El desarrollo y la fabricación de biofármacos implican numerosos experimentos e informes estandarizados. La mayoría de los informes contienen información del protocolo correspondiente, datos de calidad del producto procedentes de un sistema de gestión de información de laboratorio (LIMS), información de la documentación de laboratorio y datos de rendimiento de diferentes dispositivos. Actualmente, estas fuentes de datos se procesan con JMP, Excel y otros programas, y posteriormente se recopilan en presentaciones de PowerPoint y documentos de Word.
Demuestro la automatización de este proceso completo, desarrollada internamente con JMP. Mediante una guía, el usuario es guiado a través de un flujo de trabajo automatizado. Este utiliza datos del LIMS y documentación de laboratorio para completar automáticamente, por ejemplo, las respuestas de una serie de diseño de experimentos (DoE) y las opciones de ilustración propuestas una vez que el experto en la materia ha creado un modelo. Estas ilustraciones, trazas cromatográficas e información del protocolo se integran en una presentación de PowerPoint y un informe de Word, siguiendo una estructura de plantilla predefinida.
La generación de este informe automatizado ahorra una cantidad considerable de tiempo a la PYME, permitiéndole centrarse en la interpretación de los resultados. Además, al mantener la automatización en un único software, se garantiza la integridad de los datos y se respetan los estándares de formato y evaluación en todos los informes.
Hola y bienvenidos. Hoy me gustaría mostrarles un flujo de trabajo para recopilar, analizar y reportar datos experimentales. Como participo en la Cumbre Discovery, elegí un informe de diseño de experimentos (DOE) como ejemplo, pero, por supuesto, esta herramienta es muy general y puede utilizarse para todo tipo de informes.
A modo de breve introducción a nuestra actividad, Rentschler Biopharma es una empresa de fabricación y desarrollo por contrato de productos biofarmacéuticos. Esto significa que desarrollamos procesos de purificación para todo tipo de biofármacos.
La mayoría son, por supuesto, anticuerpos. Tenemos más de 120, pero también produjimos la vacuna de ARNm contra la COVID-19 para BioNTech Pfizer. Además, contamos con una cartera bastante amplia de más de 140 modalidades terapéuticas, en su mayoría anticuerpos monoclonales, que son los más sencillos y convencionales, pero también anticuerpos multiespecíficos, proteínas de fusión, enzimas recombinantes y otras opciones más interesantes.
La desventaja de tener 140 modalidades diferentes es que hay que redactar 140 informes distintos, y si se produce algo, por ejemplo, cada año, también hay que redactar informes anuales. Para cada uno de estos proyectos, redactamos informes y, además, como trabajamos para clientes, hacemos presentaciones de PowerPoint, a veces semanalmente.
Por supuesto, prepararlo puede llevar bastante tiempo, así que la idea es reducirlo automatizándolo con JMP. Para ilustrarlo, les presento un ejemplo: un informe DOE. Imaginen que al desarrollar un proceso, es necesario realizar varios análisis DOE para comprender su funcionamiento, su robustez y, si es robusto, optimizarlo. Utilizamos un enfoque DOE para esto, y cada proceso tiene varios pasos, por lo que cada uno puede generar entre 5 y 10 informes, lo que supone bastante trabajo. Por otro lado, es un proceso muy estandarizado, lo que lo convierte en un excelente ejemplo para aprovechar el poder de la automatización.
Lo único que necesitas es una tabla JMP, una tabla DOE típica que JMP generará automáticamente al solicitarle un diseño experimental. También necesitas un protocolo, indispensable para cualquier cliente, y al final, como mínimo, JMP-18. Esto se debe a su excelente integración con Python, que simplifica todo. Muchas de las funcionalidades actuales se ejecutan con Python, aunque el usuario no lo perciba. Sin embargo, tiene la ventaja de permitirte realizar tareas interesantes con Python.
Primero les mostraré brevemente cómo se ve esto en teoría y luego les daré un ejemplo práctico. ¿Cómo se ve? Se comienza con una tabla DOE vacía, que pueden ver aquí a la izquierda. Contiene un ID de ejecución, un patrón, diferentes factores y respuestas, y se completa automáticamente con unos pocos clics desde LIMS. Esto tiene la ventaja de que, en lugar de copiar y pegar datos desde LIMS y eventualmente cometer errores, la computadora lo hace automáticamente.
