| 스피커 |
성적 증명서 |
| 앤 캐서린 포트만 |
안녕하세요, 오늘은 데이터의 힘에 대해 소개해 드리겠습니다. 이 프레젠테이션은 80개 이상의 생산 배치 데이터를 효율적으로 분석할 수 있다는 기본 아이디어를 바탕으로 합니다. |
| |
공정 지식과 통계 분석을 바탕으로 제품 수율을 26% 이상 향상시킬 수 있었습니다. 통계 분석을 통해 제품 수율에 영향을 미치는 주요 공정 단계를 파악할 수 있습니다. |
| |
그래서 나는 할 것이다 |
| |
먼저 Lonza Pharma Biotech를 소개하고, 이어서 과거 데이터 분석을 살펴보겠습니다. |
| |
Lonza Pharma Biotech는 1897년에 처음 설립되었으며 그 후 얼마 지나지 않아 변형되었습니다. |
| |
화학 제조업체에. |
| |
오늘날 우리는 세계 최고의 공급업체 중 하나입니다 |
| |
제약, 의료 및 생명 과학 산업에 적용됩니다. |
| |
Visp에서는 Lonza의 가장 큰 사이트 중 하나입니다. |
| |
그리고 우리는 연구개발, 개발, 제조에 있어서 가장 중요한 기업입니다. |
| |
우리 회사에는 Ibex 솔루션이라는 새로운 부서가 생겼습니다. 이를 통해 임상 전 단계부터 상용 단계까지, 약물 물질에서 약물 제품까지 모든 생물제약 주기를 한 곳에서 완료할 수 있습니다. |
| |
최근 Moderna의 COVID-19 백신에 대한 소식을 들었을 것입니다. |
| |
하지만 이것이 우리가 이곳에서 생산하는 유일한 제품은 아닙니다. 저희는 소분자, 포유류 및 미생물 생물의약품, 고효능 API, 펩타이드, 그리고 항체-약물 접합체를 포함한 생물접합체도 생산하고 있습니다. |
| |
이제 론자에 대해 조금 더 알았으니 과거 데이터 분석을 해 보겠습니다. |
| |
그럼, 우선 80개 배치가 실행되는 프로세스를 소개해 드리겠습니다. |
| |
그럼, 먼저 상류 부분부터 살펴보죠. 상류 부분에는 먼저 발효 단계가 있는데, 여기서 미생물에 의해 생성물이 생성됩니다. |
| |
그래서 그 제품은 미생물을 만듭니다. |
| |
그만큼... |
| |
생산할 제품...제품, 미생물 |
| |
DNA로부터 생성된다 |
| |
발효 중에요. 그런 다음 세포 용해를 통해 세포막을 파괴하고 세포 내 모든 물질을 방출합니다. |
| |
이 제품에 접근할 수 있습니다. 그런 다음 분리가 시작됩니다. 분리 단계에서는 세포막이나 DNA와 같은 세포 조각을 제거합니다. |
| |
이제 세 가지 다른 크로마토그래피를 기반으로 하는 하류 단계로 넘어가서 생성물을 정제합니다. 생성물은 여기 노란색으로 표시되어 있습니다. |
| |
슬라이드 아래 부분입니다. 각 크로마토그래피 단계에서 생성물을 조금 더 자세히 분석할 수 있음을 알 수 있습니다. 마지막으로 생성물을 멸균 여과합니다. |
| |
따라서 목표는 전반적인 프로젝트 수율을 높이는 것이었고, 그러기 위해 우리는 먼저 80개 배치의 데이터를 수집하여 분석할 수 있는 방식으로 정렬했습니다. |
| |
그런 다음 수율 분석을 수행합니다. |
| |
그리고 프로세스 분석을 통해 결과를 논의합니다. |
| |
중소기업의 경우 해당 분야의 전문가가 필요합니다. |
| |
그런 다음 우리는 상류 부분에 대한 데이터 분석을 수행했고 슬라이드 왼쪽에서 분석을 수행했습니다. |
| |
그런 다음 다운스트림 단계로 넘어가 크로마토그래피 1에 집중합니다. 마지막으로 분석에서 확인한 내용과 해당 분야 전문가의 지시 사항을 바탕으로 결론을 도출합니다. 마지막으로 수율을 다시 계산합니다. |
| |
데이터를 어떻게 구성하는지 살펴보겠습니다. 그래서 저희는 '정리 데이터 원칙'에 따라 데이터를 구성했습니다. |
| |
분석 전에는 시간이 많이 걸리는 중요한 부분입니다. 하지만 분석 후에는 깨끗한 데이터를 확보하고 효율적인 분석을 하는 것이 정말 중요합니다. 먼저, 예를 들어 발효와 같은 관측 단위에 대해 알아보겠습니다. |
| |
그리고 파일의 각 행에 매번 한 개의 배치를 포함합니다. |
| |
각 컬럼에 대해 매개변수를 사용합니다. 예를 들어 발효의 경우 pH, 온도, 모든 |
| |
역가(즉, |
| |
(제품의 마지막 양). |
| |
