Scale‑Up Preparative Chromatography: Kunci di Kecepatan Linear, Tinggi Bed, dan Simulasi

Di tengah ledakan biologics—dari protein, mAb, hingga vaksin—preparative chromatography jadi pusat perhatian bioprocessing. Satu analisis pasar menilai segmen ini di $1,31 miliar pada 2023, dengan proyeksi tumbuh sekitar 4,5% CAGR hingga 2034 (www.futuremarketinsights.com; www.futuremarketinsights.com). Skala operasinya pun melonjak: kolom berkisar diameter 20–250 cm, menangani material dari kilogram hingga ~10^5 ton per tahun (www.mdpi.com).

Regulator—FDA, EMA, dan di Indonesia BPOM di bawah aturan GMP/CPOB—mendorong Quality‑by‑Design (QbD), menuntut pemahaman dan pemodelan unit operation secara menyeluruh (www.mdpi.com; www.cytivalifesciences.com). Artinya, proses berskala harus menunjukkan CQA (critical quality attributes) yang ekuivalen: langkah kromatografi—sering kali bottleneck hasil—wajib menjaga kemurnian, yield, dan throughput yang konsisten dari laboratorium ke pabrik (analyticalsciencejournals.onlinelibrary.wiley.com; www.mdpi.com).

Prinsip skala yang setara waktu tinggal

Aturan emas scale‑up: pelihara kecepatan linear (superficial linear velocity, u; laju alir per luas penampang) dan tinggi bed (bed height, L; panjang kolom). Dalam “linear scaling”, kolom lab diganti dengan kolom berdiameter lebih besar namun tinggi dan packing identik, lalu laju volumetrik dinaikkan proporsional dengan luas penampang—sehingga u dan jumlah pelat teoretis N = L/H_ETP (height equivalent to a theoretical plate) tetap (analyticalsciencejournals.onlinelibrary.wiley.com; www.waters.com). Koch dkk. merangkum: skala tradisional “mengoperasikan kolom pada ketinggian bed identik dan kondisi eksperimen yang sama. Pembesaran volume kolom dilakukan dengan menaikkan diameter dan laju alir proporsional luas penampang”, sehingga waktu tinggal L/u konstan (analyticalsciencejournals.onlinelibrary.wiley.com).

Menjaga u konstan menjaga resolusi melalui relasi van Deemter (hubungan antara ketinggian pelat dan kecepatan serta resistensi transfer massa). Menaikkan u memperbesar komponen transfer massa (sering direpresentasi istilah C·u), melebarkan puncak dan menurunkan resolusi (www.mdpi.com; www.cytivalifesciences.com). Pada studi preparative size‑exclusion, menggandakan u meningkatkan fronting/tailing dan menggandakan tinggi pelat h, sehingga resolusi terbelah dua (www.mdpi.com; www.mdpi.com). Jika u tak sengaja naik saat scale‑up, puncak makin lebar dan elusi lebih cepat—pool membesar, kemurnian turun (www.mdpi.com). Menyamakan u membuat penambahan lebar pita akibat difusi intra‑partikel tetap, sehingga bentuk elusi berskala akan overlay profil di lab setelah skala waktu disesuaikan (analyticalsciencejournals.onlinelibrary.wiley.com; www.mdpi.com).

Menjaga tinggi bed konstan mempertahankan jumlah pelat (N). Makin tinggi bed → makin banyak pelat → resolusi naik; memendekkan bed mengurangi resolusi kira‑kira mengikuti R ∝ √N. Panduan Waters merekomendasikan “kolom dengan kimia, panjang, dan ukuran partikel identik” untuk scale‑up paling mudah (www.waters.com). Contoh Waters: kolom 50×100 mm punya kapasitas ~620 mg per injeksi pada ≈164 mL/menit, sedangkan analog 4,6×100 mm ~5 mg pada ≈1,4 mL/menit—keduanya tinggi 100 mm, u ≈12 cm/menit; bed 50 mm menyediakan ~124× luas dan ~124× beban pada ~118× alirannya (www.waters.com). Memendekkan kolom tinggi itu akan menurunkan kapasitas dan resolusi. Menjaga L dan u tetap memberi “time‑scale similarity” dan reprodusibilitas resolusi di berbagai skala (analyticalsciencejournals.onlinelibrary.wiley.com; www.waters.com).

Pertimbangan alternatif CV per jam

Jika hardware tidak memungkinkan L identik, pendekatan “timescale” berbasis column volumes per hour (CV/h; ukuran kecepatan berdasarkan volume kolom per jam) menjaga waktu tinggal tetap. Cytiva melaporkan skala 20× lab→pilot tanpa kolom identik menggunakan CV/h (www.cytivalifesciences.com; analyticalsciencejournals.onlinelibrary.wiley.com). Caranya: variasikan tinggi bed sesuai hardware dan pakai CV/h “dengan menjaga volume bed konstan” agar beban produk sama per kolom (www.cytivalifesciences.com). Dalam contoh Erickson, kolom lab 26 mm dan kolom manufaktur 300–500 mm dipacking ke tinggi berbeda namun CV/h (waktu tinggal) identik, sehingga semuanya mencapai target beban massa 300× dalam satu siklus (www.cytivalifesciences.com).

