基于同步荧光光谱结合化学计量学模型实时监测寨卡病毒样颗粒生产关键生化参数的研究

本研究评估了利用同步荧光光谱结合偏最小二乘法（PLS）和人工神经网络（ANN）建模技术，在寨卡病毒样颗粒（Zika-VLP）生产过程中监测关键生化参数的可行性。来自未知机构的研究人员通过不同波长差（Δλ）下的荧光光谱数据，成功预测了乳酸（Lac）、谷氨酰胺（Gln）、谷氨酸（Glu）、铵离子（NH4+）等8个参数，其中ANN模型表现优异（如谷氨酸预测误差仅1.1%），为病毒样颗粒生物工艺监控提供了高效新方法。

　　

科研人员通过同步荧光光谱技术（Synchronous Fluorescence Spectroscopy）结合化学计量学建模方法——包括偏最小二乘法（PLS）和人工神经网络（ANN），对寨卡病毒样颗粒（Zika-VLP）生产过程中的关键生化参数实现了精准监测。该研究通过采集不同波长差（Δλ）下的离线荧光光谱，成功预测了乳酸（Lac）、谷氨酰胺（Gln）、谷氨酸（Glu）、铵离子（NH₄⁺）、总蛋白（Tp）、活细胞密度（Xv）、细胞存活率（Cv）以及病毒滴度（VT）等多组参数。传统生化检测方法作为基准对照，结果显示ANN模型在预测精度和误差控制方面普遍优于PLS模型。特别值得注意的是，当波长差设置为80纳米时，无论是原始光谱还是经过预处理的数据，都呈现出最优的预测效果——尽管最佳预处理方式会因具体参数而异。模型性能采用平均相对误差（MRE）进行评估，其中ANN对谷氨酸（Glu）的预测误差低至1.1%，谷氨酰胺（Gln）为1.6%，铵离子（NH₄⁺）为4.0%，病毒滴度（VT）也仅5.8%。透射电子显微镜成像结果证实，所获得的寨卡病毒样颗粒形态完整、尺寸符合既往报道。研究表明，同步荧光光谱技术结合合适的预处理方法和化学计量学建模，为Zika-VLP等复杂生物制品的生产过程提供了一种高效、多指标联用的在线监测解决方案。