预测模型用于生物治疗药物的商业制造中的细胞培养
Shyam Panjwani1, Alice Almazan1, Rubin Hille1
1Bayer Pharmaceuticals, Berkeley, California, USA.
Biotechnology and bioengineering
|July 18, 2024
概括
一个新的数据驱动模型预测了哺乳动物细胞培养中的治疗性蛋白质生产. 该工具通过预测生物反应器功率和量化预测不确定性来提高生物制造效率和产品质量.
科学领域:
- 生物技术是生物技术.
- 生物制药制造业 生物制药制造业
- 数据科学在生物处理中的应用
背景情况:
- 哺乳动物细胞培养对于治疗性蛋白质生产至关重要.
- 当前的制造工艺需要提高效率和可预测性.
- 数据科学的进步为流程优化提供了机会.
研究的目的:
- 开发一种新的基于数据的预测建模应用程序,用于生物治疗生产.
- 提高哺乳动物细胞培养过程的效率和可预测性.
- 为流程控制和决策提供可操作的见解.
主要方法:
- 使用开源工具开发了一个基于云的数字数据科学应用程序.
- 该应用程序从5天的时间内从线路过程参数预测生物反应器功率.
- 模型的不确定性被量化并根据未见的数据验证.
主要成果:
- 该模型准确地预测了生物反应器的功率,并且有量化的不确定性.
- 该应用程序在未见的数据上展示了强大的概括性.
- 为工艺科学家创建了一个交互式仪表板.
结论:
- 数据驱动的应用程序提高了生物制药制造效率和可预测性.
- 量化不确定性有助于过程控制和决策.
- 开发的工具简化了生物处理,提高了生产力和产品质量.
