辉瑞公司通过 Spectrus 实现化学分析数据的科学管理

整理自凯美科公众号原文发布 2022-08-19应用案例制药企业

对于规模较大一些的企业，日常的分析数据如NMR、LC&GC/MS、Chrom等等都在不断地积累增长，对这些数据的管理已经不再是一件轻松的事情。为了更好地应对监管部门的监督查询、单位内部人员对数据的查询及利用，我们需要通过专业的软件平台实现科学、高效的管理。

之前ACD/Labs公司与辉瑞的一些部门主管举办了一场网络研讨会。Vijay Bulusu、Pankaj Aggarwal和David Foley都来自辉瑞公司Worldwide Research & Development的PharmaSci Small Molecule部门，他们谈到了辉瑞的科学数据云(Scientific Data Cloud ，SDC)如何帮助科学家快速、轻松地获取信息，从数据中快速获得有用的信息，及时响应监管部门的询问，并加速产品开发的进程。其中，Spectrus软件平台是SDC分析数据存储管理的核心。

错失的机遇、监管驱动的因素和挑战推动了辉瑞重新设想科学数据管理

• 辉瑞科学数据云(SDC)的目标
• 为什么辉瑞选择Spectrus软件平台来管理化学分析数据
• 辉瑞从Spectrus的科学数据管理中的受益

在往期的文章中，我们对该研讨会进行了翻译(点击查看)，在此，我们重新回顾一下，相信对很多尚未开始考虑实验室数据管理以及正在为化学数据管理头疼的伙伴们带来一些参考。

一、辉瑞为何重新设想科学数据管理

1.1 藏在暗处的数据(Dark data)

在大型企业中，有许多与数据相关的挑战，围绕着员工如何找到与他们工作相关的数据，尤其是由其他人生成的数据。他们可能不知道(a)数据最初是否存在，或(b)数据保存在哪里，(c)可能没有访问数据存储库的权限，或(d)可能没有关于如何使用数据的培训。

Vijay说，“在这种情况下，我们以前都是通过”人力网络“的方法——寻找信息的同事要么拿起电话，要么给他们认为可能更容易获得这些数据或信息的其他同事发电子邮件或消息索取。”

网络研讨会听众的投票结果显示，分析数据是由研发人员在各种系统中管理的(如图1所示)。

“我们在寻找数据时遇到了同样的问题和挑战……数据通常存储在个人电脑或硬盘驱动器上。我们面临着Dark data的挑战”Vijay说。“Dark data”的概念由Gartner提出，是指组织在常规业务活动中收集、处理和存储的信息资产，但通常不会用于其他目的[1]。

1.2 分析数据的管理——企业/组织的挑战

当SDC项目开始时，辉瑞的科学家们还在通过手工的方式交换数据文件。数据一般是某部门、某团队或不同site中储存。有些信息是向前流动的——从研究到开发再到制造——但往回流动的信息很少。

在SDC项目开始时，当被问及辉瑞分析数据管理的痛苦程度时，Vijay反驳说，这个问题非常具体。“在个人层面，你可以说分析数据管理并不痛苦，因为你知道你的数据存储在哪里，你知道如何访问相同的数据。从企业的角度来看或从宏观的角度来看，问题就会变得具有挑战性了，因为你很难找到和重新利用他人生成的数据。”

1.3 数据分散在不同的地理位置和整个IT系统

此外，与其他大型研发机构一样，辉瑞的分析小组在地理上是分散的。结构解析技术团队服务于全球开发和临床生产，由11名NMR和质谱专家组成，分别位于美国的Groton (CT)和英国的Sandwich。“我们每年可能会解析鉴定600多个化合物的结构。我们面临的挑战是，这两个团队位于非常不同的地点，也处于不同的时区。”对于色谱数据，问题更加严重，因为有更多的研究员在美国和英国收集了数千份色谱图。不仅数据分散，项目也经常易主。

“通常情况下，项目可能在美国处于早期开发阶段，然后搬到我们的英国网站进行后期开发，反之亦然。两个Sites之间的数据高效传输正变得越来越重要，”Pankaj补充说。

Vijay还指出，辉瑞的分析仪器来自不同的供应商，每个供应商的仪器数据都有自己的格式和数据类型，这使得数据之间的比较和互操作性变得异常困难和耗时。

1.4 分散的数据造成的问题和带来什么后果？

Dave说:“在以前的情况下，我们与其花时间在多个系统中寻找以前的原始数据，还不如重新对样本进行测试并重复整个分析过程。在项目开始的时候，我们知道我们正在错过机会，因为这些有价值的信息非常分散——分散在不同人员的笔记本电脑上、不同的分析仪器上，或者人们的大脑中。”

1.4.1 监管机构的期望，数据完整性和质量

监管机构的期望、数据完整性和数据质量都是驱动我们提高数据管理的原因。

“这些年来，”Vijay分享道，“我们看到监管机构要求原始数据文件的数量在增加。这些原始数据文件分布在多个系统和数据库中，这对快速访问造成了难题。作为一个额外的压力源，如果在监管检查期间不能快速找到数据，人们越来越担心产品质量。数据完整性也变得越来越普遍关心的问题。”

辉瑞还希望专注于数据的质量。“仅仅存储数据并使其可访问是远远不够的。我们还想确保，如果我生成了一些数据，而我的同事在6个月或6年之后发现了它，那么关于如何以及为什么收集和捕获数据的背景也需要明确。”Vijay补充道。

