA (1) CA3158520A1 (zh)
CL (1) CL2022001017A1 (zh)
IL (1) IL291455A (zh)
MX (1) MX2022004655A (zh)
TW (1) TW202124922A (zh)
WO (1) WO2021081263A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295601B (zh) * 2021-12-31 2024-01-30 厦门大学 一种基于连续体束缚态的表面拉曼增强传感结构
WO2024129650A1 (en) * 2022-12-12 2024-06-20 Genentech, Inc. Real-time automated monitoring and control of ultrafiltration/diafiltration (uf/df) conditioning and dilution processes

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030135547A1 (en) * 2001-07-23 2003-07-17 Kent J. Thomas Extensible modular communication executive with active message queue and intelligent message pre-validation
US7420663B2 (en) * 2005-05-24 2008-09-02 Bwt Property Inc. Spectroscopic sensor on mobile phone
US7525102B1 (en) * 2005-10-03 2009-04-28 Sparta, Inc. Agent detection in the presence of background clutter
GB2466442A (en) * 2008-12-18 2010-06-23 Dublin Inst Of Technology A system to analyze a sample on a slide using Raman spectroscopy on an identified area of interest
CA2786740A1 (en) * 2010-01-22 2011-07-28 British Columbia Cancer Agency Branch Apparatus and methods for characterization of lung tissue by raman spectroscopy
US10365229B2 (en) * 2015-12-31 2019-07-30 Kaiser Optical Systems, Inc. Real-time characterization of pharmaceutical tablet coatings using Raman spectroscopy
US10254215B2 (en) * 2016-04-07 2019-04-09 Verifood, Ltd. Spectrometry system applications

Also Published As

Publication number Publication date
EP4048988A4 (en) 2023-12-06
EP4048988A1 (en) 2022-08-31
BR112022007687A2 (pt) 2022-07-12
MX2022004655A (es) 2022-05-25
IL291455A (en) 2022-05-01
CN114599944A (zh) 2022-06-07
AU2020372414A1 (en) 2022-04-07
WO2021081263A1 (en) 2021-04-29
US20220390375A1 (en) 2022-12-08
CL2022001017A1 (es) 2023-02-03
JP2022552876A (ja) 2022-12-20
KR20220084321A (ko) 2022-06-21
CA3158520A1 (en) 2021-04-29

Similar Documents

Publication Publication Date Title
TW202124922A (zh) 基於拉曼光譜法鑒定生物產品之可配置掌上型生物分析儀
US9283321B2 (en) Smart medication waste disposal
US20220128474A1 (en) Automatic calibration and automatic maintenance of raman spectroscopic models for real-time predictions
JP2017525013A (ja) 薬物送達装置の使用者を支援するための装置及び方法
US20140282197A1 (en) Method and apparatus for preparing a medicinal substance
US20070239367A1 (en) On-site method of providing analysis of potency and purity of pharmaceutical compounds
JP2011501681A (ja) グルコースのモニターおよび調節のための流体成分分析システムおよび方法
US20180028750A1 (en) Method and system for dose rate regulation in drug infusion treatment
JP7476105B2 (ja) カメラベースの薬物容器検査
JP2006527381A (ja) 注射あるいは点滴用薬物の分析、確認および品質保証のための方法と装置
US20240210428A1 (en) Methods and systems for automated syringe quality evaluation
KR102503768B1 (ko) 혼합 디바이스 시스템
US20240157057A1 (en) Sound-detection based injection time measurement system for drug delivery devices
WO2022245918A1 (en) Systems and methods to evaluate inactivation kinetics of a biological indicator
US10871399B2 (en) Analysis device
US10145784B2 (en) Infusion set and spectroscopic analyzer for analysis of pharmaceuticals
Mainka et al. Near-infrared spectroscopic identification and quantification of active pharmaceutical ingredients in closed capsules: a feasibility study for pediatric doses
US10145783B2 (en) Infusion set and adapter for spectroscopic analysis of pharmaceuticals
EP4370087A1 (en) Systems and approaches for drug processing single-use hardware
Nagi et al. Biotechnology-Derived Drug Products: Formulation Development