针对小数据和上游生物处理应用的机器学习方法:综合性审查
Johnny Peng1, Thanh Tung Khuat1, Katarzyna Musial1
1Complex Adaptive Systems Laboratory, The Data Science Institute, University of Technology Sydney, NSW 2007, Australia.
Biotechnology advances
|November 19, 2025
概括
机器学习 (ML) 方法可以克服生物制药上游生物处理中的数据限制. 本综述对小型数据集有效的ML技术进行了分类和分析,为数据受限研究提供了实际指导.
科学领域:
- 生物技术是生物技术.
- 生物加工是一种生物加工.
- 机器学习 机器学习
背景情况:
- 在生物制药上游生物处理中,为机器学习 (ML) 获取大型数据集是具有挑战性和昂贵的.
- 复杂的细胞培养和优化过程产生有限的数据,阻碍了ML应用.
研究的目的:
- 审查和分类解决生物处理中小数据挑战的ML方法.
- 为在数据受限的生物制药研究中应用ML提供实际指导.
主要方法:
- 对小数据的ML方法的文献综述.
- 将方法分类到一个分类学.
- 分析核心概念和每个方法的有效性.
主要成果:
- 开发了一种针对小数据挑战的ML方法分类.
- 用生物处理示例评估了各种ML技术的有效性.
- 确定了对数据受限生物处理的ML的研究缺口.
结论:
- 机器学习为上游生物处理中的数据稀缺性提供了解决方案.
- 审查的方法和分类学为研究人员提供了可操作的见解.
- 需要进一步的研究来优化ML在数据有限的生物制药开发.
