《Molecules》:A Review on Applications of Artificial Intelligence (AI) in Monoclonal Antibody (mAb) Manufacturing
本综述论文全面探讨了人工智能(AI)在单克隆抗体(mAb)制造中的众多应用,涵盖上游与下游工艺、过程控制、优化、产品属性监测及法规遵从等广泛主题。研究人员展示了AI和机器学习(ML)算法在细胞培养优化、培养基配方及生物反应器控制中预测建模能力的多个案例研究,强调了其在提升细胞生长、生产率和产品质量方面的潜力。此外,研究人员进一步探索了其在过程监测、故障检测和实时决策中的潜力,旨在提高工艺稳健性并降低生产成本。
1. 引言
人工智能(AI)在单克隆抗体(mAb)制造领域展现出变革性潜力,涵盖提高效率、成本效益、质量控制与工艺优化等众多应用方向。由于AI能够快速分析制造过程中收集的大规模数据集,并识别人类可能忽略的模式或相关性,因此可优化操作工艺参数(如温度、pH、搅拌速度),以获得更高的mAb产量和纯度。
AI算法能够预测不同工艺变量的结果,并识别影响mAb生产的关键参数。通过利用历史数据,AI可提供工艺失败或次优性能可能性的洞察,使制造商能够采取主动措施。质量控制是另一个可从AI获益的重要领域,通过分析来自关键来源(如在线传感器)的实时数据,检测制造过程中的偏差或异常,对潜在质量问题提供早期预警,从而实现及时干预以保障产品质量。
AI的实施支持同时追踪多个工艺参数,为向工厂操作员提供实时反馈控制信号这一愿景提供支撑。工艺参数的自动调整可基于预设标准进行,确保mAb生产的一致性和可重复性。AI可通过分析多维历史数据集,综合考虑多种关键因素(如产品规格、制造成本、监管框架),辅助技术管理者在工艺变更、原材料选择和生产调度方面做出决策。
除生物制药工艺操作外,药物制剂优化也可通过AI/ML算法实现,即通过分析内部数据来识别最佳辅料选择,以最大化mAb稳定性、溶解度、产品性能和货架期。此外,AI可分析传感器数据和历史记录以预测设备故障并确定预防性维护需求,其主动实施可降低运营支出(OpEx)、最小化工厂停机时间并确保持续的mAb生产。
1.1. AI方法论
AI可根据机器利用先前数据/经验预测未来结果/决策的能力分为不同类别:最常用的AI工具包括机器学习(ML)、人工神经网络(ANNs)、机器视觉(MV)和深度学习(DL)。在过去二十年中,所有这些AI方法论均已被应用于解决医学和生物制药行业的难题。
ML是一种AI工具,机器未被显式编程执行特定任务,而是自动从经验中学习和改进。算法使用计算方法直接从数据中学习。存在各种机器学习算法,例如无监督学习、监督学习和强化学习。
1.1.1. 监督学习(SL)
当存在与所需预测相关的数据时,监督学习非常有用:其中,先前的输入-输出数据被用于基于新输入预测新输出。SL模型可以基于证据进行预测,并在存在不确定性时进行预测;SL算法接收已知输入数据集和已知的结果(输出)响应,然后训练模型以对新输入产生合理的输出响应预测。支持向量机(SVM)是一种典型的SL算法,为模型开发提供了一种令人兴奋的方法,也可用于估计和预测。
1.1.2. 无监督学习(UL)
无监督学习旨在发现无标签、非结构化数据中的模式、结构或关系,而无需预定义目标输出。广泛使用的方法包括聚类(对相似数据分组)和降维(简化数据),常用于客户细分、异常检测和数据可视化等。
1.1.3. 强化学习(RL)
在强化学习中,机器被指示通过参与进行学习,随着经验的获得和积累,从而提供更好、更可靠的结果。因此,RL可以通过在设定环境中采用试错方法记录动作来最大化累积奖励。RL的一大优势是可以在几乎没有甚至没有历史数据的情况下应用:与其他ML方法不同,它不需要先验信息。
1.1.4. 人工神经网络(ANNs)和深度学习(DL)
ANNs旨在通过结构化参数层捕获数据中的非线性模式。每个ANN都有输入、带参数的隐藏层以及一个或多个输出层。深度学习表示具有隐藏层的ANN,涵盖多种架构;DL技术需要大型数据集和强大计算能力(多GPU)才能获得最佳性能,因为它们需要在复杂框架内调整众多参数。