CV/h sangat berguna untuk langkah berbasis kapasitas ikat dinamis (dynamic binding capacity, DBC) seperti affinity capture—kapasitas bergantung pada waktu di dalam kolom, sehingga CV/h sama → DBC ekuivalen (www.cytivalifesciences.com; www.cytivalifesciences.com). Namun untuk pemisahan beresolusi tinggi (mis. size exclusion atau gradien tajam), geometri kolom berpengaruh besar terhadap bentuk puncak; di sini “menjaga kecepatan linear (cm/h) konstan” lebih aman (www.mdpi.com; www.cytivalifesciences.com).

Output ketika skala tepat vs. keliru

Jika scaling memegang u dan L, tinggi puncak, lebar, dan waktu retensi akan sesuai proyeksi skala lab (analyticalsciencejournals.onlinelibrary.wiley.com; analyticalsciencejournals.onlinelibrary.wiley.com). Pada studi Koch dkk., pemisahan polipeptida di kolom 1 mL vs. 28 mL (tinggi 100 mm, laju alir diskalakan per luas) menghasilkan titik elusi garam dan bentuk puncak yang hampir identik; model mekanistik yang dikalibrasi di 1 mL memprediksi hasil 28 mL secara akurat, termasuk volume dan komposisi pool di skala besar (analyticalsciencejournals.onlinelibrary.wiley.com).

Jika keliru, konsekuensinya mahal. Kolom terlalu kecil (lebih pendek atau u lebih rendah dari target) perlu multi‑pass—membuang waktu. “Jika kolom terlalu kecil, waktu terbuang untuk beberapa siklus… Jika terlalu besar, resin terbuang,” catat Erickson (www.cytivalifesciences.com). Overloading memicu puncak melebar dan fronting; kolom terlalu besar cenderung overdilusi dan boros resin. Menyimpang dari u atau L rancangan memicu re‑validasi: dead volume dan alir bergeser sehingga waktu retensi dan pool berubah.

Secara numerik, van Deemter memprediksi tinggi pelat (h) naik kira‑kira proporsional terhadap u (term C·u) (www.mdpi.com). Di studi SEC yang sama, menaikkan alir membuat h melonjak dan faktor resolusi terbelah dua (www.mdpi.com). Dalam preparative terms: kemurnian dapat turun dua kali lipat pada gradien sama—atau waktu proses harus dilambatkan dua kali. Sebaliknya, jika u dijaga, throughput naik linier dengan luas kolom; kolom “cuboid” pada studi itu bahkan mampu 2–3× alir standard di resolusi sama, produktivitas naik 200–300% (geometri khusus) (www.mdpi.com).

Model mekanistik dan simulasi proses

Model mekanistik—neraca massa + isotherm ikatan + transfer massa—kini jadi andalan untuk memprediksi kolom skala besar dan mengoptimasi kondisi (www.cytivalifesciences.com; www.biopharminternational.com). Karena berbasis hukum transportasi, model yang dikalibrasi di skala kecil dapat memprediksi kromatogram, kapasitas, dan hasil pooling di skala besar (www.biopharminternational.com; www.cytivalifesciences.com). Seperti dicatat Kaltenbrunner dkk., model semacam ini “dapat menjadi alat untuk optimasi, scale‑up, dan dukungan manufaktur” (www.biopharminternational.com), melengkapi atau menggantikan DoE empiris.

Keunggulan utama: prediksi dynamic binding capacity (DBC) lintas skala tanpa uji breakthrough pada ton resin—model menghitung DBC di berbagai u dan L (www.biopharminternational.com). Setelah parameter isotherm dan transfer massa tetap, DBC di ukuran kolom atau u mana pun bisa diestimasi; “prediksi DBC menghasilkan penghematan signifikan waktu pengembangan dan kebutuhan umpan protein” (www.biopharminternational.com). Model juga memprediksi distribusi multi‑spesies di gradien atau step elution; McCue dkk. menunjukkan model memprediksi yield dan pembuangan impuritas (monomer vs. agregat) pada HIC lintas gradien garam, dengan tabel figur (mis. [31†L177‑L184][31†L194‑L202]) yang cocok dalam selisih beberapa persen (www.biopharminternational.com).

Simulasi mempercepat optimasi: “what‑if” untuk laju alir, kemiringan gradien, kondisi buffer, hingga pooling cut‑points tanpa eksperimen melelahkan (www.cytivalifesciences.com; www.biopharminternational.com). Misal, simulasi dapat menunjukkan u sedikit lebih tinggi tak berdampak pada resolusi namun throughput naik 10%; atau gradien sedikit lebih landai butuh ~5% volume tambahan untuk kemurnian identik namun memungkinkan beban lebih tinggi. Seperti dicatat Cytiva, model mekanistik membantu “mengantisipasi dan memodelkan efek skala” dan memungkinkan proses yang lebih robust dengan yield/throughput lebih tinggi (www.cytivalifesciences.com; www.cytivalifesciences.com).

