(Q)SAR(定量构效关系)是一类根据化学物质分子结构与特定性质或效应之间关系进行预测的方法。在药品研发过程中,(Q)SAR预测可用于对大量实际或潜在杂质进行初步筛查,帮助企业更早识别需要重点关注的杂质。
对于制药企业,这一方法的价值主要体现在以下四个方面:
1)法规合规:不是加分项,是必答题
ICH M7是全球通行的致突变杂质控制指导原则,明确要求对杂质开展 (Q)SAR预测,且必须采用“规则型 + 统计型”两种互补方法,再由专家评审定论。我国NMPA已于2024年通过第1号公告实施 ICH M7(R2)。这意味着如果缺少 (Q)SAR评估工作,申报资料完整性会存在缺陷,收到发补通知几乎是必然。
2)成本管控:把实验资源用在“刀刃”上
通过计算机 (Q)SAR计算,可以在几小时内完成上百个杂质的初筛,先过滤掉绝大多数低风险杂质,只把真正可疑的少数留给Ames试验。既节约检测费用,也省去数周的等待周期。
3)研发时机:风险前置可节约大量研发时间
同样是一个高风险杂质,早发现与晚发现,代价天差地别:如果在工艺路线设计阶段发现,换一条路线即可;如果拖到申报阶段才暴露,可能意味着工艺变更、分析方法重做、稳定性研究重来,甚至重新排队申报。(Q)SAR真正的价值,是把决策点前移。
4)行业趋势:监管机构越来越认可计算毒理学
2025年4月,FDA发布《减少临床前动物试验路线图》,鼓励使用AI计算模型等新方法(NAMs)替代部分动物试验。2026年4月的一周年进展中,FDA已完成首个AI药物开发工具的资格认定,并发布支持NAMs的“权重证据”指南草案。in silico(计算机模拟)数据,正从“参考资料”变成可被采信的主力证据之一。
总体而言,(Q)SAR预测可用于对大量杂质进行初步筛查,帮助企业识别需要进一步开展Ames试验的潜在风险杂质,从而优化试验安排、降低检测成本,并将杂质风险识别前移至研发早期。
化学品合规
化妆品合规
检验检测
安全管理智能化
绿色低碳可持续
食品合规
食品接触材料/再生塑料
中国农药登记
境外农药登记