2. 生物过程数据采集与质量变量

生物过程统计过程控制（SPC）的第一道关口不是控制图，而是数据本身。发酵罐里的pH、溶氧、温度、尾气CO₂、补料质量，以及实验室测得的效价、蛋白浓度、宿主细胞蛋白残留，构成了SPC的输入。如果这些输入在时间戳、单位、量程、采样频率或测量系统上存在缺陷，后续任何控制图、能力指数和判异规则都会失去意义。本节围绕“数据从哪里来、质量变量怎么选、测量系统是否可信”三个问题展开。

一、在线传感器与离线检测：两类数据源的分工

在线传感器安装在罐体、管路或尾气分析仪上，以秒级到分钟级频率连续输出信号，典型对象包括温度（PT100，±0.2 ℃）、pH（玻璃电极，±0.05 pH）、溶氧（极谱/荧光电极，%空气饱和度）、搅拌转速、补料流量（质量流量计，±0.5%读数）、罐压和尾气O₂/CO₂（顺磁/红外，±0.1%）。在线数据的优势是密度高、能捕捉动态过程，但受灭菌、结垢、电极漂移和气泡影响，必须定期校准与维护。

离线检测由QC实验室完成，典型项目包括活细胞密度（Vi-CELL或细胞计数仪）、葡萄糖/乳酸（生化分析仪）、效价（HPLC或细胞活性法）、糖基化分布（LC-MS）、宿主细胞蛋白（ELISA）和微生物限度。离线数据频率低（每批数次到每天一次），但准确度和法规认可度高，常作为放行与趋势判断的基准。两类数据在SPC中不是替代关系，而是互补：在线数据用于实时监控和异常预警，离线数据用于批次判定和模型校准。

二、数据完整性：时间对齐、单位与缺失值

数据完整性不是“有没有数据”，而是“数据能否被正确解释”。生物过程数据常见四类问题：一是时间戳不一致，在线系统用本地时间、LIMS用UTC，导致补料事件与pH响应错位；二是单位混用，如葡萄糖浓度同时出现g/L与mmol/L；三是量程与精度不匹配，用0～14 pH电极测6.8～7.2的微小波动，分辨率不足；四是缺失值，离线检测因样本不足或仪器故障出现空值。

处理原则是：统一时间基准（建议全部转为UTC并保留原始时区字段）、统一单位并记录换算系数、对超出量程或跳变的数据标记为可疑而非直接删除、缺失值用“未测”而非0填充。对于SPC，缺失值会改变样本量和控制限，必须在数据表中显式记录缺失原因。

三、质量特性选择：从关键质量属性到可控制变量

质量特性选择的核心是区分“关键质量属性（CQA）”与“关键过程参数（CPP）”。CQA是产品必须满足的属性，如效价、纯度、糖型、无菌；CPP是能影响CQA的过程变量，如温度、pH、溶氧、补料速率。SPC通常对CPP做在线控制图，对CQA做批次间趋势图。选择质量特性时，应优先选可量化、可重复测量、与CQA有明确因果或相关关系的变量，避免把“操作人员是否按SOP执行”这类定性描述直接当作SPC变量。

一个实用的筛选顺序是：先列出所有候选变量，再按“对CQA影响程度、测量频率、测量成本、测量系统能力”四个维度打分，优先保留高影响、可高频测量且测量系统合格的变量。例如，某单抗发酵过程将pH、溶氧、补料速率、尾气CO₂作为在线SPC变量，将效价、糖型、HCP作为离线趋势变量。

四、测量系统分析（MSA）：先证明尺子可信

测量系统分析用于回答“测量数据本身有多少波动”。对连续型变量，常用GR&R（重复性与再现性）研究：选10个覆盖过程范围的样品，由3名操作员各测2次，计算重复性（设备/方法内）、再现性（操作员间）和总GR&R。判定标准通常为：GR&R占过程总波动或公差的比例＜10%可接受，10%～30%视情况接受，＞30%不可接受。对离线效价检测，若GR&R为25%，则控制图上看到的波动可能主要来自测量系统，而非过程本身。

对在线传感器，MSA表现为校准验证：用标准缓冲液验证pH电极斜率（95%～105%）、用零气和标准气验证尾气分析仪、用已知浓度标准品验证生化分析仪。校准记录应包含标准值、测量值、偏差、校准日期和有效期。只有测量系统合格，SPC控制限才有意义。

五、一个可执行的检查清单

在实际项目中，可按以下顺序完成本节任务：第一步，列出所有在线与离线变量，标注单位、量程、采样频率和测量方法；第二步，统一时间戳到UTC，建立单位换算表；第三步，对每个连续变量做GR&R或校准验证，记录偏差与有效期；第四步，按影响程度和测量能力筛选SPC变量，明确哪些做在线控制图、哪些做离线趋势图；第五步，在数据表中显式记录缺失值和可疑标记，避免后续控制限被污染。

数据采集与质量变量选择是SPC的“地基”。在线传感器提供密度，离线检测提供准度，数据完整性保证两者可对齐，MSA保证尺子可信，质量特性选择保证监控对象正确。只有这五者同时成立，后续的控制图、判异规则和过程能力分析才有工程意义。