Además, bloquea automáticamente las columnas para garantizar que no haya errores y registra cada paso que el usuario realiza durante el proceso. Esto resulta muy útil para garantizar la integridad de los datos, ya que permite identificar claramente su origen. De esta manera, se evitan manipulaciones accidentales, lo que satisface plenamente a nuestro equipo de control de calidad.
Una vez copiados los datos en la tabla del DOE, el experto en la materia debe crear su modelo. En ese sentido, no hay cambios. Puede hacerlo como prefiera. JMP Build ya cuenta con todas las funcionalidades necesarias, y no hay modificaciones al respecto. Simplemente guarde el modelo y luego vuelva a la herramienta para generar los gráficos que solemos incluir en nuestros informes.
Esto incluye, por ejemplo, un gráfico de réplica donde puede ver cómo se distribuyen sus datos en las diferentes ejecuciones, un resumen del ajuste donde puede estimar la calidad de su modelo, estimaciones de parámetros que le indican qué parámetro es responsable de una respuesta específica, y diferentes tipos de gráficos de perfil para darle una visión general de qué factores influyen en qué respuesta y, finalmente, algunos gráficos de contorno si tiene algunas interacciones bidimensionales o tridimensionales, y puede ver eso directamente en un solo gráfico para tal vez encontrar un óptimo o localizar cualquier tipo de problema al borde del fallo o algo similar.
Luego, estos datos se recopilan en una presentación o se pueden recopilar en ella. Esto se debe a que nuestros clientes desean estar al tanto de nuestro progreso, y para ello, todos los gráficos generados se pueden integrar fácilmente en una presentación de PowerPoint. En esencia, esto significa que se agregan todas las figuras, junto con un encabezado automático, y el experto en la materia solo tiene que interpretarlas.
La segunda parte, que les mostraré en un momento, consiste en la recopilación de toda la información en un informe. Este informe contendrá datos del LIMS (una base de datos SQL) y de la documentación electrónica de nuestro laboratorio, incluyendo datos como tiempos de espera y demás. También puede incluir datos exportados de dispositivos, como cromatogramas o gráficos de filtración, y, por último, datos del protocolo. Esto incluye planes experimentales, nomenclaturas y demás.
Como pueden ver en el lado derecho, se incluyen tablas del protocolo o del LIMS, gráficos de los dispositivos que se sombrean según sea necesario, como el rendimiento de la bomba, las cromatografías y los gráficos analíticos.
El objetivo de todo esto es pasar de un estado en el que hay que hacer todas estas cosas manualmente y, por consiguiente, es propenso a errores, a un estado final en el que el experto en la materia simplemente construye el modelo, JMP genera un borrador de informe que luego es interpretado y revisado por los expertos, ahorrando mucho tiempo y, por supuesto, mucha frustración.
Espero que les guste, y me gustaría mostrarles cómo se ve en la práctica. Lo que ven aquí son diarios típicos de JMP, así que para mis tareas de automatización suelo usar diarios. Tienen una breve introducción y enlaces, y luego muchos elementos de esquema que los guían a través del proceso.
Empiezas desde el principio y, en esencia, te indica qué hacer. Cargas los datos del LIMS; lógicamente, tienes que empezar por ahí, y siempre encontrarás un botón. Así que hagamos clic en él, que te pedirá una tabla DOE vacía. Pruébalo y prepárala. Tiene este aspecto.
Esa es una tabla típica. Contiene todos los factores y algunos números de ejecución. Hay scripts que JMP inserta automáticamente, y, por supuesto, las respuestas siguen vacías. Luego, te pide que obtengas los datos del LIMS. No puedo mostrártelo directamente porque tengo que usar datos aleatorios.
Sin embargo, el efecto es el mismo: las respuestas se rellenan automáticamente y, además, aparecen en verde. Esto indica que los datos están verificados. En primer lugar, significa que están bloqueados, por lo que no se pueden modificar accidentalmente. Además, los datos se guardan, así que incluso si los guardas o manipulas ahora, el sistema detectará posteriormente cualquier discrepancia y te avisará de que hay un problema con la verificación.
También guarda todos los pasos de extracción de datos. Se trata de variables de tabla, que puedes ver aquí. A continuación, puedes empezar a crear todo tipo de gráficos. Por ejemplo, el gráfico de replicación siempre es una buena opción. Solo tienes que hacer clic en «Crear gráfico de replicación».
