CN106030278A - 分散在液相中的蛋白质的拉曼光谱结构调查研究 - Google Patents
分散在液相中的蛋白质的拉曼光谱结构调查研究 Download PDFInfo
- Publication number
- CN106030278A CN106030278A CN201580008189.1A CN201580008189A CN106030278A CN 106030278 A CN106030278 A CN 106030278A CN 201580008189 A CN201580008189 A CN 201580008189A CN 106030278 A CN106030278 A CN 106030278A
- Authority
- CN
- China
- Prior art keywords
- sample
- raman
- protein
- detector
- scattered
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N11/02—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties by measuring flow of the material
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N11/00—Investigating flow properties of materials, e.g. viscosity, plasticity; Analysing materials by determining flow properties
- G01N2011/006—Determining flow properties indirectly by measuring other parameters of the system
- G01N2011/008—Determining flow properties indirectly by measuring other parameters of the system optical properties
Landscapes
- Health & Medical Sciences (AREA)
- Biochemistry (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
描述了一种包括样本的拉曼光谱结构调查研究的方法以及一种用于执行该方法的设备,该样本包括液相的分散的化学物种,尤其是蛋白质。该方法包括:提供样本;提供在样本中的标记颗粒;利用光源激发样本;接收来自样本中的分散的化学物种中的拉曼散射光;从所接收的拉曼散射光中检测在样本中的分散的化学物种的拉曼散射;检测在样本中的标记颗粒的运动;并且从检测拉曼散射的步骤和检测颗粒的运动的步骤两者中提取在样本中的分散的化学物种的至少一个特性。
Description
本申请涉及于2014年3月25日提交的美国临时申请号61/970,198以及于2014年7月18日提交的美国临时申请号62/026,563,这两个申请均通过引证结合于此。
技术领域
本发明涉及光谱,包括使用拉曼光谱来调查研究蛋白质结构。
背景技术
由于引入由Genentech于1978年开发的并且由Eli Lilly and Company于1982年作为Humulin商业化的第一生物治疗、重组人胰岛素,所以超过130个独特产品商业化。其活性成分是蛋白质(即,生长激素、抗体、胰岛素)的这些药物由活细胞(即,细胞、病毒以及细菌)产生并且用于治疗和防止威胁生命的疾病,例如,癌症、多发性硬化、类风湿性关节炎、糖尿病以及心脏病。
生物制药的年收入自从2001年以来持续增长,在2011年占总药品市场的15.6%。全球生物制药市场在2011年价值1380亿美元,并且预期在2020年增长为超过3200亿美元。(GBI研究)该成长预期来自新产品的发布、现有产品的新适应症的批准以及全球生物仿制药市场的增长(计划到2020年达到90亿美元)。
在生物治疗行业的更好分析工具的推进力集中于大量领域,即,创建新分子实体(药物发现)产品开发(预配方和配方)和制造/质量控制(生物发酵和生物加工)。生物治疗药物与传统‘小分子’固体制剂市场的分析测试要求的差别很大,并且制药工业和监控者均积极寻找可以解决这些新的具有挑战性的测量要求的技术。
新结构实体的开发步伐继续加速,目前在生物制药开发渠道超过5000。(phRMA)这个数量包括占据目前进入市场的大部分产品的疫苗和单克隆抗体(mAb)以及“下一代”实体,例如,双可变区抗体(DVD)、抗体药物复合体(ADC)以及蛋白质片段或小肽。对于药物产品开发,重要的是,提高结构/功能/功效关系的理解并且在药物产品生命周期中尽早识别特性/问题,以避免昂贵的或者不可补救的在稍后开发阶段的差产品属性。结果,越来越需要新分析技术和现有技术“赋予新用途”,来加速产品开发。
关于制造方,与通过化学合成产生的小分子药物实体相比,使用往往对环境条件非常敏感的复杂生命***,制造生物治疗药物。由于甚至制造中的微小变化可能改变最终产品,所以需要理解“质量属性关键点”,并且具有适当的分析工具,来在整个工艺中保持和控制生物治疗药物的安全和功效。由于进入医药投资组合和产品开发渠道的药用蛋白的数量继续增加,所以未保持开发和验证分析方法来解决其表征的要求的步伐。
由Amin等人在“Protein aggregation,particle formation,characterizationand rheology”、Current Opinion in Colloid&Interface Science、卷19、期号5、2014年10月、pp438-449中概述的问题在于,目前没有蛋白质专门的分子理论,用于在溶液内的稳定蛋白质的粘度的成分依赖性,并且不可逆聚合***的流变复杂。因此,关于这种溶液的测量可以具有挑战性。
本发明的目标在于,解决一个或多个上述问题。
发明内容
根据本发明的第一方面,提供了一种包括液相中的分散的化学物种的样本的光谱结构调查研究的方法,所述方法包括:
提供样本;
提供在样本中的标记颗粒;
利用光源(例如,诸如激光器的窄带光源)激发样本;
接收来自样本中的分散的化学物种的拉曼散射光;
从所接收的拉曼散射光中检测样本中的分散的化学物种的拉曼散射;
检测样本中的标记颗粒的运动;并且
从检测拉曼散射的步骤和检测颗粒的运动的步骤中提取在样本中的分散的化学物种的至少一个特性。
在一个可替换的方面,该方法可交替地包括;
提供样本;
利用光源(例如,诸如激光器的窄带光源)激发样本;
接收来自样本中的分散的化学物种的拉曼散射光;
从所接收的拉曼散射光中检测来自样本中的分散的化学物种的拉曼散射;
测量样本的粘度;并且
从检测拉曼散射的步骤和测量粘度的步骤两者中提取样本中的分散的化学物种的至少一个特性。
可以通过检测标记颗粒在样本中的运动或者可以通过其他方式(例如,通过毛细管流动测量)来进行测量粘度。
化学样本分散在其内的液体样本优选地是连续的。
提供分散样本的步骤可以涉及提供蛋白质样本。
所述检测步骤可以涉及针对样本中的蛋白质检测位于特性指纹光谱特征区域之外的拉曼散射,并且其中,所述提取步骤从检测位于特性指纹光谱特征区域之外的拉曼散射的步骤中提取在样本中的蛋白质的至少一个特性。
所述提取步骤可以识别与样本中的分散的化学样本相关的至少一个结构特性。
检测拉曼散射的步骤可以检测在大约0cm-1与400cm-1之间的光谱特征范围内的频率。
所述提取步骤可以识别与以下内容相关的至少一个特征:
在样本中的溶剂;
在样本中的水溶剂;
在样本中的氢键;
在样本中的溶剂-蛋白质相互作用;
在样本中的水-蛋白质相互作用;和/或
样本中的中尺度尺寸范围的样本变化。
该方法可以进一步包括以下步骤:基于检测步骤的结果确定蛋白质的质量控制措施或蛋白质的稳定性的措施。
该方法可以进一步包括基于检测步骤的结果修饰蛋白质的步骤。
该方法可以进一步包括从接收步骤中接收的拉曼散射光中过滤掉单个光谱特征通带的步骤,并且其中,通过测量在通带内的能量,来执行所述检测步骤。所述通带具有超过大约10cm-1的宽度。
该方法可以进一步包括从接收步骤中接收的拉曼散射光中滤出多个光谱特征通带的步骤,并且其中,通过测量在每个通带内的能量,来执行所述检测步骤。
可以针对多个不同的条件(例如,多个不同的温度、多个不同的pH水平和/或多个不同的离子强度)执行激发、接收以及检测步骤。
所述提取步骤可以识别与以下内容相关的至少一个特征:
在样本中的蛋白质结构;
在样本中的中尺度结构;
在样本中的糖基化;
在样本中的聚乙二醇化;
在样本中的脱酰胺基;
在样本中的氧化;
在样本中的蛋白质网络;
在样本中的样本聚合;
在样本中的蛋白质电荷;
在样本中的蛋白质流变;
在样本中的蛋白质偶极;
在样本中的蛋白质粘度;
在样本中的蛋白质结合;
在样本中与离子强度相关的蛋白质的变化;和/或
在样本中与溶剂pH相关的蛋白质的变化。
所述提供步骤可以涉及提供分散的化学物种,其包括悬浮或溶解的高分子样本、悬浮的纳米材料样本以及悬浮的纳米颗粒样本中的一个或多个。
该方法可以进一步包括以下步骤:提供使化学物种的拉曼光谱与化学物种的流变性能相关的模型(例如,多变量模型),并且将化学物种的样本的至少一个特性从模型的应用中提取到检测拉曼散射的进一步步骤的结果中。
根据本发明的第二方面,提供了一种包括液相的分散的化学物种的样本的光谱样本结构调查研究的设备,所述设备包括:
用于保持样本的样本架,例如,比色皿;
多个标记颗粒,用于与样本架保持的样本混合;
激光源,用于激发由样本架保持的样本;
颗粒运动检测器,其定位成检测在由样本架保持的样本中的多个标记颗粒的运动;以及
拉曼检测器,其定位成接收由激光源的激发造成的来自样本的拉曼散射辐射。
根据本发明的第三方面,提供了一种包括液相的分散的化学物种的样本的光谱样本结构调查研究的设备,所述设备包括:
用于保持样本的装置;
用于利用光源(例如,诸如激光器的窄带光源)激发样本的装置;
用于接收来自样本的拉曼散射光的装置;
用于从所接收的拉曼散射光中检测在样本中的分散的化学物种的拉曼散射的装置;
用于检测在样本中的标记颗粒的运动的装置;以及
用于从检测拉曼散射的装置和检测颗粒的运动的装置两者中提取在样本中的分散的蛋白质物种的至少一个特性的装置。
在一个替换的方面,根据第二或第三方面的设备可以包括;
样本架,用于保持样本;
激光源,用于激发由样本架保持的样本;以及
拉曼检测器,其定位成接收由激光源的激发造成的来自样本的拉曼散射辐射,
其中,样本架是毛细管,并且所述设备被配置成通过测量通过样本架的毛细管流动,来测量样本的粘度。
第二或第三方面的设备可以进一步包括响应于颗粒运动检测器的流变信息提取逻辑以及响应于拉曼检测器的光谱信息提取逻辑。
该设备可以进一步包括响应于颗粒运动检测器和拉曼检测器两者的信息提取逻辑。
该设备可以进一步包括响应于颗粒运动检测器和拉曼检测器两者的蛋白质特性提取逻辑。
所述颗粒运动检测器可以包括耦合至光学检测器的光纤。
