Назначение

Определить пользовательские требования к автономной FUZKK-утилите, которая принимает CSV-файл лабораторных данных, выполняет проверку по зашитым в код правилам и формирует LabWare-compatible JSON.

Область применения

Утилита предназначена для предварительной QC/QA-оценки, интеграционного тестирования, LIMS/LabWare flow и подготовки evidence trail. Окончательное решение остаётся за валидированной процедурой лаборатории и ответственным персоналом.

Пользователи

QC analyst, QA reviewer, CSV/validation engineer, LIMS/LabWare integration engineer, responsible laboratory specialist.

Пользовательские требования

1. Утилита должна запускаться без параметров и выводить самоописание, пример input.csv из GetDemoData() и demo evaluation для встроенного набора данных.
2. Утилита должна запускаться с двумя параметрами: input.csv output.json.
3. Утилита не должна читать input.csv и не должна писать output.json при запуске без параметров.
4. CSV должен читаться с CultureInfo.InvariantCulture для числовых значений.
5. Результат должен формироваться в LabWare-compatible JSON с Header, Samples, Results, Status, StatusCode, ErrorMessage, Description и DescriptionEN.
6. При PASS поле ErrorMessage должно быть пустой строкой.
7. Зашитые лимиты должны следовать приоритету: Ph. Eur. → British Pharmacopoeia / UK implementation → ЕАЭС / региональные требования → EMA/ICH/EU guidance → USP fallback.
8. Если точная монография неизвестна, применяются строгие стандартные API-лимиты: Assay 98–102%, total impurities ≤1.0%, individual impurity ≤0.5%, если это применимо к типу утилиты.
9. Для биопрепаратов и mAb-like продуктов должны учитываться агрегаты, стерильность и эндотоксины, если такие параметры релевантны назначению утилиты.
10. Если параметр может приходить в разных единицах, единица должна быть отдельным входным полем или явно отражаться в имени поля input.csv.

Входной CSV

BatchNumber,ProductName,FcRn_Binding_Affinity_Kd_nM,FcGammaRIIIa_Binding_EC50,Galactosylation_Percent,Sialylation_Percent,Afucosylation_Percent,ADCC_Activity_Percent,CDC_Activity_Percent,Standard_FcRn_Kd
PLASMA-Fc-2026-001,IVIG 10% Liquid,250.0,15.0,45.0,12.0,2.0,95.0,98.0,240.0
PLASMA-Fc-2026-002,Subcutaneous Ig 16%,260.0,16.0,42.0,11.0,2.5,92.0,95.0,240.0
PLASMA-Fc-2026-003,Hyperimmune Ig,245.0,14.0,48.0,13.0,1.8,98.0,102.0,240.0

Поля input.csv

Описание утилиты

Fc Function Effector Assay Checker — Анализатор эффекторных функций Fc-фрагмента препаратов плазмы

Fc Function Effector Assay Checker — Анализатор эффекторных функций Fc-фрагмента препаратов плазмы

ℹ️ Утилита оценивает функциональность Fc-региона иммуноглобулинов:
• Связывание с FcRn (период полураспада)
• ADCC активность (клеточная цитотоксичность)
• CDC активность (комплемент-зависимая цитотоксичность)
• Профиль гликозилирования (Галактоза/Сиаловая кислота)

⚠️ КРИТИЧНО: Изменения в гликанах меняют механизм действия!
Низкое сиалирование снижает противовоспалительный эффект ВВИГ.

Использование:
FcFunctionEffectorAssayChecker.exe → демо-режим (вывод в консоль)
FcFunctionEffectorAssayChecker.exe input.csv output.json → оценка ваших данных

Формат input.csv:
BatchNumber,ProductName,FcRn_Binding_Affinity_Kd_nM,FcGammaRIIIa_Binding_EC50,Galactosylation_Percent,Sialylation_Percent,Afucosylation_Percent,ADCC_Activity_Percent,CDC_Activity_Percent,Standard_FcRn_Kd

Пример:
PLASMA-Fc-2026-001,IVIG 10% Liquid,250.0,15.0,45.0,12.0,2.0,95.0,98.0,240.0

— ЗАЧЕМ ЭТО НУЖНО?
Контроль Fc-функций критичен для ВВИГ и специфических иммуноглобулинов (CSL, Grifols, Octapharma):
• Терапевтический эффект ВВИГ зависит не только от титра антител, но и от их способности взаимодействовать с иммунной системой через Fc-часть
• FcRn связывание определяет, как долго препарат циркулирует в крови (T1/2)
• Гликозилирование (особенно терминальная галактоза и сиаловая кислота) модулирует воспалительный ответ
• ADCC и CDC важны для нейтрализации вирусов и очищения от патогенов

