MétaCan
Menu
Retour à la cohorte
Enregistrement W2154507411 · doi:10.1002/bit.10013

Glucose‐based optimization of CHO‐cell perfusion cultures

2001· article· en· W2154507411 sur OpenAlexaff
Jason E. Dowd, K.E. Kwok, James M. Piret

Notice bibliographique

RevueBiotechnology and Bioengineering · 2001
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueViral Infectious Diseases and Gene Expression in Insects
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPerfusionSet pointChemistryGlucose uptakeCell cultureBiomedical engineeringChromatographyBiologyInternal medicineMedicineInsulinEndocrinology

Résumé

récupéré en direct d'OpenAlex

Perfusion cultures of CHO cells producing t-PA were performed using acoustic filter cell retention. A robust off-line glucose analysis and predictive control protocol was developed to maintain the process within approximately 0.5 mM of the glucose set point, without the need for a more fallible on-line sensor. Glucose usage (the difference between the inlet and reactor glucose concentrations) provided an easily measured indicator of overall medium utilization for mapping acceptable ranges of operation, including the edge of failure. Earlier onset of perfusion with a ramping glucose set point (1.5 mM/d) resulted in improved growth and consistency during the perfusion culture start-up. At steady state, the t-PA concentration variability increased gradually with increasing glucose usage up to approximately 22 mM, then up to 24 mM the variability increased threefold. Peak t-PA concentrations of over 90 mg/L were obtained by controlling at a glucose usage of approximately 24 mM, but these t-PA levels were not sustainable for more than 3 days. A consistent t-PA concentration of 40 mg/L was obtained at a glucose usage of 21.5 mM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,217
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiotechnology and BioengineeringMême sujetViral Infectious Diseases and Gene Expression in InsectsTravaux en français237 207