DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola,
Estoy buscando realizar un DoE para optimizar las condiciones del proceso dentro de un biorreactor de perfusión (con levadura). El rendimiento del sistema que estoy usando es básicamente 1 y cada ejecución tomaría entre 1 y 2 semanas. Debido a estas limitaciones, estaba pensando en realizar una ejecución y variar mis factores durante la ejecución. Puedo monitorear mis respuestas (título del producto y productividad específica de la célula) mediante el muestreo y la obtención de métricas instantáneas o incluso rendimientos volumétricos diarios. Estoy buscando optimizar condiciones como el oxígeno disuelto (OD), la temperatura y el pH, que son bastante fáciles de cambiar a mitad de la ejecución, pero otros factores como la composición del medio son más difíciles porque el cambio no ocurre instantáneamente.
El problema que creo que podría encontrarme con este tipo de diseño sería que un cambio en el estado de las células en un paso podría afectar los pasos posteriores. Me preguntaba si alguien ha utilizado JMP para diseñar este tipo de experimento antes y tiene algún consejo sobre la mejor manera de planificarlo. Alternativamente, si alguien tiene otras ideas sobre cómo realizar este tipo de DoE de bajo rendimiento en un biorreactor, estoy abierto a escuchar nuevas ideas.
¡Gracias por la ayuda!
Diseño de experimentosRe: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola @Ben2 ,
No estoy familiarizado con el entorno experimental del biorreactor de bajo rendimiento que describiste, pero aquí hay algunas preguntas, comentarios y sugerencias que podrían ayudarte:
- ¿Cuál es su objetivo? ¿Comprensión/exploración y/o optimización del sistema? ¿Qué tan preciso es su sistema de medición? ¿Qué tan "ruidosos" son sus experimentos?
Dependiendo del énfasis que usted ponga en los objetivos (comprensión/optimización), podría utilizar un enfoque DoE (para comprender qué factores contribuyen a la mejora/respuesta) o un enfoque de optimización bayesiana utilizando experimentación secuencial basada en modelos si su objetivo principal es optimizar su sistema. Sin embargo, tenga en cuenta que, dependiendo de la dimensionalidad de su sistema experimental (número de factores y niveles) y de lo "ruidosos" que sean sus experimentos, la optimización bayesiana puede no ser adecuada para sistemas muy ruidosos o sistemas de alta dimensión, ya que el modelo puede tener dificultades para determinar las "direcciones" para optimizar su sistema.
- Si tiene la intención de variar los niveles de factores durante el experimento y teme que los cambios de orden puedan afectar los resultados (" un cambio en el estado de las células en un paso podría afectar los pasos posteriores "), puede haber dos opciones disponibles:
- Guardar el orden de los pasos como un nuevo factor no controlado en la tabla de datos que podría usarse en el análisis, pero puede que no sea óptimo en cuanto a la solidez del diseño en cuanto a la tendencia temporal/orden de los cambios. Podría tener correlaciones entre su tendencia temporal y sus factores, y no poder diferenciar cuál de los dos es responsable de la(s) respuesta(s).
- Incluir el tiempo y el orden como covariable (e incluir efectos tanto lineales como cuadráticos) en el diseño: es un caso especial de DoE con covariables ("diseños robustos a la tendencia temporal") que puede encontrar en "Optimal Designs of Experiments: A Case Study Approach" (capítulo 9) de Peter GOOS y Bradley JONES. Más información sobre estas discusiones:
Covariables en orden definido en diseño personalizado
Incorporar el desfase temporal en el DoE
- También dependiendo de la facilidad de cambio de los factores (por ejemplo, mencionas " oxígeno disuelto (OD), temperatura, pH, que son bastante fáciles de cambiar a mitad de la ejecución, pero otros factores como la composición del medio son más difíciles porque el cambio no ocurre instantáneamente "), tal vez podrías usar una estructura de diseño de parcela dividida , que podría permitir crear una parcela completa/"factor macro" como la composición del medio en la que puedes hacer varios ensayos y registrar las respuestas. Ten en cuenta que esta idea podría usarse además de la idea anterior de diseño robusto de tendencia temporal, con "factor macro"/parcelas completas en las que haces varios experimentos donde el orden de cambio se toma en cuenta como una covariable.
Espero que estas pocas preguntas, observaciones y sugerencias tengan sentido y te ayuden.
