Logistic Equations Effectively Model Mammalian Cell Batch and Fed-Batch Kinetics by Logically Constraining the Fit
Notice bibliographique
Résumé
A four-parameter logistic equation was used to fit batch and fed-batch time profiles of viable cell density in order to estimate net growth rates from the inoculation through the cell death phase. Reduced three-parameter forms were used for nutrient uptake and metabolite/product formation rate calculations. These logistic equations constrained the fits to expected general concentration trends, either increasing followed by decreasing (four-parameter) or monotonic (three-parameter). The applicability of this approach was first verified for Chinese hamster ovary (CHO) cells cultivated in 15-L batch bioreactors. Cell density, metabolite, and nutrient concentrations were monitored over time and used to estimate the logistic parameters by nonlinear least squares. The logistic models fit the experimental data well, supporting the validity of this approach. Further evidence to this effect was obtained by applying the technique to three previously published batch studies for baby hamster kidney (BHK) and hybridoma cells in bioreactors ranging from 100 mL to 300 L. In 27 of the 30 batch data sets examined, the logistic models provided a statistically superior description of the experimental data than polynomial fitting. Two fed-batch experiments with hybridoma and CHO cells in benchtop bioreactors were also examined, and the logistic fits provided good representations of the experimental data in all 25 data sets. From a computational standpoint, this approach was simpler than classical approaches involving Monod-type kinetics. Since the logistic equations were analytically differentiable, specific rates could be readily estimated. Overall, the advantages of the logistic modeling approach should make it an attractive option for effectively estimating specific rates from batch and fed-batch cultures.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».