스피커 | 성적 증명서 |
| 앤 캐서린 포트만 | 안녕하세요, 오늘은 데이터 뒤에 숨은 힘을 소개하겠습니다. 이 프리젠테이션은 이 프리젠테이션의 주요 내용을 통해 80개 이상의 생산 배치 데이터를 효율적으로 연구할 수 있다는 아이디어를 기반으로 합니다. |
| 공정 지식과 통계적 분석을 바탕으로 제품 수율을 26% 이상 향상시킬 수 있었습니다. 또한 통계 분석을 통해 제품 수율에 영향을 미치는 주요 공정 단계를 식별할 수 있습니다. |
| 만약 내가 원한다면 |
| 먼저 Lonza Pharma Biotech을 소개한 다음 과거 데이터 분석을 진행하겠습니다. |
| Lonza Pharma Biotech는 1897년에 처음 발견된 후 얼마 지나지 않아 변화되었습니다. |
| 화학 제조업체에. |
| 오늘날 우리는 세계 최고의 공급업체 중 하나입니다. |
| 제약, 의료 및 생명과학 산업에 적용됩니다. |
| Visp는 Lonza에서 가장 큰 사이트 중 하나입니다. |
| 우리는 R&D, 개발 및 제조 분야에서 가장 중요한 기업입니다. |
| 우리는 회사의 새로운 부분인 Ibex 솔루션을 보유하고 있습니다. 이 솔루션을 통해 전임상 단계부터 상업 단계까지, 원료의약품부터 완제의약품까지 바이오의약품 사이클을 모두 한 곳에서 완료할 수 있습니다. |
| 최근 코로나19에 대한 Moderna 백신에서 이에 대해 들어보셨을 것입니다. |
| 하지만 우리가 여기에서 생산하는 유일한 제품은 아닙니다. 우리는 또한 소분자, 포유류 및 미생물 바이오의약품, 고효능 API, 펩타이드, 항체-약물 접합체를 포함한 바이오접합체를 생산하고 있습니다. |
| 이제 Lonza에 대해 조금 더 알게 되었으니, 과거 데이터 분석으로 들어가겠습니다. |
| 그래서 먼저 80개의 배치가 실행되는 과정을 소개해드리겠습니다. |
| 먼저 업스트림 부분입니다. 따라서 상류 부분에는 먼저 미생물에 의해 제품이 생성되는 발효 부분이 있습니다. |
| 그래서 제품은 미생물을 만듭니다. |
| 그만큼... |
| 생산하는 제품...제품, 미생물 |
| DNA에서 생산(???)됩니다. |
| 발효 중. 그런 다음 세포막을 교란하여 생성물과 세포에 있는 모든 것을 방출하는 세포 용해가 있습니다. |
| 이 제품에 액세스할 수 있습니다. 그러면 분리가 됩니다. 분리부분에서는 세포막이나 DNA 등 세포조각을 제거합니다. |
| 그런 다음 세 가지 다른 크로마토그래피를 기반으로 하고 제품을 정제하는 다운스트림 부분으로 이동합니다. 제품은 여기 노란색으로 표시되어 있습니다. |
| 슬라이드의 일부 아래. 그리고 각 크로마토그래피 단계에서 제품에 대해 좀 더 자세히 프로파일링할 수 있음을 알 수 있습니다. 마지막에는 제품의 멸균 여과를 수행합니다. |
| 그래서 전체 프로젝트 수율을 높이는 것이 목표였고, 이를 위해 먼저 80개 배치의 데이터를 수집하고 분석할 수 있는 방식으로 주문했습니다. |
| 그런 다음 수율 분석을 수행합니다. |
| 그런 다음 프로세스 분석을 통해 결과를 논의합니다. |
| 중소기업의 경우 해당 분야 전문가도 마찬가지입니다. |
| 그런 다음 우리는 업스트림 부분에 대한 데이터 분석을 보고 슬라이드 왼쪽에 있는 분석을 위해 이를 수행했습니다. |
| 그런 다음 하류 부분으로 이동하여 크로마토그래피 1에 중점을 둡니다. 결국 우리는 분석에서 본 모든 내용과 해당 분야 전문가가 지시한 내용을 바탕으로 결론을 내립니다. 그리고 마지막에는 수익률을 다시 계산합니다. |
| 데이터를 어떻게 구성하는지 살펴보겠습니다. 그래서 우리는 깔끔한 데이터 원칙에 따라 데이터를 기반으로 했습니다. |
| 이는 분석 전의 큰 부분으로 시간이 걸리지만, 깨끗한 데이터를 확보하고 이후 효율적인 분석을 하는 것이 정말 중요합니다. 먼저 우리는 관찰 단위 1을 가지고 있습니다. 예를 들어 발효라고 말할 수 있습니다. |
| 그런 다음 파일의 각 행에 매번 하나의 배치를 포함합니다. |
| 각 열에 대해 매개변수를 사용합니다. 예를 들어 발효의 경우 pH, 온도, 모든 |
| 역가(즉, |
| 마지막에 제품의 양). |
