基于脂質納米顆粒（LNP）技術的COVID-19 mRNA疫苗遍地開花，充分證明了納米藥物的可行性，吸引了巨量的投資和進一步研究的興趣。市場持續風靡之下，最近的科學突破表明LNP是有效的藥物遞送系統。然而，為了實現對依賴于精確粒度、形狀和結構的眾多性能特征的微調，大量不同配方的篩選能力是至關重要的。自動化系統無疑是理想的選擇，能夠克服常規低通量LNP制備方法所面臨的挑戰，迄今為止，這種方法仍然限制著篩選選項¹。本文討論了微流控技術與自動化的結合如何提供必要的控制水平來實現以經濟高效且及時的方式進行高通量LNP配方篩選，以及這種方法將如何加速新納米藥物的開發。
 
 
納米藥物的前景
納米藥物有潛力克服許多限制著傳統藥物臨床應用的不良特性，包括藥代動力學不佳、生物利用度有限以及毒性高等等²。在納米尺度上，治療藥物可以針對具體的疾病專門定制，精確定位并選擇性地殺傷癌細胞，而不影響周圍的健康細胞。使用LNP作為藥物遞送系統來提高藥物的治療指數是一種非常驚艷的方法，LNP-mRNA COVID-19疫苗的成功驗證了該技術的可行性。這種方法在藥物遞送領域引起了廣泛的研究興趣，具有勝于其他方法的核心優勢：LNP可高效封裝各種有效載荷；穩定藥物遞送量；以及幫助微粒進入靶細胞。然而，一種LNP能否成功要取決于其具體的配方，這會顯著影響其性能。此外，納米藥物的目標是臨床應用，這意味著LNP必須一致且經過充分優化，才能安全有效地應用于人類。該領域的研究人員正在為每種應用尋找最佳的配方，旨在將有前途的封裝生物制劑轉化為有效且可行的療法，無論是疫苗、基因療法還是癌癥治療。為此，他們需要能夠可重復地生成性能特征經過微調的均勻微粒³。
  
特殊的微粒
LNP的精心設計是確保它們能夠執行一系列復雜動作的關鍵，包括跨細胞膜運輸和細胞內的釋放機制，同時要保持治療載荷的完整性。為了使最終的納米藥物具有更高的生物效能，LNP的性能特征必須經過優化以便成功轉染人體細胞。尺寸是平衡最佳的攝取與遞送的重要參數，75至95 nm之間的配方性能最佳^{4, 5}。封裝效率（EE，或“藥物載量”）描述了最終有多少生物制劑進入脂質載體內部，通常需要超過90%⁶。多分散性指數（PDI）則描述了微粒尺寸分布的不均勻程度，該值在0.2及以下通常被認為是可接受的⁷。理想的性能指標可以通過改變微粒的脂質體納米配方來靶向。
 
探求完美的納米配方
LNP制劑的生物功效在很大程度上取決于四種脂質成分（可電離脂質、磷脂、聚乙二醇化脂質和膽固醇）的系統優化，每種成分都為微粒性能提供了獨特的功能性（表1）^{1, 8}。脂質材料的類型和摩爾比可以改變（其中三類在臨床使用中有多種選擇），需要測試表1中的所有組合，如此已至少需要24次實驗。然而，當考慮到其他能夠微調性能特征的因素時，實驗的數量將陡然增加。這些因素包括：藥物濃度、讀長或序列；顆粒的電荷比；以及工藝參數，包括總流速、試劑混合反應動力學以及緩沖液的pH值、類型或濃度。
  
表1 脂質分類

Lipid type 脂質類型	Options in clinical use 臨床應用選擇
Ionizable 可電離脂質	SM-102 MC3 9A1P9
Phospholipid 磷脂	Phospholipon-90G DSPC
PEGylated PEG化脂質	DMG-PEG2000 DOPE-PEG2000 DSPE-PEG2000 DSPE-PEG5000
Cholesterol 膽固醇	-

 
巨大的試驗領域
為了確定顆粒性能的最優解，配方參數的每一種的排列組合都必須合成少量的樣品。在隨后的批量篩選過程中，將對其進行理化表征，并選出最有前途的納米配方繼續推進。這個過程并不容易，很大程度上依賴于反復地試錯，可能需要上億次的探索。試驗過程還必須保持一致且需要工藝驗證，使材料和耗材的成本高昂，同時需要巨大的人力和時間投入。低通量的手動篩選過程會給后續的測定和表征步驟帶來巨大的瓶頸。如果沒有自動化，就有可能在眾多干擾中丟失完美的納米配方，使創新受阻³。
 
