스피커 | 성적 증명서 |
| Anne-Catherine Portmann | 안녕하세요, 오늘은 데이터의 힘을 보여 드리겠습니다. 이 프리젠 테이션은이 프리젠 테이션을 통해 80 개가 넘는 생산 배치의 데이터를 효율적으로 연구 할 수 있다는 생각을 바탕으로합니다. |
| 공정 지식과 통계 분석을 바탕으로 제품 수율을 26 % 이상 향상시킬 수있었습니다. 통계 분석을 통해 제품 수율에 영향을 미치는 주요 공정 단계를 식별 할 수도 있습니다. |
| 그래서 나는 |
| 먼저 Lonza Pharma Biotech를 소개 한 다음 과거 데이터 분석으로 이동합니다. |
| Lonza Pharma Biotech는 1897 년에 처음 발견되었으며 그 직후에 |
| 화학 제조업체에. |
| 오늘날 우리는 세계 최고의 공급 업체 중 하나입니다. |
| 제약, 의료 및 생명 과학 산업에. |
| Visp에서 우리는 Lonza에서 가장 큰 사이트 중 하나입니다. |
| 그리고 우리는 R & D, 개발 및 제조에서 가장 중요합니다. |
| 우리는 회사의 새로운 부분 인 Ibex 솔루션을 보유하고 있습니다.이 솔루션은 전임상 단계부터 상업 단계, 약물 물질에서 의약품에 이르기까지이 모든 것을 한곳에서 완료 할 수있는 바이오 의약품주기를 완료 할 수 있습니다. |
| 최근에 COVID-19에 대한 Moderna 백신에서 들어 보셨을 것입니다. |
| 그러나 우리가 여기서 생산하는 유일한 제품은 아닙니다. 우리는 또한 항체-약물 접합체를 포함한 소분자, 포유류 및 미생물 바이오 의약품, 고강도 API, 펩타이드 및 바이오 컨쥬 게이트를 생산하고 있습니다. |
| 이제 Lonza에 대해 조금 더 알고 있으므로 과거 데이터 분석으로 이동하겠습니다. |
| 먼저 80 개의 배치가 실행되는이 프로세스를 소개하겠습니다. |
| 그래서 먼저 업스트림 부분입니다. 따라서 상류 부분에는 먼저 발효 부분이 있으며, 여기서 제품은 미생물에 의해 생성됩니다. |
| 그래서 제품은 미생물을 만듭니다. |
| 그만큼... |
| 생산할 제품 ... 제품, 미생물 |
| DNA에서 생성 (???) |
| 발효 중. 그런 다음 세포 용해를 통해 세포막을 교란하고 생성물과 세포에있는 모든 것을 방출하도록합니다. |
| 이 제품에 액세스 할 수 있습니다. 그런 다음 분리가됩니다. 분리 부분에서는 세포막이나 DNA와 같은 세포 조각을 제거합니다. |
| 그런 다음 세 가지 다른 크로마토 그래피를 기반으로하는 다운 스트림 부분으로 이동하여 제품을 정제합니다. 그래서 제품은 여기 노란색으로 |
| 슬라이드의 일부 아래. 그리고 각각의 크로마토 그래피 부분에서 제품에 대해 조금 더 프로파일 링 할 수 있다는 것을 알 수 있습니다. 마지막으로 제품의 멸균 여과를 수행합니다. |
| 따라서 목표는 전체 프로젝트 수율을 높이는 것이었고이를 위해 먼저 80 개의 배치 데이터를 수집하여 분석 할 수있는 방식으로 주문했습니다. |
| 그런 다음 수율 분석을 수행합니다. |
| 그리고 그 결과를 공정 분석과 논의합니다. |
| 중소기업과 함께 주제별 전문가입니다. |
| 그런 다음 우리는 업스트림 부분에 대한 데이터 분석으로 이동하여 슬라이드 왼쪽에서 분석을 수행합니다. |
| 그런 다음 다운 스트림 부분으로 이동하여 크로마토 그래피 1에 중점을 둡니다. 마지막으로 우리는 분석에서 볼 수있는 모든 것과 주제 전문가가 주문한 내용으로부터 결론을 내립니다. 마지막으로 수익률을 다시 계산합니다. |
| 데이터를 어떻게 구성하는지 살펴 보겠습니다. 그래서 우리는 데이터를 깔끔한 데이터 원칙에 기반했습니다. |
| 그것은 시간이 걸리는 분석 전의 큰 부분이지만, 깨끗한 데이터를 가지고 나중에 효율적인 분석을 만드는 것이 정말 중요합니다. 그래서 먼저 우리는 관찰 단위 1에 대해 가지고 있습니다. 예를 들어 발효에 대해 말할 수 있습니다. |
| 그리고 파일의 각 행에 매번 하나의 배치를 포함합니다. |
| 각 열에 대해 매개 변수를 사용합니다. 예를 들어 발효의 경우 pH, 온도, |