本综述论文的重点是详细概述ANN案例研究及其在mAb制造中的主要益处;研究人员指出,此类实施需要仔细验证、法规遵从以及与现有工艺/工作流程的集成。利用AI能力可带来更高的生产率、更好的mAb质量和成本节约。
2. 模型开发
生物工艺建模在生物治疗药物制造中发挥重要作用,其目标是估计最佳生产条件、减少延迟并最小化风险。生物工艺建模工具大致分为:(i)机理建模和(ii)经验建模。机理模型是对复杂mAb生产生物系统结构和功能的严格数学表示,其使用需要广泛的工艺知识和参数化。
mAb制造生物过程的复杂性导致反应动力学复杂,从而在全局上阻碍了动力学模型的保真度和参数化。Rolandi通过第一性原理方法分析了先进的生物制药建模,强调了对模型生命周期框架和可持续模型使用的需求。
最近的AI发展(尤其是ML和ANN)缓解了上述挑战,并为第一性原理瓶颈提供了替代方案,从而促进了生物工艺建模。经验(尤其是数据驱动)建模不要求对mAb制造工艺知识有深入了解:它依赖于对系统变量之间潜在关系的较宽松假设集,模型可以在设定假设下基于训练数据集拟合来根据输入变量预测输出。
2.1. ANN模型
Dewasme等人(2017)发表了一个mAb生产模型,采用六个连续悬浮杂交瘤批次细胞培养,使用两种杂交瘤菌株HB1和HB2。该配置将生物质保留在生物反应器中,并取出产物(乳酸、氨、mAbs)。葡萄糖和谷氨酰胺浓度分别在6–7 g/L
?1和0.3–0.4 g/L
?1范围内,第一批的初始生物质浓度为0.1 × 10
6 cells/mL
?1。细胞培养持续时间约15天;培养基在第7天后更新。实验测量每天进行一次。细胞生长在批次培养4天后开始下降,在第7天恢复到初始值。在该特定时间点添加新鲜培养基后,细胞活力再次上升。
采用最大似然主成分分析(MLPCA)对数据进行降维,得到一个MLPCA分量矩阵ρ作为子空间基。
葡萄糖和谷氨酰胺化学计量系数来自式(1);反应方案如式(2)–(4)所示。忽略铵形成以获得更小的反应方案(更少的反应)。基于质量平衡的动态反应模型以获得常微分方程(ODE)系统(式(5)–(10))。
Dewasme等人提出了一种将化学计量学识别与反应动力学解耦的可行策略,从而获得化学计量参数的初步估计。生物制药过程极其复杂,需要许多模型参数。
式(5)–(10)中ODE系统的模型参数化通过MATLAB? R2025a fmincon(约束最小化)算法执行,使用盒约束限制搜索空间,通常包括三个连续阶段。第一阶段考虑MLPCA化学计量估计和反应动力学参数的猜测向量;后续阶段使用先前最小化的参数值进行初始化。
直接模型验证结果显示:彩色圆圈和误差条(99%置信水平)表示实验数据,实黑线为MLPCA模型预测,共六个可观测变量(活生物质、死生物质、葡萄糖、谷氨酰胺、乳酸、mAb)。模型性能良好,但在培养基更新(第8天)后mAb存在明显偏差。
Dewasme等人(2023)随后提出另一种数据驱动策略,用于以最小复杂度和最少反应数进行快速动态生物工艺建模。MLPCA用于从25状态哺乳动物细胞培养数据库中推断简化反应方案,并使用多级非线性模型预测控制(MSNMPC)算法来处理动力学结构不确定性(随后进行稳健过程控制)。
其中使用了更大的数据集(与早期研究相比),采用了五次实验、每次25个信号的更丰富知识基础,培养基中氨基酸浓度水平共五组(3低、2高)。图6证明三维子空间(三个主成分)足以描述所选数据(实验1+4),通过对数似然准则(JP)与MLPCA子空间维数的关系确定;虚线表示χ
2分布5%分位数。
方程(11)显示了通过线性变换从MLPCA和χ
2检验导出基ρ构建的生物一致性化学计量矩阵。所有三列均相对于生物质浓度归一化;第二列具有非正的生物质、葡萄糖和谷氨酰胺系数,第三列具有零铵系数。
该MLPCA模型公式包含了许多早期研究中忽略的副产物(丙氨酸、脯氨酸、天冬氨酸、天冬酰胺等)。