Lo primero que te pide es una tabla, que solo se solicitará una vez por sesión. En esencia, esta verificación de datos funciona no solo con tablas, sino también con gráficos de todo tipo. Todavía no tenemos ningún gráfico, así que vamos a cancelarlo. Luego, creará uno nuevo. Ahora, lo que hace es crear este gráfico de replicación, que podemos ver aquí con todas las respuestas y cómo cambian las réplicas; los puntos centrales están en azul.
Lo que también hizo en el sitio es hacer una tabla bonita o una tabla de verificación de gráficos. Pueden ver directamente qué datos hay ahí, así que este es el archivo, el nombre del archivo, qué pasos alguien hizo, alguna verificación manual porque datos aleatorios que inventé. Lo hice ahora mismo. Hice el archivo.
Luego está el valor MD5 de este hash, que es esencialmente el valor que se puede calcular para cada archivo. De esta manera, se puede comprobar si el archivo que se está utilizando no solo tiene el mismo nombre, sino que es realmente idéntico. Así, existe cierta seguridad de que nadie más haya guardado un archivo similar con el mismo nombre y lo haya validado sin que sea así. Como mencioné, son datos aleatorios, por lo que la fuente no está verificada, y esto indica que existe algún problema, pero en realidad no importa para esta demostración.
Ya viste que puedes cerrarlo. Todos estos gráficos se guardan automáticamente en la carpeta. Luego tienes que crear un modelo. Puedes usarlo como quieras. Hagamos clic en Ejecutar y luego puedes eliminar algunos factores. Podemos ignorar esto sin problema. Siempre me sorprende lo buenos que son los modelos aleatorios que se pueden generar así de fácil.
Aquí también puedes eliminar algunos factores. Parece aleatorio. Observa algunas diferencias y, por supuesto, puedes hacerlo como quieras. Dejémoslo así. Si quieres, puedes guardarlo en la tabla de datos.
Luego puedes empezar a crear algunos gráficos. Por ejemplo, puedes hacer un gráfico resumen del ajuste que se vea así. Esto te da una idea general de la calidad de tu respuesta. Sin embargo, cuando el modelo de datos es terrible, al menos tienes una buena visión general de lo malo que es. Además, te permite comprender qué parámetros influyen en tu modelo.
Solo tienes que volver a hacer clic. Se aplica automáticamente a cada respuesta. Esto también se guarda, por lo que cada uno de estos factores influye en esta respuesta. Por último, o lo siguiente, serían los gráficos de predicción. Las predicciones ofrecen una buena visión general de cómo se ve.
Simplemente haz clic en "Crear gráficos" y verás varios. Dependiendo de los factores que tengas, puedes ver cada respuesta individual con cada factor. Esto te puede interesar. Por ejemplo, si para la respuesta D intervienen tres factores, obtendrás un gráfico general donde podrás verlos todos juntos. Es una buena forma de obtener una visión general.
Por supuesto, también puedes cerrarlo. Finalmente, podemos hacer un gráfico de contorno si quieres. Factores de predicción, aplica las fórmulas de predicción del vector 1, o tal vez del 3. Puedes elegir tu esquema de colores, dejarlo así, y obtendrás un gráfico de contorno atractivo donde podrás ver claramente cómo se distribuye y cómo se influyen entre sí.
Eso es básicamente todo. Por supuesto, puedes generar más cuando tengas más datos, pero dejémoslo así y podemos cerrarlo y guardarlo. Quizás te lo muestre en breve. Para todas estas cifras que anotamos, se generó una última fila más, y puedes ver qué pasos de extracción de datos realizamos, el nombre del archivo y luego este valor hash. Lo guardamos.
Bien, ahora tienes muchísimos datos. Lo único que tienes que hacer es añadirlos a un informe, y claro que podrías copiar y pegar todo esto porque está guardado, pero es mucho más divertido si solo tienes que hacer clic y dejar que JMP haga el trabajo. Así que tienes que encontrar tu carpeta. Como ya dije, esta es una herramienta que funciona para todo tipo de informes.
Para cada tipo de informe, necesitas tu propia tabla. Te la mostraré en un segundo. Como puedes ver, aquí tienes diferentes fuentes. Esta tabla le indica a JMP qué fuente tomar para generar el informe, qué puntos de datos utilizar. Del protocolo copia algunas tablas, el código de los pasos intermedios, el esquema de ejecución, algunos parámetros, la descripción general de los lotes, todos los filtros, etc.
