在生物反應器實驗中管理細胞培養操作極具挑戰性，需要不斷調整。與下游純化和分析環節的協調增加了複雜性，任何不協調都會導致效率低下和延遲。在技術轉移過程中，規模、設備和操作的差異會加劇這些挑戰，帶來更多不確定性。
為了應對這些挑戰，我們開發了一種“細胞培養數位孿生”，它能夠根據正在進行的生物反應器數據預測關鍵結果，從而實現主動決策和即時跨職能協調。
我們的預測模型捕捉了生物反應器過程的動態，其開發主要分為三個步驟：（i）利用 Symphogen 內部開發的科學數據管理系統 Mimer 中約 2000 個結構化且經過質量檢查的生物反應器運行數據建立數據基礎；（ii）在 JMP Pro 中構建關鍵結果的預測模型，包括使用非線性擬合對缺失函數進行測量對缺失函數 (FDE)建立模型；（iii）將產生的預測模型應用於基於 Python 的 Databricks 應用程式中的正在進行的實驗數據，從而使所有使用者都能立即獲得細胞培養預測結果。
數位孿生技術能夠提供預測性洞察，從而協調團隊、簡化營運並降低技術轉移風險，因此，在各部門更廣泛地推廣應用該技術具有充分的理由。
