Design af eksperimenter (DoE) undersøgelser

Design of Experiments (DoE) er en statistisk tilgang til reaktions- og procesoptimering, der tillader variation af forskellige faktorer samtidigt med det mål at screene reaktionsrummet for optimale værdier.

I kemisk udvikling bruges DoE-undersøgelser til at fremskynde reaktionsoptimering, da de tillader vurdering af et stort antal reaktionsparametre i et lille antal eksperimenter. I løbet af de sidste mange år er DoE blevet brugt til implementering af Quality by Design (QbD) i R&D og produktion. I Pharmaceutical QbD er produkt- og procesforståelse afgørende for at sikre kvaliteten i det fremstillede produkt. 

I dagens tempofyldte farmaceutiske, agrokemiske og fine kemiske sektorer kræver det voksende pres for at forkorte udviklingscyklusser et skift mod mere effektive forskningsmetoder. Dette white paper undersøger, hvordan integrationen af datarig eksperimentering (DRE) og kinetisk modellering giver den dybe procesforståelse, der er nødvendig for at overholde disse tidsplaner. Ved at udnytte data med høj densitet kan forskere strømline arbejdsgange, forbedre processikkerheden og sikre bæredygtighed gennem hele opskaleringsprocessen.

Fordelen ved at anvende Design of Experiments (DoE) i kemisk udvikling er, at flere inputparametre eller "faktorer", såsom temperatur, råmateriale og koncentration, kan vurderes samtidigt for at belyse de betingelser, hvorunder produktets attributter, eller "responser", såsom udbytte, selektivitet og urenhedsniveau, når en optimal værdi. 

Da DoE-undersøgelser normalt kræver færre eksperimentelle gentagelser, kan DoE resultere i:

• Bedre procesforståelse på kortere tid
• Kortere udviklingscyklusser i fremstillingsindustrien

I et Design of Experiments (DoE)-studie varieres de interessante faktorer systematisk fra deres laveste til højeste værdi, og alle mulige faktorkombinationer udføres i det samme sæt eksperimenter.

I en tre-faktor DoE med to niveauer (se grafen til højre) kan værdierne repræsenteres i en terning, hvor hjørnerne viser de otte testbetingelser. I et fuldt faktorielt design beregnes de resulterende testbetingelser i henhold til 2^3 = 8  testbetingelser, der fremkalder otte forskellige resultater.

Eksemplet til højre viser et skematisk eksempel på en fuld faktoriel design DoE, der fører til otte forskellige testresultater med én optimal værdi (dvs. data fremhævet med rødt).

De data, der er resultatet af en DoE-undersøgelse, bruges til at opbygge matematiske funktioner, der bedst beskriver forholdet mellem faktorerne og de målte responser. Disse ligninger kan være første, anden eller højere orden, afhængigt af hvordan svarene reagerer på ændringer i faktorerne.

Matematisk model med y=respons (f.eks. udbytte) og xn=inputfaktorer og βn=funktionskoefficienter.

Svaret (y) kan plottes mod en eller to inputvariabler (x) for at opbygge den såkaldte Response Surface i to eller tre dimensioner. 

Målet med at optimere en syntetisk reaktion er at finde den maksimale værdi af en funktion (det optimale), som giver de bedste ønskede resultater. Response Surface Methodology (RSM) udnytter data genereret af DoE og viser visuelt afhængigheden af responsen (udbyttet) mod de tre faktorer (temperatur, udgangsmateriale og katalysatordosering; se eksempelgraf). RSM er fordelagtigt til mere præcist at modellere krumningen omkring reaktionsoptimum. Proceskemikere er i stand til at få en dybere forståelse af en proces og identificere den region, hvor procesbetingelserne opfylder et eller flere mål, såsom udbytteforøgelse eller omkostningsoptimering.

Med RSM kan der skabes en stor mængde information fra et lille antal eksperimenter, og reaktions- og procesoptimering kan udføres på kortere tid.

