Faida:
- Uwezo wa kuiga uhusiano kati ya sifa muhimu za ubora (CQA) na vigezo muhimu vya mchakato (CPP) na kutanguliza ubora juu ya ufanisi.
- Uwezo wa kutathmini ishara zisizo sahihi katika ufuatiliaji wa mchakato kwa uamuzi wa mhandisi na kudhibiti kengele za uwongo
- Uwezo wa kuelewa kwamba kuongeza kiwango kunahitaji kufanana kimwili na majaribio ya majaribio na si kuchukua nafasi ya utabiri wa mfano kwa uthibitisho wa majaribio.
Kuzalisha kimeng'enya, kingamwili au chanjo katika bomba la maabara ni jambo moja, lakini kuongeza hadi tani za uzalishaji ni uhandisi tofauti kabisa. Usindikaji wa kibayolojia - mchakato wa utengenezaji ambao hutoa bidhaa kwa kutumia chembe hai au vimeng'enya; uchachushaji, utamaduni wa seli, utakaso—ndipo uhandisi wa viumbe hai hubadilika kuwa thamani ya kiuchumi. Utaratibu huu ni mfumo wa kelele na wa gharama kubwa ambapo mamia ya vigezo (joto, pH, oksijeni iliyoyeyushwa, wasifu wa malisho, kuchanganya) hufuatiliwa daima. AI ina nguvu katika kufuatilia data ya mchakato huu, kuripoti hitilafu, kutabiri mavuno, na kuiga maamuzi ya kuongeza kiwango; lakini wewe ndiye mhandisi ambaye anahakikisha ukweli halisi wa mchakato, usalama na ubora wa bidhaa.
Katika kitengo hiki, utajifunza dhana za kimsingi za usindikaji wa viumbe hai, jukumu la AI katika ufuatiliaji wa mchakato (ufuatiliaji wa wakati halisi wa data ya mchakato wa moja kwa moja), utabiri wa mavuno na maamuzi ya kuongeza kiwango, na mipaka ya ubora na udhibiti.
CQA na CPP: kufafanua ubora
Usindikaji wa kisasa wa kibayolojia unaendeshwa na muundo wa ubora (Ubora kwa Usanifu - QbD - mbinu ya kubuni ubora kutoka chini kwenda juu badala ya kuujaribu mwishoni mwa mchakato). Dhana mbili ni kuu: sifa muhimu za ubora (CQA—tabia ambazo bidhaa lazima idumishe ili ziwe salama na zenye ufanisi; usafi, ulainishaji, shughuli) na vigezo muhimu vya mchakato (CPP—vigeu vya mchakato vinavyoweza kurekebishwa vinavyoathiri sifa hizi; halijoto, pH, malisho). AI inaweza kielelezo cha uhusiano kati ya CPPs na CQAs kutoka kwa data (“glycysylation itakatizwa ikiwa pH itatoka kwenye masafa haya”); lakini kufafanua nafasi ya muundo wa muundo huu—eneo salama la kigezo ambapo CQAs zimehakikishwa—kunahitaji idhini ya udhibiti na uthibitishaji wa majaribio.
Kidokezo: Unapokuwa na AI ya kuunda muundo wa mchakato, iulize "ambayo ubora wa anuwai ya parameta umehakikishwa", sio "ufanisi bora zaidi". Hatua inayoongeza mavuno inaweza kuwa kwenye mpaka ambayo inashusha ubora; Katika usindikaji wa kibaolojia, ubora uko mbele ya ufanisi.
Mtego wa hila wa kuongeza kasi
Mchakato unaofanya kazi kikamilifu katika maabara unaweza kuanguka kwenye tanki kubwa. Sababu: fizikia inabadilika kulingana na kiwango. Katika chombo kidogo, oksijeni na virutubisho hufikia kila mahali kwa urahisi; Katika tank kubwa, wakati wa kuchanganya (wakati wa kioevu kuwa homogeneous) huongezeka, uhamisho wa oksijeni unakuwa mgumu, na nguvu za shear huchuja seli. AI inaweza kuunda kielelezo cha ubashiri kutoka kwa data ya kiwango cha kihistoria, lakini kuongeza mara nyingi hutegemea kanuni za ufanano wa kimwili (kama vile mgawo wa mara kwa mara wa uhamishaji oksijeni, nguvu/kiasi kisichobadilika) na majaribio ya majaribio. Utabiri wa AI sio mbadala wa majaribio ya kipimo cha majaribio.
