Los avances en las tecnologías de procesamiento en continuo, en paralelo con la expansión de las reacciones orgánicas complejas que permite la química de flujo, han conducido a un uso cada vez mayor de las reacciones en flujo en toda la industria farmacéutica. Sin embargo, el desarrollo de reacciones en flujo suele estar plagado de ineficiencias asociadas a la recopilación de datos en condiciones estacionarias y las opciones de experimentación rica en datos para caracterizar las reacciones en flujo siguen siendo escasas. En las primeras fases del desarrollo de fármacos, este reto se ve agravado por la disponibilidad limitada de materias primas clave y los cortos plazos de desarrollo.
Los experimentos automatizados de reacción transitoria/dinámica proporcionan una opción viable de intensificación del desarrollo de procesos para disminuir la carga de recursos y las ineficiencias que rodean al desarrollo de procesos de reacción de flujo. Además, el acoplamiento adecuado de esta técnica con las tecnologías analíticas de procesos en línea permite la generación de ricos conjuntos de datos durante experimentos prolongados y desatendidos, como los estudios de estabilidad o la autooptimización de reacciones integradas. En esta presentación, Brian Wyvratt analiza ejemplos de cómo Merck aprovecha los sistemas de flujo automatizados para mejorar la captura de conocimientos al tiempo que limita la carga de recursos.
Únase a los cientos de investigadores que ya han visto esta presentación.
Brian M. Wyvratt
Científico principal asociado, Merck & Co., Inc.
Brian es actualmente Científico Principal Asociado en la organización de Ciencias del Desarrollo y Suministros Clínicos dentro de los Laboratorios de Investigación Merck. Antes de ocupar el puesto actual de Brian en la planta piloto de moléculas pequeñas, apoyó el desarrollo de procesos en fase avanzada y la comercialización de múltiples proyectos. Brian ha participado activamente en la automatización de reactores, en particular para aplicaciones de flujo, con el fin de permitir una experimentación inteligente y eficiente rica en datos, así como el control de retroalimentación. Antes de incorporarse a Merck en 2016, Brian obtuvo su licenciatura en la Universidad de Lehigh y su doctorado en la Universidad de Michigan, ambos en Ingeniería Química.