生物檢定 — 平行線法

平行線法(Parallel Line Method)用於比較反應與 log(劑量) 呈線性關係的標準品和供試品:配適共同斜率,兩條直線的水準位移即為對數相對效價。三項有效性檢定(迴歸顯著性、平行性、線性)必須通過。每個製劑至少使用 3 個正劑量水準並設定重複。輸出包括帶信賴限的效價、符合性、診斷結果和劑量-反應圖。

最後審閱

核心要點

平行線法透過配適反應對 log(劑量) 的平行直線,估計供試品相對於標準品的相對效價;兩條直線之間的水準距離即為對數相對效價。

本頁內容
  1. 什麼是生物檢定 — 平行線法?
  2. 何時使用生物檢定 — 平行線法?
    1. 正確使用生物檢定 — 平行線法的指南
    2. 替代方法:何時不宜使用生物檢定 — 平行線法
  3. 生物檢定 — 平行線法範例
  4. 如何產生生物檢定 — 平行線法

什麼是生物檢定 — 平行線法?

平行線檢定(Parallel Line Assay),也稱平行線法(Parallel Line Method),是一種統計方法,用於在生物檢定中估計供試品相對於標準品的相對效價。它在共同的 log(劑量) 尺度上比較標準品和供試品的劑量-反應關係,前提是有效的比較要求配適的直線相互平行。

在平行線檢定中,y 軸表示測得的反應(例如抑菌圈、生長速率或其他生物反應),x 軸表示所給劑量的對數。對標準品和供試品配適一個共同斜率,兩條直線之間的水準(對數劑量)距離即為估計的對數相對效價。當反應在所測範圍內隨劑量的對數線性增加(或減少)時,此方法尤其適用。

平行線檢定對於確認供試品的效價可以合理地相對於公認標準品來表示至關重要。它透過正式的有效性檢定確認:劑量-反應關係在統計上顯著,各製劑的直線相互平行,並且該關係在所測劑量範圍內呈線性——效價估計值被視為有效之前,這三項檢查缺一不可。

平行線法廣泛用於製藥和生物技術產業,例如測定抗生素、疫苗和其他生物製品的效價,符合 USP <111>(Design and Analysis of Biological Assays)和歐洲藥典 5.3(Statistical Analysis of Results of Biological Assays)等監管要求。它給出效價估計值及其信賴限,可支援放行檢驗、穩定性評估和註冊申報。

何時使用生物檢定 — 平行線法?

當需要將一個或多個供試品的效價與標準品進行比較,且預期測得的反應與劑量的對數呈線性關係時,使用平行線法。它常用於微生物和生物效價檢定,例如抗生素、激素或疫苗檢定,其中標準品和供試品各自在多個劑量水準下進行測試,並預期兩條(或多條)劑量-反應直線相互平行。

正確使用生物檢定 — 平行線法的指南

  • 在 Preparation 欄中包含一個清晰標註的 Standard 製劑和至少一個 Test 製劑
  • 儘可能為每個製劑使用至少 3 個劑量水準,以便檢定線性
  • 確保劑量值嚴格為正(該方法基於 log(劑量);零或負劑量無效)
  • 儘可能使各製劑相鄰劑量之間的比值保持一致(「對稱」設計),以簡化結果解釋
  • 為每個劑量-製劑組合收集足夠的重複,以便精確估計殘差誤差
  • 報告效價結果之前,務必檢查三項有效性檢定:迴歸顯著性(Significance of Regression)、平行性(Parallelism)和線性(Linearity)
  • 為 Assumed Standard Potency 和 Assumed Test Preparation Potency 設定合理的值,使估計效價以正確的單位表示

替代方法:何時不宜使用生物檢定 — 平行線法

如果預期測得的反應與劑量本身(而非劑量的對數)呈線性關係,且檢定包含零劑量(空白)處理,請改用斜率比法。如果反應是質反應(例如存活/死亡、有反應/無反應)而非連續量測值,則質反應法更為合適。

生物檢定 — 平行線法範例

某製藥公司的品質管制分析員希望測定新生產的一批抗生素(供試品)相對於參比標準品的效價。分析員將兩種製劑配製成三個濃度(2、4 和 8 µg/mL),量測其對某試驗菌產生的抑菌圈(單位 mm),每個製劑的每個濃度設 4 個重複平板。分析員的步驟如下:

