Cu/Mn杂质、铁源和接触材料 背后的隐性风险
2026.08.21
2026.08.21
在生物制药中，培养基作为关键过程材料，其原料的隐性波动会沿工艺链逐级放大，且后期变更成本极高、可切换空间极小。因此，原料风险识别必须前置至培养基开发、组方设计、供应商确认及工艺放大之前，而非等待批次偏差后再回溯排查。
在生物药实际生产过程中，大家会发现即使使用化学成分确定（CD）培养基, 批次间仍可能存在差异。有些差异很明显，比如pH异常、渗透压偏移、溶解性不好、粉体结块等。还有一些差异隐蔽的多，它们藏在原料的杂质图谱里、某个供应商的工艺路线里或藏在一批铁源里多出来的锰、一段不锈钢组件释放的金属离子中。尤其在高密度CHO细胞培养与高表达抗体生产工艺中，细胞培养基所携带的高风险原材料如：锰、铜、锌、铁这样的微量元素，哪怕只是轻微波动，也可能改变细胞生长、活率、代谢状态、目标蛋白产量，甚至影响抗体糖基化。
所以，原料管控最关键的问题是：如何保障用于培养基生产中的上百种原材料长期一致。这是保障细胞培养基批次一致性的底层逻辑之一。
很多人以为化学成分确定培养基每种成分都已知，理应更稳定。这个理解没有错，但不完整~
因为培养基原料并并非只是化学名称那么简单。一个原料进入培养基之前，已经经历了矿源、产地、生产工艺、发酵工艺、纯化路线、粉碎、筛分、包装、储存和运输。它的主成分名称虽然没有变，但杂质图谱会有显著的个体差异。
同样叫柠檬酸铁铵，不同供应商之间大概率会不一样。同样是葡萄糖，经历不同加热和储存条件后也会变的不一样。符合CoA的无机盐或氨基酸，其铜、锰、锌、铁背景水平也可能并不同。这些微量元素波动会导致CHO细胞代谢跟着偏移（如生长速度、活率、乳酸积累、产量乃至糖型变化）。这类问题难排查，就是因为它看起来不像传统意义上的“质量事故”。培养基配方没变，供应商出厂和使用方入场均检测合格，配液过程也无异常。可到了细胞培养环节，结果却不同。
在培养基质量管理里，杂质图谱看的是主成分之外，那些微量存在、却可能影响细胞行为的东西。
它包括微量金属，比如锰、铜、锌、铁等、原料生产中残留的副组分；还包括加热、储存、氧化、接触材料或设备处理过程中引入的降解物和污染物。
在一套高密度、高表达的CHO细胞培养工艺中，营养、代谢、渗透压、pH、微量元素、补料节奏、细胞状态等紧密耦合，对杂质波动的容忍度很窄。一旦某个金属离子浓度出现波动，最开始出现的信号，例如：
一批细胞长得快一点。
一批细胞掉活早一点。
一批滴度低一点。
一批糖型变了。
易被误认为普通工艺偏差。
若使用者和供应商都没有搭建高度敏感的追踪体系，等到这些问题在生物药生产工艺放大或连续批次中重复出现时，商业损失很难避免。
锰是细胞培养里一个很有代表性的元素。它不是绝对意义上的“坏东西”。在合适范围内，它参与糖基化，可调节抗体半乳糖基化水平。Gramer等人在2011年的研究中就报道过，低至纳摩尔浓度水平的锰，已经可以显著调节抗体糖基化，使抗体从较低半乳糖基化状态转向较高半乳糖基化状态[1]。
关键在于：如果锰是有意设计的，可以被管理；如果是以杂质形式随机带入的，则会成为一个隐蔽变量。
一批原料里锰多一点，细胞可能长得更快，活率可能更久，糖型可能也会变。下一批原料里锰少一点，同样的配方、同样的培养参数，结果又恢复。对生产团队来说，这种问题很折磨人。它不像DO或pH那样直观，它更像是一根很细的线，牵着细胞状态慢慢偏离。
这也是为什么有些培养基批次差异，最后会追溯到微量元素上。一开始，大家通常会排查反应器、探头、通气、搅拌、补料、接种状态，甚至怀疑细胞库。等这些更明显的因素都解释不通，才会有人回头看原料，看那一批铁源、盐类或其他组分里，是否藏着不该波动的金属背景。
Weiss等人在2021年研究了不同铁源原料对CHO细胞代谢和重组蛋白产品质量的影响 [2]。研究中，柠檬酸铁铵和柠檬酸铁都作为铁源添加到细胞培养基中。
从配方表看，它们都在做同一件事：补充铁。但细胞给出的答案并不一样。不同铁源带来了明显不同的细胞生长、产量和糖基化表现。进一步通过电感耦合等离子体质谱分析后，研究团队发现，差异并非来自铁本身，而是铁源中携带的锰等杂质——锰杂质与细胞生长加快、产量提升、活率延长以及糖基化水平改变密切相关。
图1：锰在化学成分限定培养基（CCM）中的剂量对于CHO-K1的细胞性能及糖基化的影响 (Weiss et al. 2021)
该案例是真实生产的典型缩影，表面上看，配方没有变；铁源名称也没有太大差别；核心差异是杂质图谱。对培养基开发来说，这件事提醒我们：原料不能只按不能仅按化学名、主成分指标评判原料。它进入细胞培养体系之后，才算真正接受考验。
一个原料在纸面上合格≠适用于CHO细胞大规模培养。一个原料在小试里可用≠适合长期商业化供应。中间还有很多需要被验证的部分。
微量金属的问题，很少是单个元素单独作用。Graham等人在2019年的综述中总结过，CHO细胞培养中的微量金属变异，可能通过氧化应激、细胞凋亡、乳酸积累和糖型变化等多条路径影响细胞表现[3]。
Markert等人采用自动化高通量系统，对13种微量金属进行了不同浓度水平下的DoE筛选，识别出锰、铜、锌和铁是影响N-糖基化加工和生物量形成的重要因素[4]。
