新的校准设计改善了跨产品的知识转移,用于制药生物工艺的表征

科学领域:

• 生物技术是生物技术.
• 工艺工程的过程工程.
• 机器学习 机器学习

背景情况:

• 生物工艺开发严重依赖历史数据,但将这些知识有效地转移到新产品上仍然是一个挑战.
• 当前的工作流程通常涉及对每个新生物工艺进行广泛的实验,导致大量的时间和资源投资.

研究的目的:

• 评估横向知识传输方法 (元学习,一热编码) 与生物过程开发的高斯过程 (GP) 模型相结合的有效性.
• 调查新的实验设计策略,称为"校准设计",以优化知识转移模型培训.
• 将知识转移方法的性能与传统的本地模型进行比较,并评估校准设计的效率.

主要方法:

• 利用模拟的哺乳动物细胞培养数据进行比较分析.
• 与高斯过程模型一起实现了元学习和一热编码.
• 开发并应用了定制的目标函数用于校准设计,以确定最佳的实验运行.
• 将测试组错误和实验要求与本地模型和实验标准设计 (DoE) 进行比较.

主要成果:

• 无论是元学习还是一热编码方法,当与全科医生相结合时,与本地模型相比,测试组错误大约减少了一半.
• 校准设计策略与常见的DoE方法产生了类似的测试集错误,但需要的实验约为四倍.
• 该研究表明,利用历史过程数据用于新产品开发的有效性.

结论:

• 横向知识转移方法显示出加速和优化生物工艺开发的巨大潜力.
• 校准设计为训练知识传输模型提供了有效的策略,减少了实验负担.
• 系统的跨产品知识转移可以从根本上简化生物工艺开发工作流程.