LNP 从零开始 · 第 6 篇
你已经选好了四种脂质、调好了 N/P 比、用微流控混合出了一批 LNP。管子里的液体看上去清亮均匀，一切似乎顺利。接下来要回答的是：这批 LNP 质量如何，拿什么数据证明。"跑了一批，transfection 不错"这种说法在实验室里可以，到了 IND 申报的桌上就远远不够了。LNP 质量控制有六个核心指标：粒径、PDI、包封效率、mRNA 完整性、表面电位和形态学。
只看 DLS 粒径，不足以判断一批 LNP 是否合格。粒径分布可以过关，但包封效率只有 60%，将近一半的 mRNA 裸露在外面。包封效率挺高，但里面的 mRNA 已经断成了碎片，翻译不出完整的蛋白质。所有数据都漂亮，但两周后再测，粒径从 80 nm 长到了 200 nm，说明这个配方并不稳定。
这就是为什么药物监管机构（无论是美国 FDA 还是欧洲 EMA）都要求申报方明确定义并持续监控一组关键质量属性（Critical Quality Attributes, CQAs）。CQA 的概念来自 ICH Q8 指南：它指的是那些对产品质量有显著影响的物理、化学、生物学或微生物学性质。对 LNP-mRNA 产品，监管机构期望你能回答：粒径是多少，分布有多宽，mRNA 包进去了多少，包进去的 mRNA 还完整吗，表面电荷是什么状态，颗粒长什么样。每一个指标都有明确的可接受范围，每一批产品都需要检测并记录。
从研发角度看，质量表征还有另一层意义：它为配方优化提供依据。如果你改了 ionizable lipid 的种类，粒径和 EE 变了多少？如果你把 TFR（总流速）从 12 mL/min 提到 20 mL/min，PDI 有没有改善？没有系统的表征数据，就说不清哪一项改动带来了哪一个变化。
LNP 的粒径直接决定了它在体内的分布和命运。几十纳米的差别，就可以让颗粒去到完全不同的器官。
肝脏的窦状内皮细胞之间有开窗结构（fenestrae），人体的窗孔直径约 107 nm。粒径在 100 nm 以下的颗粒可以穿过这些窗孔，进入肝实质细胞（hepatocyte）的 Disse 间隙，被肝细胞摄取。LNP-mRNA 疫苗和大多数 LNP 药物天然倾向于肝脏富集，因为它们的粒径正好落在这个窗口里。如果粒径超过 200 nm，颗粒更容易被脾脏的网状内皮系统（RES）截留和清除，循环时间大幅缩短。
粒径还影响细胞摄取的途径。120–200 nm 的颗粒主要通过网格蛋白介导的内吞（clathrin-mediated endocytosis）进入细胞，这是最常见的胞吞方式；而 60 nm 以下的小颗粒可能更多地通过小窝蛋白介导的路径（caveolae-mediated endocytosis）进入。不同的内吞途径会影响颗粒在细胞内的运输路线和最终到达内体/溶酶体的时间，进而影响 mRNA 从内体逃逸的效率。
对于大多数 LNP-mRNA 应用，理想的粒径范围是 60–120 nm。这个范围与人肝窦窗孔（约 107 nm）大体相当，颗粒又足够大，能携带足量的 mRNA 分子。FDA 期望看到粒径在批次间保持一致。假如你的三批样品分别是 70 nm、110 nm 和 160 nm，即使每批的细胞实验结果都还可以，审评员也会质疑你的工艺控制能力。
PDI 是多分散指数（Polydispersity Index）的缩写，衡量一批颗粒的大小分布宽度。如果一批 LNP 里每个颗粒大小都完全一样，PDI 就是 0；如果大小从 20 nm 到 500 nm 什么都有，PDI 就接近 1。
在药物开发中，PDI < 0.2 被认为是可接受的均一度标准，PDI < 0.1 算是非常优秀。当 PDI 超过 0.3，说明粒径分布很宽：有些颗粒可能太大（超过 200 nm，会被 RES 清除；超过 450 nm 甚至可能堵塞毛细血管），有些可能太小（包裹的 mRNA 量不足）。这种不均一的分布意味着不同的颗粒在体内会有完全不同的行为，让药效变得不可预测。
