Relatore | Trascrizione |
| Tiffany | Innanzitutto, grazie per esserti unito a noi oggi. Parleremo di caratterizzare diversi bioprocessi... vedere... e concentrarci davvero sul pDNA, vedere come il bootstrapping frazionario può davvero |
| aggiungi ai tuoi processi Quindi Phil si unirà a me nella seconda metà della presentazione per passare attraverso il JMP |
| esempio, oltre a fornire alcune tecniche diverse. |
| da essere usato. |
| Parlerò della strategia CMC, della biotecnologia, di come possiamo immettere un farmaco sul mercato e come possiamo utilizzare nuovi strumenti come FWB per fornire i nostri processi. |
| Quindi iniziamo. Quindi il viaggio del controllo della produzione chimica. Quindi è un viaggio molto lungo e ne parleremo. |
| Perché DOE, perché la modellazione predittiva? È molto complesso portare un farmaco sul mercato. Non si tratta solo degli esperimenti, ma anche della clinica. |
| e far andare tutto insieme. Quindi esamineremo anche gli approcci di pensiero sistemico. E poi, naturalmente, caratterizzare quel bioprocesso e poi il caso di studio che farà Phil |
| discutere. Allora, che aspetto ha il percorso CMC? Questo è un esempio generale e andiamo dalla tossicologia. Quindi è per vedere che non ha alcuna efficacia. Funziona. |
| in un processo non umano. Fino alla produzione commerciale e ci sono molte cose che riguardano questo, ad esempio, lo sviluppo dei processi. |
| Ma devi anche avere un profilo di prodotto target. Cosa vuoi che faccia effettivamente il farmaco che stai sviluppando? Ed è importante capirlo mentre stai attraversando. E poi ovviamente il |
| anche il profilo del prodotto target di qualità. Questo è... quali sono gli aspetti necessari affinché la molecola funzioni come prescritto? |
| E poi esaminiamo gli attributi di qualità critici e poi esaminiamo il processo in modo che sia... è un... è un gruppo |
| a causa del fatto che hai lo sviluppo del processo, la caratterizzazione del processo, la qualificazione del processo e il BLA. C'è un'enorme quantità di lavoro che va in ognuno di questi passaggi. |
| E vogliamo anche assicurarci che durante le diverse fasi tu stia effettivamente costruendo questi dati |
| raggruppamenti. Perché quando arrivi alla caratterizzazione del processo e alla qualificazione del processo, vuoi assicurarti di poter sfruttare il più possibile le tue informazioni passate, in modo da aver effettivamente ridotto |
| le tue linee temporali. Potresti dire: "Tiffany, elaboro la caratterizzazione, durante tutto il processo". E io dirò: "Assolutamente". Ma la caratterizzazione del processo specifica per il percorso CMC è ciò di cui abbiamo bisogno dal punto di vista normativo. |
| Quindi probabilmente tutti hanno sentito dai telegiornali, sai, vaccini e terapie cellulari e geniche. È un argomento molto caldo in questo momento, e lo è anche |
| portando nuovi trattamenti a pazienti che non siamo mai stati in grado di trattare prima. |
| E quindi nei due grandi raggruppamenti di terapie cellulari e terapie geniche, ci sono aspetti diversi. Destra. Quindi abbiamo le immunoterapie. Abbiamo le cellule staminali. |
| Stiamo facendo medicina rigenerativa. Quindi immagina, sai, di avere un danno alla schiena e di essere in grado di rigenerarti. C'è enorme |
| enfasi su questo raggruppamento. Ma c'è anche una grande enfasi sulle terapie geniche. Vettori virali. Usiamo vettori batterici? Come otteniamo il DNA |
| nel sistema per essere un trattamento per i pazienti? Bene, il DNA plasmatico è uno di quegli aspetti e Phil ha uno straordinario caso di studio in cui hanno fatto un'ottimizzazione. |
| Quindi potresti dire, beh, "Cos'è il pDNA. E perché è importante, a parte, va bene, fa parte dello spazio della terapia genica, che è molto interessante in questo momento?" |
| Bene, il fatto è che può essere usato per... nei vaccini preventivi, negli agenti di immunizzazione, per... Preparare... la preparazione di iperimmunoglobuline |
| vaccini contro il cancro, vaccini terapeutici, sostituzioni geniche. O forse l'hai fatto |
