スピーカー | トランスクリプト |
| アン・キャサリン・ポートマン | こんにちは、今日はデータの背後にある力を紹介します。 このプレゼンテーションは、このプレゼンテーションの原則により、80を超える生産バッチのデータを効率的に調査できるという考えに基づいています。 |
| プロセスの知識と統計分析に基づいて、26％以上の製品収率を向上させることができました。 統計分析により、製品の歩留まりに影響を与える主要なプロセスステップを特定することもできます。 |
| 私もそうでしょう |
| 最初にLonzaPharma Biotechを紹介し、次に履歴データ分析に進みます。 |
| Lonza Pharma Biotechは1897年に最初に発見され、その後まもなく、変革されました。 |
| 化学メーカーへ。 |
| 今日、私たちは世界をリードするサプライヤーの1つです |
| 製薬、ヘルスケア、ライフサイエンス業界に。 |
| ここVispでは、ロンザから最大のサイトの1つです。 |
| そして、私たちは研究開発、開発、製造において最も重要です。 |
| 私たちは会社の新しい部分であるIbexソリューションを持っており、前臨床段階から商業段階まで、原薬から医薬品まで、これらすべてを1か所で完了することができます。 |
| 最近、COVID-19に対するModernaワクチンでこれについて聞いたことがあるでしょう。 |
| しかし、これで私たちがここで生産しているのはそれだけではありません。 また、小分子、哺乳類および微生物のバイオ医薬品、強力なAPI、ペプチド、および抗体薬物複合体を含むバイオコンジュゲートも製造しています。 |
| ロンザについてもう少し知ったところで、履歴データ分析に移ります。 |
| そこで、まず、80バッチが実行されるこのプロセスを紹介します。 |
| それで、最初に上流部分。 したがって、上流部分には最初に発酵部分があり、そこで生成物が微生物によって生成されます。 |
| したがって、製品は微生物を作ります。 |
| ... |
| 生産する製品...製品、微生物 |
| DNAから生成されます（???） |
| 発酵中。 次に、細胞膜を乱し、生成物と細胞内にあるすべてのものを放出させる細胞溶解があります。 |
| そして、この製品にアクセスできます。 その後、分離になります。 分離部分では、細胞膜やDNAなどの細胞断片を除去します。 |
| 次に、3つの異なるクロマトグラフィーに基づいて生成物の精製を可能にする下流部分に到達します。 そのため、製品は黄色で表示されます |
| スライドの一部の下。 また、クロマトグラフィーの各部分で、製品のプロファイルをもう少し増やすことができることがわかります。 最後に、製品の滅菌ろ過を行います。 |
| そのため、プロジェクト全体の歩留まりを向上させることが目標でした。そのために、最初に80バッチのデータを収集し、分析できるように注文します。 |
| 次に、歩留まり分析を実行します。 |
| 次に、プロセス分析で結果について説明します。 |
| 中小企業の場合、対象分野の専門家です。 |
| 次に、見てきました...上流部分のデータ分析に行き、スライドの左側で分析のためにこれを実行します。 |
| 次に、下流の部分に進み、クロマトグラフィー1に焦点を合わせます。 最後に、分析で見たすべてのことと、対象分野の専門家が注文したことから結論を出します。 そして最後に、歩留まりを再計算します。 |
| データをどのように整理するかを見てみましょう。 そのため、データはきちんとしたデータの原則に基づいています。 |
| これは分析前の大きな部分であり、時間がかかりますが、クリーンなデータを用意し、後で効率的な分析を行うことが非常に重要です。 つまり、最初に、たとえば、観察ユニット1について説明します。これは、発酵について言えます。 |
| そして、ファイルの...の各行に、毎回1つのバッチを含めます。 |
| 列ごとに、パラメーターを取ります。 たとえば、発酵の場合、pH、温度、すべて |
| タイター（つまり |
| 最後の製品の量）。 |
| そして、各値について、 |
| ここでは、列とバッチからの正しい値に対応しています。 |
| これで、JMPに移動して分析を実行できます。 |
| それでは、利回りの計算方法を見てみましょう。 |
| したがって、最初に、発酵の100％から始めて、各ステップの収量を計算します |
| プロセスに沿ってどのように減少するかを確認してください。 |
| ですから、私たちが観察しているのは、発酵段階で大きな変動があるということです。 |
| そして、製品量が減少します |
| 分離ステップ、およびクロマトグラフィー1ステップで。 |
| したがって、このデータを対象分野の専門家に提供します |
| そして彼らは、複雑な培地の変動が発酵の最終的な力価に影響を与えると私たちに言ったので、私たちはこの場所を探求しなければなりません。 |
| 次に、分離のために、選択された戦略が質量比に異なる影響を与える可能性があります。 |
| また、クロマトグラフィー1の場合、プーリング戦略が影響を与える可能性があります。 |
| それで、データが何を言っているかを見ていきます。 そこで、上流部分を見て、さまざまな分析を実行します。 したがって、最初の分析は、これらのUSPプロセスステージのそれぞれの多変量解析でした。 |
| そのため、発酵、細胞溶解、分離に焦点を当てています。 そして、すべてのパラメーター、それらが最後に製品とどのように相関するかを確認してください。 |
| したがって、ここで発酵が見られるように、リアクター1に追加された量は、良好な有意確率と中程度の相関関係がありました。 分離の場合、最終的な質量比。 |
| 中間分離での質量比は、両方とも大きな確率に大きな影響を及ぼします。 |
| Reactor 2からの初期pHなどの他のパラメーターは、中程度の相関しきい値に非常に近いことがわかります。 |
| かなりの確率があります。 そして、次の分析でこのパラメータがあるかどうかを確認します。 |
| ここでは、科学的に意味のあるパラメータのみを選択しました |
| 他の分析にも。 |
