1. 生物工艺参数体系总览

生物工艺开发的核心任务，不是孤立地优化某一个温度、pH 或补料速率，而是建立一套可追溯、可控制、可验证的参数体系。这套体系要回答三个层次的问题：什么物料进入反应器（关键物料属性，KMA）、过程被怎样操控（关键工艺参数，KPP）、最终产品必须达到什么质量（关键质量属性，CQA）。工艺表征（Process Characterization）则是把这三者连接起来的工程活动——通过实验设计，量化 KPP 与 KMA 对 CQA 的影响，从而确定正常操作范围（NOR）与可接受范围（PAR），并据此设计控制策略。

三类关键属性的定位与区别

关键质量属性（CQA）是产品的物理、化学、生物学或微生物学性质，其波动会影响安全性与有效性。对单克隆抗体而言，典型 CQA 包括聚集体含量、电荷异构体分布、糖型比例、残留宿主细胞蛋白（HCP）、残留 DNA、效价等。CQA 由产品本身和监管要求决定，是工艺开发的目标函数，不是可随意调整的自由变量。

关键工艺参数（KPP）是过程输入中需要被监控或控制、其波动会显著影响 CQA 或工艺性能的参数。以 CHO 细胞培养为例，温度、pH、溶解氧（DO）、补料速率、渗透压、接种密度、培养基关键组分浓度都可能成为 KPP。判断一个参数是否为 KPP，依据是工艺表征中的影响显著性，而非主观经验。

关键物料属性（KMA）是原材料或中间物料中影响产品质量或工艺性能的属性，例如培养基中葡萄糖、谷氨酰胺、氨基酸浓度，或原料药中间体的聚集体水平。KMA 与 KPP 的区别在于：KPP 是过程操作变量，KMA 是物料本身的属性；但二者在因果链上处于同一层级，都是 CQA 的潜在影响来源。

工艺表征：把因果链变成可量化的关系

工艺表征的本质是建立“输入—过程—输出”的定量映射。常用方法是风险排序（如 FMEA）先筛选潜在关键参数，再用实验设计（DoE）量化影响。以某单抗上游补料批次培养为例，假设初步风险分析识别出温度、pH、补料速率三个潜在 KPP，可采用三因素两水平或响应面设计，考察它们对聚集体、糖型、效价的影响。

一个合理的教学示例：设定温度 34–37 ℃、pH 6.8–7.2、补料速率 0.8–1.2 倍基准，采用中心复合设计。结果显示，温度对聚集体影响最显著（高温增加聚集），pH 对电荷异构体影响显著，补料速率对效价影响显著。据此可确定：温度 NOR 为 35.5–36.5 ℃，pH NOR 为 6.9–7.1，补料速率 NOR 为 0.9–1.1 倍基准。这些范围不是拍脑袋定的，而是由 DoE 模型和可接受标准反推得到。

工艺表征的输出不仅是参数范围，还包括影响方向、影响幅度和交互作用。例如温度与 pH 可能存在交互：高温下 pH 偏离对聚集的影响被放大。这类信息直接决定控制策略的优先级——交互作用强的参数需要更严格的控制或联动控制。

控制策略：从参数范围到可执行动作

控制策略是把工艺表征结论转化为日常生产中的具体控制动作。它通常包括：参数控制方式（在线 PID、离线检测、批次放行）、控制限与行动限、偏差处理流程、以及物料放行标准。例如，若补料速率被确认为 KPP，则需在工艺规程中规定其控制范围、监控频率和偏差处理方式；若某 KMA 如培养基谷氨酰胺浓度影响糖型，则需在物料放行标准中规定其可接受范围。

控制策略的层次应与风险匹配：对 CQA 影响大且交互复杂的参数，采用在线控制加实时监控；对影响较小或机理明确的参数，可采用离线检测加批次放行。控制策略不是越严越好，而是要在保证质量的前提下，使工艺具备可操作性和经济性。

工程框架的落地要点

把上述框架落到实际项目中，需要把握几个关键动作。第一，先定义 CQA 及其可接受标准，再倒推哪些参数需要研究。CQA 的确定应基于产品特性、临床需求和监管指南，而不是先做实验再补标准。第二，用风险排序聚焦研究范围，避免对所有参数做全因子实验，否则实验量和成本不可控。第三，DoE 设计要覆盖正常操作范围并留出边界，以便确定 PAR 而非仅验证 NOR。第四，控制策略要与工艺表征结论一一对应，每个被识别为 KPP 或 KMA 的参数都应有明确的控制方式、限度和监控安排。

一个可参考的参数体系清单结构如下（示例）：

理解这套体系的价值在于：当生产中出现偏差时，团队能快速判断是哪个 KMA 或 KPP 发生了漂移，影响了哪个 CQA，以及现有控制策略是否足够。这种因果追溯能力，正是生物工艺从“经验驱动”走向“科学驱动”的标志。