近年来，单克隆抗体（mAbs）疗法的发展对生物制药行业提出了更高的要求。为了优化这一过程，研究人员不断探索新的方法，其中机器学习（ML）成为了一种有力的工具。柏林工业大学生物工艺工程系主任Mariano Nicolas Cruz Bournazou博士及其团队指出：“在生物制药创新中增加自主代理的数量对于缩短从产品到工艺的时间和资源消耗至关重要。”
Bournazou团队特别提到，“实验设计和操作中对机器学习工具的整合仍不完善。”为推动单抗开发的优化，这些科学家结合了贝叶斯算法、单抗培养的数字孪生模型，以及24个并行运行的小型生物反应器灌流系统。这一系统使他们能够快速进行实验，找到最大化单抗生产中可行细胞体积的条件。
该团队强调了系统的多个关键优势：利用现有的工艺知识；在实验进行中不断学习；整合相关工艺的信息；预测近期事件；以及自动运行所有并行设置。
随后，Bournazou团队进行了多个实际应用场景的测试，并通过结果表明，该方法在确定单抗生产条件时十分有效，即便是在商业规模的生产中也表现良好。尽管这一系统为当前的生物工艺行业带来了显著的好处，但在未来其潜力还将进一步发挥。
正如Bournazou及其同事所总结的那样：“生物工艺开发中机器人能力与设备自主性之间的差距亟需缩小，生物技术和生物制药行业才能匹配数字生物技术和生物工业5.0的高期望。”
编辑：王洪
排版：李丽
评论 (0)