  • 收集所需資料。
bio-parallel-raw


  • 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
  • 要找到生物檢定 — 平行線法,請選擇 Statistical module > Regression > Bioassay — Parallel Line Method。
  • 在工具中輸入資料及其他輸入項,如下所示:
bio-parallel-option


  • 使用上述工具後,得到如下輸出:
bio-parallel-out


如何產生生物檢定 — 平行線法

操作步驟如下:

  • 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
  • 在首頁選擇 Statistical Tool > Regression > Bioassay — Parallel Line Method。
  • 點選 Bioassay — Parallel Line Method,進入工具介面。
  • 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
  • 接下來,選擇 Response、Dose 和 Preparation 欄,輸入 Standard 製劑的標籤,並設定所需選項。
  • 最後,點選頁面底部的 calculate,即可得到所需結果。

生物檢定 — 平行線法的工具介面分為兩部分。

左側為資料窗格(Data Pane)。可以手動輸入資料,也可以從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。

  • Load example: 將載入範例資料。
  • Load File: 用於直接載入 Excel 資料。

右側提供以下選項:

  • Response: 包含測得的生物反應(例如抑菌圈、吸光度)的欄。
  • Dose: 包含所給劑量或濃度的欄。值必須嚴格為正。
  • Preparation: 標明每個觀測值屬於哪個製劑(Standard 或 Test)的欄。
  • Standard preparation label: 在 Preparation 欄中用於標示標準品的確切文字(例如「Standard」)。
  • Design type: 選擇 Completely Randomised Design;如果需要考慮 Block 欄,則選擇 Randomised Block Design。
  • Block column: 僅 Randomised Block Design 需要;用於標示集區因子(例如平板或批次)。
  • Assumed standard potency / Assumed test preparation potency: 標準品和供試品的標稱(標示)效價,用於將相對效價換算為絕對估計效價。
  • Confidence level: 用於效價信賴限的信賴水準(%)。
  • Potency CI error term: 哪種變異數用於效價信賴限。「Pure error」要求每個製劑/劑量有重複觀測,EP 5.3 即有此要求。(瞭解更多)
  • Compliance lower limit / Compliance upper limit: 估計相對效價的可接受範圍(%),用於標記符合性為 Pass/Fail。
  • Logarithm base: 自然對數或以 10 為底的對數——應用於 Dose 欄的轉換。
  • Significance level for validity tests (α): 用於迴歸、平行性和線性有效性檢定的顯著性閾值。
  • Outlier threshold: |標準化殘差| 的數值,超過該值的個案診斷列將被標記為離群值。
  • Show case diagnostics table / Show normality-homogeneity tests / Show dose-response graph: 用於在輸出中包含或排除這些部分的開關。
  • Download as Excel: 以 Excel 格式顯示結果,便於編輯,並可透過 load file 選項重新載入以進行計算。

常見問題

什麼是平行線檢定?

平行線檢定用於估計供試品相對於標準品的相對效價。將反應對劑量的對數作圖,對各製劑配適一個共同斜率,兩條直線之間的水準對數劑量距離即為估計的對數相對效價。它符合 USP <111> 和歐洲藥典 5.3 的要求。

平行線檢定需要進行哪些有效性檢定?

效價估計值有效之前須滿足三項檢查:劑量-反應關係必須在統計上顯著,各製劑的直線必須相互平行,並且該關係在所測劑量範圍內必須呈線性。報告效價結果之前,務必檢查迴歸顯著性、平行性和線性。

什麼情況下應改用斜率比法或質反應法?

當反應與劑量本身而非 log(劑量) 呈線性關係,且檢定包含零劑量空白時,使用斜率比法。當反應為二元結果(如存活/死亡或有反應/無反應)而非連續量測值時,使用質反應法。

平行線檢定需要多少個劑量水準?

儘可能為每個製劑使用至少 3 個劑量水準,以便檢定線性,且劑量必須嚴格為正,因為該方法基於 log(劑量)。各製劑相鄰劑量之間保持相同比值(即對稱設計)可簡化結果解釋,每個劑量和製劑組合設定足夠的重複則可精確估計殘差誤差。