| 次に、部分最小二乗法に行きました。 部分最小二乗法については、発酵についてこれらすべてのパラメーターに対して正の相関があることがわかります。 したがって、Reator 2の量、Reactor 2の初期pH、およびReactor2の初期量がわかります。 |
| 新しいパラメータと同様に、それはホールドタイムです。 |
| そして、私たちはそれを見る |
| Reactor 2の量は、この分析と正の相関がありますが、MVAとは負の相関があります。 |
| そして、これは、80バッチが生産を実行していたために説明できましたが、製品の正または負の相関の質問に答えるように設計されていませんでした...最終製品。 そう |
| これは将来、適切な設計の別の分析で行うことができます。 |
| と???それでも、最終製品に影響があると言っても過言ではありません。 |
| 他のパラメーターについては、上流部分の他のステップで、予測が多変量結果と一致することもわかります。 |
| また、力価を向上させる可能性もあります。 ここでは、予測プロファイラーを使用して、最適化することもできることがわかります。 |
| 将来とプロジェクトの利回り。 |
| 次に、製品をテストします...予測子のスクリーニング。 そして、ここでは、予測子スクリーニングを10回実行し、常に上位10個に含まれる5つのパラメーターを選択しました。 そしてここに私達が見るもの。 これは、リアクター2の初期pHです。 |
| 分離終了時の質量比、中間分離時の質量比、 |
| リアクター2の初期量。 |
| リアクター2の量とリアクター1の量。 繰り返しになりますが、影響があるように見える同じパラメータがあります。 |
| それで、私たちは機械学習に行きました。 |
| この機械学習分析XGBoostは、決定木機械学習アルゴリズムです。 そして、この結果パラメータに含まれないことを避けるために |
| の... |
| パラメータの上部に、パラメータの重要度に一種のしきい値を与える偽のパラメータを含めます。 |
| そして、このしきい値を超えて表示されるすべてのパラメーターが影響を与えると見なされました。 もう1つはランダムであり、このランダムパラメータを下回っていると見なされ、最終製品に影響を与えないか、重大な影響を与えません。 |
| そしてここで、Reactor1に負の相関が現れることがわかります。 Reactor2のpHとReactor2の初期量には、正の相関関係があります。 |
| また、質量比については、負の相関があります。 繰り返しになりますが、前に説明したように、負の相関と正の相関の違いは目標ではなく、この実験用に設計されていないため、影響があることはわかっていますが、正か負かはまだわかりません。 |
| それから下流部に行きます、 |
| 特にクロマトグラフィーについて1。 |
| そしてここでは、神経予測モデリングを使用します。 |
| したがって、通常の予測モデリングでは、 |
| クロマトグラフィーの異なる部分。 したがって、右側のグラフでは、フラクション8が主なフラクションであることがわかります。したがって、製品の大部分が最も高い純度であることがわかりました。 そして、フラクション7-1から減少させることにより、生成物が得られますが、不純物も多くなります。 |
| そして |
| これまで、分析では分数4を考慮していたので、分数3、2、1も含めることができるかどうかを確認したいと思います。 |
| そして、私たちが見たのは、フラクションの数を増やすことによって、収率は上がりますが、純度はほとんど低下しないということです。 |
| したがって、左のグラフでは、フラクション2に進むと、純度が1％未満に低下しますが、収率は5％に増加していることがわかります。 そして、フラクション1を含めると、純度が大幅に低下しますが、1％より少し低くなります。 |
| 純度が1％以上低下し、反対側では約10％の収率が増加しました。 |
| したがって、この結果を使用して、すべてをまとめようとします。 |
| これまでのところ、発酵では、ほとんどの方法で特定されたタンクとリアクターの最終容量があります。 |
| 発酵槽の初期pHは、さまざまな分析方法とプロセスの専門家による複雑な化合物の変動性によっても特定されました。 また、複雑な化合物の変動の影響を確認するには、ラボでさらに調査する必要があります。 |
| 次に、分離のために、いくつかの方法で特定された質量比があります。 |
| データの分析だけでなく、プロセスの分析...プロセスの専門家による。 |
| そして、その戦略は非常に興味深いものです。 |
| プロセスの専門家は、それを調べて、生産の歩留まりを改善できるようにいくつかのテストを行うことにしました。 |
| クロマトグラフィー1の場合、プーリング戦略は、ニューラルネットワーク分析のプロセスエキスパートによって特定されました。 そしてここ |
| このメソッドは、ラボでも本番環境でも簡単に実装できます。 そして、この方法で収量は本当に大幅に増加しています。 |
| したがって、予測を使用して再計算します... |
| さまざまなステップの歩留まりを向上させる方法を予測プロファイラー。 また、発酵の場合、収量を最大16％増加させることができました。 |
| 分離については、最大5％まで増やすことができ、クロマトグラフィー1については、ここで引き上げました。 |
| 最大5％。 他のスライドでは最大10％と書いたので、最大5％と言う最悪のシナリオになるようにしています。 そして、最後に、私たちは最後に合計が増加します |
| 26％なので、プロセスを改善し、大きな影響を与える可能性のある部分に正確に集中するための良い方法です。 そして、ラボで多くの実験を行わずにデータに基づいて、 |
| また、ラボで多くの実験を行うため、JMPを使用してこれらの分析を行う方が安価です。 ですから、最終的には多くの利益があります。 |
| それで、今日は私を聞いてくれてありがとう、そして私の同僚にも大いに感謝します、 |
| Ludovic、Helge、Lea、Nichola、Svenと???このプレゼンテーションの。 |
