リフォールディング条件最適化とDoE｜回収率を最大化する多因子設計

難しいのは、この綱引きを左右する因子が一つではなく、酸化還元系の比率・pH・温度・タンパク濃度・添加剤（アルギニン分子どうしの会合による凝集を抑え、高濃度処方では粘度を下げる働きも知られるアミノ酸。等のフォールディング助剤）・変性剤の除去方式と、互いに交互作用する複数のツマミからなる点です。ある因子の最適値が別の因子の水準によって動くため、一つずつ振る従来のやり方では真の最適点を外しやすく、実験回数だけがかさみます。

そこで有効になるのが、複数因子を系統的に同時に動かして条件空間を効率よく探索するDoE（実験計画法パラメータを変えたときCQAがどう応答するかを効率よく調べる実験計画法。、Design of Experiments）です。本稿では、可溶化と巻き戻しの原理を最適化の視点で押さえ直したうえで、凝集との競合、主要因子、除去方式の選択、DoEパラメータを変えたときCQAがどう応答するかを効率よく調べる実験計画法。による多因子最適化、そして回収率添加した既知量の標準物質に対して試験で実際に測定された値の割合を示す指標で、試験の正確さを表す。の評価とスケール・再現性までを実務目線で整理します。リフォールディングそのものの基礎は封入体のリフォールディングも併せてご覧ください。

可溶化から巻き戻しへ：最適化の対象となる条件空間

リフォールディングの起点は封入体の可溶化です。細胞破砕・遠心で回収し洗浄した封入体を、尿素（一般に6〜8 mol/L程度）や塩酸グアニジン（一般に6 mol/L前後）の高濃度カオトロープに溶かし、システインを持つタンパクでは還元剤（DTT抗体のジスルフィド結合を部分的に還元してチオール基を作り出し、薬物を結び付けるための反応部位を露出させる試薬です。詳しく →やβ-メルカプトエタノール）を加えて誤対合したジスルフィドを一度すべて切り、フリーのチオールに揃えます。この時点で鎖は伸びた変性状態にリセットされ、巻き戻しの出発点が整います。

次に変性剤を除いていくと、ポリペプチド鎖は自由エネルギーの低い構造へ向かいます。ここで効いてくるのが、変性剤の除去速度と、除去中に置かれる化学環境です。除去速度は希釈・透析・オンカラムのどれを選ぶかで決まり、化学環境は酸化還元比・pH・温度・タンパク濃度・添加剤の組み合わせで決まります。つまりリフォールディングの最適化とは、これら除去方式と化学条件からなる多次元の条件空間の中から、正しい折りたたみが凝集に勝つ領域を見つける作業にほかなりません。

条件空間が多次元であること、そして各次元が独立ではなく交互作用することが、この工程を一因子ずつの探索では扱いにくくしています。最適化を語る前に、まず競合の相手である凝集の性質を押さえておきます。

凝集との競合が多因子最適化を必然にする

リフォールディングの収率を最も下げる要因は、目的物どうしの凝集です。折りたたみ途中の中間体は疎水面を露出しており、これが分子間で会合すると不可逆的な凝集体タンパク質分子どうしが結合してできた高分子量の集合体です。有効性や免疫原性に影響するため、その含量を測ります。詳しく →になります。凝集は分子間反応なのでタンパク濃度の影響を強く受け、濃度が高いほど中間体どうしの衝突頻度が増えて凝集しやすくなります。一方、正しい折りたたみは基本的に分子内反応であり濃度に依存しにくいため、低濃度ほど巻き戻しが凝集に勝ちやすくなります。

ただし低濃度ほど良いという単純な話にはなりません。希薄にするほど処理液量が膨れ上がり、設備・バッファー・後段の濃縮負荷が増えます。回収率（凝集回避）と処理効率（濃度・容量）はトレードオフの関係にあり、さらに凝集の起こりやすさ自体が、pH・温度・添加剤・酸化還元条件によっても変わります。たとえば同じタンパク濃度でも、アルギニンを加えれば凝集閾値は上がり、温度を下げれば凝集速度は落ちますが反応速度も落ちる、というように因子が絡み合います。

このように、凝集と巻き戻しの競合は複数因子の交互作用のうえに成り立っています。一つの因子だけを最適化しても、他の因子の水準が変われば最適点が動くため、複数因子を同時に見なければ全体の最適に到達できません。ここに、多因子を系統的に扱うDoEの必然性があります。

主要因子を整理する：酸化還元・pH・温度・添加剤・濃度

最適化に入る前に、動かせるツマミを整理します。複数のシステインを持つタンパクでは、正しいジスルフィド結合の組み合わせを作ることが成否を分けるため、酸化型と還元型のチオール試薬を共存させた酸化還元系（レドックスシステム）を用います。代表例が酸化型グルタチオン（GSSG）と還元型グルタチオン（GSH）で、チオール-ジスルフィド交換チオールとジスルフィドの間で結合が組み替わる反応。誤った架橋を切り直し安定な正しいペアへ収束させる。によって誤った架橋を切り直しながら安定な正しいペアへ収束させます。一般に還元型をやや過剰にすると再編成が進みやすいとされますが、最適比はタンパクごとに異なります。

pHはチオラートチオールが脱プロトン化した反応性の高い型。弱アルカリ性で増え、チオール-ジスルフィド交換を進める。生成と交換反応性に効くため中性〜弱アルカリ性（一般にpH 8〜9付近）で巻き戻しが進みやすく、温度は反応速度と凝集速度の双方に効くため低温側で凝集を抑える設計がしばしば採られます。添加剤ではアルギニン（一般に0.4〜0.8 mol/L程度）が代表的で、折りたたみ中間体を安定化して会合を抑えます。これらの因子は次のように整理できます。