Luego, desde la herramienta de gráficos del DOE, se copiarían los gráficos de residuos, las estimaciones de parámetros, la predicción y los gráficos de contorno. Desde los datos del LIMS, que es otra herramienta, se obtendría la lista de los métodos analíticos utilizados. Por supuesto, también se necesita una plantilla. Cada informe tiene su propia plantilla. Yo preparo la plantilla Q1 por motivos de privacidad. Necesito una carpeta y, por supuesto, también se necesita un protocolo.
Manipula los pasos del proceso. Si quieres hacerlo, puedes configurar algunas opciones. Necesitamos saber cuáles son las tablas del DOE. Simplemente haz clic en Aceptar, espera unos segundos y verás que se han añadido 22 elementos. Y eso es todo, sin tener que dedicarle tiempo.
Y aquí se puede ver directamente cómo genera esta tabla de origen de datos, lo que indica lo que hizo. Copió el código intermedio, el código paso a paso del protocolo. Este es el archivo. Lo hizo con eso y así sucesivamente. Lo hace con varias tablas del protocolo, y luego con varias figuras que ahora se utilizan en la otra herramienta.
Los registra en esta tabla de origen de datos y te indica que, si bien no están verificados porque son datos aleatorios, en general se muestra una lista completa de su apariencia. Y, por supuesto, también se genera un informe completo. Este es el borrador que recibirás. El informe contiene bastante información que, por supuesto, debe completarse. Tuve que acortarlo un poco por motivos de privacidad, pero puedo mostrarte su aspecto general.
Por supuesto, tienes que escribir una copia del resumen, pero puedes empezar con una visión general de las predicciones, es decir, qué factor influye en qué respuesta. Si está en verde, entonces es significativo. Si no, no lo es. Eso depende de tu [inaudible 00:17:06] modelo, que hicimos. Luego, por supuesto, borré algunos datos.
Luego tienes algunos búferes que se han extraído del protocolo. Había filtros que también se encontraron en el protocolo, la codificación de pasos era un protocolo completo, luego una lista de métodos analíticos y qué versiones se han utilizado para cada ejecución. Eso viene directamente de LIMS. Esquema de ejecución, que ha sido también del protocolo, y algunos datos más del protocolo, y luego más adelante los resultados, la tabla que acabamos de hacer, y por supuesto todos los gráficos que acabamos de hacer. Es una lista blanca, gráficos de residuos.
Obtienes entonces el resumen, y para cada respuesta individual, obtienes el riesgo, las estimaciones de los parámetros y obtienes los gráficos de predicción que son significativos, y si los tienes, también el gráfico de control. Y luego para cada respuesta individual, como puedes imaginar, siempre lo hace automáticamente, y luego tienes una tabla completa. Luego, por supuesto, tienes que escribir tú mismo la evaluación y las conclusiones, por supuesto también. Finaliza con abreviaturas. Esto es algo que hace automáticamente. Si la abreviatura se usa en ese informe, se agrega a esta lista.
Así que todo eso se convierte en un informe muy breve, de unas 30 páginas y 20 elementos, pero claro, también funciona para informes mucho más extensos con muchos más elementos. Sobre todo, un resumen de las fuentes de datos ahorra muchísimo tiempo, porque de lo contrario alguien tendría que comprobarlo.
Para terminar, espero haberles convencido de que pueden ahorrar mucho tiempo utilizando JMP en Python para automatizar sus flujos de trabajo. Además, minimiza los errores, ya que no es necesario copiar y pegar ni nada parecido, y al mismo tiempo se registra cada paso: quién lo realizó, cuándo, con qué herramienta, etc.
En este último módulo, se obtiene un formato de informe estandarizado, lo cual es importante. Por ejemplo, trabajo en el departamento de purificación posterior, lo que significa que soy responsable de purificar lo que recibimos del departamento anterior. Por supuesto, es importante que cuando un cliente recibe nuestros informes, estos tengan una apariencia similar, con los mismos colores, etc.
Con esto, doy por finalizada mi presentación. Me encantaría verlos a todos en la Cumbre Discovery en Berlín, y si tienen alguna pregunta, no duden en enviarme un mensaje. Muchas gracias.
