| Oratore |
Trascrizione |
| Anne-Catherine Portmann |
Buongiorno, oggi vi presenterò il potere dei dati. Questa presentazione si basa sull'idea che, in linea di principio, ci permetterà di studiare in modo efficiente i dati di oltre 80 lotti di produzione. |
| |
Grazie alla conoscenza del processo e all'analisi statistica, siamo riusciti a migliorare la resa del prodotto di oltre il 26%. L'analisi statistica consente inoltre di identificare le fasi chiave del processo che hanno un impatto sulla resa del prodotto. |
| |
Quindi lo farò |
| |
Per prima cosa introduciamo Lonza Pharma Biotech e poi passeremo all'analisi dei dati storici. |
| |
Lonza Pharma Biotech è stata fondata nel 1897 e poco dopo è stata trasformata |
| |
al produttore chimico. |
| |
Oggi siamo uno dei principali fornitori al mondo |
| |
per l'industria farmaceutica, sanitaria e delle scienze della vita. |
| |
Qui a Visp, siamo uno dei più grandi siti di Lonza |
| |
e siamo particolarmente importanti per la ricerca e sviluppo, lo sviluppo e la produzione. |
| |
Abbiamo una nuova divisione dell'azienda, Ibex Solutions, dove siamo in grado di completare i cicli biofarmaceutici dalla fase preclinica a quella commerciale, dalle sostanze farmacologiche al prodotto farmaceutico, tutto questo in un'unica sede. |
| |
Probabilmente ne avete sentito parlare ultimamente nel vaccino Moderna contro il COVID-19, |
| |
Ma non è l'unico prodotto che realizziamo qui. Produciamo anche piccole molecole, biofarmaci di origine microbica e mammifera, API ad alta potenza, peptidi e bioconiugati, inclusi coniugati farmaco-anticorpo. |
| |
Ora che ne sai un po' di più su Lonza, passerò all'analisi dei dati storici. |
| |
Quindi, per prima cosa vi presenterò il processo con cui vengono eseguiti gli 80 lotti. |
| |
Quindi, prima la parte a monte. Quindi la parte a monte ha prima la fase di fermentazione, dove il prodotto viene generato dal microrganismo. |
| |
Quindi il prodotto crea un microrganismo. |
| |
IL... |
| |
prodotto da produrre...il prodotto, i microrganismi |
| |
è prodotto (???) dal DNA |
| |
Durante la fermentazione. Poi abbiamo la lisi cellulare, in cui perturbiamo la membrana cellulare e permettiamo il rilascio del prodotto e di tutto ciò che è presente nella cellula. |
| |
e avere accesso a questo prodotto. Poi avviene la separazione. Nella fase di separazione, rimuoviamo i frammenti cellulari, come la membrana cellulare o il DNA. |
| |
Passiamo poi alla parte a valle, che si basa su tre diverse cromatografie e consente la purificazione del prodotto. Il prodotto è qui in giallo nella |
| |
Nella parte inferiore della diapositiva. Possiamo vedere che durante ciascuna fase di cromatografia, siamo in grado di profilare una parte più ampia del prodotto. Alla fine, eseguiamo una filtrazione sterile del prodotto. |
| |
L'obiettivo era quello di aumentare il rendimento complessivo del progetto e, per riuscirci, abbiamo prima raccolto i dati degli 80 lotti e li abbiamo ordinati in modo da poterli analizzare. |
| |
Quindi eseguiamo l'analisi della resa. |
| |
E poi discutiamo il risultato con l'analisi del processo. |
| |
Con le PMI, quindi, gli esperti in materia. |
| |
Poi abbiamo visto e...siamo passati all'analisi dei dati per la parte upstream e la eseguiamo per l'analisi sulla sinistra della diapositiva. |
| |
Poi passiamo alla parte a valle e ci concentriamo sulla Cromatografia 1. Alla fine, traiamo una conclusione da tutto ciò che vediamo nell'analisi e da ciò che l'esperto in materia ordina. E infine, ricalcoliamo la resa. |
| |
Vediamo cosa... come organizziamo i nostri dati. Quindi li abbiamo basati sui principi dei dati ordinati. |
| |
Questa è una parte importante del... prima dell'analisi, che richiede tempo, ma è davvero importante avere dati puliti e realizzare un'analisi efficiente in seguito. Quindi, per prima cosa, parliamo dell'unità di osservazione, ad esempio, possiamo parlare della fermentazione. |
| |
E poi su ogni riga del...del file includiamo un batch ogni volta. |
| |
Per ogni colonna, prendiamo un parametro. Ad esempio, per la fermentazione, il pH, la temperatura, tutti i |
| |
titolo (che significa |
| |
la quantità del prodotto alla fine). |
| |