PDI 过高通常指向工艺问题，比如混合速度不够快导致局部过饱和，或 pH 调节不均匀。乙醇去除步骤太慢，也会让颗粒发生 Ostwald 熟化（大颗粒越长越大、小颗粒越缩越小）。如果你反复拿到 PDI > 0.3 的结果，与其调配方，不如先检查你的混合设备和操作参数。
测量 LNP 粒径最常用的方法是动态光散射（Dynamic Light Scattering, DLS）。原理并不复杂：激光照射稀释后的 LNP 样品，纳米颗粒在溶液中做布朗运动（Brownian motion，被水分子撞击产生的随机热运动）。小颗粒运动快，大颗粒运动慢，散射光强度随之快速涨落（fluctuation）。仪器通过自相关函数（autocorrelation function）分析涨落的时间特征，反推颗粒的扩散系数，再根据 Stokes-Einstein 方程计算出流体动力学直径。
DLS 给出两个核心结果：z-average 直径（强度加权的平均粒径）和 PDI。z-average 是强度加权，大颗粒权重更大（散射光强度与直径的六次方成正比）。如果样品里 99% 是 80 nm、1% 是 300 nm 聚集体，z-average 会偏大，因为那 1% 贡献了不成比例的散射光。这是 DLS 的局限，所以 PDI 很重要：PDI 能告诉你这个平均值的代表性。
作为 DLS 的补充，纳米颗粒跟踪分析（Nanoparticle Tracking Analysis, NTA）可以直接在显微镜下观察和追踪单个颗粒的运动轨迹，给出基于数量的粒径分布和颗粒浓度。NTA 的优势在于它能分辨出 DLS 分不开的细节：比如一个看似均匀的样品里是否存在两个独立的粒径群体。
日常筛选时，粒径和浓度可以在同一次测量里拿到：Stunner 用同一个样品同时完成 DLS 粒径测定和 UV/Vis 浓度测定，2 µL 样品、几分钟出结果。
包封效率（Encapsulation Efficiency, EE）衡量的是你投入的 mRNA 中，有多少真正被包裹在了 LNP 内部，而不是游离在溶液里。计算很直接：
EE% = (总 mRNA - 游离 mRNA) / 总 mRNA × 100%
为什么这个数字这么被看重？有两个原因。
第一是经济账。mRNA 原料贵：体外转录（IVT）用的 NTP、酶、模板 DNA、加帽试剂，加上后续的多步纯化，每一步都要花钱。如果 EE 只有 50%，一半的 mRNA 就浪费在溶液里了。放大到临床和商业化生产的用量，这笔损失也跟着放大。
第二个问题更严重：游离的 mRNA 不只是"没用上"，它还会引发问题。裸露的单链 RNA 是先天免疫系统的强效激活剂。内体膜上的 TLR7/TLR8 和细胞质中的 RIG-I、MDA5 等模式识别受体检测到它后，会触发 I 型干扰素和促炎细胞因子的释放。即使你的 mRNA 用了 N1-甲基假尿嘧啶核苷（m1Ψ）修饰来减低免疫原性，大量游离 mRNA 仍然可能引起不必要的炎症反应。所以 EE 不仅影响效果，还影响安全性。
行业的普遍标准是 EE > 85%，优化好的配方可以做到 90%–95% 以上。低于这个门槛，通常意味着配方或工艺需要调整。
测 EE 最主流的方法是 Ribogreen 荧光法。Ribogreen（全名 Quant-iT RiboGreen）是一种荧光染料。它游离状态下几乎不发荧光，一旦和 RNA 分子结合（嵌入碱基之间），荧光信号会增强超过 1000 倍。所以背景信号很低，适合测低浓度的 RNA。
EE 测定要做两组平行。第一组：LNP 和 Ribogreen 直接混合，不加表面活性剂。LNP 完整，Ribogreen 无法穿过脂质膜，只能和游离 mRNA 结合，荧光值反映"未被包裹的 mRNA"。第二组：加 Triton X-100（非离子表面活性剂，0.5%–2%），它破坏 LNP 脂质膜，释放所有内部 mRNA；再加 Ribogreen，荧光值反映"总 mRNA"。公式：EE% = (总荧光 - 游离荧光) / 总荧光 × 100%。
