2. 生物制造数据生命周期与关键数据流

生物制造的数据完整性不是某个单点系统的属性，而是贯穿“菌种/细胞库—培养基配制—发酵/细胞培养—纯化—制剂—放行”整条工艺链的属性。数据从产生那一刻起，就沿着工艺流向下游传递、被采集、被处理、被审核，最终归档或销毁。理解这条生命周期，核心是回答三个问题：每个环节产生什么数据、数据以什么形式被采集、数据在流转中如何保持可追溯与不可篡改。

本节以一条典型的重组蛋白类生物制品工艺链为背景展开。需要说明的是，下文出现的批号、参数值、时间点均为教学示例，用于说明数据流结构，并非实测结果。

一、数据产生的源头：菌种与细胞库

数据生命周期的起点是菌种/细胞库。以工作细胞库（WCB）为例，其产生与使用会形成一组“身份数据”：建库日期、代次（如 WCB 为 MCB 传代至 P+5）、冻存管数量、储存位置（如液氮罐 A-03-12 层架）、储存温度（如 ≤ -135 ℃）、复苏记录、检定结果（无菌、支原体、鉴别、活力）。这些数据的关键特征是一次性产生、长期复用：同一支 WCB 可能支撑数十个生产批，因此其数据必须与后续每一批建立可追溯的关联。

实际做法是给每个库管单元分配唯一标识，例如 WCB-2024-017，并在领用时记录领用批号、领用数量、剩余数量、领用人、复核人。这样，当某一生产批出现异常时，可以反向追溯到具体是哪一支库管、哪一次复苏。

二、培养基配制：配方数据与配制记录

培养基配制环节的数据特点是“配方固定、称量可变”。配方本身（组分、浓度、pH、灭菌条件）属于受控的基准数据；而每次配制的实际称量值、批号、配制体积、灭菌批次、过滤前后 pH、渗透压则属于批记录数据。

以示例配方为例：某培养基含葡萄糖 20 g/L、酵母提取物 10 g/L、磷酸盐缓冲体系，配制体积 50 L。操作人员需记录每种组分的物料批号、实际称量值（如葡萄糖实际称量 1002.3 g）、天平编号与校准有效期、溶解后 pH（如 7.02）、灭菌方式（如 121 ℃、20 min）及灭菌后 pH（如 6.95）。这里的关键数据完整性要求是：称量值与配方值的偏差必须可判断，例如设定允差为 ±1%，则 1002.3 g 对 1000 g 的偏差为 +0.23%，在允差内；若称量 1015 g，偏差 +1.5%，则需偏差处理记录。

三、发酵/细胞培养：过程参数的时间序列

发酵或细胞培养是数据量最大、实时性最强的环节。温度、pH、溶氧（DO）、搅拌转速、补料速率、罐压、尾气 CO₂/O₂ 等参数以秒级或分钟级频率被采集，形成时间序列数据。这些数据通常由 DCS 或 SCADA 系统自动采集，再经历史数据库存储。

此环节的数据完整性风险集中在三点：一是采集频率与工艺要求是否匹配，例如 pH 控制要求 10 s 采集一次，若实际为 60 s，则可能漏掉瞬时波动；二是时间戳是否统一，控制器时间、采集服务器时间、操作员记录时间必须对齐；三是手动录入数据是否有审计追踪，例如离线取样测得的细胞密度、活率、代谢物浓度，需记录录入人、录入时间、原始数据来源。

以示例批 FB-2024-031 为例，其过程数据可概括为：0–18 h 为批培养阶段，18 h 起开始补料，补料速率从 0.5 L/h 逐步提升至 2.0 L/h；培养 72 h 时活率由 98% 降至 91%，触发收获判断。这些数值本身是示例，但展示了“参数—时间—判断”的数据关系。

四、纯化与制剂：批次数据与质量数据的分界

纯化环节（如离心、层析、病毒灭活、超滤）产生的是操作数据：层析柱编号、上样体积、流速、紫外吸收峰、收集起止体积、缓冲液批号、压差、收率。制剂环节则产生配方与灌装数据：辅料批号、配制 pH、灌装体积、装量差异、密封性、灯检结果。

这两个环节的数据开始与质量数据交汇。例如纯化收率（如 78.5%）属于过程数据，而纯度（如 SEC-HPLC 99.2%）属于质量数据。数据完整性要求是：过程数据与质量数据必须能通过批号关联，且任何计算（如收率 = 收获液总量 × 浓度 / 上样总量 × 浓度）的原始数据、计算公式、计算人、复核人都要可查。

五、放行、归档与销毁：生命周期的收口

放行审核是数据生命周期的关键审核点。QA 需要核对批记录、过程数据、质量报告、偏差记录、变更记录是否完整、一致、可追溯。审核通过后，批数据进入归档状态。归档不是简单“存起来”，而是要求：归档介质可靠、索引可检索、访问受控、保存期限明确（如产品有效期后 1 年或法规规定年限）。

销毁是生命周期的终点。销毁必须经过审批，记录销毁对象、数量、方式、执行人、监督人、日期。对于电子数据，销毁还需考虑备份副本、归档副本是否同步处理，避免出现“主数据已销毁、备份仍可读”的不一致状态。

六、关键数据流的可追溯性设计

把上述环节串起来看，数据流的可追溯性依赖四个“锚点”：批号（把同一批的所有数据绑在一起）、时间戳（把过程数据按时间排序）、设备与人员标识（把数据与产生者绑定）、审计追踪（把修改行为记录下来）。

以批号 FB-2024-031 为例，其可追溯链可以这样组织：该批使用 WCB-2024-017 复苏，复苏记录编号 R-031；使用培养基批 M-2024-088，称量记录 W-088；发酵过程由 DCS 采集，数据文件 FB031_DCS.csv；纯化使用层析柱 C-07，层析图谱文件 P-031；制剂灌装线 L-02，装量数据 F-031；最终质量报告 QC-031。任何一个环节出现偏差，都可以沿这条链向前或向后定位。

七、生命周期各阶段的数据完整性关注点

从这张表可以看出，数据完整性风险并不集中在某一个环节，而是分布在“产生—采集—处理—审核—归档—销毁”的每一个转换点上。真正有效的做法，是在工艺设计阶段就把数据流设计进去：明确每个环节产生哪些数据、由谁采集、以什么频率采集、如何与批号关联、修改时如何留痕、保存多久、如何销毁。这样，数据完整性才不是事后补记录，而是工艺本身的一部分。