생물반응기 실험 중 세포 배양 작업을 관리하는 것은 끊임없는 조정이 요구되는 까다로운 작업입니다. 후속 정제 및 분석 공정과의 조율은 복잡성을 더하며, 조율이 제대로 이루어지지 않으면 비효율성과 지연을 초래합니다. 이러한 어려움은 기술 이전 과정에서 규모, 장비, 운영 방식의 차이로 인해 불확실성이 가중되면서 더욱 커집니다.
이러한 어려움을 완화하기 위해 우리는 진행 중인 생물반응기 데이터로부터 주요 결과를 예측하는 "세포 배양 디지털 트윈"을 개발하여 사전 예방적 의사 결정과 실시간 부서 간 협업을 가능하게 했습니다.
당사의 예측 모델은 생물반응기 공정의 동적 특성을 포착하며, 다음 세 가지 주요 단계를 통해 개발되었습니다. (i) Symphogen의 자체 개발 과학 데이터 관리 시스템인 Mimer에서 얻은 약 2,000개의 구조화되고 품질 검증된 생물반응기 실행 데이터를 사용하여 데이터 기반을 구축했습니다. (ii) JMP Pro에서 주요 결과에 대한 예측 모델을 구축했는데, 여기에는 비선형 적합을 사용한 결측치 보정, 함수 데이터 탐색기(FDE) 및 부분 최소 제곱법(PLS) 기반 모델 구축이 포함됩니다. (iii) Python 기반 Databricks 애플리케이션 내에서 진행 중인 실험 데이터에 결과 예측 모델을 적용하여 모든 사용자가 세포 배양 예측 결과를 즉시 이용할 수 있도록 했습니다.
디지털 트윈은 팀의 협업을 강화하고, 운영을 간소화하며, 기술 이전의 위험을 줄이는 데 도움이 되는 예측적 통찰력을 제공하므로, 여러 부서에 걸쳐 디지털 트윈을 광범위하게 도입해야 할 강력한 근거가 됩니다.
