MétaCan
Menu
Retour à la cohorte
Enregistrement W3151883212 · doi:10.1016/j.csbj.2021.03.030

In-line monitoring of surfactant clearance in viral vaccine downstream processing

2021· article· en· W3151883212 sur OpenAlexaff
Jessie Payne, James T. Cronin, Manjit Haer, Jason Krouse, William Prosperi, Katherine Drolet-Vives, Matthew Lieve, Michael Soika, Matthew T. Balmer, Marina Kirkitadze

Notice bibliographique

RevueComputational and Structural Biotechnology Journal · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein purification and stability
Établissements canadiensSanofi (Canada)Queen's University
Organismes subventionnairesnon disponible
Mots-clésPulmonary surfactantUnivariateCross-flow filtrationFiltration (mathematics)ChromatographyMultivariate statisticsMaterials scienceDownstream processingChemistryMembraneMathematicsStatistics

Résumé

récupéré en direct d'OpenAlex

PURPOSE: The goal of this study is to examine the suitability of in-line infrared measurements to monitor, in real-time, surfactant concentration in the viral vaccine drug substance during a 50KDa tangential flow filtration (TFF) process. METHODS: A ReactIR™ 702L instrument was used to gather spectra of process off-line samples and reference materials to assess the feasibility of monitoring surfactant concentration during a TFF process in real-time. Both univariate and multivariate models were used to evaluate the off-line sample data and were found to be in good agreement with surfactant concentration values obtained by HPLC. These results were used as justification for a real-time TFF experiment with live process material. RESULTS: spectral region can be used to predict surfactant concentrations between TFF exchanges 8 to 15. CONCLUSION: The results of this study demonstrated suitability of an in-line infrared measurement to monitor surfactant concentration in the viral vaccine drug substance between exchanges 8-15 of a 50 kDa tangential flow filtration process. The preliminary multivariate model used for this work can be further optimized for the in-line use at manufacturing scale.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,440
Score d'incertitude au seuil0,275

Scores Codex et Gemma par catégorie

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

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 Opus0,008
Tête enseignante GPT0,266
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputational and Structural Biotechnology JournalMême sujetProtein purification and stabilityTravaux en français237 207