《Journal of Pharmaceutical and Biomedical Analysis》:Cloud based Solid state NMR Automated Processing (SNAP): A Digital Solution to Enable Efficient and Robust Data Analysis
编辑推荐:
•SNAP自动化处理原始ssNMR数据和谱图拟合。•基于云的工作流将数据采集到报告统一到一个平台中。•定量精度已针对既定方法进行验证。•批处理分析实现了标准化、可重复的报告。引言固体剂型是主要的药物制剂类别之一[1], [2], [3], [4]。从发现到商业化,一系列固态分
- •
SNAP自动化处理原始ssNMR数据和谱图拟合。
- •
基于云的工作流将数据采集到报告统一到一个平台中。
- •
定量精度已针对既定方法进行验证。
- •
批处理分析实现了标准化、可重复的报告。
引言
固体剂型是主要的药物制剂类别之一[1], [2], [3], [4]。从发现到商业化,一系列固态分析工具被用于表征这些产品,包括X射线粉末衍射(XRPD)、热分析(如DSC、TGA)、光谱学、显微镜和成像技术[5]。这些技术支持关键活动,如原料药(API)相选择、粒径分布和形态评估、工艺优化、热稳定性评估和杂质鉴定。虽然几种表征方法已常规使用,但固体剂型发展中不断演变的要求日益需要高级能力。例如,使用氢气作为气相色谱火焰离子化检测的载气来定量常见的反应溶剂[6],以及通过脱附电喷雾电离质谱成像直接在聚合物植入物中进行药物分析,以映射原料药、辅料和杂质,在加速体外释放测试之前、期间和之后,以更好地桥接体内表现[7]。在这个分析工具包中,固态核磁共振(ssNMR)从药物原料扩展到药物制剂,提供独特的分子水平见解,补充其他技术并加强固体剂型表征[8]。
ssNMR是一种广泛适用的技术,用于多种材料的原子水平表征,包括结晶和非晶态粉末、金属有机框架(MOFs)[9]、生物膜蛋白[10], [11]和纤维[12], [13], [14]。ssNMR信号反映内在本征物理特性,源于相互作用如偶极耦合,即核自旋之间的空间相互作用,提供高度信息丰富的距离依赖约束。在制药领域,ssNMR自1980年代以来被广泛用于小分子系统,特别是无定形固体分散体(ASDs)[15], [16], [17], [18], [19]。大约30%的市售药物以无定形形式配制,以解决生物利用度差的问题[20], [21], [22], [23], [24],显著的ASD例子包括泊沙康唑、Kaletra和几种HIV治疗药物[25]。固体状态形式的变化可能产生重大商业影响;例如,利托那韦生产中出现的新型多晶型导致持续污染和估计2.5亿美元的营收损失[25]。多种剂型现已可用,包括ASD制剂。ssNMR通常能区分结晶和非晶态形式并定量固态原料药形式[26],因此成为分析ASDs不可或缺的工具。具体来说,它已被用于研究结晶到无定形的相互转化[27],定量ASDs中的结晶成分[28],以及评估药物和聚合物的相容性[29]。重要的是,ssNMR非常适合ASD评估,因为它能够实现定量的固态表征,包括结晶/无定形含量、多晶型、水合物和相关形式[30]。SNAP可以应用于药物原料,定量原料药的结晶与无定形比例,也可以应用于药物制剂,解卷积并定量制剂成分。在ASDs中,定量结晶和无定形含量至关重要,因为这些比例直接影响生物利用度、稳定性和溶解度。更广泛地说,原料药的理化性质取决于其固态形式,使准确的表征和定量成为稳健制剂性能的必需。虽然基于校准的方法在定量低结晶度时可能具有挑战性,但ssNMR已被应用于定量低至0.1% w/w(相对于ASD总样品)的结晶原料药水平,支持低水平结晶度的评估[31], [32], [33]。