直接验证与实验1–2(两种培养基)的结果如图7和图8所示。还完成了交叉验证,其中仅识别初始条件,模型参数设置为直接验证值。其他3次补料分批实验3–5(2次低氨基酸浓度,1次高氨基酸浓度)用于计算拟合指标JML。表2列出了所有交叉验证实验的拟合代价函数JML残差。
Kotidis等人(2020)最近的一项研究采用基于ANN的数据驱动模型来预测mAb制造过程中的蛋白质糖基化,其严格建模需要准确估计许多蛋白质特异性动力学参数,以及高尔基膜中酶和转运蛋白水平的先验定量。其描述的蛋白质糖基化ANN模型应用于一个案例研究,包括四种重组糖蛋白、两种mAbs和两种CHO产生的融合蛋白。
糖基化过程在内质网中启动并继续在高尔基复合体中进行:它在很大程度上取决于高尔基体内膜糖基化酶和核苷酸糖供体(NSDs)的水平,这些水平由高尔基体中的核苷酸糖转运蛋白(NSTs)控制。控制蛋白质糖基化和NSD合成的复杂生物现象(糖基化酶和NST水平变化)无法通过Monod型动力学模型捕获。所提出的数据驱动ANN模型旨在使用核苷酸和NSDs(过程输入)与糖型(重组蛋白)分布(过程输出)之间的高度非线性关系来描述这些现象,如果存在信息丰富的训练数据集,可规避NSD转运建模的挑战。HyGlycoM工具结合了CHO细胞代谢、NSD和mAb合成。
图10显示ANN模型能大幅抑制影响核苷酸糖估计的动力学模型不准确性,具有高预测潜力和可靠的估计;但某些估计在运行接近结束(第11–12天)时准确性下降。
2.2. 混合建模
混合模型结合多种系统描述以提高保真度。Fu和Barford(1996)开创了将严格细胞代谢模型(第一性原理质量和能量平衡结合反应动力学)嵌入AI框架的混合系统,该AI框架使用强化学习(RL)ANN进行迭代参数化。
RL ANN模块通过输入(X)和输出(Y)数据集训练,并在Fortran中实现以产生模型参数P,P是非线性状态函数。11步算法包括ANN训练、权重更新、内部强化和性能评估单元,该单元编码生物化学知识以判断先前的参数向量P是否适合,或根据预测Y与实际数据E之间的误差决定是否保留或改变关键杂交瘤细胞培养变量。
对其预测潜力进行了与实验数据的比较研究,比较了第一性原理模型(仅基于杂交瘤生长动力学用于mAb生产)和混合模型(包含反应动力学和上述ANN)。前者涉及详细的化学计量和细胞代谢能量学(45个变量和145个参数),可模拟所有关键状态(比生长速率、细胞密度、大分子组成、底物、乳酸和氨基酸谱、mAb滴度)。后者依赖于Quantrille和Liu(1991)的RL ANN结构,其中第一层输出被馈送到第二层和第三层(输出层)。
图13和图14显示了两种模拟方法的预测质量与实验数据的比较,评估了第一性原理模型与混合(反应+ANN)模型。混合模型相对于传统动力学模型的优越拟合性能是明确的,尽管作者未提供比较误差量化的指标。
Antonakoudis等人(2021)实现了对早期研究的推进,开发了一个ANN,将化学计量模型计算的NSD通量作为输入,目标蛋白(此处为IgG)的聚糖分布作为输出。使用原始NSD通量和聚糖生产数据进行ANN训练,然后使用另一个独立数据集来测试ANN预测准确性。
一个根据另一项研究构建的产品特异性基因组规模模型(GeM)实施了通量平衡分析(FBA),这是一种线性规划方法,在满足守恒约束下计算优化所选目标函数的通量分布。图16展示了FBA算法用于生物质生长和mAb产量的验证。图16A显示模型在指数上升期和稳定期预测生物质生长速率最准确,但在衰退期未能捕获趋势。比mAb生产率在所有时期均预测良好(图16B)。
Botton等人提出了一种混合数字(半参数)模型(HDM),用于追踪活细胞、葡萄糖、谷氨酰胺、乳酸、氨和mAb浓度。其工作重点是数据增强,即通过生成计算机模拟结果来扩展现有实际生物工艺实验运行的数据集。
HDM结构具有一个描述化学物质质量平衡的机理部分(第一性原理模型),以及一个ML部分(ANN),用于根据细胞培养实验数据估计复杂的、未知的动力学表达式。测试了两种数据生成策略用于最终(mAb)产物滴度估计:第一种仅依赖第一性原理模型,另一种依赖所述混合(HDM)模型。
