从注射到收获,无人操作:使用多变量模型进行微生物发酵,以自动诱导重组蛋白表达

科学领域:

• 生物技术和生物化学工程 生物技术和生物化学工程
• 过程分析技术 (PAT) 是一种分析技术.
• 工业微生物学 工业微生物学

背景情况:

• 工业发酵对于生产酶,制药,食品和生物能源至关重要.
• 自动化重组蛋白质生产需要精确控制诱导阶段,这是传统系统所难以实现的.
• 目前的方法通常依赖于手动干预或不灵活的分布式控制系统 (DCS) 来控制发酵.

研究的目的:

• 开发使用光密度 (OD) PAT和工艺信息管理系统 (PIMS) 的端到端自动化发酵系统.
• 为了实现基于实时发酵数据的自动诱导触发.
• 通过提高反应堆利用率,降低运营成本并提高产品产量.

主要方法:

• 光密度 (OD) 过程分析技术 (PAT) 与Lucullus®过程信息管理系统 (PIMS) 的集成.
• 开发一个多变量模型,使用来自众多发酵器运行和离线测量的汇总数据来实时预测OD.
• 基于预测性OD模型的自动感应控制的实施.

主要成果:

• 在实验室和试点尺度上实现了端到端的自动发酵.
• 消除了对每个探头线下相关性模型的需求,使模型可转移.
• 成功地将其他预测变量 (如防泡使用) 纳入实时OD模型.

结论:

• 开发的系统可实现全自动发酵,大大降低手工劳动和运营费用.
• 实时OD预测和自动感应控制通过优化反应堆利用率来提高产品产量.
• 这种方法为工业环境中先进的生物过程控制提供了强大且可转移的解决方案.