⚠️ КРИТИЧЕСКИ ВАЖНО:
• FcRn аффинность должна соответствовать стандарту (±30%) для обеспечения предсказуемой фармакокинетики
• ADCC/CDC активность 80-120% от стандарта гарантирует эффективность
• Сиалирование коррелирует с противовоспалительной активностью (механизм действия при аутоиммунных заболеваниях)
• Галактозилирование необходимо для активации комплемента (CDC)
• Процесс фракционирования не должен повреждать Fc-регион или изменять гликановый профиль

Ключевые особенности утилиты:
• Комплексная оценка биологической активности Fc-фрагмента
• Корреляция структуры (гликаны) и функции (ADCC/CDC)
• Контроль периода полураспада через FcRn
• Поддержка различных типов иммуноглобулинов

Критические параметры:
• FcRn Kd: В пределах 30% от стандарта
• ADCC: 80–120%
• CDC: 80–120%
• Галактозилирование: Целевое значение ±5%
• Сиалирование: Целевое значение ±5%

💡 Советы по использованию:
1. Используйте клеточные линии, экспрессирующие человеческие Fc-рецепторы (NK cells for ADCC)
2. SPR (поверхностный плазмонный резонанс) дает наиболее точные данные по аффинности к FcRn
3. Контролируйте профиль гликанов методом HILIC-UPLC или масс-спектрометрии
4. Сравнивайте новые партии с референсным стандартом, прошедшим клинические испытания
5. При низком сиалировании проверьте условия хранения и pH препарата

⚠️ Особенность: В отличие от химических тестов, Fc-функциональность является интегральным показателем качества. Даже если белок химически чист, повреждение Fc-региона или изменение гликанов при производстве может сделать препарат неэффективным для лечения иммунодефицитов или аутоиммунных заболеваний.

Трассируемость и ограничения

• URS используется как исходный документ для functional specification, CSV review и последующей CSV/validation работы.
• Документ не является заменой утверждённой фармакопейной монографии, валидированного метода или внутренней спецификации продукта.
• Для product-specific лимитов приоритет имеет утверждённая спецификация заказчика.

Функциональная спецификация описывает поведение автономной консольной утилиты FUZKK, формат входных данных, алгоритм оценки и структуру выходного JSON.

Функциональный поток

1. Main() проверяет количество аргументов.
2. Если аргументов нет: PrintHello() выводит описание и встроенный пример input.csv, затем RunDemoEvaluation() выполняет Evaluate() по GetDemoData() и печатает demo JSON.
3. Если передано два аргумента: RunWithFiles(input.csv, output.json) читает CSV, выполняет Evaluate() по каждой строке и записывает LabWare-compatible JSON.
4. LoadData() использует CultureInfo.InvariantCulture и не должен вызываться в no-args режиме.
5. Evaluate() возвращает именованный кортеж с BatchNumber, ProductName, Parameters, CriticalFailCount, WarningCount, Recommendation и RecommendationEN.
6. GetIssues() формирует сообщения для ErrorMessage при WARNING/FAIL.

Правила оценки

• PASS: CriticalFailCount = 0 и WarningCount = 0.
• WARNING: CriticalFailCount = 0 и WarningCount > 0.
• FAIL: CriticalFailCount > 0.
• ERROR: исключение при чтении или обработке данных.
• ErrorMessage остаётся пустым при PASS.
• Лимиты зашиты в Program.cs; внешняя конфигурация лимитов не требуется.

Ввод и поля

BatchNumber,ProductName,FcRn_Binding_Affinity_Kd_nM,FcGammaRIIIa_Binding_EC50,Galactosylation_Percent,Sialylation_Percent,Afucosylation_Percent,ADCC_Activity_Percent,CDC_Activity_Percent,Standard_FcRn_Kd
PLASMA-Fc-2026-001,IVIG 10% Liquid,250.0,15.0,45.0,12.0,2.0,95.0,98.0,240.0
PLASMA-Fc-2026-002,Subcutaneous Ig 16%,260.0,16.0,42.0,11.0,2.5,92.0,95.0,240.0
PLASMA-Fc-2026-003,Hyperimmune Ig,245.0,14.0,48.0,13.0,1.8,98.0,102.0,240.0

Выходной JSON

{
  "Header": {
    "UtilityName": "Fc_Function_Effector_Assay_Checker",
    "Version": "1.0.0",
    "Timestamp": "UTC",
    "InstrumentID": "FUZKK-QC-WORKSTATION",
    "OperatorID": "Admin"
  },
  "Samples": [
    {
      "SampleID": "from BatchNumber",
      "BatchNumber": "from CSV",
      "ProductName": "from CSV",
      "TestName": "utility-specific test",
      "AnalysisCode": "utility-specific code",
      "Status": "PASS | WARNING | FAIL | ERROR",
      "StatusCode": "1 | 2 | 0 | -1",
      "ErrorMessage": "",
      "Description": "Russian recommendation",
      "DescriptionEN": "English recommendation",
      "Results": [
        {
          "ParameterName": "parameter",
          "ResultValue": 0.0,
          "UnitOfMeasure": "unit",
          "SpecificationLimit": "limit",
          "IsWithinSpec": true
        }
      ]
    }
  ]
}