AQbD-Based Method Development for the Analysis of Lipid-Based Nucleic Acid Delivery Systems Using ChromSwordAuto Software

Význam tématu

RNA-lipidové nanočástice se staly klíčovým nosičem pro doručení nukleových kyselin v moderních vakcínách a terapeutikách. Přesné analytické metody garantují kvalitu, stabilitu a bezpečnost finálních produktů. Implementace principů Quality by Design (QbD) v analytickém vývoji podporuje systematický přístup, zvyšuje robustnost metod a usnadňuje splnění regulačních požadavků.

Cíle a přehled studie / článku

Cílem bylo vyvinout UHPLC metodu pro analýzu lipidových nosičů nukleových kyselin (LNP, lipoplexy, liposomy, SPLP) založenou na automatizovaném přístupu AQbD za využití softwaru ChromSwordAuto. Studie zahrnovala návrh analytického cíle, identifikaci kritických atributů (CQA, CPP), optimalizaci podmínek pomocí Design of Experiments (DoE) a definici Method Operable Design Region (MODR).

Použitá metodika

Metoda byla vyvinuta v následujících krocích:

• Screening: čtyři fáze gradientů na základě sloupců s různými stacionárními fázemi a poměrem organických rozpouštědel.
• Optimalizace: rychlý algoritmus pro velké molekuly (rapid optimization) s 50×3 mm a 100×3 mm ZORBAX StableBond Silica/CN sloupci.
• Robustnost: stanovení limitních hodnot CPP pro průtok, teplotu a složení mobilní fáze pomocí ChromSwordAuto AutoRobust.
• Verifikace: kontrola předpovězených vs. experimentálních retenčních časů, vyhodnocení linearity (R²=0,9999) a minimální rozlišení.

Použitá instrumentace

• Agilent 1260 Infinity II quaternary pump, multisampler, ELSD detektor
• Agilent 1290 Infinity II Bio LC (bio binary pump, bio multisampler, multicolumn thermostat)
• Agilent ZORBAX StableBond Silica/CN kolony (50×3 mm, 100×3 mm)
• Software ChromSwordAuto 5.1 (DataSystem, Developer, AutoRobust), Agilent OpenLab CDS 2.7

Hlavní výsledky a diskuse

Screening odhalil nejlepší kombinace stacionární fáze a gradientu pro základní oddělení 10 lipidů. Optimalizace na 100 mm CN sloupci přinesla baseline separaci a objev dvou vedlejších impurit z DOTAP a DSPC. Definované MODR zahrnovalo průtok 0,5–0,6 mL/min, teplotu 25–30°C a složení mobilní fáze s 27–90 % ACN. Verifikace potvrdila predikce retenčních časů s R²=0,9999 a v reálných vzorcích (Moderna Spikevax, Pfizer Comirnaty, Onpattro) bylo zjištěno minimální rozlišení 3,74.

Přínosy a praktické využití metody

Účinná automatizace zkracuje čas vývoje metody, zvyšuje její reproducibilitu a snižuje rizika spojená s manuálními zásahy. Metoda umožňuje včasnou detekci impurit, podporuje flexibilitu v rámci regulačních změn a slouží jako robustní nástroj pro QA/QC v biopharmaceutickém průmyslu.

Budoucí trendy a možnosti využití

Další rozvoj lze očekávat ve spojení s hmotnostní spektrometrií pro identifikaci neznámých složek, využití prediktivních modelů a umělé inteligence pro rychlejší návrh metod, integraci analytiky přímo do výrobních linek (PAT) a adaptaci na nové typy lipidových nosičů a mRNA terapií.

Závěr

Studie prokázala efektivitu AQbD přístupu při vývoji UHPLC metody pro komplexní lipidové nosiče nukleových kyselin. ChromSwordAuto umožnil rychlou automatizaci a definici robustního designového prostoru, což zajišťuje stabilní kvalitu analýzy a usnadňuje regulační schvalování.

Reference

1. Knezevic I. et al. Development of mRNA Vaccines: Scientific and Regulatory Issues. Vaccines 2021, 9(2), 81.
2. Liu M.A. et al. WHO Informal Consultation on Regulatory Considerations for Evaluation of the Quality, Safety and Efficacy of RNA-Based Prophylactic Vaccines for Infectious Diseases. Emerg. Microbes Infect. 2022, 11(1), 384–391.
3. Daniel S. et al. Quality by Design for Enabling RNA Platform Production Processes. Trends Biotechnol. 2022.
4. Peraman R., Bhadraya K., Padmanabha Reddy Y. Analytical Quality by Design: a Tool for Regulatory Flexibility and Robust Analytics. Int. J. Anal. Chem. 2015.
5. Reid G.L. et al. Analytical Quality by Design (AQbD) in Pharmaceutical Development. Am. Pharm. Rev. 2013.
6. Schoenmaker L. et al. mRNA-Lipid Nanoparticle COVID-19 Vaccines: Structure and Stability. Int. J. Pharm. 2021, 601, 120586.
7. Evers M.J.W. et al. State‐of‐the‐Art Design and Rapid‐Mixing Production Techniques of Lipid Nanoparticles for Nucleic Acid Delivery. Small Methods 2018, 2(9), 1700375.
8. Albertsen C.H. et al. The Role of Lipid Components in Lipid Nanoparticles for Vaccines and Gene Therapy. Adv. Drug Deliv. Rev. 2022, 188, 114416.
9. Wheeler J.J. et al. Stabilized Plasmid-Lipid Particles: Construction and Characterization. Gene Ther. 1999, 6(2), 271–281.
10. Tam P. et al. Stabilized Plasmid-Lipid Particles for Systemic Gene Therapy. Gene Ther. 2000, 7(21), 1867–1874.
11. Maurer N. et al. Spontaneous Entrapment of Polynucleotides Upon Electrostatic Interaction with Ethanol-Destabilized Cationic Liposomes. Biophys. J. 2001, 80(5), 2310–2326.
12. Khatri N. et al. Development and Characterization of siRNA Lipoplexes: Effect of Different Lipids, In Vitro Evaluation in Cancerous Cell Lines and In Vivo Toxicity Study. AAPS PharmSciTech. 2014, 15, 1630–1643.