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola @Ben2 ,
Tengo experiencia en la optimización de biorreactores. Uno de los desafíos que se encontrará es la variación de la agitación, el control del pH y la aireación en los biorreactores a mitad de proceso, lo que creará confusión a la hora de decidir cuáles son las "mejores" condiciones para el lote en general. Cambiar las condiciones a mitad de proceso producirá diferentes factores de estrés en la actividad celular y puede causar un impacto más prolongado en la forma en que se desarrolla la fermentación.
Una cosa a tener en cuenta es si se puede reducir la escala (es decir, agitar los matraces) para optimizar los medios, con la suposición de que la composición óptima de los medios es la misma a pequeña escala y a escala del biorreactor; esto le brinda la amplitud experimental y la disponibilidad de experimentos para realizar un enfoque DoE. Luego, puede pasar a controlar solo los ajustes del biorreactor (agitación, pH, aireación) en un entorno DoE donde cada ejecución es una prueba de una combinación de factores, es decir, estableceré el % de DO en 40 % a las 24 h, 50 % a las 48 h y así sucesivamente.
Estaré encantado de comentar más sobre esto si tienes preguntas.
Gracias,
Ben
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola Víctor,
¡Gracias por tu respuesta! Primero que nada, para responder tus preguntas:
1) El objetivo no es optimizar el sistema en sí, sino optimizar las condiciones del sistema para una proteína recombinante particular que estoy expresando.
2) La medición del sistema es bastante robusta para cosas como DO, pH y temperatura, ya que están controladas por bucles de retroalimentación, pero cosas como la composición del medio cambiarían con el tiempo dependiendo de cómo las células consuman nutrientes (el medio se alimenta constantemente durante todo el proceso). La respuesta del producto es una medición más limitada porque necesita ser muestreada físicamente por una persona.
Creo que probablemente utilizaré el tiempo como factor covariable. ¿Tendría sentido incluir también otras condiciones de proceso que no estoy estudiando como factores covariables? No estoy completamente seguro de cuán relevante sería una optimización bayesiana considerando que realmente solo tengo un experimento y estoy tratando de usar diferentes pasos en el experimento (factores variables) para optimizar (pero puedes decirme si estoy equivocado). En términos de un diseño de parcela dividida, ¿es eso algo que hago principalmente en el análisis una vez que se completa el experimento? Y solo para confirmar, ¿estás diciendo que mire algo como los medios como un todo en lugar de los componentes individuales que lo componen?
Gracias por sus preguntas y sugerencias, ¡fue muy útil!
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola Ben,
¡Gracias por tu respuesta!
Solo para aclarar, el reactor que estoy operando es un reactor de perfusión que tiene una alimentación constante de medios que entran y una corriente constante de medios "gastados" que salen (que contienen la proteína secretada para la expresión). Esta diferencia en la estrategia de alimentación entre el reactor y el matraz de agitación es parte de la razón por la que me gustaría analizarlo a escala de biorreactor. Además, la densidad celular obtenida en nuestro biorreactor es significativamente mayor que la que se puede lograr en matraces de agitación.
Estoy muy de acuerdo con esta afirmación ("Cambiar las condiciones a mitad de camino producirá diferentes factores de estrés en la actividad celular y puede causar un impacto más prolongado en la forma en que se desarrolla la fermentación"), pero no tengo la opción de realizar la optimización en experimentos independientes. Iba a intentar permitir un paso de transición para llevar las células a un estado estable antes de recopilar datos para la "ejecución" (paso en 1 experimento), lo que creo que puede minimizar parte de la carga. Si tienes otras sugerencias sobre cómo minimizar los efectos de los primeros pasos en los pasos posteriores, ¡estaré atento!
Gracias de nuevo por tus comentarios, ¡son muy útiles!
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola @Ben2 ,
Sí, en mi opinión tendría sentido utilizar otras condiciones del proceso, ya sea como factores covariables o como factores no controlados (para permitir el análisis con estos factores, incluso si no se incluyen en la generación del diseño).
No sé nada sobre optimización bayesiana, podría ser útil si pudieras considerar la dependencia del orden/tiempo de los cambios de los factores (y no solo los cambios/valores de los factores) para optimizar rápidamente los factores.