E poi, per ogni valore, |
| |
qui corrisponde il valore corretto della colonna e del lotto. |
| |
Con questo possiamo andare su JMP ed eseguire l'analisi. |
| |
Vediamo quindi come calcolare il rendimento. |
| |
Quindi, per prima cosa calcoliamo la resa per ogni passaggio, iniziando dal 100% per la fermentazione |
| |
e osservare come diminuisce lungo il processo. |
| |
Ciò che osserviamo è che si verifica una grande variazione nella fase di fermentazione. |
| |
E poi abbiamo una diminuzione nella quantità del prodotto |
| |
nella fase di separazione e nella fase cromatografica 1. |
| |
E quindi andiamo con questi dati agli esperti in materia |
| |
e ci hanno detto che la complessa variabilità dei media influisce sul titolo finale della fermentazione, quindi dobbiamo esplorare questo aspetto. |
| |
Quindi, per la separazione, la strategia scelta potrebbe avere un impatto diverso sui rapporti di massa. |
| |
E per la cromatografia 1, la strategia di pooling ha molto probabilmente un impatto. |
| |
Quindi, vedremo cosa dicono i dati. Quindi esamineremo la parte a monte ed effettueremo diverse analisi. La prima analisi è stata l'analisi multivariata di ciascuna di queste fasi del processo USP. |
| |
Quindi ci concentriamo sulla fermentazione, sulla lisi cellulare e sulla separazione. E osserviamo tutti i parametri e come potrebbero correlarsi con il prodotto finale. |
| |
Quindi, qui, quello che vediamo è la fermentazione: la quantità aggiunta al reattore 1 ha mostrato una correlazione media con una buona probabilità di significatività. Per la separazione, il rapporto di massa finale. |
| |
Il rapporto di massa alla separazione intermedia ha un impatto importante su una probabilità significativa. |
| |
Si nota che altri parametri, come il pH iniziale del reattore 2, sono molto vicini alla soglia di correlazione media |
| |
e hanno una probabilità significativa. Vedremo se questo parametro è valido nella prossima analisi. |
| |
Abbiamo anche selezionato qui solo il parametro che è scientificamente significativo |
| |
anche per l'altra analisi. |
| |
Poi siamo passati ai minimi quadrati parziali. Per i minimi quadrati parziali, vediamo che per la fermentazione abbiamo una correlazione positiva per tutti questi parametri. Quindi vediamo di nuovo la quantità di Reattore 2, il pH iniziale del Reattore 2 e la quantità iniziale di Reattore 2. |
| |
Oltre a un nuovo parametro, c'è il tempo di attesa. |
| |
E lo vediamo |
| |
la quantità del reattore 2 ha una correlazione positiva con questa analisi, ma negativa con MVA. |
| |
E questo potrebbe essere spiegato, a causa degli 80 lotti per i quali... che erano in produzione, ma non erano progettati per rispondere a una domanda di correlazione positiva o negativa sul prodotto... sul prodotto finale. Quindi |
| |
Ciò potrebbe essere fatto in futuro, in un'altra analisi con una progettazione adeguata. |
| |
Con ??? possiamo ancora dire che abbiamo un impatto sul prodotto finale. |
| |
Per gli altri parametri, negli altri passaggi della parte upstream, vediamo anche che la previsione corrisponde ai risultati multivariati. |
| |
E abbiamo anche la possibilità di migliorare il titolo. Qui vediamo che con il profiler di predizione possiamo anche ottimizzare |
| |
in futuro e il rendimento del progetto. |
| |
Poi testiamo il prodotto... lo screening predittivo. E qui abbiamo eseguito 10 volte lo screening predittivo e sono stati selezionati i cinque parametri che si troveranno sempre tra i primi 10. Ed ecco cosa vediamo. È il pH iniziale del reattore 2, |
| |
il rapporto di massa alla fine della separazione, il rapporto di massa alla separazione intermedia, |
| |
la quantità iniziale del reattore 2, |
| |
la quantità del Reattore 2 e la quantità del Reattore 1. Quindi, ancora una volta, abbiamo lo stesso parametro che sembra avere un impatto. |
| |
Quindi siamo passati all'apprendimento automatico. |
| |
Questa analisi di apprendimento automatico, XGBoost, è un algoritmo di apprendimento automatico basato su alberi decisionali. E per evitare di avere in questo risultato un parametro che non fa parte |
| |
del... |
| |
nella parte superiore del nostro parametro, includiamo un parametro falso, che ci fornisce una sorta di soglia nell'importanza del parametro. |