これらは互いに独立ではありません。たとえばpHを上げれば交換反応は速くなりますが、系によっては脱アミド化アスパラギンなどが変化して電荷が変わる化学的分解。特定の隣接配列で起きやすい。やジスルフィドスクランブリングのリスクも上がるため、温度や時間との兼ね合いで水準を決める必要があります。因子間の交互作用こそ、DoEが定量的に捉えたい対象です。

変性剤の除去方式：希釈・透析・オンカラム

化学条件と並ぶもう一つの大きな設計変数が、変性剤の除去方式です。同じ化学環境でも、変性剤をどれだけ速く・どのように抜くかで、中間体が凝集に回る割合が変わります。代表的な三方式には、それぞれ得意な失敗の抑え方があります。

希釈法は操作が簡便でスケールしやすい反面、大量のバッファーと容器を要し、一気に薄めると局所的な過飽和で凝集を招きます。これを避けるパルス希釈は、可溶化液を少量ずつ繰り返し添加して瞬間濃度を抑える方法です。透析や限外濾過（ダイアフィルトレーション）は変性剤を穏やかに連続除去でき誤対合を抑えやすい一方、時間がかかります。オンカラム・リフォールディングタンパクを担体に結合させたまま変性剤を入れ替える方法。分子間の会合を物理的に抑え、容量も抑えられる。はタンパクを担体に結合させたまま変性剤を入れ替え、分子間会合を物理的に抑えつつ容量も抑えられるアプローチです。

重要なのは、除去方式が単独で最適化できるものではなく、タンパク濃度や添加剤と組み合わせて初めて効いてくる点です。凝集が支配的なら瞬間濃度を下げられる方式へ、誤対合が支配的なら酸化還元をゆっくり効かせられる方式へ寄せる、という判断は、実は他因子との交互作用の読みそのものです。方式そのものをDoEの因子（カテゴリ因子）として組み込む設計もよく採られます。

なぜOFATではなくDoEなのか

伝統的な最適化は一因子ずつ（OFAT：One Factor At a Time一度に一つのパラメータだけ動かす従来の実験の進め方。相互作用を捉えにくい弱点があります。）動かす方法です。pHだけを振って最良点を決め、それを固定して次に温度を振り……と進めます。手順は分かりやすい反面、二つの弱点があります。第一に、因子間の交互作用を検出できないため、ある因子の最適値が別の因子の水準で動く場合に真の最適点を外します。第二に、因子と水準が増えるほど実験回数が組み合わせ的に膨らみます。

DoEは、複数因子を統計的に設計した組み合わせで同時に動かし、主効果（各因子単独の効き）と交互作用（因子の組み合わせで生じる効き）、必要なら曲率（二次の効き）までを一つのモデルで推定します。少ない実験回数で条件空間を広く覆えるうえ、どの因子が回収率に効くか、どの因子ペアが交互作用するかを定量的に示せるため、次の一手の根拠がデータで裏づけられます。

リフォールディングは、酸化還元比×pH、タンパク濃度×添加剤といった交互作用が本質的に効く工程です。OFAT一度に一つのパラメータだけ動かす従来の実験の進め方。相互作用を捉えにくい弱点があります。ではこれらを構造的に見落とすため、多因子・多水準・交互作用ありという問題設定と、DoEの得意分野がよく噛み合います。

DoEの進め方：スクリーニングから応答曲面法へ

DoEは通常、二段階で進めます。まずスクリーニング段階で、候補となる多数の因子（酸化還元比・pH・温度・濃度・複数の添加剤・除去方式など）の中から回収率に効くものを絞り込みます。この段階では各因子を2水準に取り、部分実施要因計画全組み合わせの一部のみを実施することで実験数を削減しつつ、主効果と主要な交互作用を効率的に推定できる実験計画法の一種。（fractional factorial）やPlackett-Burman計画のような実験効率の高い設計を使って、主効果の大きい因子を少ない実験で見極めます。

次に最適化段階で、絞り込んだ2〜4因子について応答曲面法効くパラメータとCQAの関係を定量化・モデル化する実験計画法の手法。設計空間の土台になる。（RSM：Response Surface Methodology）を適用します。中心複合計画（CCD）やBox-Behnken計画で各因子を3水準以上に取り、回収率などの応答に二次モデルを当てて、応答曲面から最適点とその周辺のロバストな領域を推定します。中心点（センターポイント）を複数回反復することで、純粋誤差（再現性）と曲率の有無を同時に評価できます。実験順はランダム化治験において被験者を実薬群・対照群などに確率的・無作為に割り付けることで、選択バイアスを排除する手法。し、日差などの系統誤差測定のたびに同じ方向に偏ってしまう誤差で、ランダム誤差とは異なり繰り返し測定しても平均化されない。はブロック化で切り分けます。

