Digitale Seed Train Zwillinge und statistische Methoden

Modellbasierte Konzepte und Simulationstechniken in Kombination mit digitalen Werkzeugen erweisen sich als Schlüssel, um das volle Potenzial biopharmazeutischer Produktionsprozesse zu erschließen, die mehrere herausfordernde Entwicklungs- und Prozessschritte enthalten. Einer dieser Schritte ist der zeit- und kostenintensive Zellproliferationsprozess (auch als Seed Train bezeichnet), um die Zellzahl vom Auftauen der Zellen bis zum Produktionsmaßstab zu erhöhen. Herausforderungen wie komplexer Zellstoffwechsel, Chargen-zu-Chargen-Variationen, Variabilitäten im Zellverhalten und Einflüsse von Änderungen der Kultivierungsbedingungen erfordern adäquate digitale Lösungen, um Informationen über den aktuellen und zukünftigen Prozesszustand bereitzustellen und korrekte Prozessentscheidungen abzuleiten. Zu diesem Zweck haben sich digitale Seed Train Zwillinge als effizient erwiesen, die das zeitabhängige Verhalten wichtiger Prozessvariablen basierend auf mathematischen Modellen, Strategien und Anpassungsverfahren digital darstellen. Dieses Kapitel skizziert die Notwendigkeit der Digitalisierung von Seed Trains, den Aufbau eines digitalen Seed Train Zwillings, die Rolle der Parameterschätzung und verschiedene statistische Methoden in diesem Zusammenhang, die auf mehrere Probleme im Bereich der Bioprozessierung anwendbar sind. Die Ergebnisse einer Fallstudie werden vorgestellt, um einen Bayes’schen Ansatz zur Parameterschätzung und Vorhersage eines industriellen Zellkultur-Seed Trains für die Seed Train Digitalisierung zu veranschaulichen.