在单克隆抗体生物制造中,用于多步预测和克隆选择的Luedeking-Piret回归
Penghua Wang1, Deepika Verma2, Yuk Chiu2
1Data Science and Analytics Institute, University of Oklahoma, Norman, OK, USA.
Communications engineering
|November 28, 2025
概括
这项研究引入了一种混合回归模型,用于预测中国汉姆斯特卵巢 (CHO) 细胞培养中的单克隆抗体 (mAb) 产量. 该模型通过在生物制造过程的早期准确预测产量来加速克隆选择.
科学领域:
- 生物技术是生物技术.
- 生物工艺工程 生物工艺工程
- 机器学习在生物制造中的应用
背景情况:
- 使用中国仓鼠卵巢 (CHO) 细胞高效的单克隆抗体 (mAb) 生产对于制药生物制造至关重要.
- 传统的克隆选择方法耗时,涉及7至14天的评估,延长了开发时间表.
研究的目的:
- 开发一个预测模型,准确预测料批量CHO培养中的mAb产量.
- 在生物制药开发中加速克隆选择过程.
主要方法:
- 开发了一种混合的Luedeking-Piret回归模型,将机械洞察与机器学习相结合.
- 该模型利用了来自七种不同的CHO培养的早期生长阶段 (直到第9天) 的实验数据.
- 采用多步预测来预测最终的生产额度.
主要成果:
- 该模型预测了16日的mAb标位,平均百分比误差为5.85%.
- 在76.2%的试验中,在交叉验证过程中,高性能克隆被正确识别出来.
- 从第10天到第16天,准确的每日生产轨迹得到了预测.
结论:
- 混合回归模型提供了一个计算上简单的算法,用于预测mAb的生产产量.
- 这种方法有可能在CHO细胞生物制造中显著加速克隆选择.
- 对产量的早期预测可以简化生物制药开发时间表.
更多相关视频
10:50Purification and Analytics of a Monoclonal Antibody from Chinese Hamster Ovary Cells Using an Automated Microbioreactor System
Published on: May 1, 2019
15.2K
09:07Single-cell Screening Method for the Selection and Recovery of Antibodies with Desired Specificities from Enriched Human Memory B Cell Populations
Published on: August 22, 2019
11.4K
