1. 连续生物过程工程导论

连续制造在生物制药中的定位，可以从一个最朴素的问题切入：当细胞或酶在反应器里持续工作、产物被持续带走时，我们究竟在控制什么？传统批次与补料批次工艺把"时间"切成一段段独立的操作单元，而连续工艺把时间拉成一条连续的生产线——上游灌流培养、下游连续层析、病毒清除与超滤浓缩被串成一条物料不断流动的路径。理解这条路径的结构、物料与信号如何传递，是后续预测控制与优化工程的全部基础。

连续制造在生物制药中的定位

生物制药长期以批次和补料批次为主流，原因在于监管框架、质量放行逻辑与工艺放大经验都围绕"批"建立。连续制造并非简单地把设备连起来，而是把生产从"离散批次"重构为"稳态或准稳态的连续流"。它的核心价值在于：设备体积更小、单位时间产率更高、对产品质量属性的控制更依赖实时测量与反馈，而不是依赖批次结束后的离线检验。对于不稳定、易降解或需要快速响应的产品（如某些酶、单抗片段、病毒载体），连续模式能缩短物料在不利条件下的停留时间。

需要强调的是，连续制造不是"全连续"才算数。行业里常见的是混合模式：上游灌流连续，下游捕获连续，精制仍用批次层析；或者上游补料批次，下游连续。判断一个工艺是否属于连续制造，关键看是否存在持续进料与持续出料、是否存在稳态操作窗口，而不是看所有单元是否都连续。

关键概念：从批次到连续流的语言转换

进入连续工艺后，几个概念必须重新定义。第一是停留时间分布（RTD）：物料从进入单元到离开单元的时间不是一个固定值，而是一个分布。它决定了产物在反应器或层析柱中经历的条件差异，也直接影响病毒清除和降解风险评估。第二是稳态：连续工艺追求的是关键变量（如活细胞密度、产物浓度、pH、溶氧）在时间上近似恒定，而不是批次工艺中"从低到高再回落"的曲线。第三是灌流速率与稀释率：灌流培养中，培养基以一定速率流入、产物以相同速率流出，稀释率 D = F/V（F 为流速，V 为反应器工作体积）决定了细胞比生长速率与产物浓度的平衡点。

第四是连续层析的负载与循环：连续层析（如模拟移动床、周期性逆流层析）通过多柱切换实现"边进料边出料"，其关键参数是负载量、切换时间和柱间连接顺序。第五是过程分析技术（PAT）：连续工艺对实时测量依赖更强，因为一旦偏离稳态，整条线的物料都可能受影响，没有"批次结束再返工"的缓冲空间。

与传统批次/补料批次的对比

把三种模式放在同一张表里对比，能更清楚地看到连续制造的取舍。

从表中可以看到，连续制造的优势集中在设备利用率与稳态控制，代价则是对测量、反馈和故障响应的要求显著提高。这也解释了为什么预测控制与优化在连续生物过程中不是"锦上添花"，而是维持稳态的必要手段。

典型产品与工艺场景

连续制造目前落地较多的场景包括：灌流培养生产不稳定蛋白（如某些凝血因子、酶），利用持续移除产物减少降解；连续层析捕获单抗，用多柱切换提高树脂利用率；病毒载体与基因治疗产品，因产量低、价值高，连续小体积生产更经济；连续生物催化，固定化酶在连续反应器中长期运行。这些场景的共同点是：产物对停留时间敏感，或设备体积与产率矛盾突出。

下面这张图把连续生物过程的核心结构、物料流与信号流放在一起，帮助建立"上游—下游—控制"的整体视图。

图中上半部分是物料流：培养基持续进入灌流反应器，产物随流出液进入连续捕获，再经精制与病毒清除后成为产物。下半部分是信号流：在线测量把活细胞密度、产物浓度、pH、溶氧等信号送入预测控制与优化层，控制层再向各单元发出调节指令。稳态窗口是整条线的"安全带"，一旦关键变量偏离，控制层必须在物料进一步流动之前做出响应。

一个可操作的入门示例：灌流培养稳态参数估算

假设某灌流反应器工作体积 V = 2 L，目标稀释率 D = 0.5 d⁻¹，则灌流速率 F = D × V = 1.0 L/d。若细胞比生长速率 μ 在稳态下近似等于稀释率（忽略细胞死亡与贴壁损失），则 μ ≈ 0.5 d⁻¹。此时产物浓度 C 与细胞密度 X、比产率 q_p 的关系可近似写为：

稳态近似：D ≈ μ
产物浓度：C ≈ (q_p × X) / D
示例：q_p = 0.05 pg/(cell·d)，X = 2×10^7 cells/mL
C ≈ (0.05 × 2×10^7) / 0.5 = 2×10^6 pg/mL = 2 mg/L

这组数字是教学示例，用于说明稀释率如何同时影响细胞状态与产物浓度。实际工艺中，q_p 和 X 会随培养基、温度和细胞系变化，必须通过实验测定。理解这个关系后，就能明白为什么连续工艺的控制目标不是"把某个变量调到最大"，而是把 D、μ、X、C 维持在一个彼此匹配的稳态窗口内。

把这一节的内容收拢：连续制造在生物制药中的定位，是用持续流动与稳态控制换取设备效率与产品质量一致性；关键概念是 RTD、稳态、稀释率和 PAT；与批次/补料批次相比，它把质量控制从"批次放行"前移到"实时稳态维持"；典型场景集中在不稳定产物、高价值低产量产品和连续生物催化。后续的预测控制与优化，都将围绕这条物料流与信号流展开。