Determining appropriate input excitation for model identification of a continuous bio-process
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This manuscript addresses the problem of determining input excitation for data driven model identification appropriate for cell culture bio-processes in general, and for an industrial bioreactor used for the production of monoclonal antibodies, in particular. The design space is set up to give us the operating parameters for the key objective of demonstrating the feasibility of using far more perturbations than typically done in bio process identification, although significantly less than other applications, to yield data rich enough for the purpose of data driven modelling (and subsequently, control). A proprietary mechanistic model developed by Sartorius for their Cellca cell line is first introduced to serve as a test bed, based on AMBR 250® (Sartorius registered trademark for integrated high throughput bioreactor systems). Subsequently, this test bed is used to address the question of determining the frequency of input perturbation sufficient to identify a data driven dynamic model. To this end, the test bed is used to generate data at various frequencies and a linear time invariant model identified. The predictive capability of the identified model is used to ascertain the frequency of changes in data generation such that the changes are acceptable from a biological standpoint, and yet generate sufficiently rich data. In particular, a frequency of perturbations at once every three days is found to balance these tradeoffs for the monoclonal antibody process under consideration. The results from the manuscript are meaningful both from a specific results standpoint (as illustrated by subsequent adoption by Sartorius), but also by providing a mechanism to ascertain such information for other bio-processes.
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.
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 découle