所述样本架或比色皿可以包括由可渗透样本而非颗粒标记颗粒的隔板分离的未标记的样本体积和标记的样本体积。
所述隔板可以限定标记的样本体积,作为封闭的体积,例如,可以限定球体。
所述颗粒运动检测器可以包括光纤,所述光纤的一端耦合至光学检测器并且所述光纤的另一端朝着标记的样本体积引导。
所述拉曼检测器可以具有用于拉曼散射的检测光谱特征范围,其频率比针对样本中的分散的化学物种的特性指纹光谱特征区域更低。
所述拉曼检测器可操作为检测在大约0cm-1与400cm-1之间的光谱特征范围内的频率。
所述样本架可以用于分散的化学物种,其包括悬浮或溶解的高分子样本、悬浮的纳米材料样本以及悬浮的纳米颗粒样本中的一个或多个,并且其中,所述拉曼检测器具有用于拉曼散射的检测光谱特征范围,其频率比针对样本中的一个或多个分散的化学物种的特性指纹光谱特征区域更低。
该设备可以进一步包括光谱识别逻辑,其可操作,以检测与所述样本的预定特性相关的光谱特征。所述光谱识别逻辑可以可操作,以:
检测与溶剂-溶质相互作用相关的至少一个光谱特征;
检测与溶质-溶质相互作用相关的至少一个光谱特征;和/或
识别与在样本中的氢键相关的至少一个光谱特征。
所述颗粒运动检测器可以定位成检测来自样本中的激光源的光的散射。
该设备可以进一步包括另一激光源,其中,所述颗粒运动检测器定位成检测来自在样本中的另一激光源的光的散射。
所述样本架可以用于蛋白质样本,并且所述检测器可以具有用于拉曼散射的检测光谱范围,其频率比用于蛋白质样本的特性指纹光谱区域更低。
该设备可以进一步包括光谱识别逻辑,其可操作,以检测与所述蛋白质样本的预定特性相关的光谱特征。
所述光谱识别逻辑可以包括多变量光谱分析逻辑、光谱成分分析逻辑以及光谱库比较逻辑中的至少一个。
所述光谱识别逻辑可以可操作,以识别与以下内容相关的至少一个光谱特征:
在样本中的分散的化学物种;
在样本中的蛋白质;
在样本中的溶剂;
在样本中的水溶剂;
在样本中的氢键;
在样本中的溶剂-蛋白质相互作用;
在样本中的水-蛋白质相互作用;
在样本中的离子强度的变化;
在样本中的pH的变化;和/或
在样本中的中尺度效果。
该设备可以进一步包括逻辑,用于确定:
响应于拉曼检测器的分散的化学物种的稳定性的措施;
响应于拉曼检测器的蛋白质的稳定性的措施;和/或
响应于拉曼检测器的质量控制措施。
该设备可以进一步包括位于在样本与拉曼检测器之间的光学路径中的单个光谱特征通带滤波器,并且其中,所述拉曼检测器可操作,以测量在所述滤波器的通带内的能量的量,包括关于预定特性之一的信息。
所述检测器可以可操作,以检测具有超过大约10cm-1的宽度的通带。
该设备可以进一步包括位于在样本与拉曼检测器之间的光学路径中的多个光谱特征通带滤波器,并且其中,所述拉曼检测器可操作,以测量在所述滤波器的每个通带内的能量的量,包括关于预定特性之一的信息。
所述拉曼检测器可以包括阵列检测器和FT拉曼检测器。
该设备可以进一步包括另一类型的蛋白质性能检测器,例如,光散射检测器或蛋白质浓度检测器。
所述光谱识别逻辑可以可操作,以识别与在样本中的蛋白质结构或蛋白质浓度相关的至少一个光谱特征。
该设备可以进一步包括:储存的机器可读模型,其使分散的化学物种的拉曼光谱与分散的化学物种的至少一个流变性能相关;以及响应于所述储存的机器可读建模和所述拉曼检测器的输出的预测逻辑,用于导出在所述样本架内的样本的至少一个预测的流变性能值。
根据本发明的第四方面,提供了一种包括液相的分散的化学物种的样本的光谱结构调查研究的方法,所述方法包括:
提供液相的分散的化学样本;
提供使分散的样本的拉曼光谱与分散的样本的一个或多个性能相关的模型;
利用光源(例如,诸如激光器的窄带光源)激发液相的分散的化学样本;
接收来自分散的化学物种的拉曼散射光;
从所接收的拉曼散射光中检测来自分散的化学物种的拉曼散射;并且
从模型应用到检测拉曼散射的步骤的结果中提取样本的性能。
本发明的一个优点在于,可以进行对分散的化学物种(例如,蛋白质)的测量,以使用拉曼散射获得样本的期望性能的测量,而不必由其他物种(例如,标记颗粒)污染样本。在样本的尺寸和可获得性非常有限时,例如,在实验药物化合物的情况下,这特别有利。使用探针或标记颗粒还可能影响这种样本的性能,因此,避免使用探针或标记颗粒,应该能够更精确地测量实际样本性能。
化学样本分散在其内的液体样本优选地是连续的。
在多变量模型中的一个或多个性能可以包括分散的样本的浓度、温度和/或粘度。粘度可以是复数粘度。
所述模型可以是多变量模型,并且可以是偏最小二乘回归模型。
该方法可以进一步包括从所述模型中,尤其从在所述模型的载荷中,提取关于样本的化学特性的信息的步骤。从所述模型中提取信息的步骤可以涉及提取关于与所述样本的流变性能相关的光谱区域的信息。
可以使用接收的在100cm-1到300cm-1的范围内的拉曼散射光的光谱的一部分,提取所述样本的性能。
根据本发明的第五方面,提供了一种包括液相的分散的化学物种的样本的光谱样本结构调查研究的设备,所述设备包括:
用于保持液相的分散的化学物种的样本架,诸如分色皿;
储存的机器可读模型,其使分散的化学样本的拉曼光谱与分散的化学物种的至少一个流变性能相关;
激光源,用于激发由样本架保持的样本;
拉曼检测器,其定位成接收由激光源的激发造成的来自样本的拉曼散射辐射;以及
响应于所述储存的机器可读建模和所述拉曼检测器的输出的预测逻辑,用于使用所述模型从接收的拉曼散射辐射中至少导出样本的性能。
根据本发明的第六方面,提供了一种包括液相的分散的化学物种的样本的光谱样本结构调查研究的设备,所述设备包括:
用于保持液相的分散的化学样本的装置;
用于储存使分散的化学样本的拉曼光谱与分散的化学样本的流变性能相关的模型的装置,
用于利用光源(例如,诸如激光器的窄带光源)激发在样本中的分散的化学物种的装置;
用于接收来自样本中的分散的化学物种的拉曼散射光的装置;
用于从所接收的拉曼散射光中检测在样本中的分散的化学物种的拉曼散射的装置;以及
用于从检测拉曼散射的装置和用于储存模型的装置两者中提取在样本中的分散的化学物种的至少一个特性的装置。
化学样本分散在其内的液体样本优选地是连续的。
在可以是多变量模型的模型中的一个或多个性能可以包括分散的样本的浓度、温度和/或粘度。
所述模型可以是偏最小二乘回归模型。
所述预测逻辑可以被配置成从所述模型中,尤其从所述模型中的载荷中,提取关于样本的化学特性的信息。
所述预测逻辑可以被配置成提取关于与所述样本的流变性能相关的光谱区域的信息。所述预测逻辑可以被配置成使用在100300cm-1到300cm-1的范围内的接收的拉曼散射光的光谱的一部分,提取所述样本的性能。
附图说明
图1是示例性颗粒测量***的框图;
图2a是作为浓度函数的在酰胺I区域内的磷酸盐缓冲盐水(PBS)中的牛血清白蛋白(BSA)的样本的拉曼光谱的绘图;
图2b是具有大约1650cm-1的峰值的浓度对强度的绘图;
图2c是具有六个浓度的酰胺I区域的归一化二阶导数光谱的绘图;
图2d是作为浓度的函数的光谱的低频100cm-1至250cm-1部分的二阶导数的绘图;
图2e是作为浓度的函数的峰值位置的绘图,具有来自图2d中的二阶导数光谱的数据;
图3a是处于三个不同的pH条件的BSA的拉曼光谱的酰胺I区域(1600-1800cm-1)的主成分分析得分的绘图;
图3b是作为从处于三个不同的pH条件的BSA的拉曼光谱的低频区域(100-300cm-1)中导出的温度的函数的主成分得分的绘图;
图4a是在20℃、80℃以及再次在20℃在酰胺I区域内的溶菌酶溶液的光谱的绘图;
图4b是作为上下温度斜坡函数的酰胺I的峰值位置的绘图;
图4c是在20℃、80℃以及再次在20℃加热和冷却时,在低频区域内的相同溶菌酶样本的光谱的绘图;
图4d是示出在152cm-1下显示频移的在图4c中的光谱的温度依赖性的绘图;
图5a是在酰胺I区域内低于(T-)和高于(T+)展开温度的人血清白蛋白(HAS)的光谱的绘图;
图5b是在低于(T-)和高于(T+)展开温度Tm的相同样本的低频光谱(80-280cm-1)的绘图;
图5c是与在图5a中一样显示为低于(T-)和高于(T+)Tm的通过H2O2(氧化剂)处理的HAS的光谱的绘图;
图5d是与在图5a中一样显示为低于(T-)和高于(T+)Tm的经H2O2处理的样本的低频光谱(60-220cm-1)的绘图;
图6是在20℃(T-)和80C(T+)温度下单克隆抗体的溶液的二阶导数拉曼光谱的绘图;
图7是用于使用标记颗粒的图1的***内的第一探针的图解示图;
图8是用于使用标记颗粒的图1的***内的第二探针的图解示图;
图9是用于使用标记颗粒的图1的***内的第三探针的图解示图;
图10是用于使用标记颗粒的图1的***内的第四探针的图解示图;
图11是针对使用图1的***获取的数据导出的四因子模型的前三个载荷的绘图;
图12是对结合图11参考的样本和模型的所测粘度的四因子模型所预测的粘度的绘图;
图13是对结合图11参考的样本和模型的所测温度的四因子模型所预测的温度的绘图;
图14是对结合图11参考的样本和模型的所测浓度的四因子模型所预测的浓度的绘图;
图15是图1的***的实现方式的框图;并且
图16是使用多变量模型的图1的***的变体的框图。
具体实施方式
DLS拉曼颗粒测量***是目前预计用于实现本发明的选择的仪器。在图1中示出并且在通过引证结合于此的WO 2013/027034 A1中更详细地描述一个这种仪器。对于本领域的技术人员显而易见的是,其他类型的仪器也可以与本发明的不同方面结合使用。
颗粒测量***10包括相干辐射源12,例如,激光器。将该激光器的输出提供给衰减器14,可选地经由一个或多个中介反射器,通过保持在比色皿插槽17内的样本架或比色皿,并且提供给传输监控器18。传统的90°光学器件22和/或反向散射光学器件20接收来自样本比色皿16内悬浮的颗粒样本的散射辐射,并且测量从光源12中接收的并且由在样本比色皿16中的样本弹性散射的光的强度。然后,这些光学器件组中的一个或两者的接收的散射辐射可以经由光纤24中继至雪崩光电二极管(APD)26。然后,在DLS的情况下,光电二极管26的输出可以使用相关器28相关,或者在SLS(未示出)的情况下,使用积分器进行积分。计算机42用于控制仪器,并且收集、分析并且向终端用户呈现测量。
由于在反向散射路径内包括介质滤波器30,所以***10还进行光谱检测。该介质滤波器30将较长波长的光中继给光谱检测器32,例如,拉曼检测器。拉曼检测器32可以包括一个或多个激光器陷波滤波器34、衍射光栅36以及维度检测器38,例如,电荷耦合装置(CCD)。虽然在图1示出了拉曼检测在反向反射路径中发生,但是从多个不同的角度中的一个或多个,包括从在传统的90°路径中的引出点40,还可以或者可替换地发生。因此,在一个普通方面,光谱检测器32可以被配置成沿着与入射光正交的路径和/或沿着与入射光相反的路径,从样本池中接收散射光,用于检测反向散射光。