Et nøglekrav i eksperimentelt design af DoE er at etablere systemets pålidelighed og reproducerbarhed. Dette opnås ved at minimere risikoen for målefejl og præcist kontrollere alle parametre for at sikre reproducerbare forhold. I kemisk syntese skal den eksperimentelle opsætning sikre, at parametermålinger og -kontrol såsom temperatur, omrøring, prøveudtagning og stofdosering er nøjagtige, og at reproducerbarheden fra forsøg til eksperiment er høj.

Derudover bør de valgte Design of Experiments (DoE) faktorer repræsentere de parametre, der har den stærkeste indflydelse på de eksperimentelle resultater. Parameterområdet fra laveste til højeste værdi skal være realistisk og skal dække det bredest mulige område, da ekstrapolering uden for designområdet ikke er tilladt i DoE.

I denne figur følger EasyMax kemisk syntesereaktor den indstillede temperatur præcist, mens den svært kontrollerbare rundbundede kolbe viser en kontrolvariation på omkring 27 °K mellem minimum og maksimum.

Automatiserede kemiske syntesereaktorer giver bedre resultater, hvilket fører til mere præcise Design of Experiments-undersøgelser.

I forbindelse med opstillingen af DoE-kvalitetsundersøgelser kan manuelt synteseudstyr, herunder rundbundede kolber, have potentielle begrænsninger:

• Den præcise kontrol af nøgleparametre som temperatur, omrøring og dosering inden for snævre begrænsninger er vanskelig under reaktionen
• Eksperimentets gentagelsesevne kompromitteres
• Registreringen af alle reaktionsparametervariationer og analyseresultater under eksperimentet er besværlig og fejlbehæftet
• Manuel reaktionsprøvetagning for at få reaktionsdata er ikke reproducerbar og kræver meget operatørtid

Billedet er gengivet med tilladelse fra Caron, Stéphane og Nicholas M. Thomson. "Farmaceutisk proceskemi: Udvikling af et moderne datarigt laboratoriemiljø." Tidsskrift for organisk kemi 80.6 (2015): 2943-2958. Ophavsret 2015 American Chemical Society."

Peptider er komplekse molekyler, der syntetiseres i mange trin med mange mulige bivirkninger. For at kunne drive sådanne processer økonomisk skal hvert trin optimeres og resultere i et udbytte på mindst 98%.

Målet med DoE-studiet var at optimere produktudbyttet ved systematisk variation af fire procesparametre: temperatur, opløsningsmiddeltilsætning, vand- og peptidkoncentration. 

Undersøgelsen viser vigtigheden af den reproducerbare ændring og kontrol af DoE-faktorerne såsom opvarmning, køling og reaktanttilsætning samt kontrol af eksperimentelle betingelser (f.eks. gennem konsekvent blanding af reaktionsmassen). 

Design of Experiments bruges til en række forskellige applikationer, herunder:

• Kemisk syntese
• Krystallisationsprocesser 
• Syntese reaktioner
• Identifikation af polymorfisme
• Polymerisationsreaktioner
• Hydrogeneringsreaktioner
• Biokatalyse og enzymatisk katalyse
• Flow kemi
• Downstream-behandling
• Viral inaktivering i biobehandling

For at måle og kontrollere flere sæt reaktionsparametre i DoE med et højt niveau af pålidelighed og repeterbarhed har kemiske syntesereaktorer afgørende fordele.

Manuelle DoE-undersøgelser med mere end to faktorer kræver en høj eksperimentel indsats, da alle parametre skal overvåges samtidigt over en lang reaktionstid. Kemiske syntesereaktorer hjælper med at kontrollere alle parametre præcist på samme tid, hvilket resulterer i kvalitetsresultater fra DoE, der registreres og let kan hentes til yderligere databehandling. iControl-softwaren sikrer også rettidige justeringer af individuelle faktorer i henhold til DoE-protokollen, og protokollerne er nemme at genbruge i efterfølgende eksperimenter.