| titer (즉 |
| 끝에있는 제품의 양). |
| 그런 다음 각 값에 대해 |
| 여기서는 열과 배치의 올바른 값에 해당합니다. |
| 그리고 이것으로 우리는 JMP로 가서 분석을 수행 할 수 있습니다. |
| 그럼 우리가 어떻게 수율을 계산하는지 봅시다. |
| 따라서 먼저 발효를 위해 100 %에서 시작하여 각 단계의 수율을 계산합니다. |
| 그리고 그 과정에서 어떻게 감소하는지보십시오. |
| 그래서 우리가 관찰 한 것은 발효 단계에서 큰 변화가 있다는 것입니다. |
| 그리고 우리는 제품의 양이 감소했습니다. |
| 분리 단계뿐만 아니라 크로마토 그래피 1 단계에서. |
| 그래서 우리는이 데이터를 주제별 전문가에게 전달합니다. |
| 그리고 그들은 복잡한 배지의 가변성이 발효의 최종 역가에 영향을 미친다고 말했습니다. 그래서 우리는이 지점을 조사해야합니다. |
| 그런 다음 분리를 위해 선택한 전략이 질량 비율에 다른 영향을 미칠 수 있습니다. |
| 크로마토 그래피 1의 경우 풀링 전략이 가장 큰 영향을 미칩니다. |
| 그래서 우리는 데이터가 말한 것을 볼 것입니다. 그래서 우리는 업스트림 부분을보고 다른 분석을 수행합니다. 따라서 첫 번째 분석은 이러한 각 USP 프로세스 단계의 다변량 분석이었습니다. |
| 그래서 우리는 발효, 세포 용해 및 분리에 중점을 둡니다. 그리고 마지막에 제품과 어떻게 연관되는지 모든 매개 변수를 확인하십시오. |
| 여기에서 발효 과정을 보면 반응기 1에 첨가되는 양은 유의성 확률이 높은 중간 상관 관계를 가졌습니다. 분리를 위해 최종 질량 비율입니다. |
| 중간 분리에서의 질량 비율은 둘 다 상당한 확률에 큰 영향을 미칩니다. |
| Reactor 2의 초기 pH와 같은 다른 매개 변수가 중간 상관 임계 값에 매우 가깝다는 것을 알 수 있습니다. |
| 상당한 확률이 있습니다. 그리고 우리는 다음 분석에서이 매개 변수를 볼 것입니다. |
| 여기에서는 과학적으로 의미있는 매개 변수 만 선택했습니다. |
| 다른 분석도 마찬가지입니다. |
| 그런 다음 부분 최소 제곱으로 이동했습니다. 부분 최소 제곱의 경우 발효에 대해 이러한 모든 매개 변수에 대해 양의 상관 관계가 있음을 알 수 있습니다. 다시 우리는 Reator 2의 양, Reactor 2의 초기 pH 및 Reactor 2의 초기 양을 봅니다. |
| 새로운 매개 변수뿐만 아니라 보류 시간입니다. |
| 그리고 우리는 |
| Reactor 2의 양은이 분석과 양의 상관 관계를 갖지만 MVA와 음의 상관 관계를가집니다. |
| 그리고 이것은 80 개의 배치가 생산을 실행하고 있었기 때문에 설명 할 수 있었지만 최종 제품에서 제품에 대한 양 또는 음의 상관 관계에 대한 질문에 대답하도록 설계되지 않았습니다. 그래서 |
| 적절한 설계를 가진 또 다른 분석에서 미래에 수행 될 수 있습니다. |
| ???로 우리가 최종 제품에 영향을 미친다고 여전히 말하고 있습니다. |
| 다른 매개 변수의 경우 업스트림 부분의 다른 단계에서도 예측이 다변량 결과와 일치 함을 알 수 있습니다. |
| 또한 역가를 개선 할 수있는 가능성도 있습니다. 여기에서 최적화 할 수있는 예측 프로파일 러를 통해 |
| 미래와 프로젝트 수익률. |
| 그런 다음 제품을 테스트합니다 ... 예측 자 스크리닝. 그리고 여기서 우리는 예측 자 선별을 10 번 실행했고 항상 상위 10 개에 포함되는 5 개의 매개 변수를 선택했습니다. 그리고 여기 우리가 보는 것. 반응기 2의 초기 pH입니다. |
| 분리 종료시의 질량비, 중간 분리시의 질량비, |
| 반응기 2의 초기 양, |
| 원자로 2의 양과 원자로 1의 양. 다시 말하지만, 영향을 미치는 것으로 보이는 동일한 매개 변수가 있습니다. |
| 그래서 우리는 기계 학습으로갔습니다. |
| 이 기계 학습 분석 인 XGBoost는 의사 결정 트리 기계 학습 알고리즘입니다. 그리고 일부가 아닌이 결과 매개 변수가 |
| 의 ... |
