微流控技术在脂质纳米颗粒（LNP）制备中的应用与工艺放大
微流控混合通过毫秒级的精确流体控制，将 LNP 的粒径多分散性（PDI）从传统批次法的 0.15–0.30 压到 0.10 以下，包封率提升至 90% 以上，并以"并行放大（numbering-up）"替代"体积放大（scale-up）"，解决了纳米制剂从实验室到 GMP 产线的核心工程难题。
一、为什么 LNP 制备离不开微流控
脂质纳米颗粒（Lipid Nanoparticle, LNP）是当前核酸药物（mRNA、siRNA、ASO）最成熟的递送载体。Onpattro（2018 年 FDA 批准的首个 siRNA 药物）和两款 mRNA 新冠疫苗的获批，验证了 LNP 的临床可行性。
但 LNP 的质量高度依赖制备工艺。传统批次法（如薄膜水化、乙醇注入、挤出法）的根本问题在于：
- 混合时间不可控：脂质与核酸的混合在秒到分钟级完成，而 LNP 的自组装发生在毫秒级——混合时间远慢于组装时间，导致颗粒在"组装完成前"经历了不均匀的浓度场。
- 批间差异大：批次法依赖搅拌/涡旋，流体力学环境不可复现，导致粒径 CV 高达 15–25%，这是 GMP 审计中最难解释的质量属性。
- 放大非线性：1 mL 到 1000 L 的体积放大，雷诺数、剪切力、混合效率全部改变，工艺参数无法直接迁移。
微流控的核心优势，是把"混合"这一关键步骤的流体力学环境精确、可复现、可并行地控制起来。
二、微流控 LNP 制备的混合机制
LNP 的经典制备路线是：将溶解在有机相（通常为乙醇）中的脂质，与溶解在水相（酸性缓冲液）中的核酸快速混合。有机相中的脂质在极性骤降时自组装，包裹核酸形成 LNP。
微流控实现快速混合的主流结构有三类：
| 混合结构 | 原理 | 特征 |
|---|---|---|
| T 型/T 结（T-junction） | 两相在微通道交汇处接触混合 | 结构简单，混合效率有限 |
| 流体聚焦（Hydrodynamic Flow Focusing, HFF） | 鞘流将中心流体压缩成微米级细流，缩短扩散距离 | 混合时间可至毫秒级 |
| 交错人字形混合器（Staggered Herringbone Mixer, SHM） | 通道底部人字形凹槽诱导混沌对流（chaotic advection） | 混合最充分，商业化主流 |
其中 SHM 结构（Belliveau 等 2012 年提出）是 Precision Nanosystems NanoAssemblr 系列的核心，也是目前 LNP 制备研究引用最多的微流控混合方案。
关键机理在于：层流条件下（低雷诺数），两相混合以分子扩散为主。SHM 通过凹槽引入横向混沌流，把扩散距离从通道宽度（百微米）压缩到人字形周期（数十微米），使混合时间降至 1–3 ms——这与 LNP 自组装的时间尺度相匹配，从而在颗粒成核前完成均匀混合。
三、决定 LNP 质量的关键工艺参数
微流控的可控性体现在以下参数可精确调谐：
1. 流速比（Flow Rate Ratio, FRR）
FRR = 水相流速 / 有机相流速。它决定混合时有机相的最终比例，直接影响：
- 粒径：有机相比例越高，成核过饱和度越高，粒径越小（通常 50–150 nm 范围内可调）
- 包封率：FRR 影响核酸与脂质的接触时机，过高/过低都会降低包封效率
2. 总流速（Total Flow Rate, TFR）
TFR 决定混合时间。SHM 结构下，TFR 从 1 mL/min 提升到 12 mL/min 时，混合时间从 ~10 ms 降至 ~1 ms，粒径显著减小且分布收窄。
3. N/P 比与脂质组成
- N/P 比（可电离脂质胺基与核酸磷酸基的摩尔比）：典型范围 3–6，影响包封率和转染效率
- 四组分体系：可电离脂质 / 胆固醇 / DSPC / PEG-脂质，摩尔比（如 50:38.5:10:1.5）是配方优化的核心变量
4. 温度与 pH
酸性缓冲液（pH 4–5）使可电离脂质质子化带正电，与带负电的核酸静电结合；混合后透析/稀释恢复中性 pH。
四、微流控 vs 传统批次法的量化对比
| 质量属性 | 微流控（SHM） | 传统批次法 |
|---|---|---|
| 混合时间 | 1–3 ms | 数秒–数分钟 |
| 粒径 PDI | < 0.10 | 0.15–0.30 |
