Affinity chromatography for vaccines manufacturing: Finally ready for prime time?
Notice bibliographique
Résumé
• This paper reviews the success of affinity chromatography at lab scale for vaccine purification and assesses the challenges preventing its industrial implementation. • Review of recent advancements in ligand development and chromatographic media indicates opportunity to bring affinity chromatography from lab bench to large-scale manufacturing. • It is suggested that when combined with single-use technology, affinity chromatography can significantly simplify process architecture, improve productivity and flexibility, and reduce cost of goods. Affinity chromatography is among the most powerful separation techniques, achieving the finest separation with high yields even in the most challenging feed streams. Incorporating affinity chromatography in vaccine purification has long been attempted by researchers to improve unit yield and purity with the secondary goal of reducing the number of downstream process operations. Despite the success in laboratory-scale proof of concept, implementation of this technique in pilot or cGMP manufacturing has rarely been realised due to technical and economic challenges in design and manufacturing of ideal ligands as well as availability of high-productivity chromatography media. This paper reviews evolving technologies in engineered ligands and chromatography media that are encouraging companies to re-visit the possible use of affinity chromatography in larger scale vaccine purification. It is postulated that commercial-scale implementation of high throughput single-use affinity chromatography can significantly simplify process architecture, improve productivity and flexibility, and reduce cost of goods.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 tête enseignante, 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 ».