这个方法简单、灵敏度高、通量也不错（96 孔板一次可以跑几十个样品），但也有要注意的地方。Triton X-100 的用量必须足够把所有 LNP 都裂解干净。裂解不完全时，"总 mRNA"被低估，游离 mRNA 的读数却不受影响；按公式推算，EE 会偏低。另外，样品需要稀释到合适的浓度范围内，太浓会导致荧光自淬灭（self-quenching），太稀则信号不够。
N/P 比是最直接的影响因素。太低（可电离脂质不够），mRNA 得不到充分静电中和，包封不完全。太高（可电离脂质过多），多余脂质形成空载颗粒，拉低利用效率。大多数配方用 N/P 4:1 到 6:1。
混合速度也有影响。微流控快速混合（毫秒级）比手工移液能得到更高、更一致的 EE。它让 mRNA 和脂质在过饱和瞬间均匀接触，减少局部浓度不均造成的自由 mRNA。
pH 同样关键。混合在酸性（pH 4–5）下进行，让可电离脂质带正电结合 mRNA，混合完再透析到中性。酸性 pH 没调准或透析太快造成跳变，都会影响 EE。
测定 EE 之后，往往还需要知道 mRNA 的绝对浓度。裂解 LNP 后，可以通过 UV 吸光度法在 260 nm 波长下测定 mRNA 浓度。用 Lunatic 这样的 UV/Vis 微量分光光度计，裂解 LNP 后 2 µL 即可测定 mRNA 浓度。
包封效率高并不等于药效有保障。如果包在 LNP 里面的 mRNA 已经断裂成碎片，核糖体就读不出完整的蛋白质。所以"包了多少"之后，还要问包进去的 mRNA 有多少是全长。
mRNA 是公认的脆弱分子。RNA 骨架上每一个核苷酸的核糖 2'-OH 都是一个潜在的水解位点：在碱性条件下，2'-OH 会攻击相邻的磷酸二酯键，导致链断裂。这是 RNA 比 DNA（缺少 2'-OH）天然不稳定得多的化学根源。除了自发水解之外，mRNA 在 LNP 制备和储存过程中还面临多重威胁：
最直观的方法是琼脂糖凝胶电泳。把 LNP 裂解后提取的 mRNA 跑一块变性凝胶。完整的 mRNA 会以一条清晰锐利的条带出现在对应分子量的位置。如果 mRNA 发生了降解，条带下方会出现弥散的"拖尾"（smear）；降解越严重，拖尾越长、主带越淡。
凝胶电泳的优点是直观：一眼就能看出样品的完整性状况，成本也低。但它是半定量的，不太适合精确计算完整性百分比。
要精确定量，行业标准是毛细管电泳（Capillary Electrophoresis, CE）。CE 把样品注入一根细如发丝的毛细管（内径通常 50–75 µm），在高压电场下按分子量分离 RNA 片段，用 UV 或荧光检测器记录电泳谱图。完整的全长 mRNA 出现为一个尖锐的峰，降解片段出现在更靠前的位置（更短的分子迁移更快）。通过计算全长峰面积占总峰面积的比例，可以精确得出 mRNA 的完整性百分比。CE 是 GMP 放行检测的常用标准方法，能给出凝胶电泳给不了的定量结果。
另一种选择是离子对反相 HPLC（IP-RP HPLC）。它利用离子对试剂（如三乙胺）和反相色谱柱的组合，在疏水性差异的基础上分离完整 mRNA 和降解片段。HPLC 的分辨率非常高，能区分仅差几个核苷酸的片段，但方法开发和验证比 CE 复杂，运行时间也更长。
临床级 mRNA-LNP 产品的完整性标准通常是 > 80% 全长 mRNA。低于这个阈值，蛋白质表达效率会大幅下降：核糖体翻译到断裂位点就会脱落，产出的是截短的无功能蛋白片段。在稳定性研究中，完整性是衰退最明显的指标之一：即使冷冻储存在 -20°C，mRNA 的完整性也会随时间缓慢下降，在 2–8°C 下下降更快。Moderna 的 COVID 疫苗最初要求 -20°C 储存，辉瑞的要求更严格，到 -60°C 至 -80°C。两者都是为了把 mRNA 水解压到可接受的速率。
