基于自动编码器的反向设计和基于替代品的优化,一个集成的湿颗粒制造工艺
Ashley Dan1, Rohit Ramachandran1
1Department of Chemical and Biochemical Engineering, Rutgers University, Piscataway, NJ 08854, USA.
International journal of pharmaceutics: X
|December 16, 2024
概括
机器学习模型通过优化湿颗粒化过程来加速制药开发. 自动编码器方法有效地减少了维度,提高了对复杂固体剂型的过程理解和设计.
科学领域:
- 制药制造业 制药制造业 制药制造业
- 化学工程是化学工程的重要组成部分.
- 工艺系统工程 工艺系统工程
背景情况:
- 基于模型的设计和优化加速了制药过程的开发.
- 湿颗粒是固体剂型制造中的一个关键单元操作.
- 集成先进的建模技术可以提高工艺效率和产品质量.
研究的目的:
- 探索机器学习 (ML) 作为优化湿颗粒化流表的替代模型.
- 为了比较基于自动编码器的反向设计与基于代理的前向优化.
- 确定最佳的颗粒和制参数,以最大限度地提高溶解时间和产品产量.
主要方法:
- 开发了一个湿颗粒化流表模型的缩小表示.
- 纳入了一种新的溶解模型,考虑了粒子大小,多孔性和微观结构.
- 实现并比较基于自动编码器的反向设计和基于代理的前向优化,以实现双目标优化.
主要成果:
- 这两种优化方法都是有效的,在不到4秒的时间内取得了结果.
- 自动编码器方法提供了显著的维度减少,与基于代理的优化不同.
- 降低尺寸性增强了设计空间的流程理解和可视化.
结论:
- 人工智能和机器学习,特别是基于自动编码器的反向设计,为制药工艺开发提供了强大的工具.
- 这种方法可以在复杂的制造场景中提高效率和产品质量.
- 该方法促进了对复杂设计的改进过程理解和可行性研究.
相关概念视频
01:28Methods of Medium Optimization
Optimizing growth media enhances microbial proliferation and maximizes product yield. Statistical experimental design methodologies provide structured and reproducible approaches, offering progressively higher levels of robustness and efficiency.The One-Factor-at-a-Time (OFAT) MethodThe One-Factor-at-a-Time (OFAT) method involves adjusting a single variable while keeping all others constant. However, it cannot detect interactions between variables, often leading to suboptimal outcomes when...
01:27Upstream Processing
Upstream processing represents a critical phase in biomanufacturing, wherein biological systems such as microorganisms, mammalian cells, or insect cells are cultivated to produce therapeutic proteins, vaccines, enzymes, or other biologically derived products. This phase encompasses all steps from the selection and genetic manipulation of the production organism to the cultivation of cells in bioreactors under tightly controlled environmental conditions.Host Selection and Genetic OptimizationThe...