上周,“袁來如此”專欄正式開篇,博濟醫(yī)藥子公司深圳博瑞副總經理袁智博士以《大分子生物分析概論(一):大分子藥物生物分析的基礎知識》為題,梳理了大分子藥物分析方法的基礎概念。
本期開始,“袁來如此”專欄將就LBA定量方法的監(jiān)管驗證展開詳細介紹,預計將有多篇重磅干貨內容呈現,敬請垂注!
1992年,美國弗吉尼亞州水晶城,全球首個關于生物分析方法驗證會議召開,會議討論共識的生物利用度、生物等效性和藥代動力學研究的生物分析方法成為了后來制藥行業(yè)進行生物分析方法驗證的實際準則。史稱水晶城會議。
水晶城會議還討論了生物分析方法驗證的普遍問題,同時也承認了色譜和非色譜測試方法(包括免疫測試方法和微生物方法)之間存在差異。以水晶城會議為基礎,后續(xù)的行業(yè)會議和文獻對生物分析方法驗證進行了多次討論。
迄今為止,人們最重視的是常規(guī)小分子藥物的生物分析方法的驗證,其主要原因是自從1990年以來,作為小分子藥物的常規(guī)分析工具——串聯式液相色譜-質譜儀(LC-MS/MS)的使用率在迅速地增長。而大分子的生物分析方法亦對此借鑒頗多。
在本文中,LBA 是免疫測試方法(immunoassays)的同義詞,指任何基于大分子相互作用進行定量分析的方法;監(jiān)管驗證(regulatory validation)則是通過驗證后方法所產生的分析數據,可供生物藥物的臨床前毒理研究和臨床申報、注冊使用。后續(xù)文章將詳細解釋監(jiān)管驗證與非監(jiān)管驗證之間的差異,敬請關注。
一個分析方法的生命周期通??煞譃?個階段:方法開發(fā)(method development)、研究前驗證(pre-study validation)和研究中驗證(in-study validation)。方法開發(fā)是建立分析方法的過程,而研究前驗證是對分析方法的確認,研究中驗證則是在應用過程中,如出現關鍵成分發(fā)生變化后,進行的部分驗證。
為了確保一個分析方法能用于大分子定量,以支持藥代動力學評估,并經得起監(jiān)管審核,需要對特定分析方法的各個組成部分進行評估、驗證和持續(xù)監(jiān)控。因此,只要使用該分析方法,其驗證就是一個持續(xù)的過程。
所以,方法驗證是一個動態(tài)的過程。表1總結了需要評估的組分和對于分析方法生命周期中每個階段的建議。本文的組織也對應于這些方法組分,在相應的章節(jié)中,將討論在不同階段中可能開展的活動的更完整、詳信的信息。
研究前驗證階段
研究中驗證階段
方法開發(fā)階段
研究前驗證階段
研究中驗證階段
方法開發(fā)階段
分析方法的特異性將取決于所使用的抗體或抗體對(antibody pair)的預先確定的特異性。抗體可以從商業(yè)來源獲得或內部生產。無論哪種情況,在選擇之前都必須評估抗體結合特性的數據,評估分析特異性的方法通常是分析樣本基質,樣品基質+不同濃度的待測物及其變異體、物理化學上類似的化合物以及樣品基質+可能與待測物共同使用的化合物。
在某些情況下,可以使用一個樣本基質來評估特異性,該樣本基質包含與體內濃度相當的一種或多種與待測物有關的化合物。通常,競爭式測試格式比夾心式測試格式更易受干擾物的干擾,因為夾心式分析方法使用兩種抗體,故具有更大的特異性。
如果無法獲得待測物的變異體或相關形式,則可能無法在方法開發(fā)過程中生成交叉反應性(分析特異性assay specificity)數據。因此,可能需要對經過驗證的分析方法的特異性進行回顧性評估,因為隨著時間的流逝,將產生更多有關待測物行為的數據。
在方法開發(fā)過程中,評估選擇性即是評估存在基質成分時對待測物的定量。這些基質成分可能會干擾抗體與待測物的結合,應當在定量下限(LLOQ,即低于低水平QC樣品的濃度)或之上的附近外加待測物到同一樣本基質類型的多個批次(至少10個)中,并評估相對誤差的百分比(%RE)。盡管選擇性問題通常在定量范圍的低端發(fā)生,也需要在較高待測物濃度下評估選擇性。在背景干擾與濃度有關的情況下,必須確定在哪個待測物的濃度之下可能出現干擾。在方法驗證之前,可能需要相應地提升最低的定量限。
研究前驗證階段
研究中驗證階段
本文如有疏漏和誤讀相關指南和數據的地方,請讀者評論和指正。所有引用的原始信息和資料均來自已經發(fā)表學術期刊、官方網絡報道等公開渠道, 不涉及任何保密信息。參考文獻的選擇考慮到多樣化但也不可能完備,歡迎讀者提供有價值的文獻及其評估。
8. 擴展閱讀
袁來如此|大分子生物分析概論(一):大分子藥物生物分析的基礎知識
3. C. M. Riley and T. W. Rosanke. Development of validation of analytical methods: progress in pharmaceutical and biomedical analysis (vol 3) Elsevier (Pergamon), NY 1996.
4. V. P. Shah, K et al. Analytical methods validation: bioavailability, bioequivalence and pharmacokinetics studies. Conference Report. Eur J Drug Metabol Pharmacokinetics 16:249–255 (1991).
5. Guideline on validation of analytical procedures: definitions and terminology International Conference of Harmonization (ICH) of Technical Requirements for the Registration of Pharmaceuticals for Human Use Geneva 1995 (1996).
6. V. P. Shah, et al. Bioanalytical method validation. A revisit with a decade of progress. Pharm. Res. 17:1551–1557 (2000).
7. K. J. Miller, et al. Workshop on Bioanalytical Methods Validation for Macromolecules: Summary Report. Pharm. Res. 18:1373–1383 (2001).
8. Guidance for the Industry. Bioanalytical Method Validation US Department of Health and Human Services FDA (CDER) and (CVM) May 2001.
9. DeSilva B, et al. Recommendations for the bioanalytical method validation of ligand-binding assays to support pharmacokinetic assessments of macromolecules. Pharm Res. 2003;20:1885–900.
10. J. O. Westgard. Points of care in using statistics in method comparison studies. Clin. Chem. 44:2240–2242 (1998).
11. Watson, RG, et al. Implementing a tiered approach to bioanalytical method validation for large molecule ligand-binding assay methods in pharmacokinetic assessments. Bioanalysis. 2017 9(18):1407-1422
12. D. Rodbard, et al. Kinetics of Two-Site Immunoradiometric (Sandwich) Assays-II. Immunochem. 15:77–82 (1978).
13. B. D. Plikaytis, et al. Determination of parallelism and nonparallelism in bioassay dilution curves. J. Clin. Microbiol. 32: 2441–2447 (1994).
14. C. Hartmann, et al. Reappraisal of hypothesis testing for method validation; Detection of systematic error by comparing the means of two methods or two laboratories. Analytical Chem. 67:4491–4499 (1995).
15. S. R. Searle, et al. Variance Components Chapter 3. John Wiley & Sons, Inc, New York, NY (1992).
16. R. W. Mee. b-expectation and b-content tolerance limits for balanced one-way ANOVA random model. Technometrics 26:251–254 (1984).