| un bambino, giusto, che ha una rara mutazione genetica. Possiamo entrare e fare quelle riparazioni? Tutte queste cose sono attorno a questo e mentre la tecnologia della terapia genica continua a crescere, |
| le normative continuano ad aumentare man mano che ci si sposta attraverso il percorso più vicino alla commercializzazione e aumenta anche la quantità di dati. |
| Immagina che le terapie geniche e le terapie cellulari siano dove eravamo più di 20 anni fa con il ??? colture cellulari e anticorpi monoclonali |
| È un mondo fantastico in cui impariamo cose nuove ogni giorno e diciamo: "Oh, |
| questa non è una piattaforma." Abbiamo bisogno di nuove attrezzature. Abbiamo bisogno di nuovi modi di lavorare. Dobbiamo essere in grado di analizzare set di dati molto, molto piccoli perché nelle terapie cellulari e nelle terapie geniche il numero di pazienti è in genere inferiore rispetto ad altre indicazioni. |
| Allora, qual è il prossimo passo per il pDNA? Bene, naturalmente, poiché il mercato della terapia cellulare e della terapia genica continua a crescere, continueremo su questa strada |
| nella commercializzazione. Dobbiamo essere in grado di lavorare con la FDA e lavorare con loro, mano nella mano, perché queste sono cose che non abbiamo mai fatto prima. Utilizziamo materie prime che non utilizziamo e altro |
| ...altre indicazioni per i farmaci. Quindi ci sono molte cose da fare. È anche fondamentale essere in grado di realizzare questi prodotti come il pDNA in modo da ottenere il vettore nel modo appropriato |
| volume, ma anche aspetto qualitativo. Quindi, se hai il miglior farmaco del mondo, ma non sei in grado di farcela, allora non hai il farmaco. Destra? Non puoi consegnarlo ai pazienti. |
| Quindi dobbiamo anche assicurarci che il nostro processo sia ben caratterizzato. E come ho detto prima, molte di queste indicazioni sono molto piccole. Quindi anche gli studi clinici sono piccoli. |
| E allo stesso tempo i pazienti sono spesso molto, molto malati. Quindi essere in grado di analizzare i nostri dati e anche di rispondere alle loro esigenze molto rapidamente è molto fondamentale. |
| Sia nell'aspetto clinico che quando veniamo commercializzati. Non vogliamo avere questa situazione in cui, indovina un po', non posso fare il farmaco, giusto? Voglio essere in grado di farcela. |
| Anche la produzione è una cosa molto importante. Quindi non so se l'hai notato nelle notizie, ce ne sono state molte |
| annunci di espansioni. Naturalmente, le persone stanno espandendo la capacità di vaccinare, ma anche una delle grandi mosse è il pDNA. Le persone spendono milioni di dollari, a volte miliardi di dollari |
| nell'aumentare quei siti produttivi. E potresti dire, beh, va bene, aumenti il tuo sito di produzione. |
| È fantastico. Ma ora devo essere in grado di trasferire la tecnologia in quel sito di produzione. Devo assicurarmi che il mio processo sia robusto... robusto e non solo |
| può essere trasferito e ampliato, ma assicurandomi di avere il potere statistico di dirlo |
| So che il mio processo ha il controllo. Potrei avere una variabilità del 2%, ma ho sempre una variabilità del 2% e l'ho caratterizzata, per esempio. |
| E poiché sempre più capacità arriva online e poiché anche noi abbiamo carenze, è come se dovessi portare il mio prodotto e tenerlo in considerazione, quindi progettare per la produzione prima. |
| E potresti avere più prodotti nella tua pipeline. Quindi vuoi assicurarti di imparare e di essere in grado di raccogliere quelle informazioni e dire, fammi fare alcuni modelli predittivi su questo, potrebbe non essere il prodotto esatto, ma ha attributi simili. |
| Quindi, con ciò, il percorso verso la commercializzazione è molto integrato, proprio come la strategia CMC prende l'aspetto clinico, |
| tutto si riunisce per far progredire una molecola. Abbiamo anche |
| pensare al suo aspetto sistemico. Come mai? Perché se facciamo qualcosa nello spazio a monte, potremmo aumentare la produttività |