Terobosan komputasi dan AI mempercepatnya lagi. Jin dkk. menunjukkan neural network yang dilatih pada data simulasi mekanistik dapat menginversi estimasi isotherm—yang semula butuh jam kerja lab kini dalam milidetik (www.mdpi.com; www.mdpi.com). Arah jangka panjang: “digital twin” untuk seluruh train pemurnian, di mana setiap operasi—termasuk kromatografi—adalah model software tervalidasi, sehingga perubahan parameter (ukuran kolom, laju pompa, konsentrasi feed) dievaluasi virtual sebelum dijalankan (www.mdpi.com; www.cytivalifesciences.com).

Implikasi operasional dan kepatuhan

Intinya: (a) pelihara kecepatan linear dan tinggi bed—atau setidaknya waktu tinggal konstan—dan (b) gunakan model tervalidasi untuk memprediksi performa. Data menunjukkan bahwa jika prinsip ini dipatuhi, resolusi, yield, dan waktu siklus akan menskala secara prediktif dengan luas kolom (analyticalsciencejournals.onlinelibrary.wiley.com; www.biopharminternational.com). Simulasi memangkas beban eksperimen: prediksi model kerap menggantikan >80% uji scaling, menghemat pekan kerja lab dan kilogram material (penghematan aktual bergantung kompleksitas, namun “significant development time and protein‑feed [is] saved” www.biopharminternational.com). Pada satu kasus, model mekanistik yang dikalibrasi di kolom 1 mL hanya butuh satu run bench 28 mL untuk memvalidasi prediksi—skala 28× dengan eksperimen minimal (analyticalsciencejournals.onlinelibrary.wiley.com).

Kebalikannya, mengabaikan prinsip ini mahal. Kasus lapangan menunjukkan u yang tak dijaga memicu puncak melebar dan pool saling overlap; di preparative context, ini bisa mengubah run lab 99% murni menjadi 95% di pabrik—butuh polishing ekstra atau recycle. Lebih buruk, risiko kegagalan regulatori jika CQA bergeser. Dokumen IND/ANDA akan menelisik komparabilitas kromatografi; pencatatan bahwa parameter scale‑up dijaga konstan—dan model komputer memprediksi step skala besar—krusial bagi kepatuhan GMP.

Target angka dan langkah praktis

Petakan parameter kritis di skala kecil dan pertahankan saat scale‑up. Contoh angka spesifik: banyak langkah ion‑exchange menetapkan u sekitar 100–200 cm/h (≈1,7–3,3 cm/menit) dan L 10–30 cm untuk polishing protein. Melipat dua atau setengah salah satunya mengubah waktu tinggal secara drastis. Jika butuh throughput 100×, diameter kolom dinaikkan √100 = 10× dengan tinggi tetap; laju alir ditetapkan ≈10^2 kali lebih besar (luas ∝ 10^2) sehingga superficial velocity (cm/menit) tak berubah. Verifikasi dengan model mekanistik atau run pilot bahwa bentuk puncak dan volume retensi sesuai prediksi berskala.

Perangkat pendukung di lantai produksi

Konsistensi parameter proses didukung oleh perangkat industri yang presisi dan sesuai standar farmasi. Pengendalian gradien dan buffer dapat dibantu peranti pengumpan bahan kimia presisi seperti dosing pump (accurate chemical dosing). Pada jalur filtrasi higienis, housing 316L untuk aplikasi farmasi/food grade seperti ss cartridge housing relevan untuk menjaga integritas peralatan. Untuk proteksi awal kolom dari partikel kasar, opsi filtrasi partikel 1–100 mikron seperti cartridge filter dapat diintegrasikan sesuai kebutuhan sistem.

Perangkat lunak dan keputusan investasi

Perusahaan memanfaatkan software komersial (Aspen Chromatography, gPROMS) hingga model spreadsheet; fitting parameter berbasis AI mempercepat setup model. Dalam farmasi berskala kilo hingga ton—termasuk biopharma Indonesia di bawah BPOM—pendekatan ini semakin tak opsional. Mereka memungkinkan keputusan berbasis data: memilih resin, ukuran kolom, atau rejim alir dengan membandingkan prediksi throughput, utilisasi resin, dan kemurnian produk. Diterapkan dengan benar, ini menghemat modal (lebih sedikit resin/kolom cadangan), waktu (lebih sedikit siklus), dan menjamin mutu—keuntungan terukur yang langsung berdampak ke bisnis.

Sumber dan rujukan

Ulasan dan studi otoritatif tentang scale‑up dan modeling kromatografi: analyticalsciencejournals.onlinelibrary.wiley.com; www.waters.com; www.biopharminternational.com; www.cytivalifesciences.com; panduan industri Cytiva dan Waters: www.cytivalifesciences.com; www.waters.com; riset peer‑reviewed mutakhir: analyticalsciencejournals.onlinelibrary.wiley.com; www.biopharminternational.com; www.mdpi.com; konteks pasar dan pendorong pertumbuhan: www.futuremarketinsights.com; www.futuremarketinsights.com; mekanisme resolusi dan efek kecepatan: www.mdpi.com; www.mdpi.com; produktivitas geometri alternatif: www.mdpi.com.