| 그런 다음 각 값에 대해 |
| 여기서는 열과 배치의 올바른 값에 해당합니다. |
| 이를 통해 JMP로 이동하여 분석을 수행할 수 있습니다. |
| 그럼 수익률을 어떻게 계산하는지 살펴보겠습니다. |
| 따라서 먼저 발효 100%부터 시작하여 각 단계의 수율을 계산합니다. |
| 그리고 그 과정에서 그것이 어떻게 감소하는지 살펴보세요. |
| 그래서 우리가 관찰한 것은 발효 단계에서 큰 변화가 있다는 것입니다. |
| 그리고 제품의 양이 감소했습니다. |
| 분리 단계뿐만 아니라 크로마토그래피 1단계에서도 마찬가지입니다. |
| 그래서 우리는 이 데이터를 해당 분야 전문가에게 전달합니다. |
| 그리고 그들은 복잡한 배지 가변성이 발효의 최종 역가에 영향을 미치므로 우리는 이 지점을 조사해야 한다고 말했습니다. |
| 그런 다음 분리를 위해 선택한 것이 질량비에 다른 영향을 미칠 수 있다는 전략입니다. |
| 그리고 크로마토그래피 1의 경우 풀링 전략이 가장 큰 영향을 미칠 것입니다. |
| 그럼 우리는 데이터가 무엇을 말했는지 살펴보겠습니다. 그래서 우리는 업스트림 부분을 살펴보고 다른 분석을 수행합니다. 따라서 첫 번째 분석은 각 USP 공정 단계에 대한 다변량 분석이었습니다. |
| 그래서 우리는 발효, 세포 용해, 분리에 중점을 둡니다. 그리고 마지막에 제품과 어떻게 연관될 수 있는지 모든 매개변수를 확인하세요. |
| 여기에서 발효를 보면 반응조 1에 첨가된 양은 좋은 유의 확률과 중간 정도의 상관관계를 보였습니다. 분리를 위한 최종 질량비입니다. |
| 중간 분리에서의 질량비는 둘 다 중요한 확률에 큰 영향을 미칩니다. |
| 반응기 2의 초기 pH와 같은 다른 매개변수가 중간 상관 임계값에 매우 가깝다는 것을 알 수 있습니다. |
| 그리고 상당한 확률을 가지고 있습니다. 그리고 우리는 다음 분석에서 이 매개변수가 있는지 확인할 것입니다. |
| 여기서는 과학적으로 의미 있는 매개변수만 선택했습니다. |
| 다른 분석을 위해서도 마찬가지입니다. |
| 그런 다음 부분 최소 제곱에 도달했습니다. 부분 최소 제곱의 경우 발효에 대해 이러한 모든 매개 변수에 대해 양의 상관 관계가 있음을 알 수 있습니다. 따라서 다시 반응기 2의 양, 반응기 2의 초기 pH 및 반응기 2의 초기 양을 볼 수 있습니다. |
| 새로운 매개변수이자 유지 시간입니다. |
| 그리고 우리는 그것을 본다 |
| 원자로 2의 양은 이 분석과 양의 상관관계가 있지만 MVA와는 음의 상관관계가 있습니다. |
| 그리고 이것은 80개의 배치로 인해 설명될 수 있습니다. 생산을 실행하고 있지만 최종 제품의 제품에 대한 긍정적 또는 부정적 상관 관계에 대한 질문에 답하도록 설계되지 않았습니다. 그래서 |
| 이는 적절한 설계를 통해 또 다른 분석을 통해 미래에 수행될 수 있습니다. |
| 와 함께 ??? 여전히 최종 제품에 영향을 미친다고 말할 수 있습니다. |
| 다른 매개변수의 경우 업스트림 부분의 다른 단계에서도 예측이 다변량 결과와 일치하는 것을 볼 수 있습니다. |
| 그리고 역가를 향상시킬 가능성도 있습니다. 여기서는 최적화할 수도 있는 예측 프로파일러를 살펴보겠습니다. |
| 미래와 프로젝트 수율. |
| 그런 다음 제품을 테스트합니다. 예측 변수 선별입니다. 그리고 여기에서는 예측자 선별을 10번 실행했으며 항상 상위 10개에 포함되는 5개의 매개변수가 선택되었습니다. 그리고 여기 우리가 보는 것이 있습니다. 2번 반응기의 초기 pH이고, |
| 분리 종료 시의 질량비, 중간 분리 시의 질량비, |
| Reactor 2의 초기량, |
| 반응기 2의 양과 반응기 1의 양. 다시 한 번, 영향을 미치는 것으로 보이는 동일한 매개변수가 있습니다. |
| 그래서 우리는 머신러닝을 진행했습니다. |
| 이 기계 학습 분석인 XGBoost는 의사 결정 트리 기계 학습 알고리즘입니다. 그리고 이 결과 매개변수에 포함되지 않는 부분을 방지하려면 |
| ...의 |
| 매개변수 상단에는 매개변수 중요도에 대한 일종의 임계값을 제공하는 가짜 매개변수가 포함되어 있습니다. |
