Identification and Characterization of Impurities in Lipid Nanoparticle Components Using TOF-MS with Predictive In-silico Fragmentation and Automated Data Processing

Význam tématu

Lipidové nanočástice (LNP) se uplatňují jako nosiče pro mRNA vakcíny a další nukleovou kyseliny založené terapie. Kvalitní charakterizace nečistot v jednotlivých složkách LNP je klíčová pro bezpečnost a účinnost finálních produktů.

Cíle a přehled studie / článku

Studie se zaměřila na vývoj integrovaného workflow pro rutinní analýzu a identifikaci nečistot v pěti složkách LNP: cholesterol, DSPC, DMG-PEG 2000, SM-102 a Dlin-MC3-DMA. Cílem bylo nejen detekovat přítomné nečistoty, ale i lokalizovat modifikační místa pomocí in-silico fragmentace a automatizovaného zpracování dat.

Použitá metodika a instrumentace

ULPC separace:

• Kolonka ACQUITY Premier CSH Phenyl-Hexyl 1,7 µm, 2,1×50 mm, 50 °C
• Gradientní eluční režim, 12 minut, mobilní fáze metanol/voda 90/10 (v/v)

Hmotnostní spektrometrie:

• BioAccord System s MSE (střídavá nízká/vysoká kolizní energie)
• Data acquisice a analýza ve waters_connect Platformě s UNIFI App

Hlavní výsledky a diskuse

• In-silico předpověď fragmentačních iontů umožnila potvrdit známé komponenty a lokalizovat modifikace na nečistotách (oxidace aminoskupiny vs. epoxidace dvojné vazby).
• Platforma detekovala nečistoty v hladinách až 0,1 % vůči hlavnímu peaku.
• Kombinace přesné hmotnosti prekurzorových i fragmentačních iontů zvýšila citlivost i jistotu identifikace.

Přínosy a praktické využití metody

• Umožňuje rychlý screening a charakterizaci nečistot ve složkách LNP v rámci vývoje a výroby.
• Podpora rozhodování při výběru dodavatelů či optimalizaci syntetických postupů.
• Zlepšuje kvalitu a bezpečnost finálních mRNA produktů díky detailnímu pohledu na nečistoty.

Budoucí trendy a možnosti využití

• Rozšíření workflow na nové typy ionizovatelných lipidů a komplexnější formulace LNP.
• Integrace s dalšími nástroji strojového učení pro prediktivní hodnocení stability a reaktivity.
• Aplikace podobného přístupu v regulatorních studiích a QA/QC kontrolách ve farmaceutickém průmyslu.

Závěr

Popsaný postup kombinuje UPLC separaci a TOF-MS s in-silico fragmentací v integrovaném softwarovém prostředí. Workflow je citlivé, rychlé a poskytuje vysokou úroveň jistoty při identifikaci a lokalizaci nečistot v lipidových složkách LNP.

Reference

1. Isaac G, Ranbaduge N, Alden BA, Quinn C, Chen W, Plumb RS. Rapid Analysis of Lipid Nanoparticle Components Using BioAccord LC-MS System. Waters Application Note, 720007296, 2021.
2. Han D, DeLaney K, Alden BA, Birdsall RE, Yu Y. Lipid Nanoparticle Analysis: Leveraging MS to Reduce Risk. Waters Application Note, 720007716, 2022.
3. DeLaney K, Han D, Birdsall BE, Yu Y. Optimized ELSD Workflow for Improved Detection of Lipid Nanoparticle Components. Waters Application Note, 720007740, 2022.
4. DeLaney K, Han D, Birdsall RE, Yu YQ. Characterizing and Monitoring Impurities in Lipid Nanoparticle Components Using the BioAccord LC-MS System with waters_connect Software.