配方篩選中的自動化與控制
由于下游篩選過程中自動化的缺失，研究人員所面臨的是一場漫長且成本高昂的艱苦戰斗。人們需要一種能夠將快速下游工藝與受控的待測納米配方合成相結合的平臺，包括實現篩選步驟自動化和工藝參數調整自動化的能力。微流控裝置可以通過在微米尺度上操控流體來實現這一目標，生成可重復的單分散納米配方。這些技術已經被用于合成物理特性更加可控的LNP，但到目前為止，這種方法還無法實現充分的自動化⁹。
 
現有的微流控系統在用于配方篩選時，一次只能進行一項試驗，然后需要手動更改實驗參數。然而，現代微流控平臺則通過自動化克服了這一問題，可實現有效且高通量的LNP配方篩選。近期的發展見證了多款創新平臺的上市，它們能夠顯著縮短篩選時間，提供出色的工藝一致性，自動化程度更高，同時最大限度地降低了運行成本（圖1）。這些系統采用96孔板樣品規格（在大約6小時內完成多達96項試驗），兼容現行的上游和下游工作流程，可實現顆粒生產中所有階段之間的輕松轉移。得益于試驗批次之間的自動清洗功能以及采用了可重復使用的微流控芯片，此類平臺可提供極大的靈活性，并且幾乎不需要用戶干預。一套系統既可以用于工藝優化，也可以用于連續生產，實現由篩選到放大的無縫銜接，并使研究人員能夠加快納米藥物的發現階段。
   
總結
納米藥物具有改變患者治療方式的潛力，而封裝生物材料已經成為了基因藥物和疫苗早期開發的一個重要部分。為了將一款基于LNP的治療藥物推向全球市場，研究人員需要考慮從納米配方篩選到轉化進入臨床，并最終實現商業化的速度能有多快。想要可靠且可重復地合成具有理想性能特征的LNP，同時避免過分高昂的成本和漫長的開發周期，顯然需要一種能夠實現出色可控合成的自動化高通量篩選平臺。新型的微流控系統通過將可控的LNP配方合成與自動化高通量配方篩選相結合，滿足了這一需求。這將加速基于脂質遞送機制的治療藥物的開發，推進基因藥物和癌癥治療的遞送以滿足緊迫的全球需求。
 
 
作者簡介
Ben Knappett于杜倫大學取得了化學碩士學位，并于劍橋大學取得了納米顆粒合成與表征博士學位。2016年，Ben開始在Particle Works任職，負責利用微流控技術開發納米顆粒和微米顆粒產品，涵蓋了廣泛的材料類型。2021年，Particle Works品牌作為自動化納米顆粒合成平臺的供應商重新出發，Ben則升任現在的科學與應用主管一職。該職位需要領導一個科學家團隊，負責指定和測試新的Particle Works系統、產出應用相關內容、并為客戶提供安裝和培訓以及售后應用上的支持。Ben和他的實驗室團隊還進行了原理驗證研究，以展示Particle Works系統對于客戶材料的處理能力。
 
 
參考文獻
1.  Cui, L. et al. Development of a high-throughput platform for screening lipid nanoparticles for mRNA delivery. Nanoscale 14, 1480–1491 (2022).
2.  Beltrán-Gracia, E., López-Camacho, A., Higuera-Ciapara, I., Velázquez-Fernández, J. B. & Vallejo-Cardona, A. A. Nanomedicine review: clinical developments in liposomal applications. doi:10.1186/s12645-019-0055-y.
3.  Zaslavsky, J., Bannigan, P. & Allen, C. Re-envisioning the design of nanomedicines: harnessing automation and artificial intelligence. https://doi.org/10.1080/17425247.2023.2167978 20, 241–257 (2023).
4.  Tenchov, R., Bird, R., Curtze, A. E. & Zhou, Q. Lipid Nanoparticles from Liposomes to mRNA Vaccine Delivery, a Landscape of Research Diversity and Advancement. ACS Nano 15, 16982–17015 (2021).
5.  Hassett, K. J. et al. Optimization of Lipid Nanoparticles for Intramuscular Administration of mRNA Vaccines. Mol Ther Nucleic Acids 15, 1 (2019).
6.  Schoenmaker, L. et al. mRNA-lipid nanoparticle COVID-19 vaccines: Structure and stability. Int J Pharm 601, 120586 (2021).
7.  Danaei, M. et al. Impact of Particle Size and Polydispersity Index on the Clinical Applications of Lipidic Nanocarrier Systems. Pharmaceutics 10, (2018).
8.  Hald Albertsen, C. et al. The role of lipid components in lipid nanoparticles for vaccines and gene therapy. Adv Drug Deliv Rev 188, 114416 (2022).
9.  Zhao, X. et al. Microfluidic Generation of Nanomaterials for Biomedical Applications. Small 16, (2020).