| |
Tutti i parametri che superano questa soglia sono stati considerati aventi un impatto. Gli altri sono considerati casuali, mentre quelli che si trovano al di sotto di questa soglia non hanno alcun impatto o hanno un impatto non significativo sul prodotto finale. |
| |
E qui possiamo vedere che la correlazione negativa apparirà per il reattore 1. Il pH del reattore 2 e la quantità iniziale del reattore 2, abbiamo una correlazione positiva. |
| |
E per il rapporto di massa, abbiamo una correlazione negativa. Di nuovo, come ho spiegato prima, la differenza tra correlazione negativa e positiva non era l'obiettivo e non era stata progettata per questo esperimento, quindi sappiamo che ha un impatto, ma non sappiamo ancora se sia positivo o negativo. |
| |
Poi andremo nella parte a valle, |
| |
in particolare sulla Cromatografia 1. |
| |
E qui utilizziamo la modellazione predittiva neurale. |
| |
Quindi nella normale modellazione predittiva utilizziamo il |
| |
Una frazione diversa della cromatografia. Quindi, nel grafico a destra, vediamo che la Frazione 8 ha... è la frazione principale, quindi è lì che abbiamo trovato la maggior parte del prodotto, la purezza più elevata. E poi, diminuendo dalle Frazioni 7 a 1, abbiamo prodotto, ma anche più impurità. |
| |
E |
| |
Finora abbiamo preso in considerazione la frazione 4 nella nostra analisi e vorremmo vedere se possiamo includere anche le frazioni 3, 2 e 1. |
| |
Ciò che abbiamo visto è che aumentando il numero di frazioni, aumentiamo la resa ma diminuiamo di poco la purezza. |
| |
Quindi, nel grafico a sinistra, vediamo che se passiamo alla Frazione 2, diminuiamo la purezza a meno dell'1%, ma la resa aumenta al 5%. E poi, quando includiamo la Frazione 1, abbiamo una diminuzione maggiore della purezza, ma di poco inferiore all'1%. |
| |
La purezza è diminuita di oltre l'uno percento, mentre la resa è aumentata di circa il 10%. |
| |
Quindi, con questo risultato cerchiamo di riassumere il tutto insieme. |
| |
Finora, per quanto riguarda la fermentazione, abbiamo il volume finale dei serbatoi e del reattore, che sono stati identificati con la maggior parte dei metodi. |
| |
Anche il pH iniziale del fermentatore è stato identificato dagli esperti di processo attraverso i diversi metodi di analisi e la complessa variabilità dei composti. Per poter osservare l'effetto della complessa variabilità dei composti, saranno necessarie ulteriori indagini in laboratorio. |
| |
Quindi per la separazione, abbiamo il rapporto di massa, che è stato identificato con alcuni metodi, |
| |
analisi dei dati ma anche del processo...da parte degli esperti di processo. |
| |
E la strategia è molto interessante. |
| |
L'esperto di processo decide di esaminarlo e di provare a fare alcuni test per poter migliorare la resa nella produzione. |
| |
Per la Cromatografia 1, la strategia di pooling è stata identificata dall'esperto di processo nell'analisi della rete neurale. E qui |
| |
Il metodo può essere facilmente implementato in laboratorio e anche in produzione. E la resa aumenta notevolmente con questo metodo. |
| |
Quindi, ricalcoliamo con la previsione... |
| |
Un profiler predittivo ci mostra come possiamo aumentare la resa nelle diverse fasi. E per la fermentazione siamo riusciti ad aumentare la resa fino al 16%. |
| |
Per la separazione, siamo in grado di aumentarla fino al 5% e per la cromatografia 1, qui abbiamo aumentato |
| |
fino al 5%. Nell'altra diapositiva abbiamo scritto fino al 10%, quindi cerchiamo di essere nel caso peggiore per dire fino al 5%. E, alla fine, avremo un aumento totale alla fine di |
| |
26%, quindi è un buon modo per migliorare il nostro processo e concentrarci esattamente sulla parte in cui possiamo avere un impatto significativo. E basandoci solo sui dati, senza fare molti esperimenti in laboratorio, |
| |
È anche più economico eseguire queste analisi con JMP, poiché si farebbero molti esperimenti in laboratorio. Quindi alla fine otteniamo molti vantaggi. |
| |
Quindi, grazie mille a tutti voi per avermi ascoltato oggi, e un grande grazie anche al mio collega, |
| |
Ludovic, Helge, Lea, Nichola e Sven con il ??? di questa presentazione. |
