News Center

新闻中心

当前位置:首页  >  新闻资讯  >  百欧林讲堂|评估单抗中的亚可见颗粒风险:结合QCM-D、机器学习与计算机模拟分析的洞见

百欧林讲堂|评估单抗中的亚可见颗粒风险:结合QCM-D、机器学习与计算机模拟分析的洞见

更新时间:2025-12-19      点击次数:340

评估单抗中的亚可见颗粒风险:结合QCM-D、机器学习与计算机模拟分析的洞见


报告内容简介


本研究利用耗散型石英晶体微天平(QCM-D)这一界面表征技术,结合计算模拟和实验测得的理化性质,探究不同单克隆抗体在界面应力作用下亚可见颗粒(SVP)形成的显著差异。


我们在硼硅酸盐玻璃和高密度聚乙烯容器中进行了强制降解实验,并通过震荡和搅拌对15种单抗的SVP风险进行了排序。数据表明,抗体在固-液界面的吸附动力学与搅拌诱导的SVP强烈相关,而与震荡诱导的SVP相关性较弱。


此外,我们利用自监督式机器学习对流式成像显微图像中的SVP形貌进行了分析发现,尽管两种容器材料的表面化学性质不同,搅拌条件下产生的SVP形貌却高度相似,而震荡则导致形成独特的颗粒形貌。


综上,本研究展示了QCM-D与计算机模型在评估单抗可开发性及界面介导SVP形成倾向中的实用价值,为降低生物治疗药物开发中的SVP相关风险提供了一种有效策略。


评估单抗中的亚可见颗粒风险:结合QCM-D、机器学习与计算机模拟分析的洞见
报告人:王一博 博士
美国阿斯利康 剂型设计与开发部门 博士后研究员

王一博博士目前在美国阿斯利康剂型设计与开发部门担任博士后研究员,运用其在化学和数据科学方面的专长,推动生物制药研究的进展。

王一博博士毕业于弗吉尼亚大学,获得化学博士学位(主攻超分辨显微成像)及数据科学硕士学位。

博士期间,他围绕细菌生物膜成像、图像分割与追踪开发创新方案;博士后阶段,则结合机器学习与生物物理表征手段,专注于分析并解决单克隆抗体(mAb)的可开发性及亚可见颗粒(SVP)根本原因分析。

王一博博士在阿斯利康的博士后工作体现了他致力于拓展科学探索边界,并通过跨学科方法推动生物制药创新的决心。

报告时间:

2026年1月8日(星期四) 上午10点(北京时间)

报告平台:

腾讯会议(会议号报名后另行通知)

报名方式:
 识别/扫描下方报名二维码在线填写
评估单抗中的亚可见颗粒风险:结合QCM-D、机器学习与计算机模拟分析的洞见

QSense QCM-D技术简介:

QSense 耗散型石英晶体微天平技术(QCM-D)是一种表界面敏感的方法,可实时、在线、原位洞察纳米尺度上的分子-表面相互作用。

QSense 技术提供了一种强大、可重复、快速评估生物制药稳定性和材料兼容性的方法,可以检测生物制药品与制造、储存和管理相关材料之间的相互作用,对抗体和辅料的表面吸附情况进行评估,主动识别潜在的不兼容性或稳定性问题可能发生的时间和原因,提前指示实际结果,可以使您能够主动缓解风险,实现更顺畅的开发流程。

 

利用QSense技术,您可以研究:


 

QSense QCM-D技术能够评估可能发生在生物制药药品开发的整个生命周期中的表面吸附/解吸附过程以及吸附层的结构变化。

 

  • 在不同表面材料上抗体的吸附量是多少?
  • 分子在材料表面是如何排列的?
  • 哪些表面可能会引起不兼容性问题?
  • 药物赋形剂如何影响抗体的吸附?
  • 浓度、pH值、温度、表面材料或表面活性剂类型的变化会如何影响吸附量?

相关芯片表面:

百欧林可提供覆盖生物制药常见材料的芯片表面,包括PS(聚苯乙烯)、AF(无定形氟聚合物)、PVC(聚氯乙烯)、PC(聚碳酸酯)、PMP(聚甲基戊烯)、PE(聚乙烯)、HDPE(高密度聚乙烯)、LDPE(低密度聚乙烯)、LLDPE(线性低密度聚乙烯)、PP(聚丙烯)、PES(聚醚砜)、PU(聚氨酯)、PMMA(聚甲基丙烯酸甲酯)、EVA(乙烯-醋酸乙烯共聚物)、COP(环烯烃聚合物)、COC(环烯烃共聚物)、PDMS(聚二甲基硅氧烷(硅油)),PVDF(聚偏氟乙烯)以及多种不锈钢、玻璃医用合金等,欢迎来电来信垂询。


400-833-6968
欢迎您的咨询
我们将竭尽全力为您用心服务
关注公众号
版权所有 © 2025 佰奥林(上海)贸易有限公司  备案号:沪ICP备18035521号-3

TEL:18612271669

关注公众号