在操作时,虽然也可以使用单独激光器,但是激光器12可以用于DLS和拉曼测量两者。在DLS测量期间,打开衰减器14,使得APD 26不饱和。在拉曼测量期间,关闭衰减器14,以允许用于拉曼测量的高水平照明。通过在DLS与拉曼测量之间交替,***10可以获取关于弹性和非弹性散射的信息。交替的方法是使用反射镜代替介质滤波器30,并且将反射镜配置成在拉曼光学路径内移入以及移出,以交替地收集拉曼和DLS数据。该方法的一个优点在于,可以容易地与现有DLS仪器共同起作用。
在该***中的陷波滤波器34或其他检测器侧滤波器还可以被配置成允许少量激光能量穿过,进入检测器32。然后,***10可以从该能量中提取关于样本的进一步信息。例如,***10可以测量拉曼源波长的非弹性散射。这与拉曼光谱的传统方法形成对比,其中,做出巨大的努力,以在与样本相互作用之后,尽可能多地消除激光器能量。本领域的技术人员会认识到,具有几种方法来传递少量激光能量,例如,通过调整激光在凹陷滤波器上的入射角或者从凹陷滤波器中去除一层或多层。
如下面更详细地所述,仪器10被配置成调查研究蛋白质的性能,包括单独地并且与其他方法(例如,DLS或SLS)相结合地调查研究低频拉曼光谱区域。被配置成进行这些类型的调查研究的仪器能够显示关于蛋白质结构的大量信息。
为了从测量中导出信息,上述***与在通用计算机平台上运行的专用软件程序相结合实现,其中,在处理器上执行储存的程序指令,但是也可以使用专用硬件完全或部分实现。通过任何一种方法,仪器都可以被配置成遵循通过一个或多个检测形态识别特定的低频特性的协议。可以识别低频光谱区域和/或特征,然后,在一个或多个条件下,将其与样本的结构特征或其他特性比较、相关或相关联。
蛋白质的内在结构和性能
蛋白质由具有共同的结构特征的高达20种不同的氨基酸的聚合作用构成,包括与氨基、羧基以及变量侧链结合的α碳。在多肽链内的氨基酸由产生蛋白质主链的肽键链接,并且该顺序限定蛋白质的主要序列。即使这些结构特征具有通用性,侧链性能的变化造成氨基酸的物理性能具有巨大的变化,这可以是极性的、非极性的、酸性的、碱性的、带电荷的或中性的。蛋白质的不同性能主要源自氨基酸侧链的该高度可变的性质。
蛋白质的功能另外由蛋白质折叠成的三维结构驱动。这些结构元件描述为蛋白质的二级和三级结构,并且除其他因素外,还取决于基本序列和侧链性能。二级结构元素的实例包括α-螺旋、β-折叠以及转动,并且由于二级结构是局部现象,即,由各种侧链的相互作用驱动,所以不同的二级结构(α-螺旋和β-折叠)的区域大部分通常存在于相同的蛋白质分子内。蛋白质通常由存在的这些结构部件中的每个的百分比表征,或者可以更宽松地描述为“主要α-螺旋”或相反“主要β-折叠”。这是在蛋白质中的氨基酸的基本组织以及提供其感兴趣的性能的其侧链可变性。例如,这些是两亲性,具有亲水和疏水性能。例如,蛋白质的α-螺旋部分包含由亲水氨基酸构成的一个表面以及由疏水氨基酸构成的相反表面,这是主要序列和侧链性能共同起作用以限定蛋白质二级结构的方式的完美实例。
三级结构限定分子的最终‘形状’,并且使二级结构部件的关系彼此映射。这些二级结构部件由氢键、盐桥、二硫键或疏水内芯的形成稳定,并且限定蛋白质的最终形式和功能。在大量蛋白质分子集合并且用作单个单元时,形成四级结构。
在此基础上,显然,氨基酸序列和更高级的组织(二级、三级以及四级结构)在水和非水(与膜蛋白质的情况一样)环境中对溶解性和功能具有重大影响。
即使蛋白质通过其结构部件具有以上清晰的定义和分类,但是蛋白质实际上并非刚性分子,而是亚稳态和动态的。同样,还可以采用与优选的三维形式不同的多个结构变体。在某些情况下,这些结构变化启用或者增强功能(细胞色素、酶),并且在其他情况下,使其完全无功能。蛋白质自然折叠成的三维结构以自然(功能)形式而著名,而加热或扰乱局部化学环境,可以改变/破坏其结构,造成‘变性’状态。
蛋白质还显示称为两性的性能,其中,可以根据条件用作酸或碱。单独氨基酸可以是正极、负极、中性以及极性的,并且是给蛋白质提供其总体电荷的共同采取的所有单独氨基酸贡献的总和。蛋白质的等电点(pI)限定为不携带任何净电荷所处的pH。在分子上的净电荷由其周围环境的pH修饰,并且由于损耗或获得质子(H+),所以可以变得更正极或负极。在pH低于其pI时,蛋白质携带净正电荷;然而,在pH高于其pI时,蛋白质携带净负电荷。结果,在pH对应于其pI时,蛋白质在水或盐溶液中具有最小可溶性,并且在这些条件下,通常沉淀析出溶液。作为其直接结果,因此,蛋白质可以根据其电荷而分离。其他修饰或退化(例如,脱酰胺基、糖基化以及氧化)也可以造成蛋白质pI改变,造成各种电荷亚型,并且甚至在单个蛋白质内造成大量电荷异质性。
由于其三维结构对于准确的功能是必需的,所以蛋白质的一个最多研究的方面是其三维结构。实际上,错误折叠的蛋白质(或变性蛋白质)不仅无功能,而且与几种疾病相关,包括淀粉样病变。实际上,蛋白质的三维(天然/折叠)结构也引起驱动其功能和特异性的‘结合位点’。mAb的高度可变区域是确定其活性为治疗分子的分子的小折叠区域。主要序列影响二级和三级结构,但是并非唯一的影响因素。蛋白质的自然状态的稳定性的结构能量学和动力学的研究是大量研究的另一个领域。
如上所述,在市场上的大部分蛋白质治疗如今是单克隆抗体(mAb)。虽然抗体在本质上具有巨大的多样性,但是其基本结构非常相似。单体是‘Y’形分子,其由通过二硫键连接的两个相同的重链和两个相同的轻链构成。抗体的可变性并且因此分子特异性源自在分子尖端的高度可变区域,允许存在几千个不同的功能。此外,抗体是糖蛋白,并且包含共价键合的寡糖链(糖)。在称为糖基化的工艺中,糖连接至蛋白质,在称为转译后的工艺中,在蛋白质的初始合成之后,发生该糖基化。具有大量不同的转译后工艺,这些工艺在蛋白质结构和功能中驱动甚至进一步可变性。
通过以上内容,因此,应该清楚的是,关于其一级、二级以及三级结构的蛋白质的几乎无限的可变性提供其功能,并且是作为推定的治疗分子的高度特异性。然而,可以进一步理解的是,对于与稳定、安全并且有效的产品相同的那些蛋白质,这种复杂性可以引起任何数量的潜在的‘故障模式’。结果,与其小分子配对物的预配方和配方障碍相比,为了确定作为药物产品的候选蛋白质分子的适合性而必须克服的预配方和配方障碍明显更复杂并且更具有挑战性。
作为药物的蛋白质
大分子的总体稳定性由一系列独立因素限定。表1概述了按配方制造的蛋白质药物产品的一些性能。虽然功能和生物相容性是天然分子本身的关键性能,但是配方(pH、盐浓度等)的变化可以影响这些性能。进一步,因素(例如,长期稳定性、保质期以及聚合的倾向)可以受到配方以及在可以影响胶体稳定性的分子的不同部分上存在‘热点’的影响。这些性能的汇合确定任何特定分子的可制造性。
表1
结果,生物制药候选经受生化评估的电池,以确定最佳配方条件。虽然主要序列对于表征药物分子重要,但是配方的变化主要影响更高级结构,使主要序列不改变。因此,需要在三级和二级结构中表征修饰,以尽可能早地缓解和/或确定这些分子的可能潜在的故障模式,并且确定其作为商品的适合性。
此外,虽然取决于通过静脉、通过肌肉还是皮下注射传送治疗药物的变量通常将目标配方浓度设定为超过100mg/ml,但是目标剂量是每公斤患者体重的蛋白质的大约毫克以及对可注射容量的限制。这要求开发中的分子不仅具有所需要的功效,而且高度可溶解,在制成品和患者中具有良好的长期稳定性,并且具有足够低的按配方制造的粘度,以促进容易通过小号针给药。
目标分子由生物过程(即,基于大肠杆菌、中国仓鼠卵巢(CHO)细胞、哺乳动物细胞)对合成化学过程制造目标分子的简单事实可以给产品增加明显的可变性。诸如在发酵过程使用的宿主细胞或生长介质的差异等因素可以影响产品质量和制造产量。生物治疗药物(例如,单克隆抗体)具有比传统的固体制剂形式大大约300倍的分子重量,并且显示巨大的构像灵活性和结构和化学异质性。这些性能可以受到在产品制造、净化和产品配方期间存在的大量物理和化学环境条件的影响。此外,发展和制造工艺的所有部分的产量通常远远低于其小分子配对物,给其生产和测试增加明显的成本、不确定性以及复杂性。
在生物制造过程和分子本身的易变性内的蛋白质治疗和内在可变性的通用版本的出现促使该行业创造术语生物仿制药或与术语通用相反的后继生物药。这是因为发起人的克隆或细胞库以及精确的发酵和净化过程都不可用。结果,与小分子只要不同,在这两个产品内具有一些‘差异’。在某些地方(尤其在欧洲)的要求的目的在于,确保保留原始制造商的产品的安全性和功效,同时,认识到小变化不可避免,但是对产品的性能没有伤害或影响。因此,通过多个分析和临床手段的生物仿制药的测量是重要的新兴领域。以上内容表示也驱动新的法规要求,并且USFDA和EMEA在寻找新的以及更好的分析方法来支持这些发展。虽然主要驱动力是直接映射到纯度和效能中的安全性和功效,但是与其小分子配对物相比,这两者的概念对基于蛋白质的产品具有明显不同的表示。
因此,用于开发、表征、测试以及颁布蛋白质治疗的分析要求复杂并且多变。多种新方法开始出现,并且可以广义上分成两个独立的类别:对于目标疾病确定功效的方法、测量宏观行为的技术,例如,聚合的存在或范围、难以接受的配方粘度、差溶解性或低热稳定性以及驱动这些性能的力量。后者可以合理地描述成获取新关键质量属性(CQA)的追求或者质量设计(QbD)方法。
蛋白质的分子性能及其性能以及与配方的相互作用的基本理解有助于理解可以尽可能减少或消除不可取的效果的方式。这可能通过目标氨基酸修饰和/或最佳配方条件的明智选择的过程来实现。在很多情况下,通过应力测试或加速度稳定性研究的筛选程序监控这些‘效果’的外观。这些可以涉及浓度研究和外部应力的应用,例如,加热、冷冻或搅动。用于监控这些效果的分析技术的选择不仅受到所导出的结果的值的影响,而且受到基本取样要求的影响。在早期配方或配方开发中,可以极端限制可用于测试的候选分子的量,并且其生产过于昂贵。因此,可以在标准的配方条件下与小容量配合的分析方法可取。自动、非侵入式(非试剂)或非破坏性测试在产品寿命周期的这个阶段非常可取,使得可以在另一个分析仪器上再次检测和测试和/或重新使用样本。
这些样本需要驱动同时在相同的样本上执行不同的免费测试的要求,结果,混合/多模式仪器开始出现。例如,可以测量蛋白质的高级结构以及聚合的方法可以提供对溶解中的蛋白质的分子和物理状态的洞察。表征的该组合可以另外提供对聚合/或变性的动力学或热力学的洞察。该行业通常认为在治疗开发寿命周期的早期阶段,这些类型的确定具有分析瓶颈。
分析挑战
考虑对生物治疗的分析要求改变的步伐,在工作流中,尤其在预配方和配发开发中,出现分析瓶颈(见表1)。这些瓶颈反过来驱动新分析技术的要求和现有技术的‘再利用’,以加速产品开发,提高接收/功能/功效关系的理解,尽早识别特性/问题,以在稍后的开发阶段避免差产品属性。
典型生物治疗的分析和生物物理表征挑战与用于小分子发现、开发以及制造的那些挑战非常不同。
理解和表征蛋白质的结构和功能长时间以来是重要的学术兴趣的领域,同样,在该领域,具有大量基本研究。即,由于蛋白质演变成价值数十亿美元的生物治疗‘商品’,所以所需要的表征和理解程度需要完全理解结构/功能关系,并且其对这些产品的性能和安全性的影响远远更高。
测量蛋白质的物理化学性能及其配方
蛋白质聚合和‘颗粒污染’