| 200%, diciamo, che stiamo andando, "sì ho fatto il mio traguardo. Posso consegnare al mio paziente". Ma se il mio downstream o il mio cell |
| il recupero non può effettivamente recuperare il prodotto, che si tratti di una cellula o di una proteina terapeutica, ad esempio, allora non abbiamo un prodotto. Tutto quel lavoro è in qualche modo buttato fuori dalla porta. Quindi avere i sistemi |
| approccio, assicurandoti di coinvolgere tutti i diversi gruppi dal business, alla catena di approvvigionamento, al controllo di qualità, scoprendo ... tutti hanno la conoscenza che portano al tavolo per consegnare al paziente alla fine, il che è molto fondamentale. |
| Quindi ora lo consegnerò a Phil. Mi sarebbe piaciuto parlare molto di più su come abbiamo sviluppato i farmaci, ma vediamo... vediamo come possiamo analizzare alcuni dei nostri dati. Allora, Phil, te lo consegno adesso. |
| Filippo Ramsey | Ok, quindi grazie, Tiffany, per quella discussione |
| per preparare il terreno per quello che sarà un caso di studio. Passerò la maggior parte del tempo in JMP dimostrando alcuni degli strumenti importanti che esistono in JMP. Potresti anche non sapere che ci sono, |
| che sono in realtà molto importanti per lo sviluppo del processo, specialmente nel contesto del percorso CMC, del controllo della produzione chimica e della qualità in base alla progettazione. |
| E due importanti caratteristiche dello sviluppo del processo, e questo è in generale, |
| è quello in cui vuoi progettare un processo, ma devi anche caratterizzarlo. Occorre infatti caratterizzare l'intera regione operativa. |
| E, naturalmente, vogliamo ottimizzare in modo da avere una produzione altamente desiderabile. Quello di cui spesso non parliamo abbastanza è che queste attività riguardano intrinsecamente la previsione. |
| Dobbiamo costruire potenti modelli predittivi che ci consentano di prevedere le prestazioni future. Questa è una parte molto importante, soprattutto nella fase avanzata dello sviluppo, per le agenzie di regolamentazione. Devi dimostrare |
| che puoi produrre un prodotto in modo affidabile. Ebbene, un articolo chiave su questo problema della caratterizzazione e previsione dei processi è stato il famoso articolo di George Box e dei suoi |
| coorte Wilson, che era un ingegnere. |
| E in questo hanno parlato di ciò che è l'inizio, come la gente nota oggi, come superficie di risposta. |
| E la chiave di questo è il loro lavoro con qualcosa che hanno chiamato il modello quadratico completo. Bene, cos'è quello? Bene, questo è un modello che contiene gli effetti principali, |
| tutte le interazioni bidirezionali e gli effetti quadratici. E questo è probabilmente ancora il gold standard per i modelli di processo di costruzione, in particolare per la produzione. |
| Ma ciò che le persone potrebbero non rendersi conto, sono utili per l'ottimizzazione. Sono buone approssimazioni di secondo ordine per queste funzioni di risposta sconosciute. Ciò che non è ben compreso è che, nell'intera area di progettazione, spesso rappresentano una scarsa approssimazione della superficie di risposta. |
| E nel 1996 il compianto John Cornell e, ovviamente, molti sanno, Doug Montgomery hanno pubblicato un articolo che è davvero sottovalutato. |
| E poi quel documento hanno sollevato il fatto che il modello quadratico completo spesso è inadeguato per caratterizzare uno spazio di progettazione. Pensaci dal punto di vista di uno scienziato e pensa a quanto siano dinamici questi biochimici |
| i processi spesso lo sono. In altre parole, c'è una grande quantità di non linearità che porta a superfici di risposta con curvatura composta pronunciata in diverse regioni. |
| E il modello quadratico completo semplicemente non può affrontarlo. Quindi quello che hanno proposto è stato aumentare quel design e hanno aggiunto cose come quadratico con lineare, lineare con quadratico e anche |
| quadratica per interazioni quadratiche. Si scopre che questi modelli approssimano le regioni di progettazione meglio dei modelli quadratici completi. Te lo dimostrerò tra un momento. |
