Modeling and optimization of multi-column solvent gradient purification for oligonucleotide separation

Abstract

Oligonucleotides are short-chain nucleic acid molecules which find their application in regulating gene expressions in mammalian cells. Given their applicability in controlling the expression of functional proteins and the main functions of living organisms, oligonucleotides are rapidly attracting attention as therapeutics. Indeed, it is expected in the field that oligonucleotides will experience an increase in the required manufacturing capacity in the future, which will call for efficient and modern downstream processing. In fact, the synthetic product often contains a plethora of impurities together with the target nucleotide sequence. This requires purification steps, usually by liquid chromatography. This work focuses on the modeling of the chromatographic separation of oligonucleotides, especially the multi-column countercurrent solvent gradient purification (MCSGP). MCSGP exploits two twin columns alternated in interconnected and disconnected phases to allow for continuous purification, potentially increasing the yield and quality of the product compared to the traditional single column processes. Existing theories of nonlinear chromatography and numerical methods for partial differential equations are employed for modelling. The work is divided into building the model, optimization procedures and experimental validation. The optimization reveals that the optimal collection window is close to the optimal collection window of the reference batch chromatogram. However, MCSGP is able to alleviate the yield-purity trade-off of the simple batch chromatography. Improved yields are obtained for MCSPG when compared to batch, which alleviates the pressure on the synthesis process. The results suggest that with higher purity constraints MCSGP is superior to batch. Experimental validation shows that MCSGP can give approximate results but there is room for improvement in the model predictions.

Kehityssuunta farmaseuttiteollisuudessa on entistä enemmän kohti biofarmaseutteja. Oligonukleotidit ovat lyhytketjuisia nukleeinihappomolekyylejä, joiden käyttö perustuu geenitoimintojen säätelyyn eläinsoluissa. Teollisuudessa odotetaan, että oligonukleotidien valmistus saavuttaa suuremman mittakaavan tulevaisuudessa. Tämä asettaa vaatimuksia entistä modernimmista ja tehokkaammista valmistus- ja puhdistusprosesseista. Synteesituotteet eivät ole puhtaita, mikä vaatii puhdistusta, usein nestekromatografian avulla. Myös laatuvaatimukset ja sääntely vaativat puhtaita tuotteita. Tämä diplomityö keskittyy MCSGP prosessin mallinnukseen oligonukleotidien puhdistamisessa. MCSGP on prosessi, joka mahdollistaa jatkuvamman puhdistuksen, sekä usein korkeamman saannon ja tuotteen laadun. Kirjallisuudesta löytyviä malleja ja menetelmiä käytetään prosessin mallinnukseen. Työ jakaantuu mallin rakentamiseen, prosessioptimointiin ja mallin validointiin. Työ osoittaa, että MCSGP:tä voidaan mallintaa onnistuneesti olemassa olevilla perusperiaatteilla. Saadut tulokset ovat järkeviä ja todenmukaisia. Optimoinnin tulokset näyttävät, että optimaalinen keräysikkuna on lähellä panosprosessin optimaalista keräysikkunaa. MCSGP:n suunnitelu on vakaa, ja esimerkiksi eluutioajan vaikutus saantoon vähäisempi kuin panosprosessilla. MCSGP pystyy lievittämään panosprosessille ominaista saanto-puhtaus-vaihtokauppaa. MCSGP prosessin saanto on panos prosessia korkeampi. MCSGP tuottavuus on hieman huonompi kuin panosprosessilla, ellei puhtausvaatimukset ole korkeat. Korkeammilla puhtausvaatimuksilla MCSGP osoittautuu paremmaksi vaihtoehdoksi. Mallin validointi näyttää, että malli ennustaa kokeellisia tuloksia likimäärin, mutta ennustuksiin jää parantamisen varaa.