🔬 materials science

Direct Modeling of Pore Size Evolution and Microcollapse in Lyophilization by Population Balance

Questo articolo presenta un modello di bilancio di popolazione computazionalmente efficiente che simula direttamente l'evoluzione della dimensione dei pori e il microcollasso durante la liofilizzazione farmaceutica, prevedendo con successo la resistenza al trasferimento di massa e la temperatura del prodotto in varie condizioni utilizzando una singola costante di velocità specifica per il materiale.

Autori originali: Isaac Stonewall Wheeler (Purdue University Davidson School of Chemical Engineering), Vivek Narsimhan (Purdue University Davidson School of Chemical Engineering), Alina A. Alexeenko (Purdue University

Pubblicato 2026-10-02

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Isaac Stonewall Wheeler (Purdue University Davidson School of Chemical Engineering), Vivek Narsimhan (Purdue University Davidson School of Chemical Engineering), Alina A. Alexeenko (Purdue University Davidson School of Chemical Engineering, Purdue University School of Aeronautics and Astronautics, Purdue University Birck Nanotechnology Center), Davide Fissore (Politecnico di Torino Dipartimento di Scienza Applicata e Tecnologia)

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Nel mondo della medicina, molti farmaci salvavita non possono sopravvivere al calore dell'essiccazione tradizionale. Per preservarli, i produttori utilizzano un processo chiamato liofilizzazione. Il farmaco viene congelato allo stato solido, poi inserito in un vuoto dove il ghiaccio si trasforma direttamente in vapore e scompare, lasciando dietro di sé una torta asciutta e porosa che può essere ricostituita in seguito. Questo metodo è essano per i vaccini, gli anticorpi e altri delicati prodotti biologici, ma è anche incredibilmente lento e costoso. Il collo di bottiglia è la fase di essiccazione primaria, in cui il ghiaccio sublima. La velocità di questo processo dipende da quanto facilmente il vapore acqueo può sfuggire attraverso i minuscoli tunnel della torta essiccata. Se i tunnel sono stretti o ostruiti, il processo si trascina per giorni, facendo lievitare i costi e limitando la quantità di medicinali che si possono produrre.

Per decenni, gli scienziati hanno utilizzato un modello matematico standard per prevedere la velocità con cui avviene questa essiccazione. Questo modello tratta la resistenza al flusso di vapore come una semplice curva fissa che cambia solo man mano che lo strato di materiale essiccato si ispessisce. Funziona abbastanza bene in molte situazioni, ma fatica quando la formulazione del farmaco è amorfa — ovvero uno stato simile al vetro piuttosto che cristallino. In questi casi, mentre il prodotto si riscalda durante l'essiccazione, la delicata struttura vetrosa può ammorbidirsi e collassare leggermente. Questo fenomeno, noto come "microcollasso", modifica la dimensione dei pori all'interno della torta, alterando la facilità con cui il vapore può sfuggire. I vecchi modelli non potevano prevedere questo cambiamento; richiedevano ai ricercatori di eseguire esperimenti separati e laboriosi per ogni nuova impostazione di temperatura per vedere come variava la resistenza.

Un team di ricercatori della Purdue University e del Politecnico di Torino ha sviluppato un nuovo modo per modellare questo processo che osserva direttamente la forma variabile dei pori. Inveve di indovinare come cambia la resistenza, hanno costruito un modello che traccia la popolazione di pori all'interno della torta mentre si evolve. Hanno immaginato i pori non come fori statici, ma come una popolazione vivente che cresce e si fonde. Mentre il ghiaccio sublima, nuovi pori nascono. Allo stesso tempo, se la temperatura diventa troppo alta, le pareti vetrose tra pori vicini possono ammorbidirsi e fondersi, creando tunnel più grandi e meno numerosi. I ricercatori hanno utilizzato un approccio matematico chiamato bilancio di popolazione per tracciare queste nascite e fusioni in tempo reale. Contando quanti pori esistono e come cambiano le loro dimensioni, il modello può calcolare la resistenza al flusso di vapore senza doverla misurare sperimentalmente per ogni singola condizione.

Il team ha testato questo nuovo approccio rispetto a dati reali provenienti da studi precedenti e dai propri esperimenti. Hanno esaminato due tipi di materiali: il destrano cristallino, che non collassa, e miscele di saccarosio e proteine amorfe, che lo fanno. Per il materiale cristallino, il modello ha funzionato perfettamente tracciando semplicemente la dimensione dei pori creati dai cristalli di ghiaccio, confermando che la matematica sottostante era corretta. Per i materiali amorfi, dove il microcollasso è un fattore determinante, il modello ha dimostrato il suo vero valore. In un set di esperimenti riguardanti una formulazione proteica, i ricercatori hanno adattato il modello a sole due condizioni di essiccazione estreme — una molto fredda e una più calda. Una volta calibrato con questi due casi, il modello ha previsto con successo il comportamento dell'essiccazione per altre tre condizioni intermedie che non aveva mai visto prima. Il vecchio modello standard poteva corrispondere ai dati solo se adattato separatamente per ogni condizione, rendendolo inutile per prevedere nuovi scenari.

