3. 生物工艺QbD开发工程的上游工艺表征与关键工艺参数识别

上游工艺表征的核心任务，是把“细胞或微生物在反应器里长得好不好、产物表达得高不高”这一模糊目标，拆解为可测量、可控制、可验证的工艺参数集合，并从中筛出真正影响产品质量与产量的关键工艺参数（CPP）。QbD 的思维方式不是先做实验再找原因，而是先建立“工艺输入—过程状态—产品质量”的因果假设，再用实验数据去验证或推翻这些假设。上游单元操作差异很大：CHO 细胞培养关注接种密度、温度、pH、溶氧、补料策略；微生物发酵关注溶氧、补料速率、诱导时机、比生长速率；病毒载体生产则额外关注感染复数（MOI）、感染时机、收获时间。它们的共同点是：参数之间高度耦合，单因素实验往往无法揭示真实影响。

上游单元操作的关键参数梳理

以 CHO 细胞培养为例，一个典型的补料分批工艺可拆为三个阶段：生长期、过渡期、生产期。生长期的关键参数是接种活细胞密度（例如 0.5×10⁶ cells/mL）、温度（37℃）、pH（7.0±0.1）、溶氧（40% 空气饱和度）；过渡期开始降温至 33℃ 并启动补料；生产期则依赖补料速率与葡萄糖浓度控制。微生物发酵（如大肠杆菌表达重组蛋白）的关键参数包括诱导温度、IPTG 浓度、诱导时机（以 OD₆₀₀ 计）、溶氧联动补料。病毒载体生产（如 AAV 或慢病毒）则需控制转染试剂比例、DNA 用量、感染时细胞密度、收获时的细胞活率。这些参数并非孤立，例如降温会降低比生长速率，进而改变葡萄糖消耗速率，最终影响补料策略。

CPP 初筛：从因果图到风险排序

CPP 初筛通常分两步：先画因果图（Cause-Effect Diagram），再做 FMEA 风险评分。因果图的作用是穷举可能影响 CQA（关键质量属性）的参数，并标出参数之间的传递路径。例如“溶氧下降 → 细胞代谢转向乳酸生成 → 培养液 pH 下降 → 产物糖基化模式改变”就是一条典型因果链。FMEA 则对每条链上的参数按严重度（S）、发生度（O）、可检测度（D）打分，计算风险优先数 RPN = S×O×D。RPN 高于阈值的参数进入 CPP 候选清单，再通过 DOE 实验确认其影响是否显著。

FMEA 评分与 DOE 验证的衔接

FMEA 评分不是终点，而是实验设计的输入。假设某 CHO 补料分批工艺中，补料速率对糖基化的严重度 S=8，发生度 O=5，可检测度 D=4，则 RPN=160，高于预设阈值 100，进入 CPP 候选。此时应设计响应面实验（如中心复合设计），以补料速率为因子，以糖型分布为响应，确认其影响是否显著。若显著，则补料速率被正式定义为 CPP，并需设定可接受范围（PAR）。对于微生物发酵，诱导时机与诱导温度的交互作用常被低估，FMEA 中若两者单独评分不高，但因果图显示存在交互路径，则应采用全因子或部分因子设计而非单因素实验。

参数可接受范围与设计空间

CPP 识别之后，需要确定每个参数的可接受范围（PAR），并进一步组合成设计空间。设计空间不是单个参数范围的简单叠加，而是多参数交互下的稳健区域。例如温度 33±1℃ 与 pH 7.0±0.1 单独看都安全，但若同时偏向边界，可能导致比生长速率过低、产物表达下降。因此，设计空间通常通过 DOE 模型（如二次多项式回归）绘制等高线图，找出满足 CQA 约束的参数组合区域。对于病毒载体生产，MOI 与感染时细胞密度的交互尤为明显：高 MOI 配合高细胞密度可能引发细胞病变过快，导致收获时活率不足，反而降低感染性颗粒收率。

从初筛到确认的迭代逻辑

CPP 初筛不是一次性动作。第一轮因果图与 FMEA 给出候选清单，第一轮 DOE 确认部分参数显著，同时可能暴露新的因果路径，需要回到因果图补充。例如在 CHO 培养中发现补料速率影响乳酸代谢，而乳酸又影响 pH，pH 又影响糖基化，这条链在初始因果图中可能只画了“补料→乳酸”，未画“乳酸→pH→糖基化”。迭代两到三轮后，CPP 清单趋于稳定，再进入工艺确认阶段。整个过程强调：先建立假设，再用最小实验集验证，最后用数据收敛，而不是盲目穷举所有参数组合。

上游工艺表征的最终交付物，是一份可追溯的 CPP 清单及其 PAR，并附上因果图、FMEA 评分表和 DOE 验证数据。这份清单直接支撑后续工艺控制策略的制定，也是工艺验证和注册申报中“质量源于设计”的核心证据链。