虽然该行业和监控者的主要驱动力是直接映射到纯度和效能中的安全性和功效,但是这两者的概念对基于蛋白质的产品具有明显不同的表示。例如,USP 788在注射和输液中杜宇外部颗粒物质污染设定规范。在小分子的水溶液的情况下,定义‘外来’比较直接,然而,对于基于蛋白质的肠外注射物,该定义可以变得更复杂。近年来,围绕新章节的讨论(即,USP 787)开始将污染限定为外来的、固有的以及内在的。外来污染是源自制造过程的外面的存在于配方中的材料,固有描述源自工艺内的污染,例如,金属、硅油或塑料,并且内在是源自产品本身的污染,例如,蛋白质聚合、非本地蛋白质、宿主细胞蛋白质或病毒。显然,后一个(内在)污染问题给该定义和表征方式增加明显的复杂性。
内在污染更通常被视为在配方中存在聚合的蛋白质产品,并且同样变成行业和监控者的主要焦点。具有安全性和潜在免疫原性风险的问题以及聚合的药物产品的功效降低的忧虑。此外,在药物的制造、封装和/或储存期间出现聚合物,造成产品损失,因此,影响制造效率。聚合产品可以由各种机构引起,包括机械、热和/或化学应力。聚合物通常基于其观察的尺寸表征;该行业和监控者主要觉得定义‘亚微米’(100-1000nm)、‘次可见’(1-100微米)以及‘可见’(>100微米)尺寸范围。‘聚合’也可以表示形式,例如,二聚物、三聚物以及更高级低聚物,这些形式通常可逆地形成,并且在去除聚合引起的应力时,容易返回单体状态。这些传统的分类比较粗糙并且不精确。为了解决该问题,近年来,Narhi等人提出了基于尺寸、可逆性/可分离、构造、化学修饰以及形态使用5个分类。还提出了增加‘纳米’尺寸范围,以描述低于100nm的聚合物,这预先描述为低聚物或可溶聚合物。
虽然通过接受的光学成像或不透光技术,描述为亚微米或者最近描述为纳米的尺寸范围明显低于表征的阈值,但是通过色谱或光散射技术可测量。并且,虽然在大部分情况下,可能存在这些形式,但是在产品开发期间发生的其频率和/或倾向可以提供蛋白质不稳定性的早期指示,这可以反过来在稍后的阶段造成制造和安全问题。
在聚合表征中的一个主要障碍是缺乏标准。在尺寸分布、密度以及折射率方面模拟蛋白质聚合物的合成参考材料的理念是研究的有效领域,当然不是在采用的点上。这种标准缺乏需要额外的分析测试和使用正交方式,即,基于试图提取样本的等效或相似性能的不同物理原理的两个分析测量的应用。这两种方法的吻合或较好吻合单独提供值的更大自信。例如,聚合测试的正交方法可能是流动显微镜和谐振质量测量。
虽然聚合和量化重要,但是为污染物形成物种的能力是在该行业的关键未满足的分析需要。最近,可以计算污染物的化学成分的数量、估计其尺寸并且识别其的技术非常吸引人,这是因为这些技术可能能够精确地找到污染源。
粘度
治疗蛋白质配方越来越多地接近更高的浓度。这由与其总质量相比的抗体的‘功能’部分的相对质量以及集中于提供患者可以自我给药的更少容量的可注射药物驱动,与昂贵并且耗时的基于静脉注射(IV)的传送机构相反,该机构必须由医疗技术人员给药。在从50mg/ml到200mg/ml的范围内的蛋白质浓度现在并非罕见。然而,主要由于这些浓缩配方的高粘度的可能性(1-4),所以接近这些高浓度配方,在可制造性和可注射能力上造成相当大的问题。通常接受的‘经验法则’在于,粘度在传送点不应超过10cP,并且在制造/抽吸时不用超过20cP。在这些配方中存在复杂的特定和非特定的相互作用可以造成自缔合、不可逆聚合形成以及其他临床表现,这不利地影响诸如粘度等性能,从而造成制造和传送问题。虽然对粘度的主要贡献取决于这些特定微型结构的体积分数,但是还取决于探测粘度的剪切速率。结果,不能理解在开发新治疗时尽早在视场目标浓度上进行甚至简单的粘度测量的重要性,并且该重要性在总体开发过程中更早地推动粘度测量的要求。这对微升的材料需要高吞吐量自动化测量。然而,从理解优化性能所需要的关键标准的角度来看,还未完全理解在该领域的挑战,并且在开发和使用更复杂的流变技术时,这可能驱动甚至进一步开发。
理解蛋白质的物理化学性能及其配方
虽然重要,但是识别和表征聚合物仅仅是“解决”难题的一部分。由于该知识实际上可以缓解其形成,所以同样重要的是,开发基本驱动力和蛋白质聚合的结构的理解。因此,可以根据配方条件在低聚物形式之间测量和跟踪存在、动力学以及热力学的技术可以提供对在开发过程中控制产品的总体稳定性和可能保质期的驱动力的重要洞察。
最近,自然蛋白质-蛋白质相互作用的角色导出重要兴趣。静电相互作用牵连,并且甚至比较微小的构造变化也可以驱动有利于聚合的相互作用能量。这些微弱的、非特定的相互作用对生物治疗的稳定性的影响作为配方稳定性的预测器驱动可对其表征的重要兴趣。例如,可以从光散射测量中导出的第二维里系数(B22)用于预测聚合的倾向。与很多简单的胶体***不同,蛋白质具有不均匀的表面电荷分布。在局部电荷分布中的该非对称性可以造成偶极形成,从而增强自缔合的倾向和更大的粘度。可以根据应力或配方参数测量这些相互作用并且跟踪蛋白质电荷和/或蛋白质构造状态的变化的技术可以提供对终端产品的最佳设计空间的理解。
拉曼光谱是振动分子光谱技术,该技术提供在配方条件下提取关于各种材料(包括蛋白质和生物治疗蛋白质)的大量化学、结构以及物理参数的能力。拉曼光谱同时导出蛋白子二级结构(酰胺I和III)和三级结构标记(芳香族侧链、二硫键、氢键、局部疏水性)。可以在mAb的实际配方浓度50mg/mL或更大下,而非在传统方法需要的稀释浓度(即,圆形二色性(CD)的小于几mg/mL)下,可以进行这些更高级结构确定。结果,可以导出蛋白质二级和三级结构、扰动/展开、熔化温度、聚合的起始温度、以及热焓和自由能量值,造成提高理解展开/结构变化和聚合的竞争路径,并且最后,独特地理解聚合机构,以帮助提高配方稳定性。虽然相对于研究蛋白质的效用,具有大量研究,但是其表征生物治疗的效用有限并且由其他方法遮蔽,例如,圆形二色性和傅里叶变换红外光谱学(FTIR)。然而,拉曼仪器的最新进展帮助模拟对其用于表征生物治疗(参考公开的PCT申请号PCT/GB2012/052019,本申请通过引证结合于此)的更新兴趣。然而,科学文献的快速调查研究显示,大部分工作集中于称为‘指纹’区域的光谱的更好理解的部分,即,400-1800cm-1。在该范围内,存在典型的官能团振动,例如,羰基伸缩振动(酰胺I)、二硫化物(S-S)伸缩振动以及其他模式的宿主,描述氨基酸的补充及其3D设置。然而,远远未深入研究低于400cm-1的光谱区域。
考虑这些振动的低频性质,可以将这些振动分配给‘整个蛋白质’运动,因此,可以假设更紧密地反应蛋白质的功能及其性能以及与其自身和其环境的相互作用。尤其地,这些模式的幅度和频率的变化可以反应总体蛋白质电荷的变化、蛋白质偶极、蛋白质-蛋白质相互作用(特定的和非特定的)、或其与其他蛋白质或目标分子的相互作用(结合)。此外,光谱变化还可以反应蛋白质与溶剂的相互作用、该溶剂的pH以及在溶液中的其他离子,并且可以提供蛋白质在特定溶液或配方中的稳定性(动力学和热力学)的指示。光谱变化可以进一步反应蛋白质网络、聚合、折叠和展开的发展以及由在高浓度下的蛋白质聚集造成的变化。在相同的光谱区域内也可以发生与在水分子或具有蛋白质的那些水分子(分子间和分子内)之间的氢键相关的一些低频水振动模式,该低频光谱间隔可以提供可用于开发和研究生物治疗的功效和稳定性的大量信息。通过改变浓度、pH、温度、时间、离子强度及其他配方条件,这些模式还可以提供对蛋白质浓度、稳定性、功能或蛋白质PI的洞察或实际测量。此外,通过聚乙二醇化或糖基化的蛋白质修饰也预期造成该相同的光谱区域改变,使该技术在转译后修饰或者用于传送和控制释放的更复杂的方法或者在患者体内蛋白质的半衰期的研究中额外有价值。
通过进一步研究,合理地假设提高已经在市场上或者在开发中的生物治疗(例如,单克隆抗体)的该光谱区域内发生的拉曼峰值的性质,当前缺乏理解不应过度阻碍以上分析方法的效用,这是因为可以使用校准或其他光谱或多变量技术来使观察到的光谱变化与现有的主要测量方法相关,例如,蛋白质电荷、粘度、或者使用其他更复杂的光谱工具,例如,THz光谱或中子小角散射。这些可以使用各种很好理解的模型蛋白质来实现,并且‘传递’给工业和医学兴趣的实际分子。通常,与光谱仪相结合使用激光器激发,来使用拉曼光谱,以分散然后在1D或2D阵列检测器(例如,CCD)上入射的拉曼散射光。在其他实现方式中,傅立叶变换仪器可以用于称为FT拉曼的技术中。在几乎所有的情况下,仪器收集整个光谱区域,强调织纹区域或在大约2800-3600cm-1之间的更高频率的氢拉伸模式(SH、CH、OH、H)。典型拉曼光谱仪的分辨率通常相当高(2-8cm-1),能够在通常为大型复杂的分子(例如,蛋白质)观察的很多比较尖锐的并且密集的拉曼峰值之间区分。然而,考虑在该方法中使用的较窄光谱范围(400cm-1)以及在该低频范围内的峰值往往紧张并且更广泛这一事实,可以使用更低成本和更低分辨率的光谱仪和仪器。实际上,可以甚至使用简单的基于滤波器的仪器,该仪器调谐成预先确定为对兴趣的特定蛋白质特性敏感的这些低频振动中的一个或多个,例如,电荷、结合、粘度等。仪器可以与激光器、样本细胞、激光器凹陷滤波器以及一个或多个拉曼线路滤波器一样简单。这些拉曼线路滤波器可以具有大约10、25或者甚至50cm-1的带宽。相反,可以构造高分辨率光谱仪,其范围限制为更小带宽,以提高其在低频光谱范围内的特性。仪器的输出可以高度专用于特定的性能,或者可以包括简化、聚集或者处理光谱信息的逻辑,以产生经处理的结果,例如,质量控制措施、或生物仿制药或生物等效性的测量。
虽然本专利申请集中使用拉曼光谱仪,但是可以代替振动光谱方法,尤其相对于蛋白质溶剂/蛋白质水相互作用的效果的测量。这些包括红外线(FTIR)、近红外线、远红外线以及太赫兹光谱。另外,与其他技术的比较和相关性(例如,流变学、色谱法或光散射)可以提供进一步洞察,与这些技术整合或组合低频拉曼位移测量的仪器提供额外值。
实例
对于磷酸盐缓冲盐水(PBS)中的牛血清白蛋白(BSA)的样本,使用图1的***,执行多个实验。在图2至图5中绘制结果。图2a是作为浓度的函数的在酰胺I区域内的PBS中的BSA的样本的拉曼光谱的绘图。图2b是具有大约1650cm-1的峰值的浓度对强度的绘图。图2c是具有六个浓度的酰胺I区域的归一化二阶导数光谱的绘图。表明在大约1650下,峰值位置没有变化,因此,蛋白质二级结构的浓度没有变化。图2d是作为浓度的函数的光谱的低频100-250cm-1部分的二阶导数的绘图。表明因蛋白质分子间相互作用和与溶剂的相互作用的变化而造成的明显不同的光谱。图2e是作为浓度的函数的峰值位置的绘图,具有在图2d中的二阶导数光谱的数据。
图3a是从在1600与1800cm-1之间的具有三个不同的pH条件(pH3、pH5以及pH8)的BSA的拉曼光谱的酰胺I区域中导出的、作为温度函数的主成分得分的绘图。绘图表示Tm的差异以及因pH的差异造成的蛋白质展开的协同性。图3b示出了对温度绘制的具有三个不同的pH条件的BSA的低频(100-300cm-1)拉曼光谱的主成分分析的得分。与酰胺I痕迹不同,这些示图示出了pH 5痕迹的明显不同的性能,其接近蛋白质的等电点(pI)并且表示在这些条件下的蛋白质的更明显的分子间缔合(聚合)。
