未來(lái)的CPV:生物反應(yīng)器工藝的人工智能持續(xù)工藝驗(yàn)證
CPV of the Future: AI-powered continued process verification for bioreactor processes
摘要
根據(jù)美國(guó)食品藥品監(jiān)督管理局的標(biāo)準(zhǔn)指南,生物制藥生產(chǎn)中的工藝驗(yàn)證包括三個(gè)階段組成的生命周期:工藝設(shè)計(jì)(PD)、工藝鑒定(PQ)和持續(xù)工藝驗(yàn)證(CPV)。CPV期間采用的分析方法的有效性和效率需要對(duì)該過(guò)程有廣泛的了解。然而,對(duì)于新工藝和新藥,PPQV通常無(wú)法獲得此類(lèi)知識(shí)。在這項(xiàng)工作中,利用有限的歷史數(shù)據(jù)研究了基于機(jī)器學(xué)習(xí)/人工智能(ML/AI)的CPV方法在巴斯德畢赤酵母(Komagataella phaffii)的生物過(guò)程監(jiān)測(cè)和細(xì)胞生理控制中的適用性。特別是,在補(bǔ)料分批培養(yǎng)的缺氧條件下生產(chǎn)重組皺紋假絲酵母脂肪酶1(Crl1)被認(rèn)為是一個(gè)案例研究。使用在常氧和缺氧條件下具有不同基因劑量克隆的補(bǔ)料分批生物過(guò)程的數(shù)據(jù),評(píng)估了有監(jiān)督和無(wú)監(jiān)督的機(jī)器學(xué)習(xí)模型。首先,將多元異常檢測(cè)(隔離林)模型應(yīng)用于生物過(guò)程的批處理階段。其次,評(píng)估了用于預(yù)測(cè)缺氧條件下半自動(dòng)補(bǔ)料分批階段所需操作員控制動(dòng)作的監(jiān)督隨機(jī)森林模型,以將呼吸商(RQ)保持在所需范圍內(nèi),從而使比生產(chǎn)率(qP)最大化。這些模型的性能是在歷史數(shù)據(jù)上測(cè)試的,使用過(guò)程控制工程師(主題專(zhuān)家-SME)對(duì)過(guò)程的獨(dú)立評(píng)估,以及在手動(dòng)動(dòng)作預(yù)測(cè)的情況下在實(shí)時(shí)數(shù)據(jù)上測(cè)試,其中該模型用于指導(dǎo)生物過(guò)程的控制。本文提出的工作證明了基于機(jī)器學(xué)習(xí)的多元分析方法可以成為實(shí)時(shí)監(jiān)測(cè)和控制生物制藥生產(chǎn)生物工藝的寶貴工具,以提高其效率并確保產(chǎn)品質(zhì)量。
下載該資料的還下載
相關(guān)資料
相關(guān)評(píng)論
您的評(píng)論: 推薦
發(fā)表評(píng)論 可以輸入500字