그리고 각 값에 대해, |
| |
여기서는 열과 배치의 올바른 값이 대응합니다. |
| |
이걸 이용해서 JMP로 가서 분석을 수행할 수 있습니다. |
| |
그러면 수익률을 어떻게 계산하는지 살펴보겠습니다. |
| |
따라서 먼저 발효의 경우 100%로 시작하여 각 단계의 수율을 계산합니다. |
| |
그리고 그것이 과정을 따라 어떻게 감소하는지 살펴보세요. |
| |
그래서 우리가 관찰한 것은 발효 단계에서 큰 변화가 있다는 것입니다. |
| |
그리고 우리는 제품 수량이 감소하는 것을 보았습니다. |
| |
분리 단계와 크로마토그래피 1단계에서도 마찬가지입니다. |
| |
그래서 우리는 이 데이터를 해당 분야 전문가에게 전달합니다. |
| |
그리고 그들은 복잡한 배지의 변동성이 발효의 최종 역가에 영향을 미치기 때문에 이 지점을 조사해야 한다고 말했습니다. |
| |
그러면 분리를 위해 선택한 전략이 질량 비율에 다른 영향을 미칠 수 있습니다. |
| |
크로마토그래피 1의 경우 풀링 전략이 가장 큰 영향을 미칠 가능성이 있습니다. |
| |
그럼, 데이터가 무엇을 의미하는지 살펴보겠습니다. 상류 부분을 살펴보고 다양한 분석을 수행합니다. 첫 번째 분석은 각 USP 프로세스 단계에 대한 다변량 분석이었습니다. |
| |
그래서 저희는 발효, 세포 용해, 그리고 분리에 집중합니다. 그리고 모든 매개변수들을 살펴보고, 최종적으로 제품 결과와 어떤 상관관계가 있는지 확인합니다. |
| |
여기서 발효를 보면, 반응기 1에 첨가된 양은 유의확률이 양호하고 중간 정도의 상관관계를 보였습니다. 분리를 위해서는 최종 질량비를 사용했습니다. |
| |
중간 분리 시 질량비는 상당한 확률에 큰 영향을 미칩니다. |
| |
반응기 2의 초기 pH와 같은 다른 매개변수가 중간 상관 임계값에 매우 가깝다는 것을 알 수 있습니다. |
| |
유의미한 확률을 갖습니다. 다음 분석에서 이 매개변수가 유의미한지 살펴보겠습니다. |
| |
여기서도 우리는 과학적으로 의미 있는 매개변수만을 선택했습니다. |
| |
다른 분석에도 마찬가지입니다. |
| |
그런 다음 부분 최소 제곱법을 적용했습니다. 부분 최소 제곱법의 경우, 발효에 대해 이 모든 매개변수에 대해 양의 상관관계가 있음을 알 수 있습니다. 따라서 반응기 2의 양, 반응기 2의 초기 pH, 그리고 반응기 2의 초기 양이 다시 나타납니다. |
| |
새로운 매개변수와 함께 보류 시간도 추가되었습니다. |
| |
그리고 우리는 그것을 봅니다 |
| |
이 분석에 따르면, 반응기 2의 양은 양의 상관관계를 보이나, MVA와는 음의 상관관계를 보입니다. |
| |
그리고 이는 80개 배치가 생산 중이었기 때문에 설명될 수 있습니다. 하지만 이 배치들은 최종 제품에 대한 긍정적 또는 부정적 상관관계에 대한 질문에 답하도록 설계되지 않았습니다. 그래서 |
| |
이는 나중에 적절한 설계를 통해 다른 분석을 통해 수행될 수 있습니다. |
| |
???를 사용하면 최종 제품에 영향을 미칠 수 있다고 말할 수 있습니다. |
| |
다른 매개변수의 경우, 상류 부분의 다른 단계에서도 예측이 다변수 결과와 일치하는 것을 볼 수 있습니다. |
| |
그리고 역가를 개선할 가능성도 있습니다. 여기서는 예측 프로파일러를 통해 최적화할 수 있음을 확인할 수 있습니다. |
| |
미래와 프로젝트 수익에 대해. |
| |
그런 다음 제품을 테스트합니다... 예측 변수 스크리닝입니다. 여기서는 예측 변수 스크리닝을 10번 반복했고, 항상 상위 10개에 포함되는 5개의 매개변수를 선택했습니다. 그리고 여기 보이는 것은 2호 반응기의 초기 pH입니다. |
| |
분리 종료 시 질량비, 분리 중간 시 질량비, |
| |
반응기 2의 초기 양, |
| |
반응기 2의 양과 반응기 1의 양입니다. 다시 말해서, 영향을 미치는 것으로 보이는 동일한 매개변수가 있습니다. |
| |
그래서 우리는 머신러닝을 시작했습니다. |
| |
이 머신 러닝 분석인 XGBoost는 의사결정 트리 머신 러닝 알고리즘입니다. 그리고 이 결과 매개변수에 포함되지 않는 부분이 없도록 하기 위해 |
| |
...의 |
| |