I ricercatori hanno anche esplorato se la velocità con cui questi pori si fondono sia una proprietà fissa del materiale stesso. Hanno testato diverse concentrazioni di saccarosio e diversi metodi di congelamento per vedere se la "costante di velocità del microcollasso" rimanesse la stessa. I loro risultati suggeriscono che, per un dato materiale, questa velocità è effettivamente una proprietà fisica costante, indipendente da quanto farmaco sia presente nella soluzione o da come sia stato congelato. Questa scoperta è significativa perché implica che gli ingegneri potrebbero determinare questa velocità una sola volta per un farmaco specifico e poi usarla per progettare cicli di essiccazione per qualsiasi intervallo di temperatura, invece di eseguire infiniti test per tentativi ed errori.

Sebbene il nuovo modello non sia ancora un sostituto perfetto di quello vecchio, offre una finestra molto più chiara su ciò che accade all'interno del flaconcino durante l'essiccazione. Collega la realtà fisica delle strutture vetrose che collassano alla previsione matematica della velocità di essiccazione. Gli autori avvertono che il modello dipende ancora da alcuni parametri stimati e che la relazione esatta tra la dimensione dei pori e la resistenza al flusso in questi ambienti di gas complessi e rarefatti necessita di ulteriori studi. Tuttavia, il lavoro dimostra che trattando la struttura dei pori come un sistema dinamico che cambia nel tempo, è possibile ridurre il numero di esperimenti necessari per progettare cicli di liofilizzazione efficienti. Ciò potrebbe portare, in futuro, a tempi di produzione più rapidi per i medicinali critici, garantendo che i farmaci salvavita raggiungano i pazienti più velocemente e a un costo inferiore.

Sintesi Tecnica: Modellazione Diretta dell'Evoluzione della Dimensione dei Pori e del Microcollasso nella Liofilizzazione tramite Bilancio di Popolazione

Definizione del Problema
Nella fase di essiccazione primaria della liofilizzazione farmaceutica (essiccazione per congelamento), la resistenza al trasferimento di massa ( $R_p$ ) del torta essiccata è un parametro critico che governa la durata del processo e la temperatura del prodotto. Per le formulazioni amorfe, si sa che $R_p$ diminuisce man mano che la temperatura del prodotto si avvicina alla temperatura di transizione vetrosa ( $T_g'$ ), un fenomeno denominato "microcollasso". Gli approcci di modellazione esistenti, come il modello standard di Pikal, trattano $R_p$ come una funzione debolmente non lineare ed empirica dell'altezza dello strato essiccato ( $h_d$ ) con parametri ( $a_0, a_1, a_2$ ) che devono essere adattati per ogni specifico set di condizioni di processo. Ciò richiede estese campagne sperimentali per caratterizzare la resistenza attraverso diverse temperature di scaffale e pressioni di camera. Inoltre, questi modelli empirici mancano di un legame fisico diretto con l'evoluzione della struttura porosa, rendendo difficile prevedere il comportamento in condizioni non testate o utilizzare misurazioni post-hoc della dimensione dei pori per la calibrazione del modello.

Metodologia
Gli autori propongono un nuovo modello su scala di fiala che sostituisce l'espressione empirica della resistenza con una descrizione meccanicistica basata sull'evoluzione della distribuzione della dimensione dei pori (PSD). L'approccio integra il quadro standard di trasferimento di calore e massa di Pikal con un Modello di Bilancio di Popolazione (PBM).

Formulazione del Bilancio di Popolazione: Il modello tratta lo spazio vuoto nello strato essiccato come una collezione di pori discreti. Il microcollasso è modellato come un processo di aggregazione irreversibile in cui due pori si fondono in un poro più grande, governato da una costante di velocità $k(T)$ . Nuovi pori vengono continuamente generati al fronte di sublimazione tramite la sublimazione dei cristalli di ghiaccio.
Metodo dei Momenti: Per mantenere un'efficienza computazionale comparabile ai modelli standard, gli autori applicano il metodo dei momenti all'equazione master del PBM. Il modello traccia il momento dello ordine zero (numero totale di pori, $\mu_0$ ), il primo momento (volume totale dei pori, $\mu_1$ ) e il secondo momento ( $\mu_2$ ).
Relazione con la Resistenza al Trasferimento di Massa: La resistenza al trasferimento di massa $R_p$ è derivata come una funzione di questi momenti. Assumendo la diffusione di Knudsen (il regime dominante nella liofilizzazione), $R_p$ è correlata ai momenti tramite un'espressione che coinvolge la tortuosità e un momento frazionario ( $\mu_{3/2}$ ), che viene stimato utilizzando una chiusura interpolativa (interpolazione di Lagrange dei log-momenti).
Dipendenza dalla Temperatura: La costante di velocità di aggregazione $k(T)$ è modellata utilizzando o una funzione sigmoide o un'equazione di tipo MYEGA per catturare l'accelerazione rapida del microcollasso quando la temperatura del prodotto si avvicina alla temperatura critica.
Validazione Sperimentale: Il modello è stato validato rispetto a quattro dataset:
- Due dataset della letteratura: una formulazione amorfa (BSA/saccarosio) con dati di flusso di massa TDLAS e una formulazione cristallina (destrano) con PSD misurate tramite SEM.
- Due nuovi dataset sperimentali: soluzioni di saccarosio e destrano liofilizzate sotto diverse temperature di scaffale e concentrazioni, con temperature di prodotto e tempi di essiccazione registrati.

