一次性技术（SUT）时代的元素之忧
在生物制药向灵活性、高效性转型的进程中，一次性技术（SUT）的普及无疑是巨大的推动力。然而，各种塑料袋、管路、连接器中的添加剂、加工助剂及其降解产物，可能在生产过程中迁出，成为所谓的“工艺设备相关浸出物（PERLs）”。
其中，元素浸出物（Elemental Leachables）——如铝、铁、铜、锌等微量金属离子——是研发与生产端最为警惕的风险点。
这些微量元素即便在ppb级别，也可能诱发蛋白质的氧化、聚合、片段化，甚至改变蛋白的二、三级结构。
虽然ICH Q3D为原料药的元素杂质提供了指南，但对于生物大分子药物，由于工艺的复杂性，行业长期缺乏统一的风险评估策略。
近期，来自爱尔兰国家生物工艺研究培训中心（NIBRT）与强生公司（Johnson & Johnson）的一项协同研究，回答了：超滤/切向流过滤（UF/DF）工艺作为下游的最后一道关口，其清除元素浸出物的能力究竟如何？能否通过数学建模提前预判某种元素的清除效率？
高浓度蛋白基质下的元素分析
在探讨清除率之前，必须先解决“看得见”的问题。在UF/DF工艺末端，单抗（mAb）的浓度往往高达150-180 g/L。这种极高浓度的蛋白质基质对于电感耦合等离子体质谱（ICP-MS）分析来说是巨大的挑战。
1.1 基质效应与有机物干扰
极高的总溶解固体（TDS）和有机物含量会导致质谱信号的严重抑制或增强。例如，砷（As）、硒（Se）和锑（Sb）等具有较高电离能的元素，在等离子体中极易受到碳增强效应的影响，导致检测结果偏高。
1.2 前处理工艺的优化
通过实验设计（DoE）开发了一套消解与稀释方案：
-
酸消解策略： 使用硝酸（HNO₃）与盐酸（HCl）在高温下对截留液（Retentate）进行深度消解，确保有机物完全矿化。
-
甲醇补偿效应： 在稀释液中加入2%的甲醇。这并非为了溶解，而是为了通过引入定量的碳源平衡等离子体状态，从而消除样品间因残余有机物浓度不同带来的检测偏差。
这一验证过程符合ICH Q2(R1)规范，为后续建立清除模型提供了可靠的数据底座。
UF/DF清除行为：谁走了，谁留下了？
选取了22种具有代表性的元素，涵盖了ICH Q3D的一类、二类元素，以及钨（W，常来源于预充针）、铝、铁等常见PERLs。
整体清除表现：100倍以上的降幅
实验数据显示，经过10个重过滤体积（Diavolumes, DVs）后，22种元素中的18种达到了97%以上的清除率，实现了100倍（2-log）以上的削减。
-
“最优表现”： 铍（Be）、镁（Mg）、铝（Al）、钾（K）、钒（V）、铬（Cr）、锰（Mn）、铁（Fe）、钴（Co）、镍（Ni）、铜（Cu）、锌（Zn）、锑（Sb）和钡（Ba）。这些元素在特定的缓冲液体系下，表现出接近理想状态的过筛率。
-
“较差表现”： 银（Ag）、钨（W）、铊（Tl）和铅（Pb）的清除率相对较低，尤其是在某些特定蛋白电荷环境下。
铅（Pb）的异常表现与风险提示
在测试中，铅（Pb）在蛋白3工艺中的清除率仅为73.7%，远低于其他元素。这意味着，即便经过了标准的UF/DF工艺，某些重金属仍可能在最终制剂中残留。
这提示研发人员，对于高毒性的Class I元素，绝不能盲目依赖工艺清除，前端的物料控制（如SUT包材的选择）依然是核心。
UF/DF（超滤/重过滤）全工艺路径、实验装置及分析工作流示意图
什么在驱动元素的过筛？
为什么不同元素在同一套膜包（30 kDa）下的表现天差地别？研究人员引入了过筛系数（Sieving Coefficient, $S$）来定量描述这种行为。
pH值：清除效率的“开关”
pH值被确定为影响清除率最关键的工艺参数。这主要归因于金属离子的溶解度特性。
- 在较低pH值（如pH 4.7）下，大多数金属离子以游离态存在，能自由穿过超滤膜，过筛系数接近1。
- 当pH升高（如pH 5.5），某些金属易形成微溶的氢氧化物沉淀或与蛋白发生更强的静电结合，导致清除率下降。研究发现，过筛系数与氢氧化物的溶解度常数（pKps）呈现显著负相关。
离子水合半径（Hydrated Radius）
一个普遍的误区是认为离子半径越小越容易穿透。事实上，在水溶液中，离子是以水合离子的形式存在的。
-
水合半径较大的离子（如锂、镁），其电荷密度被有效分散，在穿过超滤膜微孔时受到的静电阻碍反而可能更小。
-
研究显示，水合半径与过筛系数呈现正相关，这为我们预判新元素的清除行为提供了物理依据。
吉布斯-唐南效应（Gibbs-Donnan Effect）
在高浓度蛋白环境下，蛋白分子的净电荷会产生强大的斥力场。
- 如果蛋白带正电（大多数单抗在弱酸性缓冲液下带正电），它会排斥同电性的金属阳离子，将其“推”向膜的渗透侧，从而增强清除效果。
- 这种静电排斥机制在一定程度上解释了为什么大多数二价或三价阳离子在UF/DF中能被高效清除。
数学建模与预测：从“经验”走向“科学”
这项研究最大的贡献在于，它不仅给出了清除数据，还建立了一套基于正交偏最小二乘法（OPLS）的预测模型。
OPLS-DA 分类模型
研究人员将元素分为两类：一类是易清除的（Class 1, S > 0.35），一类是难清除的（Class 2, S <=0.35）。
通过输入元素的物理化学性质（氧化态、周期、水合半径、配位数、pK_ps）以及工艺参数（pH、缓冲液成分），模型实现了对训练集100%的分类准确率。