图18显示了HDM生成的mAb滴度曲线:红色实线为来自工艺的3个训练批次,灰色虚线表示10条模拟轨迹。生成100个计算机模拟批次,每个批次的10个时间点用于HDM训练:所有生成曲线均在相同的10个实际测量时间点进行子采样。所得数据组织为矩阵X
HDM [100×5×10](培养变量轨迹)和向量y
HDM [100×1](收获时mAb浓度)。取得了非常有前景的结果:即使只有很少(2–3)个实际实验批次可用,HDM也能识别高产的细胞系(高mAb滴度)。
3. 过程分析、控制与优化
3.1. 过程控制
ML方法在生物制药制造过程控制中具有前景。NNs可分析实时生物反应器传感器数据(温度、pH、溶解氧、营养物浓度)以监测生物过程进展。通过学习历史工厂数据,NNs可检测异常、偏差或漂移,并为纠正措施提供早期预警。通过纳入混合(或独立)过程模型并利用实时传感器数据,NNs可可靠地预测未来过程行为并优化动态操作,在考虑动力学和约束的同时确保最佳性能。
将NN集成到模型预测控制(MPC)框架中是一个有吸引力的想法;尽管生物过程NN应用已有数十年历史,但由于实际(实时和硬件)实施困难,在线过程控制研究仍然有限。
Gadkar等人使用具有输出层反馈和内部连接的递归神经网络(RNN)研究,通过在线浓度(溶解氧)测量计算的自适应权重来跟踪补料分批酵母发酵。底物、乙醇和生物质浓度未被测量,而是由NN预测。
图19显示了NN架构中输入层与隐藏层之间的连接权重(V
ij)、隐藏层与输出层之间的连接权重(W
jk)以及从溶解氧(中间)到其他输出层节点的加权内部连接(U
k,虚线)。偏置节点(ξ
j和ξ
k)的使用对于该NN公式也很重要。对于NN调优和架构优化,以恒定6分钟采样间隔在15小时内生成训练数据集,随机初始权重在±0.1范围内。
图20(左)显示了训练阶段的召回曲线,证实了训练集内的优秀拟合。然而,为了在训练域之外实现可靠的NN性能,必须使用文献中描述的在线自适应算法持续更新所有NN权重。
在线权重自适应需要来自实际实验的连续信息流,至少需要一个具有足够过程重要性的在线测量。溶解氧浓度满足这一要求,反映了过程的代谢状态。在氧气可用性和呼吸能力给定的情况下,生长同时发生在葡萄糖和乙醇上。
图20(右)显示了有/无权重自适应的NN驱动过程控制与含噪声的氧气实验数据的对比,其中具有在线权重更新的NN预测(B)比无更新(C)更嘈杂,但追踪浓度状态曲线(A)更准确。
NN被用于控制细胞浓度沿指定的线性上升曲线:
式(12) 其中c和c
1为常数,t为发酵经过时间,X为细胞浓度。发酵运行使用特定培养基(2%葡萄糖、2%蛋白胨、1%酵母提取物),温度为30°C,pH=5,搅拌(300 rpm),通过光密度(600 nm)测量X。NN用于获得状态变量估计以评估瞬时进料速率。图21(右)显示,由于计算速度较快(1–2 s),在线权重自适应的NN驱动控制显著改善,即使针对式(12)中不同c值进行训练。
3.2. 过程优化
AI可通过提高效率、成本效益和质量控制来彻底改变mAb制造过程的优化。可以分析来自工厂的大数据集,以识别人类感知可能忽略的模式或相关性。
优化工艺参数(如温度、pH、搅拌速度)可提高mAb产量和纯度(工厂规模);根据需求变化规划库存水平、潜在瓶颈或更广泛的干扰(供应链规模)可通过降低运营支出(OpEx)成本、提高mAb生产和分销效率带来经济效益。
传统的mAb制造过程优化涉及通过昂贵且耗时的实验来测试少量特定(通常源自专家)假设。数据驱动方法是一种有前景的替代方法,依赖于从过程数据推断参数的计算机模型,可节省实验费用。
Pham等人(2023)探讨了mAb批次过程监测和控制中的监督学习和数据驱动优化(SLDO)研究,展示了SLDO在mAbs中应用的文献计量数据。其在1994–2022年间基于关键词的搜索策略(“SLDO方法”、“mAb生物过程”、“生物制造”)显示,大多数论文涉及上游问题,且大多数(90%)发表于2010–2022年。