| 그리고 이 임계값 이상으로 나타나는 모든 매개변수는 영향을 미치는 것으로 간주되었습니다. 다른 하나는 무작위로 간주되며 이 무작위 매개변수 아래에 있으며 최종 제품에 영향을 미치지 않거나 큰 영향을 미치지 않습니다. |
| 여기서 우리는 원자로 1에 대해 음의 상관관계가 나타나는 것을 볼 수 있습니다. 반응기 2의 pH와 반응기 2의 초기 양에는 양의 상관관계가 있습니다. |
| 그리고 질량비에 대해서는 음의 상관관계가 있습니다. 다시 한번 말씀드리지만, 앞서 설명했듯이 음의 상관관계와 양의 상관관계의 차이는 이 실험의 목표도 아니고 설계도 아니었기 때문에 영향이 있다는 것은 알지만 아직은 양의 상관관계인지 음의 상관관계인지는 알 수 없습니다. |
| 그럼 하류 부분으로 가보겠습니다. |
| 특히 크로마토그래피 1에 관한 것입니다. |
| 여기서는 신경 예측 모델링을 사용합니다. |
| 따라서 일반적인 예측 모델링에서는 다음을 사용합니다. |
| 크로마토그래피의 다른 부분. 오른쪽 그래프에서 우리는 8번 부분이 주요 부분임을 알 수 있습니다. 즉 우리가 대부분의 제품을 발견한 부분이 가장 높은 순도입니다. 그리고 분수 7-1에서 감소하면 생성물이 생기지만 불순물도 더 많아집니다. |
| 다른 |
| 지금까지 우리는 분석에서 분수 4를 고려했으며 분수 3, 2, 1도 포함할 수 있는지 알아보고 싶습니다. |
| 그리고 우리가 본 것은 분획의 수를 증가시킴으로써 수율은 증가하지만 순도는 거의 감소하지 않는다는 것입니다. |
| 그래서 왼쪽 그래프를 보면 Fraction 2로 가면 순도는 1% 미만으로 감소하지만 수율은 5%로 증가한 것을 알 수 있습니다. 그런 다음 Fraction 1을 포함하면 순도가 더 크게 감소하지만 1%가 조금 넘습니다. |
| 순도는 1% 이상 감소하고 수율은 약 10% 정도 증가한 반면에. |
| 그래서, 이 결과를 가지고 우리는 모든 것을 함께 요약하려고 합니다. |
| 지금까지 발효, 탱크 및 반응기의 최종 부피가 확인되었으며 이는 대부분의 방법으로 확인되었습니다. |
| 발효조의 초기 pH는 공정 전문가의 다양한 분석 방법과 복합 화합물 변동성을 통해 확인되었습니다. 그리고 복합 화합물 변동성의 효과를 확인하려면 실험실에서 추가 조사가 필요합니다. |
| 그런 다음 분리를 위해 몇 가지 방법으로 식별된 질량비가 있습니다. |
| 데이터 분석뿐만 아니라 프로세스 전문가에 의한 프로세스 분석도 가능합니다. |
| 그리고 그 전략은 매우 흥미롭습니다. |
| 프로세스 전문가는 이를 살펴보고 생산 수율을 향상시킬 수 있는 몇 가지 테스트를 수행하기로 결정했습니다. |
| 크로마토그래피 1의 경우 신경망 분석을 통해 프로세스 전문가가 풀링 전략을 식별했습니다. 그리고 여기 |
| 이 방법은 실험실은 물론 생산 현장에서도 쉽게 구현할 수 있습니다. 그리고 이 방법을 사용하면 수확량이 정말 많이 늘어나고 있습니다. |
| 그러면 예측을 다시 계산해 보겠습니다. |
| 예측 프로파일러를 통해 다양한 단계의 수율을 높일 수 있는 방법을 알아봅니다. 그리고 발효의 경우 수율을 최대 16%까지 높일 수 있었습니다. |
| 분리의 경우 최대 5%까지 늘릴 수 있으며 크로마토그래피 1의 경우 여기에서 높였습니다. |
| 최대 5%. 다른 슬라이드에서는 최대 10%라고 썼기 때문에 최악의 시나리오를 최대 5%라고 하려고 노력합니다. 그리고 결국에는 총 증가가 있을 것입니다. |
| 26%입니다. 이는 프로세스를 개선하고 큰 영향을 미칠 수 있는 부분에 정확히 집중할 수 있는 좋은 방법입니다. 그리고 실험실에서 많은 실험을 하지 않고 단지 데이터를 바탕으로 |
| 또한 실험실에서 많은 실험을 수행하므로 JMP를 사용하여 이러한 분석을 수행하는 것이 더 저렴합니다. 그래서 우리는 결국 많은 이득을 얻습니다. |
| 그럼 오늘 제 이야기를 들어주신 모든 분들께 진심으로 감사드리며, 제 동료에게도 큰 감사를 드립니다. |
| Ludovic, Helge, Lea, Nicola 및 Sven이 ??? 이 프레젠테이션의. |