先前的工作也将多元化学计量方法,包括因子分析,应用于药物19F MAS NMR数据的自动评估,包括对剂型中无定形阿托伐他汀的研究[34]和固体聚合物分散体中药物的研究[35]。这些研究为药物19F MAS NMR数据集的多元分析建立了重要先例。在这个自动化数据分析的更广泛基础上,SNAP将预处理、基于参考和无需参考的定量以及报告整合到一个可重复的工作流中。
目前用于原料药和辅料的ssNMR定量和报告工作流通常使用多个软件环境,包括数据采集(TopSpin)、处理(Mnova)[36], [37]、谱图拟合(Mathematica/Matlab/Origin)、下游分析和报告(Excel, PowerPoint)。这种碎片化的工具链既繁琐又易出错,特别是在处理大型研究批次时,它阻碍了通量和可重复性。此外,与实验密切相关的任何元数据信息都必须由用户手动提取,因为目前还没有明确的路径直接访问原始数据并检索该信息。为了解决这些限制并提高通量和稳健性,我们开发了SNAP,一个具有统一Web界面的基于云的软件包。SNAP在一个环境中整合了核心功能,包括原始数据摄取、预处理、谱图拟合、定量分析和标准化报告,同时保留与原始文件的元数据链接。通过自动化常规步骤,强制执行一致的参数化,并集中数据结果,SNAP减少了手动处理,加速了批处理,加强了ssNMR研究的可重复性。
在本研究中,我们展示了ssNMR对无定形固体分散体中结晶泊沙康唑的定量,描述了SNAP软件平台的开发,并使用实验数据集展示了SNAP启用的分析。我们还比较了传统工作流与SNAP启用的自动化。
章节片段
样品
结晶泊沙康唑(POSA)由默克公司提供。羟丙基甲基纤维素醋酸琥珀酸酯(HPMCAS)购自Ashland Inc.,美国特拉华州威尔明顿市。一系列含有不同结晶POSA重量百分比的POSA–HPMCAS ASD样品用于校准19F ssNMR定量,如先前所述[33]。纯结晶POSA和ASD中的无定形POSA被用作参考样品。POSA和HPMCAS的分子结构,连同
结果与讨论
在本研究中,我们提出了一种ssNMR自动化工作流,如图2所示。简要地说,在数据采集完成后用于定量分析,处理和分析数据所需的步骤被整合到一个名为SNAP的自动化用户界面中。原始NMR数据从AWS S3存储桶检索到云环境,在那里可以以批处理或单样品模式进行处理、拟合、评估和报告。
尽管这里提出的实验演示侧重于一个两
结论
SNAP通过将数据采集到报告任务统一到一个自动化、基于云的工作流中,解决了ssNMR定量的关键瓶颈。通过摄取原始FID数据,标准化预处理,并执行具有集成元数据链接的可重复谱图拟合,SNAP减少了手动处理,最小化了转录风险,并改善了版本控制。在代表性数据集中,该平台简化了多阶段处理,提高了通量,并交付了一致的
CRediT作者贡献声明
Ti-Chiun Chang:可视化、监督、软件、数据整理。Yongchao Su:写作–审阅与编辑、可视化、监督、方法论、概念化。Qing Zhe Ni:写作–审阅与编辑、写作–原稿、监督、资源、数据整理。Terri Bui:软件、方法论。Pyae Phyo:调查、数据整理。Thach V. Can:可视化、验证、数据整理、概念化。
生成式AI和AI辅助技术声明
在准备本作品期间,作者使用了AI辅助写作工具来支持语法编辑。使用这些工具后,作者根据需要审查和编辑了内容,并对已发表文章的内容承担全部责任。
利益冲突声明
作者声明他们没有已知的竞争经济利益或个人关系,这些利益或关系可能影响到本论文报告的工作。
Qing Zhe Ni|Thach V. Can|Terri Bui|Pyae Phyo|Ti-Chiun Chang|Yongchao Su