图4a是在20℃、80℃下以及再次在20℃(在绘图中识别为20C’)下在酰胺I区域内的溶菌酶溶液的光谱的绘图。样本从20℃至80℃上升,然后,向下冷却回20℃。数据显示在更高温度下蛋白质的可逆展开以及在温度返回20℃时其完全重新折叠。图4b是作为上下温度斜坡函数绘制的酰胺I的峰值位置的绘图。可以看出,酰胺I位置在大约1657cm-1时几乎完全可逆开始,并且上升到大约1661。返回大约1657,并且在重新冷却时,返回等效二级结构。图4c是在20℃、80℃下以及再次在20℃下加热和冷却时,在低频区域内的相同溶菌酶样本的光谱的绘图。在这种情况下,数据不可逆,并且表示对分子间结构的永久变化。图4d是示出在152cm-1下显示在图4c中的光谱的温度依赖性的绘图。
图5a是在酰胺I区域内低于(T-)和高于(T+)展开温度Tm的人血清白蛋白(HAS)的光谱的绘图。光谱显示由在酰胺I频率内的移动所测量的蛋白质的典型展开。图5b是在低于(T-)和高于(T+)展开温度Tm的相同样本的低频光谱的绘图。图5c是与在图5a中一样显示为低于(T-)和高于(T+)Tm的通过H2O2(氧化剂)处理的HAS的光谱的绘图。显示随着温度展开的典型蛋白质以及相对于无需通过H2O2处理的所获得的光谱的非常小的差异。图5d是H2O2处理的样本的低频光谱的绘图。显示了明显不同的性能,并且再次指示与为未处理的样本观察的分子间结构以及在低温和高温下‘稳定’的分子间结构不同的分子间结构。
图6是在低温(20℃T-)和高温(80℃T+)下单克隆抗体的溶液的二阶导数拉曼光谱的绘图。在大约100-200cm-1的范围内的数据显示在加热时的显著变化,而在光谱的其他部分内的数据(明显是800-900cm-1(三级结构))仅仅显示微小变化。在拉曼光谱(未示出)的其他部分中的其他二级结构标记显示随着温度的同样小的或者不存在的变化。在这种情况下,因此,低频区域提供抗体结构扰动的更敏感的测量或者与其本身或缓冲溶剂的相互作用。
再次参考图1,颗粒测量***10可以使用已知尺寸的标记颗粒,来执行微观流变学测量。在一些实施方式中,这些可以仅仅引入比色皿16内。这帮助提供高质量微观流变学(例如,DLS)测量,并且在与光谱(例如,低频拉曼)测量相结合时,可以提供对样本的更深入的洞察。
还参考图7,颗粒测量***10还可以使用专门探针,其包括连接至在其内捕获标记颗粒的流体可渗透笼状物66的光纤70。然后,探针可以浸入在仪器中保持在比色皿62内的样本64内。然后,可以在笼状物66内进行微观流变学测量,通过在笼状物66内部终止的光纤70传输照明和收集信号。该实施方式具有以下优点:需要将更少的颗粒引入样本内,并且可以从样本中容易去除颗粒,允许容易回收。通过与在笼状物66外面的比色皿62部分相交的光学路径68,进行光谱激发和收集测量。
还参考图8,可替换的探针可以完全通过在笼状物66内部终止的单个光纤72进行微观流变学和光谱测量。并且,如图9所示,可以通过其自身的光纤70、74,均进行光谱和微观流变学测量。图10示出了与图7的实施方式一样操作的包括光纤76和笼状物66的另一探针,除了通过与保持在笼状物内部的样本体积的部分相交或者与该部分接近的光学路径69进行光谱测量以外。
还可以构建基于探针的***的其他配置。虽然在图7至图10中示出了笼状物66,限定球体体积,例如,还可以限定其他封闭的形状,例如,立方体或立方形形状。各种其他流体渗透膜配置还可以用于阻止颗粒污染样本,例如,薄膜在比色皿的两个部分之间形成隔板的配置。
笼状物66可以由任何合适的材料制成,例如,不锈钢或玻璃。通过任何合适的微观结构,例如,网眼或孔,例如,激光切割的孔,可以使其对样本可渗透,但是对颗粒不可渗透。在一个实施方式中,探针颗粒的直径大约是1μm。
验证和建模
从用于浓度(1-4mg/ml)和温度(24-10-24度)的不同值的甲基丙烯酸酯双嵌段共聚物样本中获取包括116个拉曼光谱的数据集。对于每个测量,由图1的***使用探针颗粒方法测量粘度,并且为这116个数据点中的每个建立复数粘度。结果是一对数据矩阵,一个矩阵在拉曼光谱中具有116个样本乘以点的数量的尺寸,另一个矩阵是116乘以3。(列1:浓度;列2:温度;以及列3;粘度)。
然后,为这些数据矩阵,开发偏最小二乘(PLS)回归模型。首先,数据随机分成更大的训练集和更小的预测集。这在模型从未看到预测的光谱中允许值。参考图11至图14,然后,计算产生可以在预测集上使用的得分和载荷以及回归系数。示图是全部3个变量的‘预测’值,并且在图12至图14中的直线是实际对预测输出的简单最小二乘法拟合。应注意的是,在第一载荷内的峰值来自聚合物,因此,对浓度具有强依赖性。其他载荷在更低的波数范围(大约100-300cm-1)内具有大部分‘信息’,并且这被视为与粘度的变化相关。这确认低频区域是‘观察’这些样本性能的兴趣区域。
该建模方法可以简化稍后的测量。一旦从拉曼和流变数据中开发良好的模型,就可以单独从拉曼测量中预测粘度。这可用于需要进行很多测量的情况中,例如,在制造、伪造品检测以及控制量。在这些情况下,模型可以在持续的基础上储存在仪器的计算机内并且由该计算机使用,或者在校准阶段,可能确认或调整模型。
虽然PLS模型与这些测量相结合使用,但是还可以使用其他多变量分析技术。并且,虽然从探针颗粒方法中导出复数粘度数据,但是还可以从其他来源(例如,旋转流变仪)中获得这种类型的流变数据。
说明性实现方式
图1的***的实现方式可以分解成多个单元,例如,在图15示出的分析、控制以及参考方框。在该实现方式中,关联引擎80从拉曼检测器38和流变检测器(在DLS测量的情况下,为相关器)28或另一个流变测量数据中接收检测信号。其他流变测量源可以包括通过毛细管流动的粘度测量,例如,在US 2013/0186184中描述的以及在Malvern InstrumentsViscosizer 200中实现的。可以在毛细管内的液体样本上采取拉曼测量,启用粘度的同时测量,获取样本的拉曼光谱。
然后,关联引擎80使用一个或多个储存的关联工具82来确定流变值与光谱特征相关的方式。关联引擎80可以使用相关工具,例如,以确定哪些波长与粘度的变化最强烈地相关。
然后,特征识别器84可以识别或者至少试图从关联的结果中识别样本的结构特征或其他特性。识别器可以使用不同候选特性的识别轮廓的特征库86来执行该识别。例如,与氢键相关的光谱特征的变化可以表示这是在拉曼测量中的变化源。在某些情况下,特征识别器84可以仅仅提出用作进一步调查研究的起始点的一个或多个识别建议。
该***还可以包括协议存储器92,该存储器允许用户通过仪器的用户界面90设计和/或选择一系列测量协议中的一个。这些协议可以包括对仪器控制器94的储存指令,该控制器可以驱动一个或多个样本环境效应器96,控制测量获取,并且监督其他***功能,例如,打开和关闭辐射源12(图1)。控制器94可以驱动水浴槽恒温设置和自动移液器,例如,以在温度和pH的范围内获取一系列测量。然后,可以储存、在仪器的用户界面90上向用户呈现、或者通过其他方式使用所产生的测量数据、关联结果和/或识别结果。
参考图16,图1的***的变体可以使用多变量模型,例如,PLS回归模型,如上所述。除了图15的一些或所有特性,还可以提供该功能。在这种实施方式中,建模引擎100从拉曼检测器38和流变检测器(相关器)28或其他流变源中接收检测信号。然后,使用一个或多个存储的建模工具,来构建样本的一个或多个模型102。例如,可以使用PLS回归模型,如上所述。
然后,该***可以使用流变预测器/特征识别器104的一个或多个部分询问模型。这可以允许该***从拉曼光谱中预测流变值(例如,粘度),无需执行流变测量。流变预测器/特征识别器还可以用于从模型中,例如,从在PLS回归模型中的载荷中,识别样本的结构特性或其他特性。例如,在通过引证结合于此的Chemometrics,by Muhammad A.Sharaf et al,Wiley-Interscience(1986)and Detection and Identification of Bacteria in a JuiceMatrix with Fourier Transform-Near Infrared Spectroscopy and MultivariiateAnalysis,Journal of food protection,12/2004;67(11):2555-9中,描述多变量分析技术。
在图15和图16中示出的各种方框优选地作为在计算机42上运行的软件实现,虽然如上所述,也可以完全或部分使用专用硬件实现。并且,虽然***的功能可以分解成在图15和图16中示出的一系列方框,但是本领域的技术人员会认识到,还可以组合这些功能和/或分割这些功能,以实现不同的故障。在某些情况下,可取地在不同的计算机上运行***的不同部分。
现在已经结合其多个具体实施方式描述了本发明。然而,预计在本发明的范围内的多个修饰现在对本领域的技术人员显而易见。因此,其目的在于,本发明的范围仅仅受到其所附权利要求的范围的限制。此外,权利要求的呈现顺序不应理解为限制在权利要求中任何特定术语的范围。
Claims (61)
1.一种样本的光谱结构调查研究的方法,所述样本包括液相的分散的化学物种,所述方法包括:
提供所述样本;
在所述样本中提供标记颗粒;
利用光源激发所述样本;
接收来自所述样本中的分散的所述化学物种的拉曼散射光;
从所接收的拉曼散射光中检测来自所述样本中的分散的化学物种的拉曼散射;
检测在所述样本中的所述标记颗粒的运动;并且
从检测拉曼散射的步骤和检测颗粒的运动的步骤两者中提取在所述样本中的分散的化学物种的至少一个特性。
2.根据权利要求1所述的方法,进一步包括以下步骤:提供使所述化学物种的拉曼光谱与所述化学物种的流变性能相关的模型,并且将所述化学物种的样本的至少一个特性从所述模型的应用中提取到检测拉曼散射的进一步步骤的结果中。
3.根据权利要求2所述的方法,其中,所述模型是多变量模型。
4.根据前述权利要求中任一项所述的方法,其中,提供分散样本的步骤提供蛋白质样本。
5.根据权利要求4所述的方法,其中,所述检测步骤检测位于针对所述样本中的蛋白质的特性指纹光谱特征区域之外的拉曼散射,并且其中,所述提取步骤从检测位于所述特性指纹光谱特征区域之外的拉曼散射的步骤中提取在所述样本中的蛋白质的至少一个特性。
6.根据权利要求1到5中任一项所述的方法,其中,所述提取步骤识别与所述样本中的分散的化学样本相关的至少一个结构特征。
7.根据权利要求1到6中任一项所述的方法,其中,检测拉曼散射的步骤检测在大约0cm-1与400cm-1之间的光谱特征范围内的频率。
8.根据权利要求1到7中任一项所述的方法,其中,所述提取步骤识别与以下各项相关的至少一个特征:
在所述样本中的溶剂;
在所述样本中的水溶剂;
在所述样本中的氢键;
在所述样本中的溶剂-蛋白质相互作用;
在所述样本中的水-蛋白质相互作用;和/或
在所述样本中的中尺度尺寸范围的样本变化。
9.根据权利要求1到8中任一项所述的方法,进一步包括:基于检测步骤的结果确定针对蛋白质的质量控制措施或蛋白质的稳定性的措施。
10.根据权利要求1到9中任一项所述的方法,进一步包括:基于检测步骤的结果修饰蛋白质的步骤。
11.根据权利要求1到10中任一项所述的方法,进一步包括从在接收步骤中接收的拉曼散射光中滤出单个光谱特征通带的步骤,并且其中,通过测量通带内的能量来执行检测步骤。