| Ma c'era un problema per loro. Numero uno, gli statistici tradizionali non hanno gradito l'approccio; che sta cambiando radicalmente in questi giorni. |
| Ma ci sono molti di questi termini che possono essere aggiunti a un modello tale che anche un grande design composito centrale |
| diventa super saturo. Che cosa significa? Significa che ci sono più incognite p, quindi ci sono osservazioni e per adattarsi ai modelli. Si scopre che non è proprio un vincolo in questi giorni nell'era dell'apprendimento automatico e delle nuove tecniche per la modellazione predittiva. |
| Quindi quello che faremo è usare qualcosa chiamato bootstrapping frazionario. Questo può essere fatto in JMP Pro. |
| E qualcosa chiamato media del modello per costruire modelli per prevedere le superfici di risposta, e in realtà userò questi grandi modelli aumentati. |
| Ok, quindi quando provi a costruire questi modelli predittivi, diciamo per la qualità in base alla progettazione, ci sono una serie di cose di cui devi essere consapevole. Uno, |
| sempre nel 1996, uno dei pionieri dell'apprendimento automatico, il compianto Leo Brieman, scrisse un articolo che ancora una volta non è stato apprezzato tanto quanto dovrebbe essere. E ha fatto notare |
| che tutti questi algoritmi di costruzione di modelli che utilizziamo per la previsione (e ciò include la selezione in avanti, tutti i modelli possibili, i migliori sottoinsiemi, lazo) |
| sono intrinsecamente instabili. Che cosa significa? Essere instabili significa che piccole perturbazioni nei dati possono portare a modelli estremamente variabili. |
| Quindi ha fatto del lavoro per sottolinearlo e ha suggerito una strategia, ha detto: "Beh, se potessi, in qualche modo, simulare |
| adattando i modelli e in qualche modo perturbare i dati su ogni corsa di simulazione, potremmo adattare un gran numero di modelli e quindi calcolarne la media". E ha mostrato che questo aveva del potenziale. |
| Non aveva molti strumenti in quell'epoca per farlo. Ma oggi ti mostrerò in JMP Pro, abbiamo molti strumenti e ti mostreremo che l'idea di Brieman è in realtà molto buona. |
| Ora è in un modo o nell'altro, comunemente accettato nell'apprendimento automatico e nell'apprendimento profondo, l'idea della modellazione dell'insieme e della media del modello. |
| A proposito, indicherò rapidamente anni fa nella piattaforma graduale di JMP, John Sall ha istituito una forma di media del modello. È una perla nascosta in JMP. Funziona bene ed è disponibile in entrambe le versioni di JMP, ma ho intenzione di offrire una soluzione più completa |
| che può essere fatto in JMP Pro. E questa soluzione viene definita bootstrap a peso frazionario con convalida automatica e spiegherò cosa significa. |
| Quando costruiamo modelli predittivi, abbiamo una sfida. Abbiamo bisogno di un training set per adattarsi al modello, quindi abbiamo bisogno di un ulteriore |
| o set di dati di convalida per testare il modello per vedere quanto bene prevederà. Bene, DOE semplicemente non ha queste prove aggiuntive disponibili. In effetti, Brieman era bloccato su questo punto. |
| Non c'è modo di generare davvero un errore di convalida. Ebbene, nel 2017 al Discovery Frankfurt, Chris Gotwalt, capo della ricerca statistica per JMP, e io |
| ha presentato un discorso e ciò che abbiamo chiamato bootstrapping e convalida automatica con ponderazione frazionaria. Cosa significa convalida automatica? Significa che questo non sembrerà |
| intuitivo, useremo il training set anche come set di validazione. Dici: "Beh, è pazzesco. Sono gli stessi dati". |
| Ma c'è una salsa segreta in questa tecnica che la fa funzionare. Quello che facciamo è prendere i dati originali, copiarli, chiamarli il set di convalida automatica, |
| e poi, in modo speciale, assegniamo pesi casuali alle osservazioni ed eseguiamo la ponderazione |
| in modo tale da guidare l'anticorrelazione tra il set di addestramento e il set di convalida automatica. E te lo illustrerò molto presto. |
