La gestione delle operazioni di coltura cellulare durante gli esperimenti in bioreattore è impegnativa e richiede continui aggiustamenti. Il coordinamento con le fasi successive di purificazione e analisi aggiunge ulteriore complessità, poiché un disallineamento può causare inefficienze e ritardi. Queste difficoltà si amplificano durante il trasferimento tecnologico, dove le differenze di scala, di attrezzature e di operatività introducono ulteriore incertezza.
Per mitigare queste difficoltà, abbiamo sviluppato un "gemello digitale per colture cellulari" in grado di prevedere i risultati chiave a partire dai dati in corso provenienti dal bioreattore, consentendo decisioni proattive e un allineamento interfunzionale in tempo reale.
I nostri modelli predittivi catturano le dinamiche del processo del bioreattore e sono stati sviluppati attraverso tre fasi principali: (i) creazione di una base di dati utilizzando circa 2000 cicli di bioreattore strutturati e controllati in termini di qualità dal sistema di gestione dei dati scientifici interno di Symphogen, Mimer; (ii) costruzione di modelli predittivi per i risultati chiave in JMP Pro, che prevede l'imputazione dei dati mancanti tramite adattamento non lineare e la costruzione del modello basata su Functional Data Explorer (FDE) e minimi quadrati parziali (PLS); e (iii) applicazione dei modelli predittivi risultanti ai dati sperimentali in corso all'interno di un'applicazione Databricks basata su Python, rendendo così le previsioni sulla coltura cellulare immediatamente disponibili a tutti gli utenti.
I gemelli digitali forniscono informazioni predittive che allineano i team, semplificano le operazioni e riducono i rischi legati al trasferimento tecnologico, rappresentando un valido argomento a favore di una più ampia implementazione in tutti i dipartimenti.
