生物过程的监测、模拟、以及控制的制作方法

文档序号:37794472发布日期:2024-04-30 17:04阅读:来源:国知局

技术特征:

1.一种用于监测生物过程的计算机实现方法,所述生物过程包括生物反应器中的细胞培养物,所述方法包括:

2.根据权利要求1所述的方法,其中,所述方法还包括获得一个或多个过程条件的值,所述一个或多个过程条件包括一个或多个成熟度的一个或多个过程参数和/或一个或多个代谢物浓度,并且所述输入变量还包括所述一个或多个过程条件的值,和/或其中,所述输入变量包括所述一个或多个状态变量中的至少一个的值。

3.根据权利要求1或2所述的方法,其中,所述产物包括:诸如所述细胞产生的一个或多个小分子或大分子的一个或多个生物分子、和/或所述培养物中的生物质、和/或诸如一个或多个细胞器的所述生物质的部分;和/或其中,所述一个或多个关键质量属性选自:包括在所述产物中或者是所述产物的小分子或大分子的分子结构、包括在所述产物中或者是所述产物的蛋白质或肽的糖基化谱、所述产物的活性、所述产物的产率、一个或多个宿主细胞蛋白的存在或不存在、以及所述产物的纯度。

4.根据前述权利要求中任一项所述的方法,其中,所述一个或多个状态变量或者从所述一个或多个状态变量导出的变量包括选自以下的至少一个变量:代谢物的单位转运速率、代谢物的主体流体浓度、产物的主体流体浓度、由于细胞生长而在所述培养物中积累并抑制细胞生长的生物材料的主体流体浓度、滴度的单位生产率、以及细胞状态变量,和/或其中,所述一个或多个状态变量是所述生物过程的动态模型的变量,所述动态模型包括动力学生长模型,可选地,其中,所述细胞状态变量选自:活细胞密度、死细胞密度、总细胞密度、细胞活力、有效生长速率、死亡速率、以及裂解细胞密度,优选地,其中,所述细胞状态变量包括裂解细胞密度;和/或可选地,其中,使用方程(11)-(30)和其等价方程中的任何方程,尤其使用方程(11)-(16)、(22)、(25)-(27)和其等价方程中的任何或所有方程,来获得所述一个或多个状态变量或者从所述一个或多个状态变量导出的变量;和/或可选地,其中,动力学生长模型包括描述所述活细胞密度、死细胞密度、以及裂解细胞密度的动力学的方程;和/或其中,所述动力学生长模型包括表示生物材料的浓度的变量,所述生物材料由于细胞生长而在所述培养物中积累并抑制细胞生长和/或对所述细胞有毒;和/或其中,所述动力学生长模型包括描述变量的动力学的方程,所述变量表示由于细胞生长而在所述培养物中积累的生物材料的浓度;和/或其中,所述动力学生长模型包括使用细胞生长速率参数描述所述活细胞密度的动力学的方程,所述细胞生长速率参数是最大生长速率和描述由于细胞生长而在所述培养物中积累的生物材料对生长的抑制的因子的乘积。

5.根据权利要求4所述的方法,其中,代谢物i的单位转运速率是每细胞和每单位成熟度在所述细胞和培养基之间转运的所述代谢物的净量。

6.根据权利要求2至5中任一项所述的方法,其中,所述一个或多个过程条件包括一个或多个过程参数,所述一个或多个过程参数选自溶解氧、溶解co2、ph、温度、渗透压、搅拌速度、搅拌功率、顶空气体成分(例如,co2压力)、流速(例如,进料速率、出料速率、收获速率)、进料介质成分、以及所述培养物的体积;和/或其中,所述一个或多个代谢物浓度包括细胞室、培养基室、或者整个所述细胞培养物中的一个或多个代谢物的浓度。

7.根据前述权利要求中任一项所述的方法,其中,所述方法还包括将所述一个或多个关键质量属性的值与一个或多个预定值进行比较,以及可选地,基于所述比较确定所述生物过程是否正常运行。

8.根据前述权利要求中任一项所述的方法,其中,所述机器学习模型是回归模型,或者其中,所述机器学习模型选自线性回归模型、随机森林回归器、人工神经网络(ann)、及其组合,适合地,其中,所述机器学习模型是人工神经网络;和/或其中,所述机器学习模型包括多个机器学习模型,其中,每个机器学习模型已经被训练用于预测所述一个或多个关键质量属性的单独选择的子集的值;和/或其中,所述机器学习模型已经被训练用于联合预测所述一个或多个关键质量属性的值。

9.根据前述权利要求中任一项所述的方法,其中,所述机器学习模型已经被训练用于基于输入变量来预测与所述生物过程的结束对应的成熟度的所述一个或多个关键质量属性的值,所述输入变量包括一个或多个先前成熟度的所述一个或多个状态变量的值或者一个或多个先前成熟度的从所述一个或多个状态变量导出的变量的值、以及可选地一个或多个过程条件的值,可选地,其中,所述生物过程是分批过程或补料分批过程;和/或

10.根据前述权利要求中任一项所述的方法,其中,获得一个或多个成熟度的一个或多个状态变量的值以及可选地一个或多个成熟度的一个或多个过程条件的值包括获得多个成熟度的所述一个或多个状态变量的值以及可选地多个成熟度的一个或多个过程条件的值;并且所述机器学习模型已经被训练用于使用输入来预测所述多个成熟度中的最晚成熟度或较晚成熟度的所述一个或多个关键质量属性,所述输入包括所述多个成熟度的所述一个或多个状态变量的值以及可选地所述多个成熟度的所述生物过程的一个或多个过程条件的值。

11.根据前述权利要求中任一项所述的方法,其中,获得状态空间模型的一个或多个成熟度的一个或多个状态变量的值或者一个或多个成熟度的从所述一个或多个状态变量导出的变量的值包括:可选地,通过查找表示所述状态空间模型的解的所述一个或多个成熟度的所述一个或多个状态空间变量的值,使用所述状态空间模型预测所述生物过程的状态轨迹。

12.一种用于控制生物过程的计算机实现方法,所述方法包括:

13.根据权利要求12所述的方法,还包括如果所述确定步骤指示要实施校正动作,则向一个或多个效应器装置发送信号以实施校正动作。

14.一种提供用于监测生物过程的工具的方法,所述生物过程包括生物反应器中的细胞培养物,所述方法包括以下中的步骤:

15.一种用于监测生物过程、控制生物过程、和/或提供用于监测和/或控制生物过程的工具的系统,所述系统包括:


技术总结
提供了用于监测、控制、优化和模拟生物过程的方法,该生物过程包括生物反应器中的细胞培养物。该方法包括:获得状态空间模型的一个或多个成熟度的一个或多个状态变量的值,以及使用机器学习模型预测生物过程的产物的一个或多个关键质量属性的值,该机器学习模型被训练用于基于输入变量来预测一个或多个关键质量属性的值,该输入变量包括一个或多个成熟度的一个或多个状态变量的值或者一个或多个成熟度的从该一个或多个状态变量导出的变量的值。该状态空间模型包括表示细胞培养物的状态的变化的动力学生长模型和表示生物反应器中的一个或多个代谢物的主体浓度的变化的物质平衡模型。还提供了系统、实现这些方法的计算机可读介质、以及用于提供工具以实现这些方法的方法。

技术研发人员:克里斯托弗·麦克雷迪,里卡德·乔格伦,林内娅·塞德格伦
受保护的技术使用者:赛多利斯司特蒂姆数据分析公司
技术研发日:
技术公布日:2024/4/29
当前第2页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1