JP6620100B2 - 合成多成分の生物工学および化学プロセス試料を調製するための方法およびシステム - Google Patents
合成多成分の生物工学および化学プロセス試料を調製するための方法およびシステム Download PDFInfo
- Publication number
- JP6620100B2 JP6620100B2 JP2016542997A JP2016542997A JP6620100B2 JP 6620100 B2 JP6620100 B2 JP 6620100B2 JP 2016542997 A JP2016542997 A JP 2016542997A JP 2016542997 A JP2016542997 A JP 2016542997A JP 6620100 B2 JP6620100 B2 JP 6620100B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- data
- sample
- main solution
- samples
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 596
- 238000001311 chemical methods and process Methods 0.000 title claims description 6
- 238000011138 biotechnological process Methods 0.000 title claims description 5
- 230000008569 process Effects 0.000 claims description 258
- 239000011159 matrix material Substances 0.000 claims description 227
- 239000000523 sample Substances 0.000 claims description 153
- 239000000203 mixture Substances 0.000 claims description 87
- 239000012491 analyte Substances 0.000 claims description 76
- 230000003278 mimic effect Effects 0.000 claims description 54
- 238000012544 monitoring process Methods 0.000 claims description 41
- 238000004458 analytical method Methods 0.000 claims description 36
- 238000002156 mixing Methods 0.000 claims description 33
- 238000012421 spiking Methods 0.000 claims description 32
- 238000000513 principal component analysis Methods 0.000 claims description 30
- 238000000556 factor analysis Methods 0.000 claims description 25
- 239000000126 substance Substances 0.000 claims description 25
- 150000001875 compounds Chemical class 0.000 claims description 22
- 238000004540 process dynamic Methods 0.000 claims description 21
- 238000013401 experimental design Methods 0.000 claims description 15
- 238000012569 chemometric method Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000354 decomposition reaction Methods 0.000 claims description 12
- 229940050561 matrix product Drugs 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 239000006185 dispersion Substances 0.000 claims description 11
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000004088 simulation Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 6
- 229910052799 carbon Inorganic materials 0.000 claims description 5
- 238000011065 in-situ storage Methods 0.000 claims description 5
- 230000036962 time dependent Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000000926 separation method Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 108010023321 Factor VII Proteins 0.000 claims 1
- 238000000855 fermentation Methods 0.000 description 71
- 230000004151 fermentation Effects 0.000 description 71
- 238000004422 calculation algorithm Methods 0.000 description 47
- 238000001228 spectrum Methods 0.000 description 29
- 238000011161 development Methods 0.000 description 23
- 230000018109 developmental process Effects 0.000 description 23
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 18
- 235000013922 glutamic acid Nutrition 0.000 description 18
- 239000004220 glutamic acid Substances 0.000 description 18
- 238000005259 measurement Methods 0.000 description 17
- 230000000694 effects Effects 0.000 description 15
- 230000003595 spectral effect Effects 0.000 description 15
- OZDAOHVKBFBBMZ-UHFFFAOYSA-N 2-aminopentanedioic acid;hydrate Chemical compound O.OC(=O)C(N)CCC(O)=O OZDAOHVKBFBBMZ-UHFFFAOYSA-N 0.000 description 13
- 210000004027 cell Anatomy 0.000 description 13
- 230000001186 cumulative effect Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 10
- 238000002360 preparation method Methods 0.000 description 10
- 230000000704 physical effect Effects 0.000 description 9
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 8
- 239000008103 glucose Substances 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 6
- DCXYFEDJOCDNAF-UHFFFAOYSA-N Asparagine Natural products OC(=O)C(N)CC(N)=O DCXYFEDJOCDNAF-UHFFFAOYSA-N 0.000 description 6
- DCXYFEDJOCDNAF-REOHCLBHSA-N L-asparagine Chemical compound OC(=O)[C@@H](N)CC(N)=O DCXYFEDJOCDNAF-REOHCLBHSA-N 0.000 description 6
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 6
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 6
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 238000004497 NIR spectroscopy Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007430 reference method Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 238000004611 spectroscopical analysis Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 229910003460 diamond Inorganic materials 0.000 description 4
