监督和无监督的机器学习方法用于监测盐辅助疫苗配方中的可见微粒

科学领域:

• 生物制药制造业 生物制药制造业
• 疫苗配方科学 疫苗配方科学
• 分析化学是一种分析化学.

背景情况:

• 含有与盐辅助剂吸附的蛋白质抗原的疫苗悬浮剂需要混合以防止沉积.
• 混合过程可以产生无法检测到的新颗粒,使质量控制复杂化.
• 区分过程诱导颗粒与辅助颗粒是一个重大挑战.

研究的目的:

• 开发和比较机器学习方法来检测混合疫苗悬浮液时产生的新颗粒.
• 量化蛋白质吸附剂悬浮液与仅含辅助剂悬浮液中的颗粒生成率.
• 为了将颗粒生成与混合过程中蛋白质结构的变化相关联.

主要方法:

• 模拟的疫苗悬浮混合使用循环环.
• 流成像显微镜用于捕获粒子图像.
• 监督的卷积神经网络 (CNN) 用于粒子形态指纹.
• 无监督的变量自编码器 (VAE) 用于异常检测.
• 前面光光谱测试以评估蛋白质溶剂暴露.

主要成果:

• 两种CNN和VAE都成功地检测到了在抽过程中产生的新粒子.
• 与仅含辅助剂的安慰剂悬浮剂相比,含有蛋白质抗原和盐辅助剂的悬浮剂中观察到更高的新颗粒生成率.
• 前面的光指示了托残留溶剂暴露的变化,与颗粒生成相关.

结论:

• 机器学习,特别是CNN和VAE,提供了有效的方法来检测疫苗悬浮中的过程诱导颗粒.
• 蛋白质抗原的存在显著增加了在混合盐辅助剂悬浮液时的颗粒生成.
• 混合过程中的颗粒形成与蛋白质构成的改变有关.