Die rasch wachsenden Produktionspipelines der biopharmazeutischen Industrie und die zunehmend strengeren Anforderungen der Aufsichtsbehörden erfordern ein effizienteres und rationelleres Studiendesign in der frühen Phase der Entwicklung von Zellkulturprozessen. Jüngste Entwicklungen bei Hochdurchsatz-Bioreaktorsystemen und der Versuchsplanung (DOE) ermöglichen es dem Sektor der Zellkulturprozessentwicklung, diese Nachfrage durch die Integration beider technologischen Fortschritte zu erfüllen. In dieser Studie verglichen wir verschiedene Formen fraktionaler faktorieller Designs (FFDs) und definitiver Screening-Designs (DSD), die wichtige Prozessparameter in Ambr® 15-Bioreaktoren abdecken, um den anfänglichen Zellkulturprozess besser zu verstehen und ihn somit zu optimieren. Die Ergebnisse zeigten, dass DSD beim Erkennen quadratischer Effekte effektiver und effizienter war als FFDs. Ein Vergleich verschiedener verfügbarer Modellentwicklungsstrategien ergab, dass die zweistufige Vorwärtsregression in Kombination mit dem korrigierten Akaike-Informationskriterium (AICc) und der Regression des kleinsten absoluten Schrumpfungs- und Auswahloperators (LASSO) in Kombination mit selbstvalidierten Ensemblemodellen (SVEM) eine überlegene Vorhersagekraft bot. Darüber hinaus wurden wichtige DoE-Regelmäßigkeiten auf ihre Validität hin bewertet. Zusammenfassend lässt sich sagen, dass DSD ein geeignetes experimentelles Design für die frühe Phase der Zellkulturprozessentwicklung darstellt, sofern quadratische Effekte vorliegen. Statistische Modelle, die auf DSD-basierten Datensätzen basieren, könnten zur prädiktiven Optimierung von Antikörper-produzierenden Bioprozessen eingesetzt werden, wobei Regelmäßigkeiten wie die Effektvererbung gemildert werden könnten.
