Lipid Nanoparticle Analysis: Leveraging MS to Reduce Risk

Význam tématu

Lipidové nanočástice představují klíčový způsob doručení genových terapií a vakcín, zejména u moderních léčiv na bázi mRNA. Jejich komplexní složení čtyř lipidových komponent vyžaduje detailní charakterizaci pro zajištění kvality, bezpečnosti a účinnosti finálního produktu. Dualní detekce spojením kapalné chromatografie (LC) a hmotnostní spektrometrie (MS) zvyšuje senzitivitou a diagnostickou sílu analýzy, čímž pomáhá snižovat rizika spojená s výrobou a kontrolou kvality LNP.

Cíle a přehled studie

Studie navrhuje workflow založené na LC s dvojitou detekcí: optickou (PDA/ELSD) a hmotnostní (ACQUITY QDa). Cílem je demonstrovat nižší meze detekce, odhalení nízkoho množství nečistot a ortogonální potvrzení lipidových složek. Workflow je implementováno v softwaru Empower pro snadné nasazení v neregulovaných i regulovaných prostředích.

Použitá metodika a instrumentace

• LC systém: ACQUITY Premier, kolona CSH Phenyl-Hexyl 1,7 μm, 2,1×50 mm při 50 °C
• Mobilní fáze A: voda + 0,4 % kyseliny mravenčí, B: isopropanol/acetonitril 25:75 + 0,6 % FA
• Detekce: PDA (190–400 nm), ELSD (drift 48 °C, tlak 20 psi) a QDa (ESI+, 150–840 m/z, 5 Hz)
• Software: Empower 3 pro chromatografii, zpracování limitů a knihovnu spekter

Hlavní výsledky a diskuse

• Raw material screening: ELSD často nezaznamená nízké množství nečistot, zatímco QDa odhalí až 6 % nečistot u DSPC z různých dodavatelů.
• Process development: u ionizovatelných lipidů (Dlin-MC3-DMA) umožňuje MS sledovat oxidace, saturace a jiné modifikace oproti optickému signálu.
• Formulace a stabilita: degradace DSPC ve slabě zásaditém prostředí odhalena fragmenty methylstearátu a fosfatidylové části díky m/z signálům.
• Správa dat: integrace QDa s Empower usnadňuje katalogizaci spekter, tvorbu vlastních knihoven a aplikaci ICH limitů pro impurity a toleranční limity hmotnostních dat.

Přínosy a praktické využití metody

• Nižší meze detekce a vyšší citlivost pro impurity i stopové složky.
• Ortogonální potvrzení identity lipidů pomocí m/z a extrahovaných iontových chromatogramů.
• Rychlá migrace a validace metod v regulovaných laboratořích díky plné integraci s Empower.

Budoucí trendy a možnosti využití

• Rozšíření vysokorozlišovací MS pro přesnou identifikaci neznámých nečistot.
• Automatizovaná data miningová řešení a strojové učení pro predikci degradací lipidu.
• On-line monitorování LNP procesů pomocí kapalinové chromatografie spojené s MS.
• Rozvoj standardizovaných spektrálních knihoven pro lipidové nanočástice v průmyslových databankách.

Závěr

Dualní detekce LC-MS pomocí ACQUITY QDa a Empower přináší výrazné zvýšení citlivosti, ortogonální potvrzení identity a robustní workflow pro vývoj i kontrolu kvality lipidových nanočástic. Tato přístupná platforma přispívá ke snížení rizik ve výrobě a zajišťuje vyšší důvěru v kvalitu genových terapií.

Reference

1. Schoenmaker L. et al. mRNA-Lipid Nanoparticle COVID-19 Vaccines: Structure and Stability. Int. J. Pharmaceutics 601 (2021): 120586.
2. Evers M. et al. State-of-the-Art Design and Rapid-Mixing Production Techniques of Lipid Nanoparticles for Nucleic Acid Delivery. Small Methods 2(9) (2018): 1700375.
3. Packer M. et al. A Novel Mechanism for the Loss of mRNA Activity in Lipid Nanoparticle Delivery Systems. Nat. Commun. 12(1) (2021): 1–11.