バイオリアクター実験における細胞培養操作の管理は、絶え間ない調整を必要とする困難な作業です。下流工程の精製および分析との連携はさらに複雑化し、連携のずれは非効率性や遅延につながります。これらの課題は、技術移転の段階では、規模、設備、および操作方法の違いによって、さらなる不確実性が生じるため、より深刻化します。
これらの課題を軽減するために、当社は進行中のバイオリアクターデータから重要な結果を予測する「細胞培養デジタルツイン」を開発しました。これにより、先を見越した意思決定とリアルタイムでの部門横断的な連携が可能になります。
当社の予測モデルはバイオリアクタープロセスのダイナミクスを捉えており、次の 3 つの主要なステップを経て開発されました。(i) Symphogen の社内構築の科学データ管理システム Mimer から取得した約 2000 の構造化され品質チェック済みのバイオリアクター実行データを使用してデータ基盤を確立する。(ii) JMP Pro で主要な結果の予測モデルを構築する。これには、非線形フィットを使用した欠損データの補完、および関数データエクスプローラ (FDE) と部分最小二乗法 (PLS) に基づくモデル構築が含まれる。(iii) 結果として得られた予測モデルを Python ベースの Databricks アプリケーション内の進行中の実験データに適用し、すべてのユーザーが細胞培養の予測をすぐに利用できるようにする。
デジタルツインは、チーム間の連携強化、業務効率化、技術移転のリスク軽減につながる予測的な洞察を提供するため、部門横断的な展開を強く推奨する根拠となる。