Manapragada等人研究了补料分批培养中mAb制造过程优化,在代理模型训练数据不足的情况下,采用两种不同的(均匀和非均匀)补料模式,根据其每日变化。补料模式计划由10个特征的向量表示,每个特征代表培养期(第3天至第13天)整个持续时间内生物反应器每日补料量。其输入空间X包括补料计划以及三种(专家选择的)氨基酸的浓度值。要最大化的目标函数是产物产量。
图23展示了其所采用的ML模型架构:首先,其更简单的Naive模型在输入层和输出层之间只有一个5神经元隐藏层。其ITO模型是一种双配置,用于捕捉mAb制造中细胞培养的不同生命周期阶段:它由两个浅层ANN组成,分别称为Input–Throughput和Throughput–Output模型。一个中间逻辑层(具有索引吞吐量节点)形成第一个ANN的输出(同时也是第二个ANN的输入)。
进行了计算机模拟和实验验证:第一种使用100个独立种子为每种(Naive、ITO)类型生成100个目标函数候选,并通过网格搜索5·5·5 = 125种输入组合(氨基酸2、4、17各在5个水平变化)产生最佳决策向量,最大化最终mAb产物浓度。
对于体内实验,一项六生物反应器补料分批研究测试了两种优化的补料流模式(非均匀和均匀补料),并与相应的参考(对照)基例进行比较。表4总结了所有案例的结果,图24比较了所有计算机模拟运行与实验:ITO和Naive模型均准确预测了输出。
Rathore等人的综述总结了生物制药制造中的AI/ML应用,重点关注多变量数据分析、ANN和RL方法。生物制药单元操作的优化和控制具有挑战性,因为它通常涉及复杂现象(例如细胞培养生物反应器中的蛋白质表达、复合层析树脂上的结合、pH驱动的病毒灭活、通过半透膜的超滤)。作者认为,由于来自多种过程传感器(如pH、温度、电导率、氧化还原、UV、重量、液位、流速、压力)的大量数据集,AI/ML在工厂范围内的制造规模具有异常广阔的前景。许多后续研究证实了这一蓬勃发展的持续研发兴趣领域。一个重点挑战是通过ML驱动框架加速生物过程放大。
Dewasme等人的模型用于优化,以计算最佳培养基更新时间和组成,从而在较低底物成本下最大化mAb产量。这些目标构成目标函数,受已验证模型(式(1)–(11))约束。
式(13) 其中权重系数用于权衡底物节约与mAb产量,从而任意指定一个优化目标相对于另一个的主导地位。使用MATLAB? 2025a fmincon(约束优化)算法来寻找最优决策向量θ = [t
renewal G
renewal G
nrenewal]
T,即培养基更新时间以及该时间点培养基中葡萄糖和谷氨酰胺浓度。
图26显示了α = 0(不考虑底物成本节约)和α = 10(将底物成本节约放在比mAb产量更重要的位置)的优化结果。最佳培养基更新时间分别为4.54天和7天(即更晚)。最终mAb浓度分别为60.92和75 μg·mL
?1(14天周期后);因此,即使第一个(较小的)改进也比实验值(40–45 μg·mL
?1)提高了30%。更经济的发酵可能持续更长时间(在首次更新前延长56%),但除了α = 0所述之外,还提供显著的(23%)额外mAb产量增加。
因此,MLPCA可靠地从实验数据中提取关键信息,实现:
- 快速化学计量估计,独立于反应动力学,减少未知模型参数的数量(后者中约一半实际上是化学计量的)。
- 少量反应,避免无用的模型复杂化,同时捕获潜在生物学机制(活力、生长、抑制)。
其后续研究通过同一模型呈现了多级与经典非线性模型预测控制(MSNMPC vs. NMPC)的比较评估,采用“分而治之”方法,通过前几步的估计迭代地(单独或同时)估计化学计量和反应动力学。所有25个状态变量浓度(和体积)轨迹均已显示。
图28呈现了MSNMPC与NMPC优化补料速率的轨迹比较:前者通过更快但更小的执行器变化实现更好的性能,而后者具有更平滑的输入轨迹,但在前2天具有突变的峰值变化。谷氨酰胺(底部面板)在两种情况下均显示早期急剧上升,然后迅速衰减。
作者得出结论,NMPC计算连续反应速率,但无法同时检测可能在关键时间取消/激活某些速率的代谢开关。MSNMPC模型与经典经济NMPC进行了挑战和比较,使用具有代表代谢开关的不连续反应动力学的模拟工厂。结果表明,经典NMPC表现良好,但MSNMPC算法在全局上实现了更优的精确跟踪和对结构不确定性的增强鲁棒性。