悬浮在水溶液中的纳米颗粒，表面会吸附一层离子和水分子，形成双电层。颗粒移动时，其中一部分液体随颗粒一起运动，这部分的外边界叫滑动面。Zeta 电位测的就是滑动面处的电位，它代表了颗粒在水环境中的有效表面电荷。
LNP-mRNA 产品的 zeta 电位在不同 pH 下应该截然不同，这正是可电离脂质设计的核心体现：
测定 zeta 电位用的是电泳光散射（Electrophoretic Light Scattering, ELS）。在样品池中施加一个已知的电场，带电颗粒会在电场作用下发生定向迁移。激光照射移动中的颗粒，通过检测散射光的频率变化来计算颗粒的迁移速率，再换算成 zeta 电位。测量时需要注意缓冲液的盐浓度：盐浓度过高会"压扁"颗粒周围的离子层，使 zeta 电位的绝对值偏低。通常在 10 mM 的磷酸盐或 HEPES 缓冲液中测量，用适当的 pH 调节来分别获取中性和酸性条件下的数据。
前面五个指标给了你数字（粒径、PDI、EE、完整性、zeta 电位），但数字是间接的。LNP 内部是什么结构，要靠成像直接看。
要看纳米颗粒的真实形貌，最有说服力的方法是冷冻透射电镜（Cryo-Transmission Electron Microscopy, Cryo-TEM）。这项技术的核心思路是：在极短时间内把液态的 LNP 悬浮液冻结成玻璃态冰（vitrification，玻璃化），然后在低温下用电子束成像。
取极少量 LNP 样品（3–5 µL）滴到覆盖了多孔碳膜的 TEM 铜网上。用滤纸从侧面吸去多余液体，留下一层薄膜（厚度约 100–300 nm）。然后立即投入液态乙烷中（温度约 -183°C）。液态乙烷的冷却速率极高（约 10,000°C/s），水分子来不及形成有序的冰晶结构就被冻住了，这就是"玻璃化"。
为什么不直接用液氮？因为液氮接触室温样品时会瞬间沸腾，产生的气泡层反而隔热，冷却速度不够快。水分子有时间排列成冰晶，冰晶会捅穿 LNP 的膜结构。液态乙烷不会沸腾，冷却又快又均匀。
玻璃化之后，样品在 -170°C 以下的冷冻传输台中送入 TEM，在低剂量模式下成像（因为过量电子束辐射会损伤冷冻样品）。得到的图像直接展示了 LNP 在溶液中的天然结构。
许多人脑海中的 LNP 形象是一个中空的球形囊泡，mRNA 分布在中间的水腔里。但 cryo-TEM 显示的真实情况完全不同：大多数载有 mRNA 的 LNP 显示出电子致密的实心核心，内部是无序的反向胶束（inverted micelle）结构或多层膜折叠区域。这个核心是由 mRNA 和可电离脂质通过静电作用形成的复合物，外面包裹着一层磷脂和 PEG-lipid。空载 LNP（没有 mRNA）的内部结构明显不同：通常呈现更多的空腔结构，因为缺少了 mRNA 作为模板来组织内部脂质的排列。
Cryo-TEM 还能揭示一些 DLS 和其他方法分辨不出的细节。比如，某些配方条件下 LNP 表面会出现"气泡状"突起（blebs），这通常指向配方未充分优化。可能是某种脂质组分比例不对，或者混合条件导致了不均匀的自组装。再比如，你可能会观察到少量 LNP 之间形成了桥接聚集体，这在 DLS 上可能只表现为 PDI 略高，但 cryo-TEM 能直接观察到聚集的形态。
原子力显微镜（Atomic Force Microscopy, AFM）用一根纳米级的探针在样品表面扫描，可以获得表面三维形貌和机械性质（如弹性模量）。AFM 的样品制备相对简单：把 LNP 吸附到云母片表面，然后在空气中或液体中扫描即可。但干燥过程可能导致颗粒变形（塌陷或展平），所以观察到的形态和溶液中可能有差异。
小角 X 射线散射（Small-Angle X-ray Scattering, SAXS）是一种不需要成像的结构分析方法。它通过分析 X 射线被样品散射后的强度分布模式，反推样品内部的周期性结构。如果 LNP 内部存在有序的反向六方相（inverted hexagonal phase, HII）或层状相（lamellar phase），SAXS 谱图上会出现对应的特征衍射峰。SAXS 的优势在于它是在溶液中做的（不需要冻结或干燥），而且是统计平均：一次测量反映的是整个样品群体的结构特征，而不是单个颗粒。
