蛋白质结晶模型的In Vitro/In Silico集成不确定性量化方法
Daniele Pessina1,2, Jorge Calderon De Anda3, Claire Heffernan3
1Department of Chemical Engineering, Imperial College London, London SW7 2AZ, United Kingdom.
概括
这项研究提出了一种用于蛋白质结晶建模的新方法,提高了准确性并减少了实验. 它通过解决参数估计挑战来增强生物制造的计算模型.
科学领域:
- 生物技术是生物技术.
- 化学工程是化学工程的重要组成部分.
- 结晶科学 结晶科学
背景情况:
- 蛋白质结晶是复杂的,阻碍了生物制造过程的强化.
- 当前的计算模型需要准确的参数估计来进行实验验证.
- 非线性模型结构和不准确的过程分析技术阻碍了有效的参数估计.
研究的目的:
- 开发和验证用于抗溶剂批量蛋白质结晶的基于模型的参数化方法.
- 提高生物工艺开发的计算模型的准确性.
- 为解决非线性结晶系统参数估计方面的挑战.
主要方法:
- 开发了一种经过实验验证的,以模型为驱动的,用于批量蛋白质结晶的参数化方法.
- 采用全球灵敏度分析来确定参数识别能力和最佳测量点.
- 利用近似贝叶斯计算和蒙特卡洛模拟来估计参数不确定性和传播.
主要成果:
- 在有限的离线数据下成功估计了批量蛋白质结晶系统的参数.
- 在新的实验条件下验证了该方法,证明了它的稳定性.
- 量化参数和输出不确定性,突出了非线性模型特定方法的需要.
结论:
- 提出的方法提高了蛋白质结晶中的计算模型的可靠性.
- 准确的参数估计对于通过工艺强化推进生物制造至关重要.
- 量身定制的方法对于处理非线性系统中的参数不确定性至关重要.


