增强实时细胞培养监测:使用塔古奇方法自动化拉曼模型优化

科学领域:

• 生物技术和分析化学
• 过程分析技术 (PAT) 是一种分析技术.

背景情况:

• 拉曼光谱对于细胞培养监测至关重要,但模型性能通常受到主观预处理和参数选择的限制.
• 当前的方法依赖于经验或试错,导致模型的准确性和可靠性低于最佳.

研究的目的:

• 开发和验证一种自动化,有效的方法,以优化部分最小方程 (PLS) 模型在拉曼光谱中用于生物过程监测.
• 建立一个系统的方法来选择最佳的预处理步骤,光谱区域和模型参数.

主要方法:

• 使用实验设计 (DoE) 方法与L25(5^6) 直角数组来优化PLS模型.
• 研究了五个关键因素:萨维茨基-戈莱光滑宽度,基线校正,预处理顺序,光谱区域和潜在变量.
• 使用Taguchi分析与信号噪声比来确定最佳的参数组合.

主要成果:

• 能源部的方法成功地确定了最佳模型配置,接近全球最佳.
• 经过验证的模型表现出与使用不同尺度,光谱仪和分析物的原始数据构建的模型相比,性能优越.
• 该方法被证明是可靠的,无论数据大小或光谱仪品牌如何,都能产生一致的结果.

结论:

• 美国能源部提出的战略提供了一种可靠和自动化的方法,用于优化生物过程监测中的拉曼光谱模型.
• 这种系统方法显著提高了模型的准确性,并减少了与详尽方法相比的开发时间.
• 这些发现突出了DOE在工业生物处理中实施先进分析技术的实际实用性.