2. 生物制品关键质量属性与关键工艺参数

在生物制品的质量风险管理中，CQA（Critical Quality Attribute，关键质量属性）与 CPP（Critical Process Parameter，关键工艺参数）是两条贯穿产品生命周期的“控制主线”。CQA 描述的是“产品必须达到什么质量状态”，CPP 描述的是“工艺必须把哪些参数控制在什么范围内，才能稳定地得到该质量状态”。二者不是并列清单，而是通过工艺过程形成因果链：CPP 波动 → 中间体或产品属性变化 → CQA 偏离 → 安全性与有效性风险上升。因此，识别 CQA 与 CPP 的本质，是建立“属性—工艺—风险”之间的可追溯映射。

一、CQA 的识别方法

CQA 识别通常从三个信息源汇聚：一是产品目标质量概况（QTPP），明确适应症、给药途径、剂量、效价与纯度期望；二是药理学、毒理学与临床安全性数据，确定哪些属性直接影响安全或疗效；三是法规与药典要求，如《中国药典》、ICH Q6B、ICH Q5E 等。识别时先建立“候选属性池”，再逐项回答四个问题：该属性是否影响安全性？是否影响有效性？是否影响免疫原性？是否影响批间一致性？只要任一问题为“是”，即进入 CQA 候选；若影响程度高且难以通过下游控制消除，则升级为关键 CQA。

常用工具包括因果图（Ishikawa）、失效模式与影响分析（FMEA）、风险矩阵和实验设计（DoE）。其中风险矩阵最直观：以“影响严重度”为纵轴、“发生概率或可检测性”为横轴，将候选属性放入矩阵，落在高严重度—高概率区域的属性优先作为 CQA。需要注意，CQA 不是越多越好，过度识别会导致工艺控制成本上升，反而稀释真正关键的控制点。

二、CPP 的识别方法

CPP 识别建立在工艺表征基础上。以单抗上游细胞培养为例，温度、pH、溶氧、补料策略、接种密度、培养周期等参数都可能影响表达量、糖型、电荷变异体和聚集体。识别路径是：先通过风险分析筛选潜在关键参数，再用 DoE（如部分因子设计、响应面法）建立参数与 CQA 的定量关系，最后用“设计空间”确定正常操作范围（NOR）与可接受范围（PAR）。若某参数在 NOR 内波动时 CQA 仍稳定，则该参数可降为一般工艺参数（KPP）；若波动直接导致 CQA 超限，则必须定为 CPP 并纳入批记录控制。

三、风险排序工具

风险排序常用三类工具：风险矩阵用于快速分级；FMEA用严重度（S）、发生度（O）、可检测度（D）计算风险优先数 RPN = S×O×D，适合多因素排序；故障树/事件树用于追溯偏差根因。实际项目中常将三者组合：先用矩阵粗筛，再用 FMEA 精排，最后用实验数据验证排序是否合理。

四、单抗、疫苗与细胞治疗产品的 CQA 差异

三类产品的 CQA 侧重点差异显著。单抗产品以“分子结构—功能”为核心，CQA 通常包括：效价（结合活性/中和活性）、纯度（SEC-HPLC 聚集体、CE-SDS 片段）、电荷变异体（iCIEF）、糖型（G0F/G1F/G2F、高甘露糖）、残留 DNA/宿主蛋白、无菌与内毒素。疫苗产品更强调免疫原性与安全性：抗原含量、佐剂吸附率、粒径分布、残余毒力、无菌、防腐剂含量；对灭活疫苗还需关注灭活验证程度。细胞治疗产品（如 CAR-T）的 CQA 则聚焦细胞身份、纯度、效力与安全性：CAR 阳性率、T 细胞亚群比例、活率、载体拷贝数（VCN）、残余磁珠/血清、无菌、支原体、复制型病毒（RCL）检测。可以看到，单抗偏“分子理化”，疫苗偏“免疫与佐剂”，细胞治疗偏“细胞表型与基因修饰”，三者的 CPP 也随之不同：单抗重上游培养与下游纯化，疫苗重发酵/灭活/佐剂配制，细胞治疗重采集、激活、转导、扩增与冻存。

五、案例：某单抗产品 CQA 风险评估矩阵构建

以下为教学示例，参数与评分均为合理假设，用于说明矩阵构建过程，不代表真实产品数据。假设某 IgG1 单抗，适应症为自身免疫病，给药途径为静脉输注。选取 8 个候选 CQA，按严重度 S（1～5）与发生概率 P（1～5）评分，风险得分 R = S×P，R≥15 为高风险，8～14 为中风险，≤7 为低风险。

根据矩阵结果，聚集体与效价被列为高风险 CQA，需优先建立 CPP 关联。进一步用 DoE 考察上游培养温度（36.5±0.5℃）、pH（6.9±0.1）、溶氧（30±10%）与补料策略对聚集体的影响，结果显示温度升高 1℃ 时聚集体上升约 0.4%（示例数据），因此将培养温度定为 CPP，NOR 设为 36.0～37.0℃，并设置报警限 36.2～36.8℃。效价则与收获液滴度及纯化步骤收率相关，将层析上样载量定为 CPP，NOR 设为 30～45 g/L 树脂。最终形成“CQA—CPP—控制策略”三级映射，并纳入年度产品质量回顾（APQR）持续确认。