Le等人(2018)探索了用于mAb制造质量控制的基于ML的快速分析方法开发,重点是在一系列条件和浓度下生产四种mAbs(英夫利昔单抗、贝伐珠单抗、利妥昔单抗、雷莫芦单抗)。这对于确保医疗单位给药前mAb质量至关重要。该研究使用了一个新颖的协作数据挑战平台,即快速分析与模型原型设计(RAMP),汇集了约300名数据科学家的问题解决方案。
ML分析与巴黎-萨克雷数据科学中心(CDS)合作使用Scikit-Learn库进行。拉曼光谱和近红外(NIR)光谱可实现通过玻璃/塑料包装直接测量mAb(与HPLC/UV或LC/MS/MS色谱法不同),因此线性方法和ML方法被比较用于分类和回归。通过主成分分析与偏最小二乘判别分析(PCA-DA和PLS-DA)以及ML进行分类,用于估计mAb浓度。
这里的挑战是预测溶液中mAb浓度:表5结果清楚表明,ML方法在所有四种mAb和总体上实现了更低的误差指标。使用线性工具(PCA-DA和PLS-DA),63%的低浓度(≤ 1 mg/mL)样本误差超过15%;使用ML时误差小得多(5.6%)。ML模型偏差在浓度高于0.1 mg·mL
?1时可忽略;相对误差随着mAb浓度从15%(y < 1 mg·mL
?1)降至5%(y > 3 mg·mL
?1)而急剧下降。
所使用的ML模型对数据尺度敏感:大多数有效预测策略使用非线性核方法,例如用于非线性降维的核PCA和支持向量机(SVM)用于预测。Nitika等人(2024)在其用于mAb电荷变体监测和预测的过程分析工具中使用了带有拉曼光谱数据的卷积神经网络(CNN)。
mAbs优化的另一个富有成果的领域是生产操作。响应面方法(RSM)提供因果关系(x、y轴)与效应(z轴)的多维可视化,并且比PCA/PLS方法更直观。Bashokouh等人(2019)使用ANN优化细胞培养条件(即培养时间、温度和胎牛血清/FBS浓度),以最大化杂交瘤M1A2细胞产生IgM mAb。使用了两种细胞培养基:Dulbecco改良Eagle培养基(DMEM)和Roswell Park纪念研究所培养基(RPMI 1640)。通过三层前馈ANN结构分析实验数据以建立预测模型,从而优化IgM mAb产量。
该ANN具有三神经元输入层(培养时间、温度、FBS)、八神经元隐藏层和单神经元输出层(IgM mAb浓度),通过反向传播训练以通过RMSE和R
2指标找到最佳拓扑。IgM浓度测量通过Ishida等人(2018)的方案获得。
表6显示在DMEM中、17% FBS、33°C培养5天时获得最高IgM mAb产量(1220 μg·mL
?1);在相同培养时间和温度下,低FBS(7%)DMEM中mAb产量降至719.24 μg·mL
?1(FBS浓度降低59%导致IgM mAb产量下降41%)。
图30–32呈现了IgM浓度随三个操作变量中每一个变化的曲线,表明趋势相似(但mAb生产率存在显著差异)。
mAb结果与FBS浓度的关系与Mel等人(2008)一致,他们研究了FBS效应(5–15%范围)对RC1杂交瘤活力(分泌IgG mAb的细胞)的影响。温度可阻碍mAb生长(图31),与Chong等人(2008)一致,他们表明杂交瘤C2E7细胞在轻度低温(32°C)条件下生长较慢;最大活细胞密度低10%,但mAb生产率比37°C高5%。
三维图(图33)超越了图30–32的单变量RSM视图,因为它显示了mAb生产率(z轴)与三个独立变量中的两个之间的关系;除了捕获明显的局部最大值外,培养基也明显影响产量(A–C与D–F)。
最大化的mAb生产率可能足以满足实验室规模,但不足以满足生产规模,因为技术和经济性能指标对生物制药企业至关重要。George和Farid(2007–2009)在随机组合多目标优化(MOO)研究中超越了先前建立的数学方法(例如混合整数(非)线性规划,MILP/MINLP)用于mAb工厂的制造能力规划和调度优化框架。
选择了一种组合ML-进化计算策略,通过分布估计算法(EDA)来解决问题的显著复杂性。图34展示了所采用的完整随机优化框架。
