渗透压+UV+电导+pH：持续提高蛋白质层析质量

Advanced Instruments

2023/12/18 13:03

欧洲卫生署和美国食药监局从 2012 年即开始鼓励对蛋白质纯化工艺过程进行实时监测和实时放行，以提高产品质量和一致性。但是工艺过程实时监控有着难以跨越的瓶颈，特别是缺乏应用于特定产品的在线 (in-line) 传感器或软传感器，即利用 at-line 快速检测方法开发结果预测的统计模型。

目前，蛋白质纯化过程中最常见的传感器是在 280 nm 和 260 nm 进行样品的紫外吸收值进行监测。为了探索更准确的蛋白质层析过程中蛋白质浓度的实时监测，今天我们将介绍在利用偏最小二乘法 (PLS) 建立的蛋白质浓度预测模型中，渗透压作为 at-line 检测方法，结合 UV280、UV260、UV214、pH 值和电导率等在线传感器的不同组合，开发更准确的预测模型。

在这项工作中，我们使用了流动色谱步骤来确定渗透压是否可以作为蛋白质浓度预测的有效预测因子。我们将蛋白质纯化的中间步骤-混合型阴离子交换柱纯化作为模型步骤。首先将 protein A 亲和层析的洗脱液稀释至 pH 8.75，上样到阴离子柱中，将流穿部分收集起来，然后进行抗体浓度和渗透压分析，并通过色谱层析工作站在线测量了 UV280、UV260、UV214、pH 和电导率。

本次实验一共进行了 8 次阴离子交换层析过程，将其中 7 次的阴离子层析结果利用化学计量学中成熟的建模技术 PLS，将原始预测变量转换为一组潜在变量，该算法的输出是优化后的模型参数和预测误差的评估。即获得的均方根差 RMSE 的计算公式如下：

其中k为观测数，ŷi为实测值，为预测值。利用模型对第 8 次的层析结果进行分析，发现 UV280、UV260 和渗透压（图1，PM3）或 UV280、UV260、UV214 和渗透压（图1，PM4）的组合相对于紫外、pH 和电导的组合（图1，PM1）提高了预测准确性，即加入渗透压参数作为预测变量因子时，预测结果与实际运行结果的均方根差 RMSE 从 0.274 降低到了 0.244。