12.根据权利要求11所述的方法,其中,所述通带具有超过大约10cm-1的宽度。
13.根据权利要求1到12中任一项所述的方法,进一步包括:从在接收步骤中接收的拉曼散射光中滤出多个光谱特征通带的步骤,并且其中,通过测量在每个通带内的能量执行检测步骤。
14.根据权利要求1到13中任一项所述的方法,其中,针对多个不同的条件执行激发、接收以及检测步骤,所述多个不同的条件例如是多个不同的温度、多个不同的pH水平和/或多个不同的离子强度。
15.根据权利要求1到14中任一项所述的方法,其中,所述提取步骤识别与以下各项相关的至少一个特征:
所述样本中的蛋白质结构;
所述样本中的中尺度结构;
所述样本中的糖基化;
所述样本中的聚乙二醇化;
所述样本中的脱酰胺基;
所述样本中的氧化;
所述样本中的蛋白质网络;
所述样本中的样本聚合;
所述样本中的蛋白质电荷;
所述样本中的蛋白质流变;
所述样本中的蛋白质偶极;
所述样本中的蛋白质粘度;
所述样本中的蛋白质结合;
所述样本中与离子强度相关的蛋白质的变化;和/或
所述样本中与溶剂pH相关的蛋白质的变化。
16.根据权利要求1到15中任一项所述的方法,其中,所述提供步骤提供分散的化学物种,所述分散的化学物种包括以下各项中的一个或多个:悬浮或溶解的高分子样本、悬浮的纳米材料样本、以及悬浮的纳米颗粒样本。
17.一种用于样本的光谱样本结构调查研究的设备,所述样本包括液相的分散的化学物种,所述设备包括:
样本架,用于保持所述样本;
多个标记颗粒,用于与由所述样本架保持的所述样本混合;
激光源,用于激发由所述样本架保持的所述样本;
颗粒运动检测器,定位成检测在由所述样本架保持的所述样本中的多个标记颗粒的运动;以及
拉曼检测器,定位成接收由所述激光源的激发造成的来自所述样本的拉曼散射辐射。
18.一种用于样本的光谱样本结构调查研究的设备,所述样本包括液相的分散的蛋白质物种,所述设备包括:
用于保持所述样本的装置;
用于利用光源激发所述样本的装置;
用于接收来自所述样本的拉曼散射光的装置;
用于从所接收的拉曼散射光中检测来自所述样本中的分散的蛋白质物种的拉曼散射的装置;
用于检测在所述样本中的标记颗粒的运动的装置;以及
用于从检测拉曼散射的装置和检测标记颗粒的运动的装置两者中提取在所述样本中的分散的蛋白质物种的至少一个特性的装置。
19.根据权利要求17或18所述的设备,进一步包括:储存的机器可读模型,所述储存的机器可读模型使分散的化学物种的拉曼光谱与分散的化学物种的至少一个流变性能相关;以及响应于所述储存的机器可读模型和所述拉曼检测器的输出的预测逻辑,所述预测逻辑用于导出针对所述样本架内的所述样本的至少一个预测的流变性能值。
20.根据权利要求19所述的设备,其中,所述机器可读模型是多变量模型。
21.根据权利要求18到20中任一项所述的设备,进一步包括:响应于所述颗粒运动检测器的流变信息提取逻辑,以及响应于所述拉曼检测器的光谱信息提取逻辑。
22.根据权利要求18到20中任一项所述的设备,进一步包括:响应于所述颗粒运动检测器和所述拉曼检测器两者的信息提取逻辑。
23.根据权利要求18到20中任一项所述的设备,进一步包括:响应于所述颗粒运动检测器和所述拉曼检测器两者的蛋白质特性提取逻辑。
24.根据权利要求18到23中任一项所述的设备,其中,所述颗粒运动检测器包括耦合至光学检测器的光纤。
25.根据权利要求18到24中任一项所述的设备,其中,所述样本架包括由隔板分离的未标记的样本体积和标记的样本体积,所述隔板对于所述样本而非所述颗粒标记颗粒是能够渗透的。
26.根据权利要求25所述的设备,其中,所述隔板限定标记的样本体积作为封闭的体积。
27.根据权利要求26所述的设备,其中,所述隔板限定球体。
28.根据权利要求25到27中任一项所述的设备,其中,所述颗粒运动检测器包括光纤,所述光纤的一端耦合至光学检测器并且所述光纤的另一端朝着标记的样本体积引导。
29.根据权利要求18到28中任一项所述的设备,其中,所述拉曼检测器具有针对拉曼散射的检测光谱特征范围,所述检测光谱特征范围的频率比所述样本中的分散的化学物种的特性指纹光谱特征区域更低。
30.根据权利要求29所述的设备,其中,所述拉曼检测器操作为检测在大约0cm-1与400cm-1之间的光谱特征范围内的频率。
31.根据权利要求18到30中任一项所述的设备,其中,所述样本架用于分散的化学物种,所述分散的化学物种包括以下各项中的一个或多个:悬浮或溶解的高分子样本、悬浮的纳米材料样本、以及悬浮的纳米颗粒样本,并且其中,所述拉曼检测器具有针对拉曼散射的检测光谱特征范围,所述检测光谱特征范围的频率比在所述样本中的一个或多个分散的化学物种的特性指纹光谱特征区域更低。
32.根据权利要求18到31中任一项所述的设备,进一步包括:光谱识别逻辑,操作为检测与所述样本的预定特性相关的光谱特征。
33.根据权利要求32所述的设备,其中,所述光谱识别逻辑操作为:
检测与溶剂-溶质相互作用相关的至少一个光谱特征;
检测与溶质-溶质相互作用相关的至少一个光谱特征;和/或
识别与在所述样本中的氢键相关的至少一个光谱特征。
34.根据权利要求18到33中任一项所述的设备,其中,所述颗粒运动检测器被定位成检测来自激光源的光在所述样本中的散射。
35.根据权利要求18到34中任一项所述的设备,进一步包括:另一激光源,并且其中,所述颗粒运动检测器被定位成检测来自所述另一激光源的光在所述样本中的散射。
36.根据权利要求18到35中任一项所述的设备,其中,所述样本架用于蛋白质样本,并且所述检测器具有用于拉曼散射的检测光谱范围,所述检测光谱范围的频率比针对所述蛋白质样本的特性指纹光谱区域更低。
37.根据权利要求18到36中任一项所述的设备,进一步包括:光谱识别逻辑,操作为检测与所述蛋白质样本的预定特性相关的光谱特征。
38.根据权利要求37所述的设备,其中,所述光谱识别逻辑包括以下各项中的一个或多个:多变量光谱分析逻辑、光谱成分分析逻辑、以及光谱库比较逻辑。
39.根据权利要求37或38所述的设备,其中,所述光谱识别逻辑操作为识别与以下各项相关的至少一个光谱特征:
所述样本中的分散的化学物种;
所述样本中的蛋白质;
所述样本中的溶剂;
所述样本中的水溶剂;
所述样本中的氢键;
所述样本中的溶剂-蛋白质相互作用;
所述样本中的水-蛋白质相互作用;
所述样本中的离子强度的变化;
所述样本中的pH的变化;和/或
所述样本中的中尺度效果。
40.根据权利要求37到39中任一项所述的设备,进一步包括用于确定以下各项的逻辑:
响应于拉曼检测器的分散的化学物种的稳定性的措施;
响应于拉曼检测器的蛋白质的稳定性的措施;和/或
响应于拉曼检测器的质量控制措施。
41.根据权利要求37到40中任一项所述的设备,进一步包括:位于所述样本与拉曼检测器之间的光学路径内的单个光谱特征通带滤波器,并且其中,所述拉曼检测器操作为测量在所述滤波器的通带内的能量的量,所述能量的量包括关于预定特性之一的信息。
42.根据权利要求41所述的设备,其中,所述检测器操作为检测具有超过大约10cm-1的宽度的通带。
43.根据权利要求37到42中任一项所述的设备,进一步包括:均位于所述样本与拉曼检测器之间的光学路径内的多个光谱特征通带滤波器,并且其中,所述拉曼检测器操作为测量在所述滤波器的每个通带内的能量的量,所述能量的量包括关于预定特性之一的信息。
44.根据权利要求37到43中任一项所述的设备,其中,所述拉曼检测器包括阵列检测器或FT拉曼检测器。
45.根据权利要求37到44中任一项所述的设备,进一步包括:另一类型的蛋白质性能检测器,所述另一类型的蛋白质性能检测器例如是光散射检测器或蛋白质浓度检测器。
46.根据权利要求37到45中任一项所述的设备,其中,所述光谱识别逻辑操作为识别与在所述样本中的蛋白质结构或蛋白质浓度相关的至少一个光谱特征。
47.一种用于样本的光谱结构调查研究的方法,所述样本包括液相的分散的化学物种,所述方法包括:
提供液相的分散的化学样本;
提供使分散的样本的拉曼光谱与分散的样本的一个或多个性能相关的模型;
利用光源激发液相的分散的化学样本;
接收来自分散的化学物种的拉曼散射光;
从所接收的拉曼散射光中检测来自分散的化学物种的拉曼散射;并且
将所述样本的性能从所述模型的应用中提取到检测拉曼散射的步骤的结果中。
48.根据权利要求47所述的方法,其中,在所述模型中的一个或多个性能包括分散的样本的浓度、温度和/或粘度。
49.根据权利要求47或48所述的方法,其中,所述模型是偏最小二乘回归模型。
50.根据权利要求47到49中任一项所述的方法,进一步包括:从所述模型中,尤其从所述模型的载荷中,提取关于所述样本的化学特性的信息的步骤。
51.根据权利要求50所述的方法,其中,从所述模型中提取信息的步骤提取关于与所述样本的流变性能相关的光谱区域的信息。
52.根据权利要求47到51中任一项所述的方法,其中,使用在100cm-1到300cm-1的范围内的接收的拉曼散射光的光谱的一部分,提取所述样本的性能。
53.根据权利要求47到51中任一项所述的方法,其中,所述模型是多变量模型。
54.一种用于样本的光谱样本结构调查研究的设备,所述样本包括液相的分散的化学物种,所述设备包括:
样本架,用于保持所述样本;
储存的机器可读模型,使分散的化学物种的拉曼光谱与分散的化学样本的一个或多个性能相关;
激光源,用于激发由所述样本架保持的所述样本;
拉曼检测器,定位成接收由所述激光源的激发造成的来自所述样本的拉曼散射辐射;以及
响应于所述储存的机器可读建模和所述拉曼检测器的输出的预测逻辑,所述预测逻辑用于使用所述模型从接收的拉曼散射辐射中至少导出所述样本的性能。
55.一种用于样本的光谱样本结构调查研究的设备,所述样本包括液相的分散的化学物种,所述设备包括:
用于保持样本的装置;
用于储存使分散的化学样本的拉曼光谱与分散的化学样本的一个或多个性能相关的模型的装置,
用于利用光源激发所述样本的装置;
用于接收来自所述样本的拉曼散射光的装置;
用于从所接收的拉曼散射光中检测分散的化学物种的拉曼散射的装置;以及
用于从检测拉曼散射的装置和用于储存所述模型的装置两者中提取所述样本的至少一个性能的装置。
56.根据权利要求54或55所述的设备,其中,在所述模型中的一个或多个性能包括分散的样本的浓度、温度和/或粘度。
57.根据权利要求54到56中任一项所述的设备,其中,所述模型是偏最小二乘回归模型。
58.根据权利要求54到57中任一项所述的设备,其中,所述预测逻辑被配置成从所述模型中,尤其从所述模型的载荷中,提取关于所述样本的化学特性的信息。
59.根据权利要求54到58中任一项所述的设备,其中,所述预测逻辑被配置成提取关于与所述样本的流变性能相关的光谱区域的信息。
60.根据权利要求54到59中任一项所述的设备,其中,所述预测逻辑被配置成使用接收的在100cm-1到300cm-1的范围内的拉曼散射光的光谱的一部分,提取所述样本的性能。
