一个用于克隆选择,媒体料选和上游过程参数优化的实用框架,用于mAb CHO细胞培养过程

科学领域:

• 生物技术是生物技术.
• 工艺工程是过程工程.
• 数据科学数据科学数据科学

背景情况:

• 生物制药制造上游工艺开发传统上依赖于主观解释.
• 对于生物制剂工艺开发,需要更加一致,高效和数据驱动的方法.

研究的目的:

• 为生物制造业的上游工艺开发提供数据驱动的工作流.
• 通过使用统计和机器学习工具来提高一致性,效率和决策.
• 整合多种分析方法,以结构化支持关键的过程开发决策.

主要方法:

• K-表示用于克隆选择的聚类,与层次聚类进行基准测试.
• 主要成分分析 (PCA) 用于媒介和料选,以分析糖基化模式.
• 多目标贝叶斯优化 (MOBO) 用于自适应上游过程参数精细化.

主要成果:

• 通过结合多个产品质量属性,在克隆选择中提高一致性和减少主观性.
• 快速识别有希望的介质和料条件,以优化糖基化,减少实验负担.
• 通过适应性探索质量属性和标题之间的权衡来更有效地确定改善的操作条件,最大限度地减少实验运行.

结论:

• 已建立的统计和机器学习方法的结构化整合为工业上游生物工艺开发提供了实际实用性.
• 工作流程支持改善流程理解和明智决策,与生物处理4.0原则保持一致.
• 这种数据驱动的方法通过优化关键开发阶段来增强生物制药制造.