USP <665> 提取数据怎么外推到实际工艺？一项灵敏度分析告诉你答案
当拿到了SUS组件的提取研究数据——用的是USP <665>标准方法，50%乙醇40°C，7天。现在问题来了：这个数据要怎么外推到实际生物制药工艺条件下的大规模生产设备？
这是整个行业都在面临的难题。USP <665>（2026年5月正式生效）给出了标准化提取方案，但它没有告诉你拿到数据之后怎么外推计算——既没有公式，也没有推荐值。
Sartorius团队在 Eur J Pharm Sci 2025年发表了一项灵敏度研究，系统测试了外推算法的稳健性，给出了一套可直接使用的外推方程和误差传播评估方法。这篇文章把核心结论说清楚。
问题：USP <665> 只给了一半答案
USP <665> 建立了塑料组件提取研究的标准方法，但当你用小规格测试件（20 mL、150 mL袋）完成提取研究后，如何将数据外推到实际生产工艺中使用的大规格设备（500 L、2000 L），是行业长期缺乏指引的灰色地带。
核心挑战在于两组关键变量的差异：
Sartorius的研究就是为了填补这个空白——推导出外推方程，并验证其稳健性。 适用于提取研究接触时间远短于达到分配平衡所需时间的场景。 核心方程（短接触时间表面相关外推）： 其中： – cl,A：提取研究中测得的PERL（工艺设备相关浸出物）浓度 > 关键发现：这个方程的相对不确定度，几乎等于输入数据本身的相对标准偏差（RSD）。如果提取研究数据的RSD为20%，外推结果的RSD也约为20%——不确定性不会放大，只会传播。 当提取研究的接触时间足够长（接近或达到分配平衡），需要引入分配系数（Kpl）： 其中 Kpl 是塑料与液体之间的分配系数，描述物质在两相中的平衡分布。 关键发现： 这是研究最重要的结论：外推不会系统性地低估PERL暴露量。 前提条件是：提取研究的比表面积（rS,A）高于实际工艺（rS,A > rS,B），且液-材体积比（rV,A）低于或等于实际工艺（rV,A ≤ rV,B）。换句话说——提取研究做得比实际工艺更”严苛”，外推就是保守的。 USP <665> 推荐的提取条件（50%乙醇）恰好满足这个前提，因为它相对于实际工艺的生物制药溶液（水性缓冲液）具有更高的”溶剂倾向性”，提取量更大，外推结果自然偏保守。 灵敏度分析测试了多种输入参数的偏差对最终外推结果的影响： 核心规律：外推方程的”双曲线特性”使得输入偏差在外推过程中衰减而非放大。输入偏差越大，传播到输出的不确定性反而相对越小——这是算法天然的稳健性来源。 以50%乙醇提取数据外推PERL暴露量的实测验证为例，计算值与实测值偏差不超过20%： 研究对比了不同溶剂提取数据作为基准点（POD）的外推效果： 结论：50%乙醇数据是USP <665>的标准基准，但若能额外获得纯乙醇提取数据，可显著提高外推精度——尤其是对于高Kpl化合物（高亲脂性可提取物），纯乙醇提取数据提供了更保守的上限估计。 LVP（Large Volume Parenterals，大容量注射剂，>100 mL）是外推方法最有价值的应用场景之一。 LVP的AET（分析评价阈值）极低（因为每日暴露体积大，SCT/剂量 ÷ 体积 → AET很小），USP <665>方法的LOQ可能高于AET——换句话说，提取研究可能根本检测不到那些在LVP中构成风险的PERL。 外推方法解决了这个问题：从更高比表面积/更低液-材比的提取研究外推至LVP条件，即使提取研究中的LOQ高于AET，外推计算也能提供有意义的安全评估。 基于这项研究，实际操作中可以按以下步骤处理USP <665>提取数据： 第一步：确认比表面积和液-材体积比 确认：提取研究的rS,A > rS,B，rV,A ≤ rV,B。 第二步：选择外推方程 第三步：计算PERL暴露浓度 cl,B 代入对应方程，计算外推值和不确定度。 第四步：计算安全裕度（MoS） 第五步：验证 若有条件，对实际工艺条件下的样品进行验证测定，确认计算值与实测值的偏差在预期范围内。 USP <665> 正式实施后，SUS组件的提取研究将走向标准化。但标准化只是第一步——数据如何外推到实际工艺，是决定提取研究能否真正支撑安全评估的关键环节。 这项研究的价值在于：它证明了这套外推方法是科学上稳健的，不会系统性低估风险，且输入数据的不确定性会衰减而非叠加。对于生物制药企业来说，这意味着可以更有信心地使用小规模提取研究数据，进行大规模生产条件下的PERL安全评估。 如果你的企业正在建立SUS组件E&L评估体系，或在USP <665>实施过渡期遇到了外推计算的实际困难，欢迎与伯朗氏实验室交流——我们可以协助完成提取方案设计、数据外推计算和安全性评估全流程。 参考文献：
核心外推方程：短接触时间 vs 长接触时间
场景一：短接触时间提取数据
cl,B = cl,A × (rS,B / rS,A)
– cl,B：外推至实际工艺条件下的PERL浓度
– rS,A：提取研究的比表面积（Sp / Vl）
– rS,B：实际工艺的比表面积场景二：长接触时间（考虑分配系数）
cl,B = cl,A × [(rV,B + Kpl,B) / (rV,A + Kpl,A)]
关键结论一：算法是稳健的，不会系统性低估风险
关键结论二：输入偏差会衰减，不确定性不会叠加放大
参数
默认RSD
对外推结果的影响
提取研究浓度（cl,A）
±20%
直接传播：Δcl,B/cl,B ≈ Δcl,A/cl,A
分配系数（Kpl）
±100%
衰减传播：低Kpl时影响小，高Kpl时影响增大
比表面积（rS）
±20%
衰减传播
过程体积（Vl,B）
±20%
衰减传播
PERL
计算值（µg/mL）
实测值（µg/mL）
偏差
2-吡咯烷酮
0.75±0.16
0.69±0.14
8%
1,3-二叔丁基苯
0.46±0.08
0.54±0.11
16%
十二醇
1.42±0.28
1.50±0.30
6%
关键结论三：乙醇提取数据是更优的基准点
提取溶剂
作为POD的优势
潜在问题
纯乙醇
溶剂倾向性最高；Kpl≈1便于估算；提取效率高
与实际工艺条件差异最大
50%乙醇（USP <665>推荐）
平衡了提取充分性与工艺相关性
Kpl需具体估算
水/WFI
最接近实际工艺条件
提取效率低，高Kpl化合物可能漏检
关键结论四：大容量肠外营养制剂（LVP）的特殊意义
实务应用：提取研究数据外推的标准步骤
rS = Sp / Vl （比表面积，cm²/mL）
rV = Vl / Vp （液-材体积比，无量纲）
MoS = PDE（或SCT/TTC换算） / cl,B
结语
