صنعت داروسازی در سال‌های اخیر با موج تازه‌ای از نوآوری در حوزه زیست‌کاتالیز روبه‌رو شده است که رویکردهای سنتی توسعه فرآیند را دگرگون کرده است. زیست‌کاتالیز به معنای استفاده از مواد بیولوژیک، معمولاً آنزیم‌ها، برای تسریع واکنش‌های شیمیایی است. در صنعت داروسازی، این واکنش‌ها معمولاً با استفاده از یک آنزیم برای تبدیل یک سوبسترا به پیش‌ماده یک ماده مؤثر دارویی (API) در داروهای کوچک مولکول انجام می‌شوند. واسطه‌های API تولیدشده توسط آنزیم نقش اساسی در تولید محصولات دارویی پرفروش جهانی دارند. اندازه بازار جهانی آنزیم‌ها تا سال ۲۰۲۰ حدود هفت میلیارد دلار برآورد شده است. با این حال، صنعت داروسازی به دلیل ماهیت بیولوژیک آنزیم‌ها، روندهای فناورانه جاری و ریسک بالای توسعه محصولات در مراحل اولیه، با محدودیت‌هایی در بهره‌گیری کامل از این فناوری مواجه بوده است. پایان‌نامه حاضر با تمرکز بر این چالش، چارچوبی راهبردی برای ارزیابی و انتخاب فناوری‌های نسل بعدی در زیست‌کاتالیز ارائه می‌دهد.

تاریخ تحول زیست‌کاتالیز را می‌توان در چهار موج فناورانه خلاصه کرد. موج اول بر استفاده از عصاره‌های بافت گیاهی و حیوانی تکیه داشت که حاوی آنزیم‌هایی با فعالیت‌های مورد نظر برای واکنش‌های سنتزی خاص بودند. موج دوم با ظهور فناوری ژن، امکان کلون‌سازی و بیان آنزیم‌های مورد نظر در میزبان‌های میکروبی مناسب و همچنین جهش‌زایی هدفمند را فراهم کرد. موج سوم بر مهندسی پیشرفته پروتئین استوار بود، اما با چالش‌هایی مانند هزینه‌های بالا و زمان‌بر بودن همراه بود. اکنون موج چهارم، که با عنوان زیست‌کاتالیز محاسباتی شناخته می‌شود، در حال شکل‌گیری است و از فناوری‌هایی مانند متاژنومیکس، توالی‌یابی ارزان ژنوم، هوش مصنوعی و مدل‌سازی رایانه‌ای بهره می‌گیرد. این موج جدید می‌تواند آنچه را که در موج‌های پیشین غیرممکن بود، ممکن سازد و رویکردهای توسعه فرآیند را برای شرکت‌های فعال در این حوزه دگرگون کند. فرآیند یافتن زیست‌کاتالیزور بهینه برای یک تبدیل شیمیایی دارویی، یک مسئله کشف و مهندسی چندوجهی است که شامل جستجو در فضای وسیع و بهینه‌سازی غیرخطی می‌شود.

با وجود پتانسیل بالای این فناوری‌ها، شرکت‌های داروسازی برای بهره‌گیری کامل از آن‌ها با محدودیت‌هایی مانند کمبود زمان و شکاف‌های دانشی مواجه‌اند. راهکار پیشنهادی در این پایان‌نامه، بهره‌گیری راهبردی از سازمان‌های تأمین خارجی، به‌ویژه سازمان‌های توسعه و تولید قراردادی (CDMO)، برای دسترسی به نوآوری‌های نسل بعدی و پر کردن شکاف‌های توانمندی داخلی است. بر این اساس، یک چارچوب جامع برای انتخاب مکان یا شریک مناسب در حوزه زیست‌کاتالیز طراحی شده است. این چارچوب از رویکردی لایه‌ای و مرحله‌ای پیروی می‌کند که با ارزیابی اولیه سایت آغاز شده و به تحلیل گزینه‌های واقعی برای تصمیم‌گیری کمی در انتخاب مکان فناوری‌های نوظهور می‌رسد. خروجی نهایی این چارچوب، کاهش ریسک سرمایه‌گذاری در فناوری نوظهور و تسهیل پیاده‌سازی فرآیندهای نوآورانه در مراحل اولیه زیست‌کاتالیز است.

چارچوب پیشنهادی در سه مرحله اصلی سازمان‌دهی شده است. مرحله نخست، ارزیابی و انتخاب سایت، شامل بررسی دقیق چشم‌انداز صنعت، تحلیل شرکت‌های بورسی و خصوصی، و بررسی پنج مؤلفه کلیدی شامل پلتفرم محاسباتی، ثبت اختراعات، مقالات علمی، افراد کلیدی و شرکای تجاری است. پلتفرم محاسباتی به فناوری، فرآیندها و مدل‌هایی اشاره دارد که یک شرکت توسعه داده است و ایده‌آل آن است که این پلتفرم به‌طور گسترده قابل استفاده و مستقل از طبقه‌بندی آنزیم باشد. ثبت اختراعات نشان‌دهنده حفاظت از مالکیت فکری و مزیت رقابتی است. مقالات علمی نشان‌دهنده تخصص و دامنه کاربرد فناوری هستند. افراد کلیدی باید ترکیبی متنوع از مهارت‌ها در زیست‌کاتالیز، مدیریت کسب‌وکار، منابع سرمایه و حقوق را داشته باشند. شرکای تجاری می‌توانند دسترسی به سرمایه، اعتباربخشی به پلتفرم و موارد استفاده را فراهم کنند. این مرحله با استفاده از منابع عمومی مانند اسناد مالی، پایگاه‌های داده ثبت اختراع و اطلاعات سرمایه‌گذاری، تصویری اولیه از توانمندی‌های هر نامزد ارائه می‌دهد. خروجی این مرحله، نقشه حرارتی کیفی است که به تصمیم‌گیرندگان ارشد امکان می‌دهد به‌سرعت وضعیت هر گزینه را درک کنند. همچنین، مصاحبه‌های مستقیم با تیم پروژه CDMO برای تأیید و راستی‌آزمایی مهارت‌ها، مأموریت و هم‌راستایی کلی ضروری است.