Tahadhari: "Mfano unatabiri ufanisi wa X% kwa kiwango cha uzalishaji" sio ahadi. Kuongeza kasi kunahusisha athari za kimwili ambazo haziwezi kuigwa; Kila mpito wa kipimo huthibitishwa kupitia majaribio ya majaribio. Kufanya uamuzi wa uzalishaji kulingana na makadirio ya kipimo ambayo hayajathibitishwa hubeba hatari za kiuchumi na ubora.
kesi tatu ndogo
Kesi ya 1 - Hali isiyo ya kawaida ilipatikana mapema. Ufuatiliaji unaotegemea AI katika kituo cha uzalishaji wa kingamwili uliashiria kupotoka kutoka kwa kawaida katika wasifu wa oksijeni ulioyeyushwa katika kundi la lita 2,000. Ndani ya saa 6, wahandisi walipata tatizo la povu/mchanganyiko na kuokoa kundi; Ikiwa mkengeuko haungegunduliwa, kungekuwa na ~$400,000 katika bidhaa iliyopotea. AI ilitoa kengele, mhandisi alifanya uamuzi na kuingilia kati.
Kesi ya 2 - Mtego wa kukadiria kwa kipimo. Timu moja ilienda moja kwa moja kutoka lita 50 hadi lita 1,000, ikitegemea mfano uliofunzwa kwenye data ya maabara. Uhamisho wa oksijeni katika tank kubwa haukuwa wa kutosha, ufanisi ulipungua kwa 35%. Kiwango cha majaribio cha kati (lita 200) kiliachwa; Tofauti ya kimwili ambayo mtindo haukuweza kutabiri imeonekana kuwa ya gharama kubwa. Mchakato huo ulianzishwa tena katika awamu ya majaribio.
Kesi ya 3 - Ufanisi wa ubora wa juu. Katika uboreshaji mmoja, AI ilipendekeza wasifu wa kulisha ambao uliongeza ufanisi kwa 12%. Lakini uchanganuzi ulionyesha kuwa kipengele kimoja cha ubora (glycosylation) katika wasifu huu hakikuwa maalum. Timu ilichagua wasifu wa mavuno kidogo lakini wa hali ya juu; CQA katika usindikaji wa kibayolojia haiwezi kujadiliwa.
Violezo vinne vinavyoweza kunakiliwa
1) Mchakato wa ufuatiliaji wa usanidi usiofaa:
Jukumu lako: mhandisi wa bioprocess. Pendekeza mbinu ya ugunduzi wa hitilafu katika data ya mfululizo wa saa (joto, pH, oksijeni iliyoyeyushwa, kasi ya mlisho) ya bechi ya uchachushaji. Je, ninawezaje kuanzisha msingi kutoka kwa makundi ya kawaida, ambayo mkengeuko unakuwa kengele? Ninawezaje kupunguza kengele za uwongo?
2) Uchambuzi wa uhusiano wa CPP-CQA:
Nitakupa vigezo vya kuchakata (CPP) na data ya vipimo vya ubora wa bidhaa (CQA) ya bechi zilizopita. Pendekeza mbinu ya kuchambua ni CPP zipi huathiri CQAs zipi. Sisitiza kuwa uunganisho SIO sababu na uniambie jinsi ya kuthibitisha kila uhusiano kwa majaribio.
3) Orodha ya ukaguzi:
Jukumu lako: mtaalamu wa kuongeza kiwango. Ninapanga kubadili kutoka lita [X] hadi lita [Y]. Niorodheshe ni vigezo gani vya kimwili vinahitaji kuwekwa mara kwa mara (uhamisho wa oksijeni, nguvu/kiasi, mchanganyiko), ni majaribio gani ya majaribio ni muhimu, na ambapo kielelezo HAWEZI kuaminiwa.
4) Salio la ubora wa mavuno:
Maoni yangu ya uboreshaji huboresha ufanisi lakini inasukuma CQA hadi kikomo. Nifafanulie jinsi ya kutathmini usawa huu, kwa nini kukaa ndani ya nafasi ya kubuni ni muhimu zaidi kuliko ufanisi, na jinsi ya kuandika hatari ya ubora.
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Je, ninawezaje kuongeza ufanisi wangu wa uchachishaji?
Hakuna muktadha, hakuna vikwazo, na hakuna malengo ya ubora; Mapendekezo ya jumla, yasiyotekelezeka yanakuja.
