Multivariate data analysis on multisensor measurement for inline process monitoring of adenovirus production in HEK293 cells
Notice bibliographique
Résumé
In the era of Biopharma 4.0, process digitalization fundamentally requires accurate and timely monitoring of critical process parameters (CPPs) and quality attributes. Bioreactor systems are equipped with a variety of sensors to ensure process robustness and product quality. However, during the biphasic production of viral vectors or replication-competent viruses for gene and cell therapies and vaccination, current monitoring techniques relying on a single working sensor can be affected by the physiological state change of the cells due to infection/transduction/transfection step required to initiate production. To address this limitation, a multisensor (MS) monitoring system, which includes dual-wavelength fluorescence spectroscopy, dielectric signals, and a set of CPPs, such as oxygen uptake rate and pH control outputs, was employed to monitor the upstream process of adenovirus production in HEK293 cells in bioreactor. This system successfully identified characteristic responses to infection by comparing variations in these signals, and the correlation between signals and target critical variables was analyzed mechanistically and statistically. The predictive performance of several target CPPs using different multivariate data analysis (MVDA) methods on data from a single sensor/source or fused from multiple sensors were compared. An MS regression model can accurately predict viable cell density with a relative root mean squared error (rRMSE) as low as 8.3% regardless of the changes occurring over the infection phase. This is a significant improvement over the 12% rRMSE achieved with models based on a single source. The MS models also provide the best predictions for glucose, glutamine, lactate, and ammonium. These results demonstrate the potential of using MVDA on MS systems as a real-time monitoring approach for biphasic bioproduction processes. Yet, models based solely on the multiplicity and timing of infection outperformed both single-sensor and MS models, emphasizing the need for a deeper mechanistic understanding in virus production prediction.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».