| Bene. E a proposito, abbiamo supervisionato il mio dottorando Trent Lempkis, che ha studiato questo metodo in modo approfondito in simulazioni esaurienti nell'ultimo anno. |
| E pubblicheremo un articolo per dimostrare che questo metodo produce effettivamente risultati superiori agli approcci classici alla costruzione di modelli predittivi da DOE. |
| Quindi andrò avanti qui e parlerò del caso di studio. E questo è ciò che ha menzionato Tiffany |
| pDNA. È un argomento molto caldo e il produttore di pDNA è considerato una grande area di crescita e il mondo delle biotecnologie si aspetta una grande crescita, forse anche del 40% |
| anno dopo anno a causa di tutte le nuove terapie in arrivo online dove verrà utilizzato. |
| E in questo caso, e questo è molto comune nel mondo delle biotecnologie, non ci sono davvero dati esistenti che possiamo usare per costruire modelli predittivi. |
| Quindi questo ci porta giustamente alla progettazione di esperimenti. E in questo caso, utilizzeremo un progetto di screening definitivo. |
| Queste sono meravigliose invenzioni di Brad Jones di JMP e Chris Nachtsheim dell'Università del Minnesota. |
| Altamente efficienti e li consiglio vivamente sempre alle persone nel mondo delle biotecnologie in cui hai tempo e risorse limitate per la sperimentazione. |
| Quindi, in pratica, ti sto solo mostrando uno schema di come appare un bioprocesso. E ci concentreremo sulla fase di fermentazione. |
| Ma in pratica, come alludeva Tiffany, avremmo esaminato gli aspetti sia a monte che a valle di questo processo. |
| pH, percentuale di ossigeno disciolto, temperatura di induzione. Questa è la temperatura a cui abbiamo impostato il fermentatore per ottenere il |
| geneticamente modificato E. Coli per iniziare a pompare plasmidi. E cosa sono i plasmidi? Beh, sono davvero DNA non cromosomico. |
| E hanno molti usi nelle terapie, in particolare nelle terapie geniche, e sono separati dal solito DNA cromosomico che potresti trovare nei batteri. |
| Quindi il nostro obiettivo è ottenere questi E. Coli per pompare quanto più pDNA possibile. Quindi abbiamo fatto il processo. Questo è un vero esperimento. E poiché eravamo nuovi ai DSD, abbiamo anche eseguito un design composito centrale tradizionale più grande, molto più grande. E lo abbiamo fatto separatamente. |
| E quello che ho intenzione di fare è per il lavoro di oggi, useremo il CCD come set di convalida e adatteremo i modelli usando la convalida automatica sul DSD. Vedremo come va. Ok, quindi ora passerò a JMP. |
| E ho intenzione di aprire una tabella di dati. Ecco i dati DSD. Faremo tutta la nostra modellazione su questo set di dati. E oh, a proposito, adatterò un modello predittore 40 a un 15 |
| eseguire la progettazione utilizzando tecniche di apprendimento automatico. E molte persone, dovrai capire il fatto che puoi fare queste cose e in realtà vengono fatte tutto il tempo nell'apprendimento automatico e nel deep learning. |
| Quindi ci sono un paio di aggiunte che voglio mostrarti che lo rendono facile da fare. Hai bisogno di JMP Pro. Uno di questi è un componente aggiuntivo che prepara il tavolo per te. Questo è di Michael Anderson di JMP. |
| Quindi ti mostrerò cosa succede. Il componente aggiuntivo è disponibile nelle comunità JMP. |
| Quindi nota che ha preso i dati originali, |
| creato un set di convalida. E come ho detto, |
| abbiamo anche questo schema di ponderazione e questi pesi sono generati casualmente e, come vedrai tra poco, eseguiamo uno studio di simulazione e cambiamo costantemente i pesi su ogni |
| correre. E questo ha l'effetto di generare nuovamente migliaia di iterazioni di modellazione. E vedrai anche, come ha avvertito Leo Brieman, come te |
| perturbare le risposte (non cambiamo la struttura dei dati), vedi variazioni selvagge nei modelli. Quindi andrò avanti e ve lo illustrerò molto rapidamente. |
| Quindi vado a adattarmi al modello. |
| E dobbiamo dire a JMP dove sono archiviati i pesi. Useremo la regressione generalizzata, altamente raccomandata per questo. |