选取了几个极具代表性的元素，对比其输入模型的关键理化性质：
| 元素 | 典型氧化态 | 周期 | 水合半径 (nm) | 配位数 | $pK_{ps}$ (氢氧化物) | 清除类别预测 |
|---|---|---|---|---|---|---|
| 镁 (Mg) | +2 | 3 | 0.428 | 6 | 11.1 | Class 1 (易) |
| 铝 (Al) | +3 | 3 | 0.475 | 6 | 32.3 | Class 1 (易) |
| 锌 (Zn) | +2 | 4 | 0.430 | 6 | 15.5 | Class 1 (易) |
| 铅 (Pb) | +2 | 6 | 0.401 | 6 | 14.9 | Class 2 (难) |
| 银 (Ag) | +1 | 5 | 0.341 | 2 | 7.7 | Class 2 (难) |
| 钨 (W) | +6 | 6 | 0.360* | 4 | N/A (酸根态) | Class 2 (难) |
-
pKps的决定性： 铝（Al）虽然 pKps 极高，但在较低 pH（4.7）下依然表现出极高的清除率。然而，一旦 pH 升高至 5.5，其清除效率会因溶解度急剧下降而受到潜在影响。
-
水合半径与电荷： 易清除元素通常具有较大的水合半径（如 Al、Mg），这有助于在穿过膜孔时分散电荷密度，减少与膜表面或蛋白分子的非特异性结合。
-
周期与电子云： 高周期元素（如 Pb、W、Tl）由于电子云更具极化性，更容易与蛋白的功能基团发生微弱但足以干扰过筛的相互作用，因此多被归为难清除类。
过筛系数 S (Sieving Coefficient) 的定量预测
分类只是第一步，定量预测过筛系数 S才是工艺开发人员的“终极利器”。研究建立的 OPLS 回归模型具有极高的统计学效能（R^2 = 94.8%）：
变量重要性投影（VIP）指标分析
模型通过 VIP 指标识别出对 S值贡献最大的因子。排序依次为：水合半径 > 周期 > 工艺 pH > pKps。
- 正相关因子： 水合半径和配位数呈正相关。较大的水合壳层像是一层“保护垫”，减少了离子与带电蛋白之间的静电俘获。
- 负相关因子： 周期、pH 和氧化态呈负相关。高氧化态离子（如多价金属）具有更高的电荷密度，更易产生 Gibbs-Donnan 效应之外的化学吸附，导致 S 值降低。
模型的鲁棒性与误差控制
模型引入了 RMSE（均方根误差） 体系来评估预测的精准度：
- RMSEE (校准误差): 0.054。表明模型对已知数据的拟合极佳。
- RMSECV (跨验证误差): 0.081。反映了模型在处理未见数据时的稳定性。
- RMSEP (预测误差): 0.086。在对锂（Li）、钙（Ca）等 6 种预测集元素进行实测验证时，预测值与实验值的偏差极小，证明了模型具备跨元素的泛化能力。
这种预测能力意味着，对于处于开发早期的药物，如果检测到包材中存在某种非常规金属浸出物，工艺团队只需查询其理化常数，即可预判 UF/DF 的清除兜底能力，从而决定是否需要更改包材或调整工艺。
工业应用：重塑风险评估策略
这些发现对于生物制药企业的下游工艺开发与质量控制具有极强的实操指导意义。
简化 PERLs 的检测策略
传统的 E&L（提取物与浸出物）评估往往陷入“大海捞针”的困局，测试项目繁杂。
- 分级策略： 根据模型预测，如果某种 PERL 在 UF/DF 步骤的清除率被证明具有 robust 的 3-log 削减能力，且前端迁入量已知，那么在最终成品的放行检测中，可以考虑通过“工艺验证（Process Validation）”而非“逐批检测（Routine Testing）”来保障质量。
- 重点关注： 对于模型预判清除效率低（如铅、钨）或易与蛋白发生共价结合（如铁、铜）的元素，应加强监控。
工艺开发的优化
在进行 UF/DF 工艺优化时，如果面临元素杂质残留超标的风险，研发人员可以通过调整洗脱体积（Diavolumes）或微调 pH 值来杠杆化清除效果。例如，对于容易形成氢氧化物沉积的元素，略微降低置换缓冲液的 pH 值可能带来清除效率的质变。
增强药品的稳定性风险控制
金属离子介导的蛋白氧化是制剂不稳定的常见诱因。通过 UF/DF 高效清除这些 PERLs，不仅是满足药典要求，更是提升产品保质期、减少聚合体形成的底层保障。
结论：数字化质量管理的未来
NIBRT 与强生公司的这项研究通过扎实的 ICP-MS 数据和前沿的统计建模，证明了 UF/DF 不仅仅是一个简单的浓缩和换液步骤，它实际上是生物药生产中一道极其高效的元素杂质过滤屏障。
对于医药行业的研发与生产人员来说，这项研究的价值在于将“不可知的风险”转化为“可预测的参数”。随着 PERL 清除模型的进一步完善，我们正步入一个基于科学认知（Science-based）而非基于过度测试（Testing-based）的质量管理新阶段。
参考文献
Understanding the clearance behaviour of elemental leachables during ultrafiltration/diafiltration from process streams, Journal of Pharmaceutical and Biomedical Analysis 264 (2025) 116963
