使用人工神经网络在蛋白质染色学中加速机械模型校准
Dominik Voltmer1, Tinu Koshy1, Raena Morley1
1Roche Diagnostics GmbH, Nonnenwald 2, 82377 Penzberg, Germany.
Journal of chromatography. A
|April 18, 2025
概括
本研究引入了人工神经网络 (ANN) 辅助的工作流程,以加快单克隆抗体 (mAb) 染色学机械模型的校准. 该方法有效估计模型参数,减少生物工艺开发中的瓶.
科学领域:
- 生物制药制造业 生物制药制造业
- 过程开发 过程开发
- 染色体学 染色体学 是一种染色学.
背景情况:
- 机械模型对于优化治疗单克隆抗体 (mAb) 制造中的染色学至关重要.
- 模型校准是一个重要的瓶,阻碍了工业实施.
研究的目的:
- 开发和验证人工神经网络 (ANN) 辅助的工作流程,以加速机械模型校准.
- 为了提高标准质量作用 (SMA) 参数估计的效率,在阴离子交换染色学 (CEX) 中使用异温模型.
主要方法:
- 开发了一种半自动化的ANN辅助校准工作流程.
- 该工作流用于校准CEX的SMA异热模型,使用不同复杂度的两个mAb原料.
- 研究了不同的训练数据组合和参数估计策略 (一步与两步).
主要成果:
- 通过ANN辅助的工作流程,可以获得可接受的参数估计和对目标化合物的实验性和模拟色谱之间的良好一致.
- 使用高负载数据的两步参数估计方法改善了复杂原料的杂质预测.
- 工作流显著减少了校准工作量,特别是在复杂的mAb过程中.
结论:
- 在生物制药工艺开发中,ANN辅助校准提供了一种有希望的方法来简化机械模型的实施.
- 这种方法提高了治疗抗体的下游过程开发的效率,特别是那些具有复杂结构和杂质概况的抗体.
更多相关视频
08:22Calibration-free In Vitro Quantification of Protein Homo-oligomerization Using Commercial Instrumentation and Free, Open Source Brightness Analysis Software
Published on: July 17, 2018
7.2K
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
12.3K