Ved hjælp af EasyMax kemiske syntesereaktorer kan enhver videnskabsmand nyde uovervågede eksperimenter med et bredere anvendelsesområde, der er velegnet til DoE-undersøgelser til hurtig opdagelse af nye syntetiske veje.

Kemiske reaktorer hjælper forskere med hurtigt at udforske flere procesparametre samtidigt, hvilket gør det til et perfekt værktøj til DoE-undersøgelser. Der leveres et unikt funktionalitets- og applikationssæt:

• Temperaturmålinger fra -80 °C til 180 °C
• Væskedosering med doseringshastigheder mellem 1 og 50 ml/min ved høj nøjagtighed
• Automatiseret reaktionsprøvetagning fra suspensioner og flerfasereaktioner med EasySampler
• Effektiv omrøring af alle typer reaktioner for at udføre blandingsundersøgelser
• Reaktionsbeholderens form dækker et volumenområde fra 0,5 ml til 1000 ml
• Integration af PAT-prober, herunder ReactIR, ReactRaman, ParticleTrack og EasyViewer til at udføre datarige DoE-undersøgelser

Design of Experiment (DoE) er et statistisk nyttigt middel til at minimere antallet af eksperimenter, der er nødvendige for at udforske effekten af variabler på reaktionsydelsen i laboratoriet, men opskalering af DoE-resultater til produktion er fyldt med problemer. For eksempel tager DoE-undersøgelser  typisk ikke højde for effekten af blanding og varmeoverførsel, kritiske parametre i opskalering. Dynochem-modellering gør det muligt at tage højde for vigtige fysiske og termiske egenskaber i opskalering. Når kinetisk information bruges med Dynochem-modellering, kan passende prøveudtagningsslutpunkter bestemmes for DoE, hvilket sparer tid og ressourcer. Dynochem-modellering forbedrer således udviklingen af kritiske procesparametre og effektivt procesdesignrum.  

Innovation er udfordrende, når udstyr begrænser eksperimentelle muligheder. Kompleksiteten af syntetisk kemi øges hver dag. Dette white paper diskuterer, hvordan kemikere reagerer med innovative teknikker, der omfatter:

• Automatiseret reaktionsplanlægning og -udførelse
• Komplet dataindsamling til hvert eksperiment
• Synteseværktøjer, der løser almindelige eksperimentelle problemer

Hvis du vil lære, hvordan intelligente synteseværktøjer kombineret med laboratoriedigitaliseringsfunktioner kan transformere kemisk udvikling, kan du downloade hvidbogen "The Modern Synthesis Lab: A New Workplace for Chemists". 

• Lucks, Sandra og Heiko Brunner. "In situ genereret palladium på aluminiumphosphat som katalytisk system til fremstilling af β, β-diarylerede olefiner ved Matsuda-pokker-reaktion." Organic Process Research & Development 21.11 (2017): 1835-1842.
• Monnaie, Didier, Lonza Peptide, Braine, "Hurtig og effektiv kemisk syntese og optimering understøttet af Design of Experiments (DoE)" webinar METTLER TOLEDO, 2017.
  
• Van der Eycken Francis, METTLER TOLEDO, "Innovative teknikker til syntetisering af banebrydende molekyler", hvidbog (2015).
  
• Georgakis, C. (2013). "Design af dynamiske eksperimenter: En datadrevet metode til optimering af tidsvarierende processer." Industrial & Engineering Chemistry Research 52: 12369-12382.
  
• P. M. Murray et al., "Anvendelsen af design af eksperimenter (DoE) reaktionsoptimering og valg af opløsningsmiddel i udviklingen af ny syntetisk kemi", Org. Biomol. Chem., 2016, 14 sider, 2373-2384.
  
• Design af eksperimenter (DoE) og procesoptimering. En gennemgang af de seneste publikationer. Org. Process Res. Dev., 2015, 19 (11), s. 1605-1633.