实际上，大多数实验室不会常规做 cryo-TEM：设备昂贵，操作需要专门培训的技术人员，样品通量也低。但在两个场景下它是必须的：发表高影响力论文（审稿人几乎必然要求 cryo-TEM 图像），以及向 FDA 提交 IND 或 BLA 申请时的完整表征数据包。所以 cryo-TEM 一般留到候选配方确定之后再做。
一批合格的 LNP-mRNA 产品，需要在所有关键质量属性上同时达标。下面这张表汇总了有数值放行标准的 CQA。形态学没有统一的数值标准，不在表里；表中多出的无菌性在表后说明。
质量属性 / 可接受标准 / 测量方法
粒径（z-average）:可接受标准 60–120 nm;测量方法 DLS
PDI:可接受标准 < 0.2;测量方法 DLS
包封效率（EE）:可接受标准 > 85%;测量方法 Ribogreen 荧光法
mRNA 完整性:可接受标准 > 80% 全长;测量方法 毛细管电泳 (CE)
Zeta 电位 (pH 7.4):可接受标准 ±5 mV（接近中性）;测量方法 电泳光散射 (ELS)
无菌性:可接受标准 通过 0.2 µm 滤膜过滤；内毒素 < 5 EU/mL;测量方法 LAL / rFC 法
无菌性前文没有展开。LNP-mRNA 产品必须通过 0.2 µm 无菌过滤，这一步本身也是对粒径的间接验证。如果 LNP 粒径控制得好（80–100 nm），就能顺利通过 0.2 µm（200 nm）的滤膜。如果有大量聚集体或粒径过大的颗粒，过滤过程中损失就会很大，甚至堵塞滤膜。内毒素（来自革兰氏阴性菌细胞壁的脂多糖）的控制同样严格：注射用制剂的内毒素上限通常是 5 EU/mL，由 LAL（鲎试验）或重组 Factor C（rFC）法检测。
这些指标不能只在产品放行时检测一次。稳定性研究（stability study）是 LNP-mRNA 产品开发中不可跳过的环节。你需要在不同温度条件下（-80°C、-20°C、2–8°C、25°C）存放样品，在预设的时间点（1 周、1 个月、3 个月、6 个月、12 个月）取样检测所有 CQA。哪个指标最先衰退？答案几乎总是 mRNA 完整性和 EE：随着时间推移，mRNA 在 LNP 内部缓慢水解，同时部分 mRNA 可能从颗粒中渗漏出来。粒径在良好配方中通常比较稳定，但如果 PEG-lipid 脱落（PEG-lipid 的脂质锚与 LNP 之间的结合不是永久性的），颗粒可能会开始融合和增大。
指标之间还相互制约，所以不能把每个指标单独调到最好。比如，想要更小的粒径（比如 60 nm），可以提高混合速度或降低脂质浓度。但更小的颗粒意味着更少的内部体积来容纳 mRNA，EE 可能因此下降。又比如，提高 N/P 比可以提升 EE，但过多的可电离脂质可能导致 zeta 电位在 pH 7.4 下偏正，增加毒性风险。PEG-lipid 含量提高可以降低 PDI（更好的立体稳定性阻止颗粒聚集），但 PEG 含量太高会抑制细胞摄取和内体逃逸效率（所谓的"PEG 困境"）。
因此每改一个参数，都要把受它牵连的指标一起复测。日常筛选用 DLS 和 Ribogreen 测粒径、PDI 和 EE；候选配方确定后，再用 CE 测完整性、用 cryo-TEM 看结构。
本文内容整理自：Raj Kumar (Ed.), Lipid Nanoparticle-based mRNA Delivery Systems, Academic Press (Elsevier), 2026, Chapter 4 §4, §7, §12 (Ushasi Das et al.) 和 Chapter 2 §4.2 (Soumarshi Das)。