| E poiché questa è una demo rapida, userò la selezione in avanti, ma questo è un SWB di procedure molto generale con convalida automatica. Puoi usarlo in molti, molti diversi scenari di previsione o modellazione. Farò la selezione in avanti. Ok, quindi mi adatto un modello. |
| E poi scendo al |
| tabella dei preventivi. Farò clic con il pulsante destro del mouse e selezionerò simula. |
| E gli dico che voglio fare un certo numero di corse di simulazione e ad ogni prova voglio scambiare i pesi. Voglio generare nuovi pesi. E comunque, ne farò solo 10 perché questa è una demo. |
| Quindi ci sono i risultati. E puoi vedere che abbiamo 10 modelli e tutti sono abbastanza diversi. |
| Quindi, ancora una volta, in pratica, farei migliaia di queste iterazioni. E poi ti mostrerò più tardi, |
| possiamo quindi prendere questi coefficienti e calcolarne la media insieme. E comunque, se vedi zero, significa che quella svolta non è entrata in un modello. Ok, quindi quello che ho intenzione di fare ora è mostrarti un altro componente aggiuntivo. |
| Quindi chiuderò parte di questo, quindi manteniamo lo schermo ordinato. |
| C'è un'altra aggiunta che abbiamo sviluppato in Predictum. E questo non solo fa il bootstrapping ponderato per fazione, ma sviluppa anche la media del modello. In altre parole, |
| quello che ti ho appena mostrato, l'aggiunta che puoi usare se vuoi fare la media del modello, sei un po' da solo. Bene. Sarà solo un sacco di lavoro manuale. |
| Quindi userò il componente aggiuntivo Predictum. Crea la tabella e quindi lo farò molto rapidamente, solo per trovare un modello per illustrare come funziona l'aggiunta, userò un modello di superficie di risposta standard. |
| Vogliamo predire il pDNA. E useremo gen reg. |
| Quindi, ancora una volta, a titolo illustrativo, andrò avanti e userò la selezione in avanti in avanti. |
| E ancora, faccio migliaia di iterazioni in pratica, ma ne farò solo 10. |
| Fare clic su Vai. |
| Bene. |
| Filippo Ramsey | Ancora una volta, questo è un rapido, questo è davvero, mi scuso, tre discorsi fusi in uno, ma tutti i pezzi si incastrano nel framework QbD. Quindi ho un modello. Questi sono coefficienti medi. Ancora una volta, ne ho fatti solo 10. Salverei la formula di previsione nella tabella dei dati. |
| E cercherò di mantenere lo schermo il più ordinato possibile. |
| Quindi c'è la mia formula; l'app ha fatto tutta la media per te, quindi non devi farlo. |
| E c'è la formula. E un piccolo trucco di cui potresti non essere a conoscenza, questa è una formula disordinata, soprattutto se vuoi distribuire questa formula su altre tabelle di dati. Nell'editor delle formule, c'è una funzione molto carina chiamata semplifica. |
| Vedi, e semplifica l'equazione e lo rende molto più distribuibile ad altri set di dati. Ok, quindi questa era un'illustrazione del metodo. |
| E quello che ho intenzione di fare ora è mostrare cosa è successo |
| quando abbiamo seguito l'intera procedura. Quindi questa è una tabella di dati. E qui noterai la banca dati DSD e CCD combinati insieme. |
| E ho utilizzato la variabile dello stato della riga per eliminare o escludere i dati DSD perché voglio concentrarmi sulle prestazioni dei miei modelli sui dati di convalida. Anche in questo caso i modelli sono adatti solo al DSD. |
| Quindi ecco il mio 41 mandato |
| modello. Questo è il quadratico completo aumentato fatto con la media del modello su migliaia di iterazioni. E per confronto ho ripetuto lo stesso processo |
| per il modello quadratico completo a 21 termini molto più piccolo. Allora come ci siamo comportati in termini di previsione? Quindi lascia che ti mostri un paio di trame effettive per previsto. |
| Quindi ricorda, e devo sottolineare con forza, questo è un vero test di convalida. Il CCD viene eseguito separatamente. Diversi lotti di materia prima, incluso un nuovo lotto del ceppo E Coli. |
