Die Steuerung von Zellkulturprozessen während Bioreaktorexperimenten ist anspruchsvoll und erfordert ständige Anpassungen. Die Koordination mit nachgelagerten Aufreinigungs- und Analyseverfahren erhöht die Komplexität zusätzlich, da Fehlabstimmungen zu Ineffizienz und Verzögerungen führen. Diese Herausforderungen verstärken sich beim Technologietransfer, da Unterschiede in Maßstab, Ausrüstung und Betriebsabläufen zusätzliche Unsicherheiten mit sich bringen.
Um diesen Herausforderungen zu begegnen, haben wir einen „digitalen Zwilling der Zellkultur“ entwickelt, der wichtige Ergebnisse aus laufenden Bioreaktordaten vorhersagt und so proaktive Entscheidungen und eine funktionsübergreifende Abstimmung in Echtzeit ermöglicht.
Unsere Vorhersagemodelle erfassen die Dynamik des Bioreaktorprozesses und wurden in drei Hauptschritten entwickelt: (i) Aufbau einer Datengrundlage mit ca. 2000 strukturierten und qualitätsgeprüften Bioreaktorläufen aus dem von Symphogen entwickelten wissenschaftlichen Datenmanagementsystem Mimer; (ii) Erstellung von Vorhersagemodellen für wichtige Ergebnisse in JMP Pro, einschließlich der Imputation fehlender Daten mittels nichtlinearer Anpassung und des Modellaufbaus auf Basis des Functional Data Explorer (FDE) und der partiellen kleinsten Quadrate (PLS); und (iii) Anwendung der resultierenden Vorhersagemodelle auf laufende experimentelle Daten innerhalb einer Python-basierten Databricks-Anwendung, wodurch Zellkulturvorhersagen allen Benutzern sofort zur Verfügung stehen.
Digitale Zwillinge liefern vorausschauende Erkenntnisse, die Teams aufeinander abstimmen, Abläufe optimieren und den Technologietransfer absichern – ein starkes Argument für eine breitere Einführung in allen Abteilungen.
