Nous créons toujours de nouvelles interfaces et proposons des solutions pour une variété de problèmes auxquels sont confrontés les biotechnologies, tous les jours ici chez Yaohai*. À ce jour, nous avons une équipe entière dédiée à la recherche de moyens de faire progresser ces méthodes de fabrication qui concernent l'un des modes thérapeutiques les plus importants pour des millions de maladies graves : les thérapies à ARNm. Nous connaissons tous l'utilité du Design of Experiments (DoE) lorsque nous commençons à développer des médicaments à base d'ARNm, plus rapidement et de meilleure qualité. Cela s'étend, entre autres, aux cancers et aux maladies génétiques, comme mentionné précédemment. Cependant, la fabrication de ce médicament était complexe et chronophage. Ici, nous aimerions accélérer l'ensemble du processus et garantir un produit final aussi bon que possible (comme vous l'avez vu ci-dessus). Cela peut également être facilité avec des techniques DoE.
L'une des principales applications du DoE dans notre effort SRM est d'améliorer le traitement en laboratoire autour de la fabrication de l'ARNm. Transcriptions in vitro (TIV) : La transcription de l'ARN utilisant un guide d'ADN comme modèle. Ce que nous pouvons donc faire pour la TIV, c'est que vous avez différents facteurs qui s'associent... par exemple, à quelle température et pendant combien de temps nous laissons cette réaction se produire. Il est tout à fait possible de déterminer quel changement fonctionne comment en observant l'impact que ces modifications ont sur le résultat final. Cela nous donne une fenêtre extrêmement utile pour comprendre comment fabriquer de l'ARNm qui est à la fois sûr et largement applicable dans de nombreux traitements importants.
Aide supplémentaire du DoE : J'utilise souvent le DoE plusieurs fois pour m'assurer que les problèmes que vous pourriez rencontrer pendant la phase IVT doivent être résolus. Bien sûr, parfois, quelque chose est susceptible de mal tourner — nous avons reçu la mauvaise forme d'ARNm. C'est là que le DoE devient vraiment intéressant, nous pouvons creuser plus profondément dans ces problèmes et essayer de nous en débarrasser. L'idée est que nous pouvons optimiser le système de manière plus large et nous assurer que nous produisons de l'ARNm de qualité à chaque fois. Ainsi, vous ajustez simplement vos pratiques pour les améliorer et donc la qualité de notre ARNm de ce côté. Et cela produit des résultats plus cohérents et plus fiables de notre part.
De plus, nous compléterons l'analyse des données expérimentales (DoE) avec une analyse statistique pour optimiser encore davantage notre processus d'IVT. Autrement dit, nous analysons les données pour découvrir quelles parties de notre processus affectent la qualité de notre ARNmessager. Ce sont ces données que nous pouvons corrélater avec d'autres aspects et voir comment tout cela influence le résultat final. Maintenant que nous le savons, nous pouvons déterminer comment rationaliser et améliorer nos capacités de production d'ARNm pour obtenir les meilleurs résultats. Cela nous a permis de travailler de manière plus efficace et rapide.
Merci beaucoup, c'est un excellent développement dans le domaine de la médecine à base d'ARNm grâce à l'approche DoE. Notre objectif est d'améliorer l'étape d'IVT et de vous fournir des ARNm originaux encore plus rapidement. Cela sera bénéfique pour plus de patients ayant besoin d'un traitement efficace. Ainsi, nous nous efforçons chaque jour de développer une avance compétitive dans ce paysage en constante évolution. En toute sécurité et fiabilité, mais nous voulons être les meilleurs dans ce domaine, car cela pourrait sauver des vies.