| 매개 변수의 맨 위에 가짜 매개 변수를 포함하여 매개 변수 중요도에 일종의 임계 값을 제공합니다. |
| 그리고이 임계 값 위에 나타나는 모든 매개 변수는 영향을 미치는 것으로 간주되었습니다. 다른 하나는 무작위이며이 무작위 매개 변수 미만으로 간주되며 최종 제품에 영향을 미치지 않거나 중대한 영향을 미치지 않습니다. |
| 그리고 여기서 우리는 원자로 1에 대해 음의 상관 관계가 나타나는 것을 볼 수 있습니다. 반응기 2의 pH와 반응기 2의 초기 양은 양의 상관 관계가 있습니다. |
| 질량비의 경우 음의 상관 관계가 있습니다. 다시 말씀 드리지만, 음의 상관 관계와 양의 상관 관계의 차이는 목표가 아니었고이 실험을 위해 설계되지 않았기 때문에 이것이 영향이라는 것을 알고 있지만 아직 양의 관계인지 음의 것인지는 알 수 없습니다. |
| 그런 다음 다운 스트림 부분으로 이동합니다. |
| 특히 크로마토 그래피 1에 대해 설명합니다. |
| 여기에서는 신경 예측 모델링을 사용합니다. |
| 따라서 일반 예측 모델링에서는 |
| 크로마토 그래피의 다른 부분. 그래서 오른쪽 그래프에서 분수 8이 주요 분획이라는 것을 알 수 있습니다. 그래서 우리가 대부분의 제품을 발견 한 곳은 가장 높은 순도입니다. 그리고 분수 7-1에서 줄임으로써 우리는 제품을 가지지 만 더 많은 불순물을 갖게됩니다. |
| 과 |
| 지금까지 분석에서 분수 4를 고려했으며 분수 3, 2, 1도 포함 할 수 있는지 확인하고 싶습니다. |
| 그리고 우리가 본 것은 분획의 수를 증가시킴으로써 수율은 증가하지만 순도는 거의 감소하지 않는다는 것입니다. |
| 왼쪽 그래프에서 분수 2로 가면 순도는 1 % 미만으로 감소하지만 수율은 5 %로 증가한 것을 볼 수 있습니다. 그리고 분수 1을 포함하면 순도가 더 많이 감소하지만 1 %보다 약간 적습니다. |
| 순도가 1 % 이상 감소하고 수율은 약 10 % 증가했습니다. |
| 그래서이 결과로 우리는 모든 것을 함께 요약하려고합니다. |
| 지금까지 발효, 우리는 대부분의 방법으로 확인 된 탱크와 반응기의 최종 부피를 가지고 있습니다. |
| 발효기의 초기 pH는 다양한 분석 방법과 공정 전문가의 복잡한 화합물 가변성으로도 확인되었습니다. 그리고 복잡한 화합물 변동성의 영향을 확인하려면 실험실에서 추가 조사가 필요합니다. |
| 그런 다음 분리를 위해 질량비가 있습니다. 이는 몇 가지 방법으로 식별됩니다. |
| 데이터 분석은 물론 프로세스 전문가들에 의해 ... |
| 그리고 그 전략은 매우 흥미 롭습니다. |
| 공정 전문가는 그것을보고 생산의 수율을 향상시킬 수있는 몇 가지 테스트를하기로 결정합니다. |
| 크로마토 그래피 1의 경우, 풀링 전략은 신경망 분석에 대한 프로세스 전문가에 의해 확인되었습니다. 그리고 여기 |
| 이 방법은 실험실과 생산에서 쉽게 구현할 수 있습니다. 그리고이 방법으로 수율이 정말 많이 증가하고 있습니다. |
| 그래서, 우리는 예측으로 재 계산합니다 ... |
| 예측 프로파일 러를 통해 여러 단계의 수율을 높일 수 있습니다. 발효를 위해 우리는 수확량을 16 %까지 늘릴 수있었습니다. |
| 분리를 위해 최대 5 %까지 늘릴 수 있으며 크로마토 그래피 1의 경우 여기에서 |
| 최대 5 %. 다른 슬라이드에서는 최대 10 %를 작성 했으므로 최대 5 %를 말하는 최악의 시나리오가 되려고합니다. 그리고 마지막에 우리는 |
| 이는 프로세스를 개선하고 큰 영향을 미칠 수있는 부분에 정확히 집중할 수있는 좋은 방법입니다. 그리고 실험실에서 많은 실험을하지 않고 데이터를 바탕으로 |
| 실험실에서 많은 실험을하는 것처럼 JMP로 이러한 분석을 수행하는 것이 더 저렴합니다. 그래서 우리는 결국 많은 이득을 얻었습니다. |
| 그래서 오늘 제 말을 들어 주신 모든 분들께 진심으로 감사하고 제 동료에게도 큰 감사를드립니다. |
| Ludovic, Helge, Lea, Nichola 및 Sven with the ??? 이 프레젠테이션의. |
