基于计算机模拟(In Silico)的药品活性物质中潜在致突变杂质鉴别与控制方法研究:以兰索拉唑(Lansoprazole)为案例

《Organic Process Research & Development》:In Silico Approach for the Identification and Control of Potential Mutagenic Impurities in Drug Substances: A Lansoprazole Case Study

【字体: 大 中 小 】 时间:2026年01月23日 来源:Organic Process Research & Development 3.5

编辑推荐:

  药品中杂质的严格评估对确保其安全性和有效性至关重要。近年亚硝胺类(Nitrosamines)杂质因其已知的致突变和致癌潜力备受关注,2018年某药物中检出N-亚硝基二甲胺(NDMA)首次引发重视,随后在其他药品中也发现了类似亚硝胺杂质,凸显了对实际及潜在杂质进

  
药品中杂质的严格评估对确保其安全性和有效性至关重要。近年亚硝胺类(Nitrosamines)杂质因其已知的致突变和致癌潜力备受关注,2018年某药物中检出N-亚硝基二甲胺(NDMA)首次引发重视,随后在其他药品中也发现了类似亚硝胺杂质,凸显了对实际及潜在杂质进行细菌致突变性评估的重要性。依据ICH M7(R2)指导原则,研究人员以美国FDA推荐的雷尼替丁替代药物之一——兰索拉唑(Lansoprazole)为案例研究,开展了潜在致突变杂质的鉴别与控制的计算机模拟(In Silico)研究。通过对合成路线进行评估,研究人员识别出兰索拉唑的实际及潜在杂质,并按照ICH M7(R2)指南采用专家规则(Expert Rule-based)与统计规则(Statistical Rule-based)相结合的(Q)SAR方法进行了细菌致突变性预测。使用Derek Nexus、Sarah Nexus和Case Ultra软件共评估了35种兰索拉唑杂质,其中9种预测为阳性,26种预测为阴性。对预测为阳性的杂质进一步使用Mirabilis软件进行分析以制定控制策略。基于杂质性质及其在工艺中生成/引入的阶段,研究人员假设各阳性预测杂质(中间体/副产物/试剂)在其引入点按初始浓度存在,分析其在最终阶段的清除(Purge)及去向(Fate)。本研究为潜在致突变杂质的可能存在提供了关键见解,并有助于制定适当的控制策略以确保最终药品的安全性。
兰索拉唑潜在致突变杂质鉴别与控制的研究解读——基于ICH M7(R2)指导原则的计算机模拟(In Silico)评估
该研究发表于《Organic Process Research & Development》。近年来亚硝胺(Nitrosamines)类杂质在降压止酸药雷尼替丁(Ranitidine)等产品中被检出,因其DNA反应性致突变及致癌风险引发全球药品监管警觉,美国FDA要求召回雷尼替丁并推荐兰索拉唑(Lansoprazole)、奥美拉唑等作为替代用药。然而对于兰索拉唑合成过程中可能伴生的工艺杂质、降解产物及药典已收载杂质是否具备致突变性尚缺乏系统性评估。传统Ames试验(细菌回复突变试验)成本高、耗时久且难以获得所有杂质对照品,而ICH M7(R2)《评估和控制药物中DNA反应性(致突变)杂质以限制潜在致癌风险》明确允许采用计算机模拟(Q)SAR(定量/定性构效关系,Quantitative/Qualitative Structure–Activity Relationship)手段先行筛查致突变风险。为此,研究人员以兰索拉唑为模型药物,按照"杂质全面识别—(Q)SAR致突变性预测—阳性杂质清除因子(Purge Factor)计算及ICH M7控制策略制定"三步法开展工作,证实该流程可有效鉴别风险杂质并借助工艺清除能力论证免除部分杂质在成品中的检测,对亚硝胺类则强调需专设限度检测,为仿制药及原料药(API, Active Pharmaceutical Ingredient)工艺开发中的基因毒性杂质(Genotoxic Impurity/GTI)控制提供了标准化范例。