El diseño de parcela dividida es una situación en la que la aleatorización está restringida por las condiciones experimentales (consulte Diseños con restricciones de aleatorización ), que se reflejan tanto en el diseño como en el análisis. No sé qué tan relevante puede ser esta configuración si solo tiene un experimento (y factores que varían solo en este experimento), pero si tuviera que considerar varios experimentos, podría construir un diseño de parcela dividida, con toda la parcela siendo la ejecución considerada (con un tipo de levadura específico o cualquier factor que no pudiera cambiar durante la ejecución), y los factores / subparcelas "fáciles de cambiar" siendo los factores covariables que pueden cambiar durante la ejecución, con el orden / tiempo considerados.
Espero que esta respuesta tenga algún sentido.
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Vaya, ¡eso suena divertido! NO soy experto en tu proceso, así que tendría que hablar contigo para entender realmente la situación y las limitaciones. Pero aquí tienes algunas de mis ideas:
1. Planifique la iteración. No intente asignar y optimizar todo con un solo experimento. Piense en qué conocimiento necesita para continuar con su investigación de manera eficiente. No es muy eficaz tener un gran modelo que funcionó ayer.
2. Dedica tiempo suficiente a identificar el ruido (factores que no estarás dispuesto a controlar en el futuro, ya sea porque no tienes las tecnologías, no tienes el dinero o consideras que controlarlos es un inconveniente). Luego, ¿qué estrategias utilizarás para maximizar el espacio de inferencia sin sacrificar la precisión del diseño (por ejemplo, bloqueo, repetición, parcelas divididas)?
3. Creo que es posible que tengas la oportunidad de utilizar parcelas divididas (no necesariamente de la manera tradicional). Te recomiendo que leas:
Box, GEP, Stephen Jones (1992), “ Diseños de parcelas divididas para experimentación robusta de productos ”, Revista de estadística aplicada , vol. 19, n.º 1
Estos pueden ser extremadamente eficientes en situaciones de pasos secuenciales.,
4. Diseñe varios experimentos (es fácil hacerlo en JMP). Para cada experimento, compare y contraste lo que le proporcionará cada uno (por ejemplo, qué conocimiento potencial obtendrá (diseño y resolución de ruido, linealidad, repetibilidad)) con los recursos necesarios. Prediga TODOS los resultados posibles de cada experimento y esté preparado para manejar cualquiera de ellos (por ejemplo, ejecuta el experimento y las métricas de rendimiento no cambian o crea mucha variación en las métricas de rendimiento, pero ninguna de ellas es asignable a los efectos de los factores, etc.)
5. Por último, y lo más importante, independientemente del resultado, ¡nadie sabe a priori cuál es el mejor experimento! Reflexiona sobre lo que has aprendido sobre el proceso de experimentación y aprovecha esas experiencias para diseñar mejor el próximo experimento.
Re: DoE cuando cada ejecución es costosa y consume mucho tiempo (optimización de procesos de bajo rendimiento en biorreactores de perfusión)Hola @Ben2 ,
Disculpas, no me di cuenta de que era una perfusión continua; sí, es una buena idea dejar que regresen al estado estable para la levadura y luego ejecutar las condiciones después de cada "estabilización"; una cosa a considerar es el tiempo que tendría cada "ejecución": ¿ejecutaría cada iteración durante un período de tiempo establecido (es decir, 72 h) o un objetivo establecido (es decir, densidad celular de X, cantidad de producto de Y)?
Solo para agregar más a tu idea, intenta considerar una forma de medir la longevidad/estado de estrés de las células cuando regresan al estado estable, ¿qué pruebas puedes realizar en cada estado estable para decir 'esta es la misma salud que la última ejecución' - que podrían ser valores de OD600, proporciones de muertos/vivos o pruebas de ciertos metabolitos (si tienes la suerte de tener acceso a algo como un HPLC o un monitor Flex para realizar pruebas). A partir de esto, puedes decidir si quieres continuar con este lote de células o si es mejor desecharlas y tomar una nueva crio/semilla para continuar.
La optimización bayesiana es definitivamente una buena opción para el enfoque iterativo, pero también podrías considerar algo como un diseño de alcance para comenzar.
Mencionaste el OD: ¿es un objetivo que se debe controlar o es mejor dividirlo en la tasa controlada de agitación y aireación? Normalmente pienso en el OD como un producto de la respuesta de las células a los cambios en las condiciones del biorreactor, en lugar de un parámetro que controlas (aunque puedes argumentar que los valores de OD objetivo para la fase de producción que controlas para mantenerlos por encima de un cierto nivel son un parámetro controlado).
¡Espero que ayude!
Ben