Contributi Chiave

Legame Meccanicistico: Il lavoro stabilisce un legame matematico diretto tra l'evoluzione fisica delle strutture porose (specificamente i momenti della PSD) e la macroscopica resistenza al trasferimento di massa, andando oltre le semplici correlazioni empiriche.
Capacità Predittiva: Modellando la fisica sottostante dell'aggregazione dei pori, il modello può prevedere $R_p$ e le temperature del prodotto per condizioni di processo intermedie utilizzando parametri adattati solo a casi estremi (ad esempio, basse e alte temperature di scaffale), mentre il modello standard di Pikal richiede un nuovo adattamento per ogni condizione.
Utilizzo di Dati Strutturali: Il modello consente l'incorporazione diretta delle distribuzioni misurate della dimensione dei pori (ad esempio, da SEM) per vincolare i parametri empirici ( $N$ e $S$ , che rappresentano la densità dei pori e la scala dimensionale), riducendo la dipendenza dal solo adattamento dei dati di processo.
Efficienza Computazionale: Nonostante la maggiore complessità fisica aggiunta, l'approccio basato sui momenti mantiene un carico computazionale comparabile ai modelli standard della letteratura, rendendolo adatto alla progettazione e all'ottimizzazione dei processi.

Risultati

Formulazioni Amorfe: Quando adattato a due condizioni di essiccazione estreme per una formulazione amorfa, il PBM ha previsto con successo le temperature del prodotto e i tempi di essiccazione per tre condizioni intermedie con un'accuratezza comparabile agli adattamenti caso per caso di Pikal. Ciò dimostra la capacità del modello di catturare l'evoluzione della resistenza dipendente dalla temperatura senza ri-parametrizzazione.
Formulazioni Cristalline: Per il destrano cristallino (dove il microcollasso è trascurabile, $k \approx 0$ ), il modello è stato adattato alle PSD misurate tramite SEM. Utilizzando questi momenti misurati per fissare $N$ e $S$ , il modello ha previsto accuratamente $R_p$ attraverso quattro diversi cicli sperimentali utilizzando solo due parametri globali ( $C$ e $R_s$ ). Ciò ha confermato che le variazioni di resistenza tra diversi lotti cristallini possono essere spiegate dalle differenze nelle distribuzioni della dimensione dei pori.
Adattamento Multi-Esperimento: Un adattamento simultaneo di sei esperimenti con saccarosio (variando concentrazione e protocolli di congelamento) ha prodotto un unico set di costanti di velocità di microcollasso ( $k(T)$ ) e parametri di tortuosità ( $C$ ). Sebbene il modello abbia mostrato alcune deviazioni nella previsione dei tempi di essiccazione per casi specifici ad alta concentrazione, ha catturato con successo i trend generali dell'evoluzione della resistenza.
Regime di Flusso: L'analisi suggerisce che il flusso nella torta essiccata operi principalmente nel regime di transizione tra il flusso di Knudsen e il flusso viscoso, sebbene l'assunzione di Knudsen rimanga un'approssimazione ragionevole per le espressioni di resistenza derivate.

Significatività e Rivendicazioni
L'articolo sostiene che questo approccio basato sulla popolazione offre una base più rigorosa per la modellazione dei processi di liofilizzazione. Descrivendo il meccanismo fisico del microcollasso (aggregazione dei pori) piuttosto che solo la sua conseguenza empirica, il modello riduce il numero di esperimenti necessari per progettare cicli di liofilizzazione ottimali per formulazioni amorfe. Gli autori suggeriscono che questo framework potrebbe facilitare la progettazione di cicli che scatenino deliberatamente il microcollasso per accorciare i tempi del ciclo, a condizione che gli attributi di qualità del prodotto siano validati. Inoltre, la capacità di integrare misurazioni dirette della struttura dei pori (ad esempio, da SEM) nel modello offre una via per ridurre la sensibilità dei parametri del modello ai dati di processo specifici, rendendo potenzialmente il modello più robusto e trasferibile tra diverse formulazioni e apparecchiature. Il lavoro conclude che la costante di velocità del microcollasso può essere un parametro del materiale indipendente dalla precisa geometria porosa, un'ipotesi che merita ulteriori indagini.

Articoli simili