61.根据权利要求54到60中任一项所述的设备,其中,所述模型是多变量模型。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201461970198P | 2014-03-25 | 2014-03-25 | |
US61/970,198 | 2014-03-25 | ||
US201462026563P | 2014-07-18 | 2014-07-18 | |
US62/026,563 | 2014-07-18 | ||
PCT/GB2015/050892 WO2015145149A1 (en) | 2014-03-25 | 2015-03-25 | Raman spectroscopic structure investigation of proteins dispersed in a liquid phase |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106030278A true CN106030278A (zh) | 2016-10-12 |
Family
ID=52814134
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580008189.1A Pending CN106030278A (zh) | 2014-03-25 | 2015-03-25 | 分散在液相中的蛋白质的拉曼光谱结构调查研究 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20180180549A1 (zh) |
EP (1) | EP3123150A1 (zh) |
JP (1) | JP2017512999A (zh) |
CN (1) | CN106030278A (zh) |
WO (1) | WO2015145149A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132209A (zh) * | 2017-04-28 | 2017-09-05 | 南京理工大学 | 一种基于纳米银/氧化石墨烯/氯化钠的拉曼增强基底免标记检测牛血清蛋白的方法 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109063413B (zh) * | 2018-06-07 | 2021-04-06 | 浙江工业大学 | 一种群体爬山迭代蛋白质构象空间优化方法 |
WO2020046793A1 (en) | 2018-08-27 | 2020-03-05 | Regeneron Pharmaceuticals, Inc. | Use of raman spectroscopy in downstream purification |
US11698304B2 (en) * | 2019-02-15 | 2023-07-11 | Wayne State University | Apparatuses, systems, and methods for detecting materials based on Raman spectroscopy |
CN111474133B (zh) * | 2020-03-31 | 2023-06-06 | 上海理工大学 | 检测胎盘素里***和雌酮两种激素的方法 |
FR3112856B1 (fr) * | 2020-07-27 | 2022-11-11 | Univ Grenobles Alpes | Procede de determination des parametres rheologiques d’un fluide |
CN114199852B (zh) * | 2021-12-07 | 2024-03-01 | 天津大学 | 一种药物共晶性能的表征方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0751388A2 (en) * | 1995-06-28 | 1997-01-02 | Kyoto Dai-ichi Kagaku Co., Ltd. | Method of optically measuring a component in solution |
CN1910439A (zh) * | 2004-01-23 | 2007-02-07 | 贝克曼考尔特公司 | 多激光器触发***和方法 |
US20100211329A1 (en) * | 2007-10-12 | 2010-08-19 | Stuart Farquharson | Method and apparatus for determining properties of fuels |
EP2343117A2 (en) * | 2004-01-14 | 2011-07-13 | Chevron Phillips Chemical Company Lp | Method and apparatus for monitoring polyolefin production |
WO2012037430A1 (en) * | 2010-09-17 | 2012-03-22 | Abbott Laboratories | Raman spectroscopy for bioprocess operations |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7057732B2 (en) * | 1999-01-25 | 2006-06-06 | Amnis Corporation | Imaging platform for nanoparticle detection applied to SPR biomolecular interaction analysis |
WO2002016951A2 (en) * | 2000-08-21 | 2002-02-28 | The General Hospital Corporation | Methods for diagnosing a neurodegenerative condition |
US6875973B2 (en) * | 2000-08-25 | 2005-04-05 | Amnis Corporation | Auto focus for a flow imaging system |
US6961599B2 (en) * | 2001-01-09 | 2005-11-01 | Childrens Hospital Los Angeles | Identifying or measuring selected substances or toxins in a subject using resonant raman signals |
US20060023219A1 (en) * | 2001-03-28 | 2006-02-02 | Meyer Michael G | Optical tomography of small objects using parallel ray illumination and post-specimen optical magnification |
DE10121999A1 (de) * | 2001-05-05 | 2002-11-07 | Merck Patent Gmbh | Verfahren und Vorrichtung zur Bestimmung von flüchtigen Substanzen in Lösung |
EP1651109A1 (en) * | 2003-07-31 | 2006-05-03 | Koninklijke Philips Electronics N.V. | Method and apparatus for determining a property of a fluid which flows through a biological tubular structure with variable numerical aperture |
WO2006033962A2 (en) * | 2004-09-20 | 2006-03-30 | Wisconsin Alumni Research Foundation | Nonlinear spectroscopic methods for identifying and characterizing molecular interactions |
US7961312B2 (en) * | 2007-08-13 | 2011-06-14 | C8 Medisensors Inc. | Calibrated analyte concentration measurements in mixtures |
US7920261B2 (en) * | 2008-02-11 | 2011-04-05 | Massachusetts Institute Of Technology | Method and apparatus for detecting and discriminating particles in a fluid |
WO2010062351A1 (en) * | 2008-10-31 | 2010-06-03 | Biomerieux, Inc. | Methods for separation, characterization, and/or identification of microorganisms using raman spectroscopy |
JP2013517485A (ja) * | 2010-01-22 | 2013-05-16 | ブリティッシュ コロンビア キャンサー エージェンシー ブランチ | ラマン分光法による肺組織を特徴付けるための装置および方法 |
US20150038347A1 (en) * | 2010-03-19 | 2015-02-05 | The University of Wyoming,an institution of higher of the State of Wyoming | Surface enhanced raman spectroscopy |
WO2011116402A2 (en) * | 2010-03-19 | 2011-09-22 | University Of Wyoming, An Institution Of Higher Education Of The State Of Wyoming | Surface enhanced raman spectroscopy |
US20120225475A1 (en) * | 2010-11-16 | 2012-09-06 | 1087 Systems, Inc. | Cytometry system with quantum cascade laser source, acoustic detector, and micro-fluidic cell handling system configured for inspection of individual cells |
