机器学习在抗体制剂不溶性微粒分类识别中的应用

目的：对微流成像技术收集的抗体注射剂的不溶性微粒图片进行分类建模,以建立不溶性微粒的分类和溯源分析方法。方法：本研究首先制备并用微流成像系统获得气泡、硅油液滴、玻璃颗粒、反复冻融产生的蛋白颗粒4种不同类型颗粒的图片,并将这些图片分为训练集和测试集两部分。采用3种卷积神经网络（Convolutional Neural Network,CNN）模型,即ResNet50、DenseNet201和ShuffleNetV2,对训练集中的图片进行训练和识别,建立数据集,并用于对测试集图片的识别。此外,通过在实际样品中的应用,将CNN模型识别和人眼分类的准确性和速度进行对比。结果与结论：各模型对于测试集的识别准确率都达到96%以上,且DenseNet201模型具有更优的稳定性;与人眼识别相比,准确率没有显著差异,识别速度更快且具有显著差异。本研究表明CNN模型能够对蛋白质制剂中不溶性微粒图片进行分类和溯源分析,以便采取有针对性的措施,降低药品的潜在风险和安全隐患。     

不同条件对RiboGreen法检测mRNA疫苗中mRNA含量的影响

目的 探讨RiboGreen法检测mRNA疫苗中mRNA含量可能的影响因素。方法 在不同裂解液浓度、裂解时间、样品稀释浓度和参比品条件下，使用RiboGreen荧光染料法对不同生产工艺的mRNA疫苗的mRNA含量进行检测。结果 在裂解液为0.1%〜2.5% Triton X-100、裂解5〜30 min、样品稀释至mRNA含量0.5〜1.5 μg/ml时，mRNA含量检测结果的差异无统计学意义；不同参比品序列下样品mRNA含量检测结果差异有统计学意义。结论 根据检测样品的mRNA含量的回收率，初步确定了mRNA疫苗中mRNA含量检测的最适条件。     

单抗制剂中典型不溶性微粒的形态特征分析

目的：分析单克隆抗体（简称单抗）中典型不溶性微粒图片特征,建立典型不溶性微粒的图谱特征数据库和相应的预警机制。方法：通过采用微流成像技术检测反复冻融、含气泡或硅油、酶解、氧化等不同条件下的单抗中存在的不溶性微粒,筛选关键特征参数用于区别典型不溶性微粒。结果：不同类型不溶性微粒长宽比、密实度、强度、粗糙度和透明度等参数有明显区别,以此可区分不同类型不溶性微粒。此外,获得了不同种类微粒的关键形态特征,初步建立了图谱特征数据库。结论：利用微流成像技术建立对典型不溶性微粒进行比较和分类的方法,可以建立相应预警机制,对单抗中不溶性微粒进行溯源分析和风险评估。     

折光率对微流成像法检测蛋白制剂不溶性微粒的影响

目的：蛋白制剂中不溶性微粒的含量是衡量样品质量的重要指标之一,为了更为准确地检测不溶性微粒的含量和粒径,本研究探讨了溶液折光率对于微流成像系统检测不溶性微粒的影响。方法：本研究以牛血清白蛋白（BSA）为例,通过常见的外界刺激条件（冷冻-解冻）制备高浓度的蛋白质不溶性微粒,并将此微粒稀释至不同折光率的溶液（由PEG1000、海藻糖制备）中,利用微流成像系统检测不溶性微粒的含量。结果：当溶液的折光率接近蛋白质不溶性微粒折光率时,利用微流成像技术检测的不溶性微粒含量低于实际的微粒含量。此外,随着溶液折光率的增加,采用微流成像技术检测出的不溶性微粒的粒径也随之减小。结论：蛋白质溶液的折光率发生改变,会影响利用微流成像技术检测不溶性微粒的准确性。因此,利用微流成像技术检测蛋白制剂中不溶性微粒时,需要考虑到制剂处方的折光率对于检测不溶性微粒的影响,必要时可以采用稀释的方法降低折光率对蛋白质颗粒的屏蔽作用。