1.4.2 技术创新速度

制药行业希望加快创新，用新疗法填补管道。为了管理快速移动和同时进行的项目，一个基于云的数据管理和分析系统可以有效地访问数据，以确保项目的正常进度。

这些组织目标影响每个人。“每个人都超级忙;“很多项目都在加速，”Dave表示赞同，“努力腾出时间和提高效率是非常重要的。其中一个主要目标是消除重复的结构信号归属工作——这简直是浪费时间。”

1.4.3 提高科学洞察力，而不仅仅是数据管理

“人们试图摆脱管理数据的负担——对数据进行标签化、元数据管理等，”Vijay说。“用户们常要求，‘给我访问数据的权限，让我分析它，获得新的见解’，而我们以往的科学数据系统和数据仓库不足以支持这一转变。”一个采用尖端技术构建的新系统将支持对现有数据的按需分析。

为了更好地理解这一点，Vijay将科学的数据管理与用手机拍照进行了类比。“你上一次用智能手机拍下照片或视频，然后必须给文件命名、整理要放照片或视频的文件夹是什么时候;顺便说一句，永远记得这些信息吗?数据管理就是这样发生的。个别科学家必须记住他们把信息保存在哪里。在这个时代，我们认为，必须有更好的方法来管理科学数据。”

二、SDC 项目目标

辉瑞的愿景是用自动化、集中的基于云计算的系统(SDC)取代人工、孤岛式的信息交换。从实验室仪器和制造设备生成的数据将被自动扫入SDC，存储、标记、处理和格式化以供使用。这些数据可以提供给其他系统，用于报告、预测、建模和分析，而不需要繁琐的拷贝到Excel和其他分析工具。SDC需要符合GMP要求，并能够存储和分析多种数据类型——光谱数据(NMR、MS等)、色谱数据(LC、UV等)、表征数据(PXRD等)、制造数据(历史记录、PAT等)——以及不同格式——结构化、非结构化、化学反应式、化学结构等。

SDC也根据FAIR原则[2]进行设计:数据是可查找的、可访问的、可互操作的和可重复利用的。

三、为什么选择 Spectrus 进行化学数据管理

选型的几点理由：Spectrus 平台兼容 NMR、MS、LC、GC、UV 等不同仪器的数据；辉瑞科学家此前已在用 Spectrus 系列工具，熟悉平台操作；可用化学参数（化学结构、子结构与保留时间、峰、峰面积等光谱元素）检索数据库；工作流核心参数（如 ELN 记录号与化合物编号）可集成进检索方案；平台应用还能利用已有谱图数据加快流程，例如用训练过的 NMR 预测数据库支持更快、甚至自动化的结构验证。

“我们是制药行业(研究)小分子的分析化学家……一切都基于其结构。”——Pankaj A.

已经信号归属的NMR数据会自动输入到ACD/Labs的NMR训练数据库中，用于化学位移预测，并可以由项目专家(SMEs)进行调整。通过将辉瑞的特定化合物和相关的化学变化导入数据库，可以帮助我们不断完善预测准确度。”——David F.

四、辉瑞从 Spectrus 数据管理中的受益

4.1 集中化的、可重新再利用的分析数据

数据从分析仪器自动扫到云端——“科学家不需要对数据进行转换或整合……科学家需要知道数据来源的复杂性被消除了。”我们已经能够把所有的数据放到一个中心位置，让普通用户可以在许多不同的应用中使用它。”

“我不需要进入我的ELN，打电话给我的朋友，询问那些方法条件，或者从LIMS中搜索方法条件。我有现成的方法，我可以去实验室尝试重复这种方法，”Pabkaj补充说。

4.2 对不同Sites、小组、仪器和数据类型之间的数据进行轻松搜索

我们有一个完全可搜索的，金标准的核磁共振和质谱数据库。可以通过PF数(辉瑞化合物编号)、结构和子结构进行搜索。科学家可以进行光谱匹配。他们可以输入核磁共振或质谱，然后快速回答这个问题:“数据库中是否有与此密切匹配的光谱或化合物?”搜索信息的时间大大减少了，”大卫解释道。

4.3 通过消除重复的工作和实验来提高效率

Pankaj说道，通过访问集中的色谱方法数据库，大大节省了研究工作的时间。“如果我试图开发一种手性方法，我可以搜索数据库来帮助回答这个问题，‘手性方法是否已经存在?“ 如果我在开发阶段中，一种方法可能已经在研究阶段中开发出来了。(现在)我可以画出这个结构，然后搜索数据库，看看是否有现成的方法可以使用或作为参考起点，而不是从头开始开发一种新的手性方法。”

4.4 人们逐渐从集中的分析数据库中轻松获得有价值的信息

Panakaj继续说道:“我能够使用Spectrus数据库轻松进行的趋势分析，这在以前的时候往往需要很长时间——我必须跨越多个系统，如ELN、LIMS、Empower，将所有数据组合到一个Excel文件中，并绘制作图，最总才得出结论——只有在某台LC仪器中才能看到色谱峰拖尾的现象。”

01　参考资料

[1] https://www.gartner.com/en/information-technology/glossary/dark-data

[2] https://www.nature.com/articles/sdata201618