매개변수의 맨 위에 가짜 매개변수를 포함시켰는데, 이는 매개변수 중요도에 대한 일종의 임계값을 제공합니다. |
| |
그리고 이 임계값을 초과하는 모든 매개변수는 영향을 미치는 것으로 간주되었습니다. 나머지는 무작위로 이 무작위 매개변수보다 낮으며 최종 제품에 영향을 미치지 않거나 유의미한 영향을 미치지 않는 것으로 간주되었습니다. |
| |
여기서 우리는 반응기 1에 대해 음의 상관관계가 나타나는 것을 볼 수 있습니다. 반응기 2의 pH와 반응기 2의 초기 양은 양의 상관관계를 갖습니다. |
| |
질량비에 대해서는 음의 상관관계가 있습니다. 앞서 설명했듯이, 음의 상관관계와 양의 상관관계의 차이는 이 실험의 목표가 아니었고, 이 실험을 위해 설계된 것도 아니었습니다. 따라서 영향이 있다는 것은 알지만, 양의 상관관계인지 음의 상관관계인지는 아직 알 수 없습니다. |
| |
그 다음에는 하류 부분으로 가겠습니다. |
| |
특히 크로마토그래피 1에 대해서. |
| |
여기서는 신경 예측 모델링을 사용합니다. |
| |
따라서 일반적인 예측 모델링에서는 다음을 사용합니다. |
| |
크로마토그래피의 다른 분획입니다. 오른쪽 그래프에서 분획 8이 주요 분획입니다. 즉, 생성물의 대부분이 발견되는 곳이 가장 순도가 높습니다. 그리고 분획 7에서 1로 감소시키면 생성물은 있지만 불순물도 더 많아집니다. |
| |
그리고 |
| |
지금까지 우리는 분석에서 분수 4를 고려해 왔고 분수 3, 2, 1도 포함할 수 있는지 알아보고 싶습니다. |
| |
그리고 우리가 본 것은 분획의 수를 늘리면 수율은 증가하지만 순도는 거의 감소하지 않는다는 것입니다. |
| |
왼쪽 그래프를 보면, 분획 2로 가면 순도가 1% 미만으로 떨어지지만 수율은 5%로 증가합니다. 그리고 분획 1을 포함하면 순도가 더 크게 감소하지만 1%보다 약간 낮습니다. |
| |
순도는 1% 이상 감소하였고, 반면에 수율은 약 10% 증가하였습니다. |
| |
그럼, 이 결과를 바탕으로 모든 것을 요약해 보도록 하겠습니다. |
| |
지금까지 발효에 있어서 우리는 대부분의 방법을 통해 식별된 탱크와 반응기의 최종 용량을 가지고 있습니다. |
| |
발효조의 초기 pH는 다양한 분석 방법을 통해, 그리고 공정 전문가에 의해 복합 화합물의 변동성을 통해 확인되었습니다. 복합 화합물의 변동성이 미치는 영향을 파악하기 위해서는 실험실에서 추가 연구가 필요합니다. |
| |
그런 다음 분리를 위해 우리는 몇 가지 방법을 통해 식별된 질량 비율을 갖습니다. |
| |
데이터 분석뿐만 아니라 프로세스 전문가가 프로세스를 분석합니다. |
| |
전략이 매우 흥미롭습니다. |
| |
프로세스 전문가는 이를 살펴보고 생산 수율을 개선하기 위해 몇 가지 테스트를 시도하기로 결정했습니다. |
| |
크로마토그래피 1의 경우, 풀링 전략은 신경망 분석 전문가에 의해 결정되었습니다. 그리고 여기서 |
| |
이 방법은 실험실과 생산 현장에서 쉽게 구현할 수 있습니다. 그리고 이 방법을 사용하면 수율이 크게 향상됩니다. |
| |
그러면 우리는 예측을 다시 계산해 보겠습니다... |
| |
예측 프로파일러를 통해 각 단계의 수율을 어떻게 높일 수 있는지 알아보았습니다. 발효의 경우, 수율을 최대 16%까지 높일 수 있었습니다. |
| |
분리의 경우 최대 5%까지 증가시킬 수 있으며 크로마토그래피 1의 경우 여기에서 증가시켰습니다. |
| |
최대 5%까지요. 다른 슬라이드에서는 최대 10%까지라고 썼는데, 최악의 시나리오를 가정해서 최대 5%까지 올려보려고 합니다. 그리고 마지막에는 총 증가율을 볼 수 있을 겁니다. |
| |
26%라니, 프로세스를 개선하고 큰 영향을 미칠 수 있는 부분에 정확히 집중할 수 있는 좋은 방법이네요. 실험실에서 많은 실험을 하지 않고 데이터만 바탕으로 |
| |
실험실에서 많은 실험을 하는 것보다 JMP로 이러한 분석을 하는 것이 더 저렴합니다. 따라서 최종적으로 많은 이점을 얻을 수 있습니다. |
| |
오늘 저의 말씀을 들어주신 모든 분들께 진심으로 감사드리며, 또한 저의 동료인 |
| |
루도빅, 헬게, 레아, 니콜라, 스벤이 이 프레젠테이션의 ???에 참여했습니다. |
