Investigating the effect of media composition on growth and mAb production in CHO cells using a piecewise hybrid dFBA-PLS framework
Notice bibliographique
Résumé
In this study, we present a hybrid modeling framework that integrates piecewise Partial Least Squares (PLS) regression with Dynamic Flux Balance Analysis (dFBA) to simulate and optimize Chinese Hamster Ovary (CHO) cell fed-batch culture. Twenty-four Ambr15 experiments were conducted to systematically vary feed and inoculum compositions. Time-resolved metabolite, biomass, and Monoclonal antibodies (mAb) concentrations were collected and modeled. The hybrid model achieved high prediction accuracy (Normalized Mean Squared Error (NMSE) < 0.15 for most metabolites) and provided interpretable flux profiles. Multivariate analysis revealed consistent metabolic signatures tied to media formulation, where specific feed–inoculum combinations drove shifts in glycolysis, TCA cycle flux, and nitrogen metabolism. These insights demonstrate the model’s capacity to capture key metabolic adaptations and support data-driven media optimization in CHO cell culture. • A piecewise hybrid model developed and validated for CHO fed-batch culture. • Bioreactor experiments were performed with 24 different media blends. • A balanced production\consumption of key metabolites results in higher mAb titer. • Specific feed–inoculum blends drive shifts in glycolytic and TCA cycle fluxes. • Hybrid model results in good predictions for varying media composition (NMSE<0.15).
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».