Online monitoring and control of upstream cell culture process using 1D and 2D‐LC with SegFlow interface
Notice bibliographique
Résumé
The biopharmaceutical industry is transitioning from currently deployed batch-mode bioprocessing to a highly efficient and agile next-generation bioprocessing with the adaptation of continuous bioprocessing, which reduces capital investment and operational costs. Continuous bioprocessing, aligned with FDA's quality-by-design platform, is designed to develop robust processes to deliver safe and effective drugs. With the deployment of knowledge-based operations, product quality can be built into the process to achieve desired critical quality attributes (CQAs) with reduced variability. To facilitate next-generation continuous bioprocessing, it is essential to embrace a fundamental shift-in-paradigm from "quality-by-testing" to "quality-by-design," which requires the deployment of process analytical technologies (PAT). With the adaptation of PAT, a systematic approach of process and product understanding and timely process control are feasible. Deployment of PAT tools for real-time monitoring of CQAs and feedback control is critical for continuous bioprocessing. Given the current deficiency in PAT tools to support continuous bioprocessing, we have integrated Infinity 2D-LC with a post-flow-splitter in conjunction with the SegFlow autosampler to the bioreactors. With this integrated system, we have established a platform for online measurements of titer and CQAs of monoclonal antibodies as well as amino acid analysis of bioreactor cell culture.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 ».