| 批间 CV | < 5% | 15–25% |
| 包封率 | > 90% | 50–80% |
| 批次量 | mg–g（单芯片）/ kg（并行） | g–kg |
| 工艺可复现性 | 参数化可控 | 依赖操作经验 |
| 放大方式 | numbering-up（线性） | scale-up（非线性） |
数据综合自 Belliveau (2012)、Zhigaltsev (2012)、Roces (2020) 等微流控 LNP 制剂文献。
五、工艺放大：从 μg 到 kg 的路线选择
这是微流控对制药工业最具变革性的贡献，也是当前研究热点。放大有两条路线：
路线 A：体积放大（Scale-up）
保持单通道结构，增大通道尺寸或提高流速。问题在于：增大通道尺寸会改变混合时间与雷诺数，工艺参数不直接迁移，需要在每个规模重新优化。对 LNP 这类对混合动力学高度敏感的体系，体积放大的可行性有限。
路线 B：并行放大（Numbering-up）
将验证过的单芯片条件，复制 N 条并行通道。每条通道的流体力学环境与芯片级完全一致，因此：
- 工艺参数不变：μg 级验证的 FRR/TFR/N/P 直接迁移
- 产率线性增长：N 条通道 = N 倍通量
- GMP 友好：每通道独立监控，单通道堵塞可隔离不影响整线
Numbering-up 的核心挑战在分布均匀性（flow distribution）——如何保证 N 条并行通道的分流一致。这需要精密的歧管设计与在线压力监控，也是当前工程化的主要瓶颈。
六、当前瓶颈与趋势
瓶颈
- 材料限制：PDMS 芯片在有机溶剂（乙醇）中溶胀，产业化需 COC/玻璃等耐溶剂材料
- 在线质控：如何将 PAT（过程分析技术）集成到连续流，实时监控粒径/包封率，满足 FDA/NMPA 的 GMP 要求
- 分布均匀性：大规模 numbering-up 的分流一致性
- 监管框架：连续流模式下"批次"的定义（ICH Q13 已给出基于时间/通量的定义框架，国内指南仍在推进）
趋势
- 从"卖设备"向"全栈服务"演进：处方开发 + 微流控筛选 + GMP 生产的闭环
- AI 与微流控结合：AI 预测处方 → 微流控高通量验证 → 数据回流优化模型，把处方开发周期从 12–18 个月压缩到数周
- 连续流制造成为核酸药物产能扩张的默认技术路线
参考文献
- Belliveau NM, et al. Microfluidic synthesis of highly potent limit-size lipid nanoparticles for in vivo delivery of siRNA. Mol Ther Nucleic Acids. 2012.
- Zhigaltsev IV, et al. Bottom-up design and synthesis of limit size lipid nanoparticle systems using millisecond microfluidic mixing. Langmuir. 2012.
- Chen D, et al. Rapid discovery of potent siRNA-containing lipid nanoparticles enabled by controlled microfluidic formulation. J Am Chem Soc. 2012.
- Roces CB, et al. Manufacturing considerations for the development of lipid nanoparticles using microfluidics. Pharmaceutics. 2020.
- Shepherd SJ, et al. Microfluidic formulation of nanoparticles for biomedical applications. Biomaterials. 2021.
- Maeki M, et al. Advances in microfluidics for lipid nanoparticles and extracellular vesicles. Adv Drug Deliv Rev. 2018.
浙公网安备 33010602011771号