4. 关键质量属性与关键工艺参数

可比性研究的起点不是检测，而是判断“该测什么”。如果变更后把几十个放行指标全部平行比较，既浪费资源，又容易在无关指标上产生噪声；反过来，如果漏掉真正受变更影响的属性，则可能把风险带入临床。因此，本节的核心任务是建立一条从产品关键质量属性（CQA）到关键工艺参数（CPP）的因果链，并据此确定变更后需要重点监测的指标及其可接受范围。

一、CQA与CPP的定义边界

CQA是指那些若超出可接受范围，就会显著影响产品安全性或有效性的物理、化学、生物学或微生物学属性。它回答的是“产品必须满足什么”。CPP则是指其波动会显著影响某个CQA的工艺参数，它回答的是“工艺必须控制什么”。两者的关系不是并列清单，而是输入—传递—输出的因果结构：CPP通过工艺步骤作用于产品，最终在CQA上留下可观测的痕迹。

需要特别区分CQA与一般质量属性。例如，某单抗的聚集体含量通常被列为CQA，因为它与免疫原性风险直接相关；而外观虽然也是放行指标，但多数情况下属于一般属性，除非变更涉及容器密封或配方颜色。同样，CPP也不是所有工艺参数的统称。pH、温度、溶氧、补料速率、层析载量、洗脱梯度斜率等，只有在被证明或合理推断会影响CQA时，才应被纳入CPP清单。

二、从CQA反推CPP：建立关联矩阵

识别CPP的常用方法是“从CQA出发，沿工艺步骤反向追溯”。以细胞培养为例，若目标CQA包括糖型分布、电荷变异体、聚集体、宿主细胞蛋白残留，则需要逐段检查上游操作：培养基组成、接种密度、温度切换时间、pH控制带、溶氧设定、补料策略、收获时机。每一个可能改变上述CQA的参数，都应进入候选CPP列表，再通过风险排序和实验证据确定其关键性等级。

实际操作中，建议用一张CQA–CPP关联矩阵来固化这种关系。矩阵的行是CQA，列是工艺参数，交叉格填写影响方向、影响强度（高/中/低）和现有证据来源（历史批次数据、DOE、文献、机理推断）。这张矩阵不是一次性文件，而是变更评估的“导航图”：当某个参数发生变更时，沿列向下看，就能快速锁定需要重点监测的CQA。

三、确定变更后重点监测指标

有了关联矩阵，变更后的监测策略就可以“按图索骥”。假设某次变更将细胞培养温度切换时间从第5天提前到第3天，沿矩阵向下追踪，可能受影响的CQA包括糖型分布、电荷变异体和聚集体。此时监测重点不应是全部放行项目，而应聚焦这三项，并补充高甘露糖比例和酸性峰比例作为敏感指标。

监测指标的选择还要考虑变更类型。如果是工艺参数变更，重点监测该参数直接影响的CQA；如果是原材料供应商变更，则需关注可能引入的新杂质、培养基组分差异对糖型和电荷变异体的影响；如果是场地或设备变更，除CQA外，还应关注工艺性能指标，如收率、纯度、批间一致性，因为它们可能间接反映工艺状态偏移。

四、可接受范围的设定方法

可接受范围不是简单照搬放行标准，而是基于历史数据分布、工艺能力、临床暴露量和变更风险综合确定。常用做法有三种：

• 基于历史批次的统计区间：取变更前至少10–15批的实测值，计算均值和标准差，以均值±3σ或95%/99%容忍区间作为参考。例如某单抗聚集体历史均值为1.2%，标准差0.3%，则监测警戒线可设为1.8%，行动限设为2.5%。
• 基于工艺能力指数：若放行标准上限为3.0%，历史数据Cpk≥1.33，说明工艺能力充足，变更后可接受范围可沿用原标准；若Cpk接近1.0，则需收紧监测频率或增加中间控制。
• 基于风险分级：对高风险CQA（如聚集体、效价）采用更窄的监测范围和更密集的采样点；对低风险属性可适当放宽，但仍需保留趋势观察。

五、一个可执行的监测清单示例

以下清单可直接用于变更后可比性研究的监测方案设计。字段包括：受影响CQA、关联CPP、监测方法、采样点、警戒限、行动限和判断依据。示例数据为合理假设，实际项目需根据产品历史数据调整。

六、从关联到决策：变更后监测的闭环

完成上述步骤后，变更评估就形成了一个可追溯的闭环：变更描述 → CPP识别 → CQA关联 → 监测指标选择 → 可接受范围设定 → 数据采集与趋势分析 → 可比性结论。其中，CQA–CPP关联矩阵是贯穿始终的主线。它既帮助我们在变更前预判风险，也帮助我们在变更后解释数据波动：当某个CQA出现偏移时，可以沿矩阵反向定位到可能的CPP，判断是工艺漂移还是分析方法变异，从而决定是否需要扩大调查范围或调整控制策略。

最后需要强调，CQA和CPP的清单不是永久固定的。随着工艺理解加深、临床数据积累或监管要求变化，某些参数可能从非关键升级为关键，某些CQA的可接受范围也可能收紧。因此，建议在每次变更评估时重新审视关联矩阵，确保监测指标始终与当前风险认知保持一致。