| Alcuni dei fermentatori erano diversi ed erano operatori completamente diversi. Quindi, per quelli di voi che lavorano nelle biotecnologie, sapete, questo è un lavoro di previsione tanto difficile quanto quello che otterrete. |
| Quindi, ancora una volta, il modello era adatto al DSD e sulla sinistra c'è il modello a 41 termini, il modello aumentato e la deviazione standard complessiva dell'errore di previsione è di circa 67. |
| Sulla destra, ancora, ho usato la media del modello che aiuta a migliorare le prestazioni, ho adattato solo il modello quadratico completo a 21 termini e puoi vedere che l'errore di previsione è di circa 70. |
| In effetti, senza utilizzare la media del modello, poiché molte persone non eseguono un modello quadratico utile quadratico completo, quindi le prestazioni sarebbero significativamente peggiori. Bene. |
| Allora ho il modello. Cosa ne faccio? Bene, il nostro obiettivo è tipicamente l'ottimizzazione e la caratterizzazione. Allora fammi aprire un profiler. Lo farò davvero per te. |
| Quindi andrò al profiler e al menu del grafico. Userò il mio modello migliore. E questo è quello che usa il componente aggiuntivo Predictum. E a proposito, se sei interessato a questo aggiungi, e anche |
| Beta test, contatta Predictum, invia un'e-mail a Wayne@predictum.com e sono sicuro che sarebbe più che felice di parlare con te. Quindi vado a... |
| Sono andato al modello e poi usando la desiderabilità, |
| Troverò solo le impostazioni che massimizzano la produzione. E comunque, |
| questo è un notevole miglioramento rispetto alla produzione che stavano ottenendo storicamente e ci fornisce impostazioni in cui dovremmo vedere |
| sul miglioramento delle prestazioni e questi erano, tra l'altro, alquanto non intuitivi, ma di solito è così nei sistemi complessi. |
| Le cose non sono mai così intuitive come pensi che siano. E poi anche qualcosa di veramente importante, specialmente se stai facendo lo sviluppo in fase avanzata nel percorso CMC. |
| E cioè, vogliono che tu valuti l'importanza degli input, quali input sono importanti. |
| valutare l'importanza variabile. Ancora una volta, non entrerò in tutti i dettagli tecnici. |
| Quindi passa e ti mostra, in termini di variazione nella risposta, la velocità di avanzamento è di gran lunga la più importante. Questo non era necessariamente intuitivo per le persone. E il secondo è la percentuale di ossigeno disciolto. |
| Quindi, cosa ti dice? Bene, ti dice, numero uno, è meglio controllare queste variabili molto bene, o è probabile che tu l'abbia |
| molta variazione. Ora, in questo caso particolare, non ho attributi critici per la qualità. Non ce n'erano disponibili. |
| Quindi quello che abbiamo è un attributo fondamentale per il business ed è la produzione di pDNA, ma c'è di più che possiamo fare in JMP per caratterizzare completamente lo spazio di progettazione. Tutto quello che ho fatto è stata un'ottimizzazione, ma non è una caratterizzazione. Quindi c'è un altro meraviglioso strumento nel profiler. Bene. |
| Si chiama simulatore. E questo non viene utilizzato tanto quanto dovrebbe. Quindi quello che ho fatto, ho definito le distribuzioni per gli input. |
| Cioè, mi aspetto che gli input varino. Questo è qualcosa che la FDA vuole sapere. Cosa succede alle prestazioni del tuo processo come input molto. Non ci sono processi perfettamente controllati, soprattutto una volta che si aumenta la scalabilità. |
| A proposito, mentre ci penso, questi modelli più complessi, questi modelli quadratici completi aumentati, |
| per esperienza, posso dirti che aumentano meglio dei modelli quadratici completi. Questo è un altro motivo per adattarsi a questi modelli più complessi. |
| Quindi nel simulatore c'è un simpatico strumento chiamato esperimento di simulazione. E quello che fa, fa quello che chiamiamo un design che riempie lo spazio. Distribuisce i punti sull'intera area di progettazione. Quindi dirò solo che voglio fare 256 corse. |
| e farà 5000 simulazioni, in ogni punto calcolerà una deviazione standard media e un difetto complessivo. Destra. |