リフォールディングでは応答が一つではない点も重要です。可溶性回収率遠心後の上清に残るタンパク量。凝集の程度を把握する、リフォールディング評価の第一の指標。が高くても比活性製剤の単位質量または単位容量あたりの生物学的活性の高さを示す指標で、高いほど少量での効果が期待できる。が伴わなければ意味がないため、回収率・単量体率・比活性など複数の応答を同時に扱い、望ましさ関数（desirability）などで多目的に最適化するのが実務的です。これにより「溶けてはいるが誤フォールド」という偽の最適を避けられます。

回収率をどう定義し、どう測るか

DoEの応答が曖昧では最適化は成立しません。リフォールディングの回収率は「溶けた量」ではなく「正しく折れた量」で定義する必要があります。まず可溶性回収率（遠心後の上清に残るタンパク量）で凝集の程度を把握し、次に構造と活性で天然構造への到達度を確認します。この多面的な評価をDoEの応答として設計することが、最適化の質を決めます。

可溶性回収率だけを追うと、溶けてはいるが誤フォールドという偽陽性を拾います。サイズ排除クロマトグラフィー（SEC）で単量体と凝集体の比を、活性アッセイで機能到達度を見て、条件ごとにプロットすると、どの因子が効いているかが立体的に見えてきます。分析法そのものが検証されていないと応答のばらつきが交互作用の推定を濁すため、応答の測定法は最適化前に固めておくのが定石です。この後段の分析・精製との接続は微生物由来タンパクの回収・精製も参考になります。

スケールアップと再現性：デザインスペースへ

小スケールで得た最適条件が、そのまま製造スケールで再現するとは限りません。とくに希釈法では、可溶化液をバッファーへ加える際の混合効率がスケールで変わります。ラボでは瞬時に均一化される希釈も、大容量では局所的に変性剤濃度やタンパク濃度の高い領域が生じ、そこで過飽和・凝集が起きて回収率が落ちることがあります。添加速度・撹拌・温度制御の再現性を、スケールに依らず保てる設計が重要です。

このため、最適化は単一の最良点を探すだけでなく、その周辺で回収率が安定する領域（ロバストな領域）を選ぶ視点が要ります。応答曲面が急峻な尖った頂点よりも、多少条件が振れても回収率が保たれる緩やかな高原状の領域を選べば、スケール変動や日差に対して頑健なプロセスになります。ここでDoEが描いた曲面は、そのまま設計の根拠になります。

こうした「因子がこの範囲内なら品質が保証される領域」という考え方は、QbD（Quality by Design）でいうデザインスペースそのものです。DoEはデザインスペースを構築する中核手法であり、ICH Q8（製剤開発）やICH Q11（原薬の開発と製造）が示す考え方とも整合します。リスクに基づいて因子を選び、DoEで空間を描き、確認実験で検証する流れは、ICH Q9（品質リスクマネジメント）の枠組みとも噛み合います。プロインスリンのように巻き戻しと酵素的変換を組み合わせる系での条件設計はプロインスリンのリフォールディングと酵素的変換、そもそも封入体経路を選ぶかどうかの上流判断は微生物の宿主・発現系の選び方も併せて検討すると全体像がつかめます。

まとめ

封入体タンパクのリフォールディングは、正しい折りたたみと凝集が競合する多因子最適化問題です。酸化還元比・pH・温度・タンパク濃度・添加剤・変性剤の除去方式（希釈・透析・オンカラム）が互いに交互作用するため、一因子ずつ振るOFATでは真の最適点を外しやすく、DoE（実験計画法）による系統的な探索が有効になります。スクリーニングで効く因子を絞り、応答曲面法で最適領域を描き、確認実験で予測を検証する二段階の流れに、可溶性回収・凝集体・高次構造・活性という多面的な応答を組み合わせることで、「正しく折れた収率」を根拠づけて最大化できます。得られた最適領域は、混合効率などスケール依存の変動に頑健なロバスト領域として選び、デザインスペースの考え方でスケールと再現性まで見通すことが、実生産に耐えるプロセスの条件です。具体的な規格値・手法は一次情報（薬局方・ICH／GMP・各社資料）で確認してください。

参考文献

• ICH Q8(R2)（製剤開発）. https://www.ich.org/
• ICH Q11（原薬の開発と製造）. https://www.ich.org/
• ICH Q9(R1)（品質リスクマネジメント）. https://www.ich.org/
• ICH Q6B（生物薬品の規格及び試験方法の設定）. https://www.ema.europa.eu/en/ich-q6b-specifications-test-procedures-acceptance-criteria-biotechnological-biological-products-scientific-guideline
• USP General Chapter <1045> Biotechnology-Derived Articles. https://www.usp.org/
• Ph. Eur. 一般項（タンパク質医薬品関連の一般試験法）