On the Use of Surface Plasmon Resonance-Based Biosensors for Advanced Bioprocess Monitoring
Notice bibliographique
Résumé
Biomanufacturers are being incited by regulatory agencies to transition from a quality by testing framework, where they extensively test their product after their production, to more of a quality by design or even quality by control framework. This requires powerful analytical tools and sensors enabling measurements of key process variables and/or product quality attributes during production, preferably in an online manner. As such, the demand for monitoring technologies is rapidly growing. In this context, we believe surface plasmon resonance (SPR)-based biosensors can play a role in enabling the development of improved bioprocess monitoring and control strategies. The SPR technique has been profusely used to probe the binding behavior of a solution species with a sensor surface-immobilized partner in an investigative context, but its ability to detect binding in real-time and without a label has been exploited for monitoring purposes and is promising for the near future. In this review, we examine applications of SPR that are or could be related to bioprocess monitoring in three spheres: biotherapeutics production monitoring, vaccine monitoring, and bacteria and contaminant detection. These applications mainly exploit SPR’s ability to measure solution species concentrations, but performing kinetic analyses is also possible and could prove useful for product quality assessments. We follow with a discussion on the limitations of SPR in a monitoring role and how recent advances in hardware and SPR response modeling could counter them. Mainly, throughput limitations can be addressed by multi-detection spot instruments, and nonspecific binding effects can be alleviated by new antifouling materials. A plethora of methods are available for cell growth and metabolism monitoring, but product monitoring is performed mainly a posteriori. SPR-based biosensors exhibit potential as product monitoring tools from early production to the end of downstream processing, paving the way for more efficient production control. However, more work needs to be done to facilitate or eliminate the need for sample preprocessing and to optimize the experimental protocols.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».