| Quindi questo in realtà va abbastanza rapidamente. E ti sto solo mostrando come appare l'output. E ancora, l'ho già fatto. |
| Quindi, nell'interesse del tempo, aprirò un'altra tabella di dati. |
| Riduci al minimo l'altro. |
| Quindi questi sono i risultati dello studio di simulazione. |
| E non entrerò in tutti i dettagli, ma adattamento un modello al principale, adattamento il modello alla deviazione standard e adattamento un modello al tasso di difetto complessivo. |
| E i tassi di difetto in alcune aree sono bassi, in alcuni di essi sono relativamente alti e questi sono quelli che chiamiamo modelli di processo gaussiani, che sono comunemente usati con dati simulati. Quindi cosa possiamo fare con questi |
| modelli e con questi risultati di simulazione? Ebbene, ancora una volta, la caratterizzazione è importante. Quindi lascia che ti dia un'idea veloce. |
| Ecco un grafico a dispersione tridimensionale, stiamo guardando la velocità di avanzamento e la percentuale di DO, perché sono davvero importanti. E i punti tracciati sono ponderati in base al tasso di difetto; più grande |
| sfere significano tassi di difetto più elevati. Quindi se ti guardi intorno. Puoi vedere che ci sono alcune regioni in cui non vogliamo assolutamente operare. |
| Quindi stiamo caratterizzando i nostri spazi di progettazione e trovando regioni più sicure in cui operare. E, naturalmente, potrei farlo per |
| scegli semplicemente alcune altre variabili e, in ogni caso, mostra solo altre regioni che vuoi davvero evitare. E possiamo fare di più con questo, ma penso che questo renda il punto. Dove possiamo anche noi |
| vai avanti e usa di nuovo il profiler e ho intenzione di riottimizzare. |
| Ma lo farò in un modo diverso. In questo modo voglio massimizzare il pDNA medio. |
| E voglio fare una doppia risposta. E voglio ridurre al minimo il tasso complessivo di difetti. |
| Quindi, ancora una volta, andrò avanti e userò la desiderabilità. |
| Questo richiede alcuni minuti. Si tratta di modelli molto complessi che stiamo ottimizzando. |
| E nota, viene fuori e dice |
| alta velocità di avanzamento, alta DO, |
| vicino al pH neutro e all'induzione. A proposito, induzione, se vuoi sapere cos'è l'induzione OD 600, è una misura della massa microbica |
| e una volta raggiunta una certa massa (nessuno è abbastanza sicuro di cosa sia, ecco perché facciamo l'esperimento) aumenti la temperatura della materia. E questo in realtà |
| costringe l'E. Coli per iniziare a pompare pDNA o plasmidi, e sono progettati per farlo. Quindi la chiamiamo temperatura di induzione. Bene. Bene, nota nelle impostazioni, |
| ci è garantito un basso tasso di difetti, la risposta di ottimizzazione complessiva non è stata così alta. Ma ricorda, avremo anche un processo meno incline a generare difetti. |
| Ok, quindi a questo punto, |
| Andrò velocemente fino alla fine. |
| La diapositiva. Quindi è tutto in queste diapositive. Sono stati tutti caricati |
| a |
| comunità JMP. E alla fine di questo c'è un sommario esecutivo e fondamentalmente quello che ti stiamo mostrando è lo sviluppo del processo e del prodotto |
| l'utilizzo del percorso CMC (e una parte di esso è la qualità in base alla progettazione) richiede un approccio olistico o integrato. Un sacco di pensiero sistemico ha bisogno di entrare in esso. |
| La progettazione e lo sviluppo dei processi è intrinsecamente un problema di previsione e questo è il dominio dell'apprendimento automatico e dell'apprendimento profondo. Non è quello che potresti pensare; non è come al solito per l'edilizia |
| modelli in statistica, in particolare per la previsione. Ti abbiamo mostrato la convalida automatica del bootstrap e la media del modello con ponderazione frazionaria |
| può generare modelli predittivi molto efficaci e accurati. E voglio anche sottolineare che questi modelli aumentati più complessi di Cornell e Montgomery sono in realtà piuttosto importanti. |
| Loro, si adattano davvero meglio e ti danno una migliore caratterizzazione. E con questo, ti ringrazio e concluderò la mia presentazione. |