主要关键技术方法:
研究人员首先查阅美、欧、英、日药典(USP/EP/BP/JP)及文献合成路线,梳理兰索拉唑九步合成工艺所用起始物料、试剂、溶剂、中间体及可能副产物与降解物,汇总35个潜在杂质(含NDMA与N-亚甲基-4-氨基丁酸亚硝胺NMBA)。采用ICH M7(R2)要求的双模型(Q)SAR组合——专家规则法(Expert Rule-based)软件Derek Nexus(v6.3.0)、CASE Ultra-GT_EXPERT,与统计法(Statistical-based)软件Sarah Nexus(v3.3.0)、CASE Ultra-GT1_BMUT分别进行细菌致突变性预测,不一致结果辅以Leadscope Model Applier(v3.0.3–3)复核并由毒理学专家判定。对预测致突变阳性杂质,使用Mirabilis软件输入兰索拉唑最大日剂量(MDD, 200 mg/天)、各步工艺理化参数(反应性Reactivity、溶解度Solubility、挥发性Volatility)及杂质引入阶段初始浓度(中间体按100%,其他按0.1%或1000 ppm),计算理论清除因子及清除比(Purge Ratio=预测清除因子/所需清除因子),依ICH M7(R2)四种控制选项(Option 1~4)拟定控制策略。
研究结果:
3.1. Study of Synthetic Schemes to List Down Actual and Potential Impurities in GERD Drugs(胃食管反流病药物合成路线解析与实际及潜在杂质列举)
通过综述兰索拉唑九步合成路线及各主要药典专论,研究人员共鉴定出35个潜在杂质,包括2个亚硝胺(NDMA源自N,N-二甲基乙酰胺DMAc中残留二甲胺亚硝化;NMBA源自N-甲基吡咯烷酮NMP水解释放仲胺后亚硝化),其余为合成中间体(如2,3-二甲基-4-硝基吡啶氮氧化物)、试剂带入物(如水合肼Hydrazine、邻苯二胺o-Phenylenediamine)、氯化副产物(氯甲基硅烷类如2-(氯甲基)-3-甲基-4-(2,2,2-三氟乙氧基)吡啶)及碱降解产物等,建立后续预测基础数据集。
3.2. Bacterial Mutagenicity Predictions for the Potential Impurities of Lansoprazole(兰索拉唑潜在杂质的细菌致突变性预测)
35个杂质经Derek Nexus、Sarah Nexus及CASE Ultra并行预测并交叉比对:26个杂质两模型均为阴性或含警示结构但与主药相同且已证非致突变(归ICH M7第4、5类);9个杂质两模型一致阳性或经专家评审保守判为阳性,分别为:化合物1(2,3-二甲基-4-硝基吡啶1-氧化物,芳香硝基警示)、化合物9(含烷基卤警示结构,经Leadscope确认阳性)、化合物12(邻苯二胺,芳香胺警示)、化合物14(水合肼Hydrazine,肼基警示,ICH M7附录已知致突变物)、化合物17(NDMA,N-亚硝基警示)、化合物25(氯甲烷Methyl Chloride,烷基卤,ICH M7附录已知)、化合物30(NMBA,N-亚硝基警示)、化合物31(过氧化氢Hydrogen Peroxide,氢过氧化物警示,ICH M7附录已知)、化合物35(碱降解产物,部分模型无训练集,保守判阳性)。
3.3. Risk Categorization and Control Strategy Approach for Positive Predictions of Lansoprazole Impurities(兰索拉唑阳性预测杂质的风险分级及控制策略)
借助Mirabilis计算各阳性杂质清除因子并对照ICH M7TTC(阈值-of-毒理学关注Threshold of Toxicological Concern,1.5 μg/天)或化合物专属可接受摄入值(AI, Acceptable Intake):
  • •
    化合物1(第2步中间体,距API 8步):预测清除因子3.0×107,所需清除133333,清除比≈225,推荐Option 4(无需检测,基于工艺清除知识控制),需提供清除论证。
