一种创新的混合建模方法,用于同时预测细胞培养过程动态和产品质量
Jakub Polak1, Zhuangrong Huang2, Michael Sokolov1
1DataHow AG, Zurich, Switzerland.
Biotechnology journal
|March 26, 2024
概括
一个新的混合混合模型准确地预测了细胞培养过程动态和关键质量属性 (CQA). 这种创新方法可以将预测准确度提高33%,并减少数据需求,为流程优化提供了一个有前途的平台.
科学领域:
- 生物技术是生物技术.
- 工艺工程是过程工程.
- 数据科学数据科学数据科学
背景情况:
- 混合模型将机械学和机器学习相结合,用于过程预测.
- 现有的模型很难从过程参数直接预测关键质量属性 (CQA).
- 准确的CQA预测通常需要机械知识.
研究的目的:
- 开发一种混合混合模型,同时预测过程动态和CQAs.
- 提高预测细胞培养最终产品质量的准确性和效率.
- 为了降低与模型培训相关的实验成本.
主要方法:
- 混合传播模型与历史数据驱动模型的整合.
- 开发一种混合混合模型,用于预测过程演变和CQAs.
- 评估模型在工业数据集上的表现,与黑盒模型相比.
主要成果:
- 与黑盒模型相比,混合混合模型在预测CQAs方面表现优异.
- 拟议的模型在CQA预测准确度中平均提高了33%.
- 该模型需要约一半的训练数据来实现可比性能.
结论:
- 综合混合模型为同时预测过程动态和CQA提供了一个有希望的方法.
- 这种方法提高了模型的准确性,并降低了用于过程优化的实验成本.
- 该研究强调了生物制药开发中综合建模策略的潜力.
更多相关视频
10:24Generation of Heterogeneous Drug Gradients Across Cancer Populations on a Microfluidic Evolution Accelerator for Real-Time Observation
Published on: September 19, 2019
6.4K
09:28Process Optimization using High Throughput Automated Micro-Bioreactors in Chinese Hamster Ovary Cell Cultivation
Published on: May 18, 2020
8.4K