Agizo lenye nguvu:
Jukumu lako: mhandisi wa bioprocess. Ninaboresha uzalishaji wa kingamwili ya monokloni katika utamaduni wa seli za CHO. Nina data ya CPP (joto, pH, lishe) na CQA (titer, glycosylation %, usafi) kutoka kwa bechi 40 zilizopita. Niambie: (1) jinsi ya kuchanganua vigezo vinavyoweza kuongeza ufanisi bila kukiuka CQAs, (2) jinsi ya kubainisha mipaka ya nafasi ya kubuni, (3) ni jaribio gani la majaribio la kuthibitisha kila pendekezo. Weka ubora mbele ya ufanisi.
Tofauti: mfumo, data, malengo mawili (mavuno + ubora), nafasi ya kubuni na uthibitishaji.
Vigezo vya Bioprocess na jukumu la AI
Kigezo/uamuzi
Mchango wa AI
kikomo cha kimwili
uthibitishaji
Ufuatiliaji wa mchakato
ishara isiyo ya kawaida
kelele ya sensor
Uthibitisho wa mhandisi
Utabiri wa mavuno
mfano
Athari za mfano wa ziada
chama cha kweli
Uhusiano wa CPP-CQA
Uchambuzi wa uhusiano
Sababu ≠ uwiano
Jaribio la DoE
ongeza juu
utabiri wa awali
Mchanganyiko/fizikia ya oksijeni
kipimo cha majaribio
Udhibiti wa ubora
ishara ya kupotoka
vipimo
uchunguzi wa uchambuzi
Makosa ya kawaida
- Kuweka ufanisi kabla ya ubora. Vikomo vya CQA haviwezi kujadiliwa.
- Ruka kipimo cha majaribio. Mfano hauwezi kutabiri athari za kiwango cha mwili.
- Kukosea kwa uunganisho wa sababu. Mahusiano ya CPP-CQA lazima yathibitishwe na DoE.
- Kuweka kengele bila kujiamini. Mhandisi anatathmini ishara isiyo ya kawaida; Kengele za uwongo pia hutokea.
- Kusahau muktadha wa udhibiti. Utumiaji wa modeli katika mazingira ya GMP unahitaji uthibitisho na hati (kitengo kinachofuata).
Kwa muhtasari
Usindikaji wa kibayolojia ni pale ambapo bioengineering inatafsiri kwa kiwango na thamani ya kiuchumi; AI hufuatilia kuchakata data na kuripoti hitilafu, mifano ya mahusiano ya CPP-CQA na kuunga mkono maamuzi ya kuongeza kiwango. Lakini ubora (CQA) daima huinua ufanisi, kuongeza kiwango kunahitaji kufanana kimwili na majaribio ya majaribio, uwiano sio sababu, na kila matokeo ya AI yanathibitishwa na uamuzi wa mhandisi na uthibitishaji wa majaribio. Mfano huo hauchukua nafasi ya ukweli wa kimwili wa uzalishaji.
Jukumu la maombi
Chagua hali ya mchakato wa kibayolojia (k.m. uchachushaji wa E. koli au utamaduni wa seli za CHO). Kuwa na ramani ya AI iwe na mpango wa mpito wa maabara hadi majaribio na kiolezo cha "orodha ya kuongeza viwango". Kisha soma mpango huo kwa umakini: Je, AI ilihesabu kwa usahihi ni vigezo gani vya kimwili vya kuweka mara kwa mara, ni majaribio gani ya majaribio ambayo iliruka? Pia jaribu kiolezo cha "salio la mavuno ya ubora" na uandike jinsi utakavyoandika hali ambayo inadhoofisha ubora huku ukiongeza ufanisi.
orodha ya ukaguzi
- [ ] Nilitanguliza ubora (CQA) kuliko ufanisi na nilifafanua mipaka ya nafasi ya muundo.
- [ ] Sikuruka majaribio ya majaribio katika kuongeza kiwango.
- [ ] Nilizingatia uhusiano wa CPP-CQA si uhusiano, lakini dhahania zitakazothibitishwa na DoE.
- [ ] Nilitathmini kengele za hitilafu kwa uamuzi wa mhandisi.
- [ ] Niliunganisha makadirio ya mavuno na mpango wa uthibitishaji na data halisi ya kundi.
- [ ] Nimezingatia mahitaji ya udhibiti/uthibitishaji wa GMP.