模型开发结合了C++(用于快速计算以节省CPU时间)和MS Excel/VBasic(在数据存储、提取、操作和绘图方面通用)。用于识别最佳策略的奖励(盈利能力)和风险指标分别是平均正净现值(NPV)和其为正的概率p(NPV > 0)。
在不确定环境中实现多个目标的经济绩效需要案例研究;例如,一个案例研究假设一家生物制药公司有10个mAb候选药物可供开发,必须决定有限规模的药物组合。优化模型考虑了商业产品特性、技术成功概率、持续时间、收入和成本(资本和运营支出、特许权使用费)。随机变量被假定服从三角概率分布(适用于小数据集)。四个现金流约束(即?$75 MM、?$200 MM、?$200 MM、无约束)描述了公司对研发资金的现金限制。
随机优化设置包括:最大迭代次数(t
max)= 17,每代/迭代中的候选数(|G(t)|)= 1000,每个候选策略的蒙特卡洛试验次数(U)= 250,以及每次迭代中G(t)中的优势候选策略数(|S(t)|)= 500。
图35显示了在上述约束下五药物组合的优化结果,具有四个清晰的Pareto前沿和NPV与p(NPV > 0)之间的强关系(权衡)。对于给定的风险水平p(NPV > 0),每个更严格的现金流约束都降低了平均NPV。
文献中提出的严格公式结合了ML和进化计算,在不确定性下实现了高效的决策空间搜索和可靠的Pareto前沿追踪。
表7总结了本节讨论的有影响力的出版物的关键特征。
3.3. 过程监测与控制
生物制药行业遵循良好生产规范(GMPs),但工艺和产品变异性(通常由于原料变异性)带来了巨大挑战。多变量统计方法已在批次过程监测(BPM)中建立了数十年,可有效监测和控制生物制药过程。
Nikita等人(2022)和Park等人(2023)发表了两篇论文,分别总结了连续mAb制造中实时质量预测的许多进展和用于细胞培养演变曲线多步预测的数字孪生。生物化学复杂性需要在连续mAb制造案例中开发精细框架,例如,一项关于缓冲罐控制的研究采用了四层架构(数据采集、过程调度、偏差处理、实时执行)。
Tulsyan等人(2019)解决了具有有限生产历史或中等数据可用性(Low-N数据集)的过程的实时统计过程控制(SPC)问题。Low-N场景带来了若干BPM挑战,因此从Low-N到Large-N场景的转变可涉及生成任意数量的计算机模拟批次数据集。这分两步进行:首先,对存储在高频数据采集系统(DAQ)中的原始数据进行分层重采样;然后,通过高斯过程状态空间模型(GP-SSM)(属于贝叶斯非参数方法类)在所述重采样数据上训练生成器模型,该模型为描述复杂、非线性、非平稳(批次)过程动态提供了灵活性。
Hotelling T
2和平方预测误差(SPE)提供了控制限:前者检测与正常操作的偏移和偏差,后者量化数据中无法由假定模型解释的变异量。图37显示了基于Low-N模型(左)的新进批次的T
2图,描述了较大的T
2值但没有控制限来标记值得关注的非典型操作。通过GP-SSM生成计算机模拟批次数据集产生了更丰富的曲线(右),其中可以区分彩色控制限之外的三个独立区域。
结论是Large-N模型在解释和预测数据变异方面优于Low-N模型;前者相对于后者具有更高的统计稳定性(由于其基于BMP理论中大数定律/LLN的假设),并且可以可信地指出图37(右)中标记为(1)、(2)和(3)的三个独立警报事件,其中信号连续多个样本超过95%和99%的T
2控制限(右侧面板确实远比从批次操作得出的T
2图更具指示性)。
Jin等人(2018)的研究提出了一种基于PCA的生物过程监测方法,用于分析商业mAb制造中经常遇到的异常变异,这些变异对工厂性能和最终药品质量的稳定性产生不利影响。
其案例研究涉及免疫球蛋白G(IgG),这是人血液和细胞外液中最丰富的抗体类型(约占血清抗体的75%);它是针对细菌和病毒感染的有效药物,可中和病原体并与其结合以供其他免疫细胞破坏。对于此类IgG工厂,这些异常变异与产生IgG的重组CHO细胞中的高乳酸相关,并且还通过非线性支持向量机(SVM)分类器预测了乳酸滴度。
