一次干燥:搁板温度与箱内压力如何决定节奏
两个设定承担了大部分工作:搁板的温度,以及箱体内部的压力。二者共同决定升华的节奏。推得太猛,产品的结构就会丧失。控得太温和,整个周期又会比实际需要多跑上好几天。
这两个设定究竟控制什么
搁板把热量送入冻结的物料。其中究竟有多少热量真正到达,用一个传热系数来描述,通常写作 Kv——这个数值取决于西林瓶,也取决于箱内压力。箱内压力会改变它:在一项研究中,通过在 8、13 和 26 Pa 下进行试验,评估了压力对 Kv 的影响 [4]。
与热量对抗的,是堆积在冰层之上、已经干燥的那层物料。水蒸气必须穿过它向外逸出。正因如此,理想的设定点并不是一个固定数值。一项建模研究指出,最优设定点随时间变化,因为产品阻力是连续变化的 [1]。
这两个系数——热量进来、蒸气出去——正是用于规划干燥周期的模型的输入量。研究者在 6R 西林瓶中对一种结晶型溶液(5% 甘露醇)和一种无定形溶液(5% 蔗糖)分别估算了这两个系数,并把由此得到的工艺图与常规实验室方法作了比较 [4]。
极限:塌陷温度
工艺能被推进的速度存在上限。在升华界面——上方干燥物料与下方冰层之间那条移动的边界——产品有一个温度 Ti。如果 Ti 升到配方的塌陷温度 Tc 之上,结构就会丧失 [2]。
这一点对无定形配方尤其重要。塌陷的冻干饼是一块收缩的、玻璃状或塌陷下去的团块,而不是均匀、多孔的块体。任何合理的优化都在设法把塌陷风险降到最低,同时让工艺时间仍然划算 [3]。
还有第二个不那么显而易见的极限。升华推得足够猛,穿过箱体的蒸气流就会达到阻塞流状态,此时压力控制随即失效 [2]。所以可用的操作窗口两侧都有边界:一边是产品结构,另一边是设备维持压力的能力。
设计空间:把可用窗口画出来
这些极限之间的区域被称为设计空间——即能够把产品干燥而又不破坏它的搁板温度与箱内压力组合的集合。一款在西林瓶内进行一维传热传质分析的一次干燥计算器已被扩展,可在一系列箱内压力与搁板温度范围内生成设计空间,并从中选出最佳设定点 [1]。同一计算器预测的干燥时间与实验结果的平均偏差为 3% [1]。
要画出这个空间,就需要测定 Kv 和 Rp,而这在传统上意味着重量法试验——称量西林瓶以查看有多少冰离开了——以及插入产品中的热电偶。更新的工具用更少的物料就能做到。一种基于红外的过程分析方法无需称重即可估算 Kv,而一台微型冻干机只用极少数量的西林瓶就能完成重量法试验 [4]。以这种方式获得的系数及由此得到的设计空间,与实验室规模设备所得结果吻合得非常好 [4]。实际收益在于,评估 Rp 时能节省时间和配方物料 [4]。
优化值多少
标准做法是按固定方案运行冻干机:每个阶段都编排在固定的时间点上,各阶段内的关键工艺参数保持恒定,或在两个设定点之间按直线插值。这种做法已被证明既耗时又低效 [2]。
用随时间变化的曲线取代固定设定点,可以带来可观的节省。一套把箱内压力与搁板温度作为时间函数给出的优化器,与典型周期条件相比,使 5% 甘露醇的一次干燥加快了 62%,使 5% 蔗糖的一次干燥加快了 50% [1]。
另一种思路是在周期运行过程中持续监控。在一种实时控制策略中,设计空间在每一次迭代时都会被重新计算,以选取一组最优工艺参数,并把模型输出的不确定性纳入考虑 [2]。该方法通过刻意扰动箱内压力和搁板流体系统进行了测试,证实能够应对中等程度的扰动 [2]。一次干燥的终点同时采用不确定性分析和比较压力测量技术进行预测,预测结果与实验数据一致 [2]。
第三条路径分两个阶段优化搁板温度,以在不冒塌陷风险的前提下最大化升华 [3]。该方法纳入了传热系数、西林瓶尺寸和干燥层阻力的高分辨率变异性数据,并把它们输入不确定性分析,以估算方案失败的风险 [3]。它在两种配方上得到了验证,一种允许激进干燥,另一种需要保守干燥 [3]。结果是,所得方案比经典做法既更快也更稳健 [3]。
品牌方能从中得到什么
一次干燥并不是把一个设定值固定运行若干小时。它是一个窗口,而窗口落在哪里取决于配方。像甘露醇这样的结晶型物料和像蔗糖这样的无定形物料,行为差异大到被当作两个独立案例来研究 [4],而在优化之下,一个带来 62% 的时间节省,另一个则是 50% [1]。
参考文献
- Shivkumar G, Kazarin PS, Strongrich AD, Alexeenko AA. LyoPRONTO: an Open-Source Lyophilization Process Optimization Tool — AAPS PharmSciTech, 2019-10-31.
- Vanbillemont B, Nicolaï N, Leys L, De Beer T. Model-Based Optimisation and Control Strategy for the Primary Drying Phase of a Lyophilisation Process — Pharmaceutics, 2020-02-20.
- Vanbillemont B, Greiner AL, Ehrl V, Menzen T, Friess W, Hawe A. A model-based optimization strategy to achieve fast and robust freeze-drying cycles — International journal of pharmaceutics: X, 2023-04-10.
- Harguindeguy M, Fissore D. Micro Freeze-Dryer and Infrared-Based PAT: Novel Tools for Primary Drying Design Space Determination of Freeze-Drying Processes — Pharmaceutical research, 2021-03-08.