Données biopharmaceutiques : Chaos ou harmonie ?

Quand la clé du succès de votre produit biologique est enfermée dans ses données...

Pour tirer le meilleur parti des récentes innovations en matière de développement biopharmaceutique et de CQ, telles que le contrôle multi-attributs (MAM), il est temps de mieux connecter les systèmes qui gèrent les données biopharmaceutiques. Cette série explore le quoi, le pourquoi et le comment d'une meilleure gestion des données biopharmaceutiques.

Imaginez un scénario cauchemardesque pour l'industrie biopharmaceutique : Vous développez un médicament à grande molécule, un anticorps monoclonal (mAb) thérapeutique. Avec de solides résultats d'essais cliniques de phase 3, votre molécule semble prometteuse. Le simple fait d'arriver jusqu'ici signifie que votre molécule a déjà déjoué les pronostics, réussissant là où des centaines d'autres ont échoué. Pour franchir la ligne d'arrivée, vous vous préparez à la production commerciale. Des dizaines ou des centaines de millions de dollars sont en jeu.

Puis un artefact apparaît dans vos données CQ.

Un attribut du produit est inopinément hors de portée. Votre médicament reste sur la rampe de lancement pendant que vous devez trouver la raison. Est-ce le produit lui-même ? D'une matière première ? Un test ou un instrument utilisé dans votre système qualité ? Des semaines, voire des mois, peuvent s'écouler pendant que vous cherchez la réponse. Si votre médicament a le potentiel d'une superproduction, chaque jour perdu peut représenter 10 millions de dollars ou plus en ventes perdues.

Le temps et l'argent sont essentiels, et vous êtes en train de perdre les deux. Les AcM étant des molécules intrinsèquement complexes et les processus biologiques utilisés pour les produire comportant de nombreuses variables, comment ne pas se faire piéger par cette variabilité dans votre course à l'arrivée ?

La réponse se trouve dans vos données. Si les données peuvent plonger votre programme de développement dans le chaos, elles peuvent aussi vous aider à progresser.

Voyons comment.

Des téraoctets de données, pour un seul médicament

Avec les produits biologiques, le processus est le produit. En d'autres termes, comme il est difficile de caractériser complètement une molécule aussi grande qu'un AcM, vous contrôlez la qualité de votre médicament en contrôlant la façon dont vous le fabriquez. Et vous contrôlez ce processus grâce aux données que vous recueillez à son sujet - en fin de compte, en comprenant les paramètres du processus et leur effet sur les attributs de qualité critiques (AQC) du produit.

Pour comprendre ces facteurs de manière significative, il faut des gigaoctets de données analytiques par jour, des téraoctets par mois, toutes accessibles aux organismes de réglementation et conformes à leurs exigences. Et comme le développement d'un médicament s'étale sur plusieurs années, ce vaste ensemble de données, en constante augmentation, couvre de multiples points de contact :

• Instruments d'analyse, chacun avec sa propre plateforme logicielle
• les organisations contractantes, qui peuvent avoir des pratiques de gestion des données différentes
• Phases de développement, avec des équipes et des objectifs différents
• les phases de production, dont chacune peut entraîner des changements significatifs dans la structure, la fonction et/ou la stabilité des protéines sensibles.

Des très nombreux points de données différents produits dans le cadre d'un effort de développement, doit émerger un profil cohérent de sécurité, d'efficacité et de qualité à présenter à votre organisme de réglementation et à mettre sur le marché. Rassembler ces éléments constitue un défi de plus en plus important.

Réunir plusieurs attributs

Étant donné la multiplicité des points de données impliqués, le besoin d'efficacité est élevé. Les instruments de spectrométrie de masse (MS) constituent un outil important pour la collecte de données analytiques complexes. Comme ils sont passés d'instruments de la taille d'une pièce, très complexes, à des unités de paillasse plus conviviales (comme le détecteur de masse QDa d'ACQUITY ), leur intégration dans les phases de développement ultérieures, comme le CQ, a augmenté.

Un examen des récentes demandes de licence de produits biologiques montre qu'au cours des dernières années, l'utilisation de l'analyse des AQC par la SEP est passée de 20 à 80 %.^De plus, le nombre de CQA qu'une seule méthode permet d'analyser est passé à deux chiffres. De telles approches, connues sous le nom de méthodes de surveillance multi-attributs, permettent à un seul SM d'analyser rapidement plusieurs CQA, et permettent une évolutivité dans le flux de travail au fur et à mesure que des données plus complexes sont collectées.

Pourtant, malgré toute leur efficacité, les méthodes multi-attributs ne représentent qu'une partie de la manière dont la biopharmacie peut mieux harmoniser ses données.

La menace du chaos, la promesse de l'harmonie

Revenons au scénario épineux qui a débuté ce blog : Un paramètre de CQ revient en dehors des limites, pour une cause inconnue, et l'enquête qui en résulte retarde la commercialisation. Le fait que votre système qualité vous donne un tel résultat peut être une bonne chose, s'il signale effectivement un problème avec un lot ou le processus.

Ce qui fait la différence entre une enquête courte et une enquête longue, c'est la qualité de la connexion de votre système de données. Cela vous donne la vision et la capacité d'analyser et de comprendre - et donc de contrôler - les liens entre les modifications des paramètres du processus et les modifications du CQA du produit.

Les pressions exercées sur les fabricants de médicaments pour combler les lacunes en matière de gestion et d'analyse des données et mieux contrôler les processus et la qualité ne font qu'augmenter. Il s'agit notamment des pressions suivantes

• Développer des produits biologiques innovants plus complexes, tels que les conjugués anticorps-médicament (ADC), ce qui implique également une augmentation des données (les ADC, par exemple, nécessitent des données pour l'anticorps, la petite molécule, le lieur et le conjugué lui-même⁾².
• Développer des médicaments de niche pour des populations plus restreintes, comme celles qui souffrent de maladies orphelines ou de variantes génétiques très spécifiques du cancer.
• Développer des biosimilaires, qui nécessitent des calendriers de développement rapides face à une forte concurrence.
• utiliser la fabrication continue avec un suivi en temps réel et l'automatisation, qui nécessitent tous une boucle de rétroaction plus étroite entre les données et le processus

En bref, les besoins en données de l'industrie biopharmaceutique sont énormes, mais les possibilités le sont tout autant.

Dans la prochaine partie de cette série de blogs, nous verrons comment les données s'intègrent dans le domaine ultra-concurrentiel et rapidement émergent du développement des biosimilaires.

Visitez waters.com/tamethechaos pour plus d'informations.

Références

1.  Une méthode multi-attributs basée sur le Dalton quadripolaire pour la caractérisation des produits, le développement des processus et le contrôle de la qualité des protéines thérapeutiques. Xu W, Jimenez RB, Mowery R, Luo H, Cao M, Agarwal N, Ramos I, Wang X et Wang J. mAbs. 2017 ; 9 (7) : 1186-1196.
2. La spectrométrie de masse s'intéresse aux protéines thérapeutiques. Arnaud CH. Nouvelles de la chimie et de l'ingénierie. Mai 2016 : 30-34.

En rapport :

• Troisième partie : Des résultats d'hier aux médicaments biologiques de demain
• Deuxième partie : les biosimilaires intensifient le besoin de données harmonisées
• De la caractérisation au développement tardif, à la fabrication et au contrôle qualité : Le rôle croissant de la spectrométrie de masse dans les biothérapies