这里有一个很重要的点：这些元素之间会相互影响。
图2：在Fed-batch培养中化学成分确定培养基（CCM）中高、低锰污染的FC铁源对CHO-K1(abc)及CHOZN(def)细胞性能的影响 (Graham et al. 2019)
锰可以促进糖链成熟；铜在特定锌背景下可能对糖链成熟产生负面影响；锌和铁又与细胞生长和生物量形成相关。也就是说，培养基中的微量金属管理，目的是维持多种金属离子在培养体系中的平衡。
同一个铜水平，在不同锌背景下可能意义不同。同一个锰水平，在不同铁源、不同细胞株、不同生产阶段中也可能产生不同影响。细胞看到的不是一个孤立数字，而是整个微量元素网络。
这就解释了为什么培养基批次差异有时很难被单点检测抓住。单项指标看着都在范围内，组合起来却可能让细胞培养发生了偏差。
（由于篇幅限制请扫描以下二维码索取以下白皮书完整Pdf）
化学成分确定培养基明确了主要成分和添加量，但原料中的杂质图谱、痕量金属背景、降解产物、供应商差异和加工过程仍可能存在波动。这些变量进入细胞培养后，可能影响CHO细胞生长、代谢、活率、产量和抗体糖基化。
铜和锰都是细胞培养中非常敏感的微量金属。锰可以影响抗体半乳糖基化和糖链成熟；铜在特定微量元素背景下，也可能影响细胞代谢和糖基化加工。它们的浓度即使很低，也可能改变细胞培养结果。
CoA是基础质量文件，但它通常不能覆盖全部细胞培养应用风险。某些微量杂质、痕量金属、降解物或接触材料引入的污染，除非特殊约定否则不在常规CoA中体现。对关键原料，还需要结合杂质图谱分析、供应商审计、批次趋势和功能性验证。
杂质可能来自原料本身，也可能来自粉碎筛网、金属接触材料、反应器组件、管路、容器、包装、储存、加热处理和转移过程。对于Cu、Mn等微量金属，设备和接触材料也应纳入风险评估。
抗体糖基化加工涉及多种细胞内酶促过程。锰、铜、锌、铁等微量元素会通过影响相关酶活性、细胞代谢状态和糖链加工过程，改变N-糖基化模式和终端半乳糖基化水平。
思鹏生物通过关键原料风险分级、供应商筛选与审计、杂质图谱与痕量元素评估、接触材料风险识别、功能性验证和长期批次趋势监控，降低原料批次差异对培养基表现的影响。
参考文献
[1] Gramer MJ, Eckblad JJ, Donahue R, et al. Modulation of antibody galactosylation through feeding of uridine, manganese chloride, and galactose. Biotechnol Bioeng. 2011;108(7):1591-1602. PMID: 21328321.
[2] Weiss CH, Merkel C, Zimmer A. Impact of iron raw materials and their impurities on CHO metabolism and recombinant protein product quality. Biotechnol Prog. 2021;37(4):e3148. PMID: 33742789.
[3] Graham RJ, Bhatia H, Yoon S. Consequences of trace metal variability and supplementation on Chinese hamster ovary (CHO) cell culture performance: A review of key mechanisms and considerations. Biotechnol Bioeng. 2019;116(12):3446-3456. PMID: 31403183.
[4] Markert S, et al. Traces matter: Targeted optimization of monoclonal antibody N-glycosylation based on/by implementing automated high-throughput trace element screening. Biotechnol Prog. 2020;36(6):e3042. PMID: 32583628.
[5] Williamson J, et al. Scale-dependent manganese leaching from stainless steel impacts terminal galactosylation in monoclonal antibodies. Biotechnol Prog. 2018;34(5):1290-1297. PMID: 29885096.
[6] Grinnell CM, Bareford L, Matthews TE, Brantley T, Moore B, Kolwyck D. Elemental metal variance in cell culture raw materials for process risk profiling. Biotechnol Prog. 2020;36(4):e2986.