مرحله دوم، ماتریس تصمیم‌گیری، بر شناسایی تیم تصمیم‌گیرنده و گردآوری معیارهای کلیدی از دیدگاه ذی‌نفعان مختلف متمرکز است. تحلیل سازمانی و مصاحبه با ذی‌نفعان نشان می‌دهد که سه معیار اصلی فناوری، مجوزدهی و هزینه بیشترین اهمیت را دارند. در بخش فناوری، عواملی مانند اندازه و تنوع پایگاه داده متاژنومیک و حداقل ورودی مورد نیاز برای کشف آنزیم بررسی می‌شود. هدف اصلی فناوری، یافتن پلتفرم غربالگری نوآورانه برای کشف بهترین آنزیم‌های آغازین برای واکنش‌های مراحل اولیه است، به‌گونه‌ای که جستجو تنها بر اساس تعریف سوبسترا و محصول انجام شود. در بخش مجوزدهی، شرایط مطلوب برای مشتری، مالکیت اطلاعات توالی آنزیم و انعطاف‌پذیری در تولید و مهندسی آینده اهمیت دارد. در بخش هزینه، مدل‌های قیمت‌گذاری ثابت، مرحله‌ای، حق امتیاز و اشتراکی و تأثیر آن‌ها بر هزینه کل کشف و توسعه بررسی می‌شود. ماتریس تصمیم‌گیری با وزنی‌دهی به این معیارها، گزینه‌های اولیه را به تعداد محدودتری کاهش می‌دهد و امکان مقایسه عینی و بدون سوگیری را فراهم می‌کند.

مرحله سوم، تحلیل گزینه‌های واقعی، به‌عنوان ابزاری کمی برای تصمیم‌گیری در شرایط عدم قطعیت به کار می‌رود. در این مرحله، برای هر یک از گزینه‌های باقی‌مانده، درخت تصمیم‌گیری قطعی و سپس مدل تصادفی مبتنی بر شبیه‌سازی مونت‌کارلو ساخته می‌شود. این مدل‌ها مسیرهای ممکن از آغاز پروژه تا تحویل آنزیم آماده فرآیند را شامل می‌شوند و هزینه و احتمال موفقیت هر مسیر را محاسبه می‌کنند. درخت تصمیم‌گیری قطعی، یک نمای بصری از مسیرهای تصمیم و پیامدهای مرتبط ارائه می‌دهد و یک حالت پایه برای تحلیل بیشتر ایجاد می‌کند. سپس، به دلیل عدم قطعیت شناخته‌شده در معرفی فناوری جدید، مدل تصادفی با استفاده از شبیه‌سازی مونت‌کارلو توسعه می‌یابد که با نمونه‌برداری تصادفی مکرر، تخمینی احتمالی از نتایج بالقوه سناریوهای مختلف ارائه می‌دهد. نتایج نشان می‌دهد که شرکت‌های دارای پایگاه داده متاژنومیک بزرگ و مدل‌های هوش مصنوعی اختصاصی، در سناریوهای پیچیده و زمان‌بر کشف آنزیم، مزیت هزینه‌ای قابل توجهی دارند. تحلیل حساسیت نیز نشان می‌دهد که این مزیت در شرایطی که هزینه گزینه‌های جایگزین بالا و فرآیند کشف نامطمئن و زمان‌بر باشد، بارزتر است.

یافته‌های این پژوهش نشان می‌دهد که به‌کارگیری چارچوب پیشنهادی می‌تواند فرضیه اولیه هزینه بالای همکاری با CDMOهای فناوری نوظهور را به چالش بکشد و کاهشی در حدود بیست درصد در هزینه‌های مورد انتظار ایجاد کند. این امر ریسک سرمایه‌گذاری در فناوری‌های نوظهور را کاهش داده و پیاده‌سازی فرآیندهای نوآورانه در مراحل اولیه زیست‌کاتالیز را تسهیل می‌کند. بر این اساس، توصیه می‌شود شرکت‌های داروسازی که در حوزه‌ای خاص تخصص کافی ندارند، این چارچوب را در فرآیند انتخاب سایت و شریک خود ادغام کنند تا تصمیم‌گیری عینی، سیستماتیک و هم‌راستا با اهداف راهبردی سازمان باشد. همچنین، استانداردسازی ابزارهای نرم‌افزاری، قالب‌های توسعه و مخازن دانش برای کاربرد گسترده در حوزه‌های مختلف خط تولید دارو و پایش مستمر عملکرد شرکای منتخب، می‌تواند اثربخشی این چارچوب را بیش از پیش افزایش دهد. این چارچوب به تصمیم‌گیرندگان قدرت می‌دهد تا در چشم‌انداز پویای صنعت داروسازی، انعطاف‌پذیری و سازگاری لازم را داشته باشند.