数据驱动的选择作为快速和面向未来的工艺开发的第一步 (2023-EU-30MP-1260)Egon Gross，JMP 高级全球支持工程师，Symrise AG
Symrise AG 研究与技术经理 Egon Gross
JMP 高级系统工程师 Peter Hersh
本次演讲将重点介绍 JMP® 如何帮助大幅减少培养实验工作量并将响应从 4 倍提高到 30 倍，具体取决于目标。 这是通过筛选潜在的培养基成分来实现的，这通常是发酵优化的第一步，有时也是乏味的一步。 采用酵母提取物等复杂成分的化学成分等特征，可以在未来发生变化时保持灵活性。 我们描述了基于 27 个媒体组件的 DSD 设置使用 FT-MIR 光谱数据减少工作量的过程。 在 JMP® 16 中的不同插件支持的几次标准化学计量学操作之后，培养实验的工作量可以大大减少。 最后，重要目标可以提高约 30 倍，作为后续流程优化的起点。 由于 JMP® 17 于 2022 年秋季发布，版本 16 中的详细过程将与集成功能进行比较。 它可能会为开发人员和用户提供更多灵感的空间。
爆发数据探索统计和建模