WO2013027034A1 (en) * | 2011-08-19 | 2013-02-28 | Malvern Instruments Limited | Dual-mode characterization of particulates |
-
2015
- 2015-03-25 WO PCT/GB2015/050892 patent/WO2015145149A1/en active Application Filing
- 2015-03-25 EP EP15714613.5A patent/EP3123150A1/en not_active Withdrawn
- 2015-03-25 CN CN201580008189.1A patent/CN106030278A/zh active Pending
- 2015-03-25 US US15/128,631 patent/US20180180549A1/en not_active Abandoned
- 2015-03-25 JP JP2016558758A patent/JP2017512999A/ja active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0751388A2 (en) * | 1995-06-28 | 1997-01-02 | Kyoto Dai-ichi Kagaku Co., Ltd. | Method of optically measuring a component in solution |
CN1114098C (zh) * | 1995-06-28 | 2003-07-09 | 株式会社京都第一科学 | 溶液中成分的光学测定方法 |
EP2343117A2 (en) * | 2004-01-14 | 2011-07-13 | Chevron Phillips Chemical Company Lp | Method and apparatus for monitoring polyolefin production |
CN1910439A (zh) * | 2004-01-23 | 2007-02-07 | 贝克曼考尔特公司 | 多激光器触发***和方法 |
US20100211329A1 (en) * | 2007-10-12 | 2010-08-19 | Stuart Farquharson | Method and apparatus for determining properties of fuels |
WO2012037430A1 (en) * | 2010-09-17 | 2012-03-22 | Abbott Laboratories | Raman spectroscopy for bioprocess operations |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107132209A (zh) * | 2017-04-28 | 2017-09-05 | 南京理工大学 | 一种基于纳米银/氧化石墨烯/氯化钠的拉曼增强基底免标记检测牛血清蛋白的方法 |
Also Published As
Publication number | Publication date |
---|---|
US20180180549A1 (en) | 2018-06-28 |
JP2017512999A (ja) | 2017-05-25 |
WO2015145149A1 (en) | 2015-10-01 |
EP3123150A1 (en) | 2017-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106030278A (zh) | 分散在液相中的蛋白质的拉曼光谱结构调查研究 | |
Jacobson et al. | The lateral organization and mobility of plasma membrane components | |
Razinkov et al. | Accelerated formulation development of monoclonal antibodies (mAbs) and mAb-based modalities: review of methods and tools | |
McColl et al. | A study of α-helix hydration in polypeptides, proteins, and viruses using vibrational Raman optical activity | |
Grigolato et al. | Mechanistic origin of the combined effect of surfaces and mechanical agitation on amyloid formation | |
Duponchel et al. | Multivariate curve resolution methods in imaging spectroscopy: influence of extraction methods and instrumental perturbations | |
Ashton et al. | The importance of protonation in the investigation of protein phosphorylation using Raman spectroscopy and Raman optical activity | |
Wang et al. | Structure and relaxation in solutions of monoclonal antibodies | |
Elumalai et al. | Raman microscopy: progress in research on cancer cell sensing | |
Flanagan et al. | Ultrafast spectroscopy of lipid–water interfaces: transmembrane crowding drives H-bond dynamics | |
Nüesch et al. | Single-molecule detection of ultrafast biomolecular dynamics with nanophotonics | |
Shaw et al. | Vibrational biospectroscopy: from plants to animals to humans. A historical perspective | |
Hu et al. | Single-nanoparticle orientation sensing by deep learning | |
Moud | Fluorescence recovery after photobleaching in colloidal science: introduction and application | |
Loura | Lateral distribution of NBD-PC fluorescent lipid analogs in membranes probed by molecular dynamics-assisted analysis of Förster Resonance Energy Transfer (FRET) and fluorescence quenching | |
Roque et al. | Effect of polyethylene glycol conjugation on conformational and colloidal stability of a monoclonal antibody antigen-binding fragment (Fab′) | |
Bryce et al. | Confocal Raman microscopy for label-free detection of protein–ligand binding at nanopore-supported phospholipid bilayers | |
Eric et al. | Manifestation of hydrogen bonding and exciton delocalization on the absorption and two-dimensional electronic spectra of chlorosomes | |
Gao et al. | Supramolecular self-assembly of a model hydrogelator: characterization of fiber formation and morphology | |
Şimşek et al. | Two-photon absorption properties of gold fluorescent protein: a combined molecular dynamics and quantum chemistry study | |
US11221287B2 (en) | Methods of measuring structural and functional changes of a biomolecular composition | |
Mesa-Antunez et al. | Fluorescent BAPAD dendrimeric antigens are efficiently internalized by human dendritic cells | |
Xue et al. | Viscosity Measurement in Biocondensates Using Deep-Learning-Assisted Single-Particle Rotational Analysis | |
Sun et al. | Correlation and Autocorrelation Analysis of Nanoscale Rotational Dynamics | |
Russell | Protein encapsulated gold nanoclusters for biological applications |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20161012 |
|
WD01 | Invention patent application deemed withdrawn after publication |