<scp>CHO</scp> stable pool fed‐batch process development of <scp>SARS</scp> ‐ <scp>CoV</scp> ‐2 spike protein production: Impact of aeration conditions and feeding strategies
Notice bibliographique
Résumé
Abstract Technology scale‐up and transfer are a fundamental and critical part of process development in biomanufacturing. Important bioreactor hydrodynamic characteristics such as working volume, overhead gas flow rate, volumetric power input (P/V), impeller type, agitation regimen, sparging aeration strategy, sparger type, and k L a must be selected based on key performance indicators (KPI) to ensure a smooth and seamless process scale‐up and transfer. Finding suitable operational setpoints and developing an efficient feeding regimen to ensure process efficacy and consistency are instrumental. In this investigation, process development of a cumate inducible Chinese hamster ovary (CHO) stable pool expressing trimeric SARS‐CoV‐2 spike protein in 1.8 L benchtop stirred‐tank bioreactors is detailed. Various dissolved oxygen levels and aeration air caps were studied to determine their impact on cell growth and metabolism, culture longevity, and endpoint product titers. Once hydrodynamic conditions were tuned to an optimal zone, various feeding strategies were explored to increase culture performance. Dynamic feedings such as feeding based on current culture volume, viable cell density (VCD), oxygen uptake rate (OUR), and bio‐capacitance signals were tested and compared to standard bolus addition. Increases in integral of viable cell concentration (IVCC) (1.25‐fold) and protein yield (2.52‐fold), as well as greater culture longevity (extension of 5 days) were observed in dynamic feeding strategies when compared to periodic bolus feeding. Our study emphasizes the benefits of designing feeding strategies around metabolically relevant signals such as OUR and bio‐capacitance signals.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».