  • •
    化合物9(第7步中间体,距API 3步):AI=15 μg/天(单官能烷基氯专算),限75 ppm,所需清除13333,预测清除1.0×106,清除比≈75<100,可考虑Option 4但须提供加标清除实验等佐证。
  • •
    化合物12(邻苯二胺,源于2-巯基苯并咪唑原料,距API 3步):起始1000 ppm,所需清除133.33,预测清除10000,清除比≈75,同化合物9需加强证据或考虑上游(KRM阶段)洗涤/检测(Option 2/3)。
  • •
    化合物14(水合肼,试剂,距API 3步):AI=39 μg/天,限195 ppm,所需清除5.13,预测清除30000,清除比≈5850,推荐Option 4无需附加数据。
  • •
    化合物17(NDMA,来源于第7步DMAc,距API 3步):AI=0.096 μg/天,限0.48 ppm,所需清除2083.33,预测清除3000,清除比≈1.44<10,工艺清除不足,亚硝胺按法规要求须采用Option 1—成品中专测确保低于AI。
  • •
    化合物25(氯甲烷,第5步甲醇/浓盐酸引入,距API 5步):AI=1361 μg/天,限6805 ppm,所需清除0.15,预测清除3.0×1010,清除比极大,推荐Option 4。
  • •
    化合物30(NMBA,来源于第8/9步NMP,距API 1步):AI=0.096 μg/天,限0.48 ppm,所需清除2083.33,预测清除仅10,清除比<1,工艺无法清除,强制Option 1—成品检测。
  • •
    化合物31(过氧化氢,第8步氧化试剂,距API 3步):AI参照ICH M7附录限5000 ppm,所需清除6,预测清除1.0×106,清除比≈166667,推荐Option 4。
  • •
    化合物35(碱降解产物):建议开展加速稳定性试验确认是否实际生成,若接近TTC再制定处方或包材控制策略。
讨论与结论翻译(改写自原文Conclusions):
药品中潜在致突变杂质的鉴别对公众健康至关重要。本研究以兰索拉唑为案例,提供了对此类杂质进行鉴别及细菌致突变性评估的策略指导。传统Ames试验资源消耗大,可能导致部分杂质未被评估从而带来法规与健康风险。对此,ICH M7(R2)推荐使用(Q)SAR计算机模拟预测,该方法亦获FDA等监管机构认可。研究人员应用Derek Nexus、Sarah Nexus及CASE Ultra对35个兰索拉唑杂质进行细菌致突变性预测,其中两个结果不一致杂质经Leadscope进一步分析分别判定为阳性与阴性;多软件联用提高了预测可靠性。对阳性预测杂质,通过分析合成路线确定其来源及距API阶段,借助Mirabilis软件计算清除因子从而拟定控制策略。
基于Mirabilis清除与去向评估,水合肼、氯甲烷与过氧化氢可通过Option 4控制且无需额外分析数据;2,3-二甲基-4-硝基吡啶1-氧化物(中间体)也可采用Option 4但需提交完整清除计算、文献及/或非痕量实验数据佐证关键清除步骤;2-(氯甲基)-3-甲基-4-(2,2,2-三氟乙氧基)吡啶(中间体)与邻苯二胺可考虑Option 4,但须提供详细清除计算、文献依据及痕量级加标清除实验验证,也可结合至少三批商业化生产批次中杂质低于TTC 30%的确认检测。对于亚硝胺(NDMA与NMBA),监管要求通常低于TTC 10%(日本低于5%),推荐采用Option 1—在原料药质量标准中列入检测项并确保低于可接受限度。综上,本研究通过对兰索拉唑报道合成路线的评估及实际与潜在杂质的细菌致突变性预测,实现了潜在致突变杂质形成风险的预判,识别出NDMA、NMBA及其他7种潜在致突变杂质,推动了符合ICH M7(R2)的风险评估与控制策略制定,证明该方法可推广应用于其他药品的潜在致突变杂质鉴别与管控,以保障患者用药安全。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号