图38呈现了典型的信号变异(该研究使用了166次运行的数据集),观察到高乳酸和低乳酸批次在原始(主)空间中无法直观(或明确)地分离。因此,搜索并确定了潜在空间,以在缩减坐标下分离它们(基于PCA的监测)。图38阐明了高乳酸和低乳酸运行在主空间中无法分离(相对于T
2限制),但可以在残差空间中相对于各自的(SPE)控制限进行区分。
Jin等人(2019)在后续研究中进一步观察到,乳酸浓度在批次运行接近结束时波动很大,并且高乳酸批次的波动更大。由于最终乳酸浓度分布近似双变量,很容易区分高乳酸和低乳酸曲线,但也有很多中间体未分类。
图40显示,使用8年期间的批次工业生产数据在PCA子空间中无效且不确定:高乳酸和低乳酸批次在T
2值方面几乎没有差异(左),而SPE在残差子空间中非常有效。因此,对于大多数(如果不是全部)累积方差比例(CPV)值,高乳酸与低乳酸批次很容易分离,最佳区分出现在CPV = 90%(右)。
4. 下游mAb加工
前述研究仅讨论了AI/ML应用用于上游mAb制造过程建模和优化,范围在产生mAbs的生物反应器内或附近。除此之外,AI/ML可改进许多关键下游操作(色谱分离、过滤、病毒灭活),以实现更好的质量控制和工厂可持续性。
图41是连续mAb制造下游部分的工艺流程图:在生物反应器和细胞培养收获后,所得mAb溶液经历蛋白A色谱、病毒灭活、过滤、阴离子交换膜(AEM)和阳离子交换(CEX)色谱,然后进行最终制剂。
Nikita等人的研究详细介绍了ML应用以开发捕获和精纯色谱步骤的预测模型,比较了5种不同的ML算法:(i)深度神经网络(DNN)、(ii)支持向量回归(SVR)、(iii)决策树(DT)、(iv)随机森林回归(RFR)和(v)梯度提升回归(GBR)。收集了批内实时数据用于关键变量(电导率、pH、UV传感器)。
以下简要概述[45]中某些方法的基本概念。DNN实现依赖于多个处理层,基于过程条件x
i学习,预测参数w
i和目标y。非线性输出函数为:
式(14) 其中α为激活函数,x
i为输入值,w
i为权重,b为偏置。
图42和图43显示了RFR和GBR原理:第一种对许多不同结构进行平均预测,第二种依赖于连续的训练/测试周期。
模型保真度通过均方根误差(RMSE)和决定系数R
2来衡量,对于可靠的回归(排除训练数据集),R
2接近1:
式(15) 其中y
i为实验数据,为其平均值,f
i为模型预测。
图44显示所有方法对大多数可观测变量都能达到足够高的准确性(R
2 > 0.8),例外是SVR对聚集体含量(第一组,最后一个条)以及DNN对蛋白A色谱的mAb洗脱浓度(最后一组,第一个条)的表现。Akaike(AIC)和Bayes(BIC)信息准则排除了GBR的使用:AIC/BIC值比基于树的模型高5–65%,而低准则值可最大化保真度。
图45显示了所有模型预测与实验的比较(左)和误差指标(右)。DT和SVR成为最准确的(RMSE最小),GBR和NN最不可靠;RFR在小数据集上优于DT和其他算法(由于减少了CPU时间),在蛋白A色谱的mAb洗脱水平预测中实现了4.76%的最大误差。
5. 生物制药过程放大
AI在生物制药过程放大中可发挥关键作用,该过程强调从实验室规模过程到更大生产规模的过渡。AI算法可分析实验室规模过程中生成的大型数据集,并识别影响产品质量和产量的模式、相关性和工艺参数。数据驱动方法可帮助开发准确模型并推断到更大的规模,以根据历史数据和过程知识预测生物过程在放大时的行为。通过模拟各种场景,AI可帮助识别潜在挑战并优化放大,减少对昂贵且耗时的试错实验的需求。
Facco等人(2020)在mAb生产中使用多变量统计、数据分析和模式识别进行生物制药过程放大,实现了细胞系筛选和性能预测,以选择静态、摇动或搅拌式生物反应器。
[27]中使用的数据驱动模型利用多变量统计方法和标准模式识别技术。因此,采用主成分分析(PCA)进行数据处理;它总结了数据集X中可用的信息:
式(16) 其中R为X的秩;P
a为[M × 1]载荷向量,t
a为第a个主成分(PC)的[N × 1]得分向量;上标T为转置算子;E为