Les progrès des technologies de traitement en continu, parallèlement à l'expansion des réactions organiques complexes permises par la chimie en flux, ont conduit à l'utilisation croissante des réactions en flux dans l'ensemble de l'industrie pharmaceutique. Cependant, le développement de réactions en flux est généralement entravé par les inefficacités associées à la collecte de données dans des conditions d'équilibre et les options d'expérimentation riches en données pour caractériser les réactions en flux restent rares. Dans les premières phases de développement d'un médicament, ce défi est aggravé par la disponibilité limitée de matières premières clés et par des délais de développement courts.
Les expériences automatisées de réaction transitoire/dynamique constituent une option viable d'intensification du développement des processus, qui permet de réduire la charge de ressources et les inefficacités entourant le développement des processus de réaction en flux. En outre, le couplage approprié de cette technique avec des technologies de procédé analytique en ligne permet de générer de riches ensembles de données au cours d'expériences prolongées et sans surveillance, telles que des études de stabilité ou l'auto-optimisation de réactions intégrées. Dans cette présentation, Brian Wyvratt donne des exemples de la manière dont Merck exploite les systèmes de flux automatisés pour améliorer l'acquisition de connaissances tout en limitant la charge de travail des ressources.
Rejoignez les centaines de chercheurs qui ont déjà visionné cette présentation.
Brian M. Wyvratt
Scientifique principal associé, Merck & Co, Inc
Brian est actuellement chercheur principal associé au sein de l'organisation des sciences du développement et de l'approvisionnement clinique des laboratoires de recherche de Merck. Avant d'occuper son poste actuel au sein de l'usine pilote de petites molécules, Brian a soutenu le développement et la commercialisation de processus à un stade avancé dans le cadre de plusieurs projets. Brian a été activement impliqué dans l'automatisation des réacteurs, en particulier pour les applications de flux, afin de permettre une expérimentation intelligente et efficace, riche en données, ainsi qu'un contrôle par retour d'expérience. Avant de rejoindre Merck en 2016, Brian a obtenu une licence de l'Université de Lehigh et un doctorat de l'Université du Michigan, tous deux en génie chimique.