【深见工艺】 CDS-030

——从 Seed Train、N-1 到 Production，厘清模型用途与代表性边界

在上游细胞培养工艺开发中，Shake Flask、Ambr、3 L 和 15 L 反应器都可能用于小规模研究。但在开始设计 Scale-down Model（SDM）之前，首先需要明确的不是反应器体积，而是要模拟什么过程，以及模型准备支持什么决策。

在我们的工艺开发实践中，曾观察到 Shake Flask 的糖型有时比 3 L 反应器更接近生产规模，而 15 L 反应器的产品质量与生产规模之间的差异，有时反而比 3 L 更大。这些是特定工艺中的观察，并非普遍规律。它们提示我们：模型代表性不是随体积自动增加的属性，而是由目标用途、关键过程特征和模型配置共同决定的。

因此，在真正开始设计 SDM 之前，需要依次回答三个问题：模拟什么过程？模型用于什么目的？应该选择什么平台？

从 Seed Train 到 Production，上游工艺的不同阶段承担着不同任务，面临的工程条件和研究问题也不相同。但这不意味着每个阶段都需要单独建立一个缩小模型。首先要判断的是，现有培养方式能否回答当前问题，以及阶段之间的差异是否可能影响后续工艺判断。

细胞复苏与早期扩增、摇瓶或 Wave 种子扩增，通常首先关注细胞恢复、生长状态和转种质量。当现有数据不足以回答目标问题，或设备、操作方式与培养环境的差异可能影响所关注的响应时，应进一步评估专门模型研究的必要性。

到了种子反应器和 N-1 阶段，判断会更加复杂。不同制造规模的种子链可能采用不同的设备组合、扩增级次和操作方式。对于常规种子链，BioPhorum Development Group 的 2021 年行业白皮书总结指出，正式的小规模模型 Qualification 工作通常集中在生产阶段反应器。其讨论的常规种子链情形中，不同规模间使用相似的设备与操作规程，或者通过生产反应器的性能确认获得间接支持，是通常不单独进行正式 Qualification 的依据。

这属于行业实践总结，并非适用于所有种子链的普遍豁免。当设备形式或操作规程存在实质差异，或者 N-1 引入强化培养等不同操作时，就需要进一步评估这些差异与生产阶段的关系。

例如，强化 N-1 采用灌流时，细胞比灌流率（CSPR）会影响接种物的生理状态。Schulze 等人的研究显示，低 CSPR 条件下出现了细胞生长下降和凋亡增加，后续生产培养初期的生长与活率也受到影响。这说明 N-1 不只是为生产罐提供足够的接种细胞；其培养条件本身也可能成为影响后续生产表现的重要因素。

种子链的扩增级次与细胞年龄也需要区分。不同规模的制造路线可以采用不同的种子扩增路径，但细胞年龄仍应处于已经建立并获得研究支持的限制范围内。传代次数是便于管理的指标之一，却不能单独替代对细胞年龄及其潜在影响的评价。即使没有超过既定传代上限，也不能仅凭这一点认定不同扩增路线具有相同的细胞状态和生产表现。

因此，第一步不是决定每个阶段使用多大的模型，而是明确哪一段工艺需要被模拟，哪些阶段之间的差异可能影响目标判断，以及现有数据是否已经足以回答问题。

明确目标过程之后，还需要进一步定义模型的 Intended Use，即模型准备支持什么研究、回答什么问题，以及最终需要据此作出什么判断。

不同研究用途对模型的要求并不相同。培养基或补料筛选主要用于识别值得进一步研究的候选条件；工艺开发与参数优化需要比较参数变化及其对目标响应的影响；N-1 与 Production 的传递性研究关注种子状态的变化是否会影响后续生产表现；生产工艺表征则需要研究规定范围内的工艺参数与产品质量、工艺性能之间的关系。偏差调查与工艺变更评估通常围绕特定问题展开，判断现有工艺认识是否仍然适用，以及是否需要补充研究。

这几类用途并不对应固定的 Qualification 等级，也不意味着每一种用途都必须建立独立模型。关键在于，模型的设计与所需证据应当与预定用途相匹配。

例如，一个适合培养基初筛的模型，可能足以区分候选条件的相对表现，却未必能够直接用于确定生产规模的参数边界。同样，模型在某个常规条件下表现接近生产规模，并不意味着它在参数发生变化后，仍然能够反映相同的响应关系。若研究目标从候选筛选转向工艺表征，所需要回答的问题和支持结论的证据也会随之改变。

因此，Intended Use 不应只是研究方案中的一个标签，而应明确目标响应、研究范围和预期决策。只有先把这些内容说清楚，后续才有依据判断模型需要具备哪些能力，以及现有证据能否支持目标用途。

确定目标过程和 Intended Use 后，才进入平台选择。Shake Flask、Ambr、3 L 和 15 L 不是按体积从低到高排列的模型等级，也不存在适用于所有上游工艺的固定优先顺序。不同平台在环境控制、并行实验能力、取样条件、实验通量和资源投入方面各有特点，具体定位见图3。

图3｜四类上游 SDM 平台：如何初选？

公开研究提供了两个有代表性的例子。

Ahuja 等人的研究发现，在特定 CHO 培养工艺中，Shake Flask 的部分表现与 15,000 L 生产规模更接近，而原有 3 L 模型存在偏差。研究团队结合多变量分析与传质原理，将差异指向 pCO₂ 和 pH 等因素，随后通过降低 3 L 反应器的初始通气速率，使其工艺表现和产品质量数据向大规模结果靠近。

Janakiraman 等人的研究则展示了另一种路径：通过匹配体积通气速率，并评价 pCO₂ 轨迹以及多项工艺和产品质量指标，Ambr 15 mL 系统与 5 L 台架反应器及 15,000 L 生产规模之间建立了可用于工艺表征的关联。该研究说明，小体积、高通量平台也可以用于生产过程模拟，但前提是其配置和研究用途经过适当论证。

这两个案例共同说明，平台选择不能只看工作体积或几何尺寸。实际初选时，应先核对目标操作与控制能否实现、取样量是否满足要求、实验通量能否覆盖研究设计，以及资源和时间是否允许完成所需研究。随后还需要识别与目标响应相关的关键环境特征，例如混合时间、溶氧与 pCO₂ 的变化，以及营养物浓度梯度。

如果平台无法直接复现某些关键环境条件，需要评价这些差异对目标响应和研究结论的影响，并明确模型的适用范围。若现有证据不足以支持预定判断，就应调整模型配置、选择其他平台，或者限制模型的用途。不同产品、工艺和 Intended Use 不宜套用同一套接受标准。

关键不是一定要找到理论上最理想的平台，而是为所选平台建立与预定用途相匹配的论证。

还需要强调一点：平台选择确定的是候选系统，并不意味着模型已经完成 Qualification。 平台是否能够支持预定用途，仍需在后续模型建立与确认过程中获得相应证据。

从明确目标过程，到定义 Intended Use，再到选择合适的平台，这三个步骤共同决定了后续 SDM 设计的方向。下一篇将继续讨论：如何识别关键规模效应、选择工程缩放策略、评价规模差异，并建立代表性证据、完成 Qualification。

CMC DeepSight｜深见

看懂工艺，善用 AI，做出更好的 CMC 决策。