- 239000010432 diamond Substances 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 238000006452 multicomponent reaction Methods 0.000 description 4
- 238000011057 process analytical technology Methods 0.000 description 4
- 238000004886 process control Methods 0.000 description 4
- 239000008186 active pharmaceutical agent Substances 0.000 description 3
- 229910021529 ammonia Inorganic materials 0.000 description 3
- 235000009582 asparagine Nutrition 0.000 description 3
- 229960001230 asparagine Drugs 0.000 description 3
- 238000010923 batch production Methods 0.000 description 3
- 238000004113 cell culture Methods 0.000 description 3
- 230000008034 disappearance Effects 0.000 description 3
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 description 3
- 235000014655 lactic acid Nutrition 0.000 description 3
- 239000004310 lactic acid Substances 0.000 description 3
- 238000011068 loading method Methods 0.000 description 3
- 210000004962 mammalian cell Anatomy 0.000 description 3
- 230000036961 partial effect Effects 0.000 description 3
- 239000002904 solvent Substances 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 238000003070 Statistical process control Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 238000012630 chemometric algorithm Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010924 continuous production Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000001566 impedance spectroscopy Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000011005 laboratory method Methods 0.000 description 2
- 239000006101 laboratory sample Substances 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000002207 metabolite Substances 0.000 description 2
- 238000004476 mid-IR spectroscopy Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011527 multiparameter analysis Methods 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 238000000655 nuclear magnetic resonance spectrum Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000013341 scale-up Methods 0.000 description 2
- 241000699802 Cricetulus griseus Species 0.000 description 1
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 description 1
- 238000001237 Raman spectrum Methods 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 229960000074 biopharmaceutical Drugs 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 238000002425 crystallisation Methods 0.000 description 1
- 230000008025 crystallization Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000004821 distillation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 229930195712 glutamate Natural products 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000002329 infrared spectrum Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000003041 laboratory chemical Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000001672 ovary Anatomy 0.000 description 1
- 238000010238 partial least squares regression Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- REQCZEXYDRLIBE-UHFFFAOYSA-N procainamide Chemical compound CCN(CC)CCNC(=O)C1=CC=C(N)C=C1 REQCZEXYDRLIBE-UHFFFAOYSA-N 0.000 description 1
- 238000011165 process development Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 101150087667 spk1 gene Proteins 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
- G01N21/278—Constitution of standards
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N35/00594—Quality control, including calibration or testing of components of the analyser
- G01N35/00693—Calibration
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
- G01N2035/0097—Control arrangements for automatic analysers monitoring reactions as a function of time
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Crystallography & Structural Chemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Testing And Monitoring For Control Systems (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Description
スペクトル選択性
検量法は、検量される変量ごとに選択され、プロセスのいかなる段階においても変量を正確に予測し、変量の範囲外でさえも予測するべきである。
多様性
検量法データは、広範囲の条件に及ぶモデル有効性を保証するように可能な限り大きな多様性を含むべきである。マトリックス効果も含まれるべきである。マトリックス効果は、試料内のスペクトルに及ぼされる試料中の(既知および未知の)すべての成分の複合効果とみなすことができ、例えば、検量法のための異なる媒質溶液または混合中の異なる溶媒を考慮する。
均一性
検量法試料は、予期される検量範囲にわたって可能な限り均一な分布を有するべきである。これは、(モデルによって異常値試料とみなされることのある)極端な試料を回避することによって検量法の品質を高めることになる。
非相関性
パラメータ間の相関の存在は選択性の欠如を生じさせうる。
本発明の一目的は、少なくとも1つの合成多成分の生物工学および/または化学プロセス試料を調製するための方法を提供すること、ならびに動的プロセスまたは特定のプロセス工程またはその変形を模倣する合成試料のセットを調製するための合成試料レイアウト生成および試料取り扱いシステムを提供することである。本発明の別の目的は、前述の方法の各工程を行うためのコンピュータ実行可能命令を有する1つまたは複数のコンピュータ可読媒体を含むコンピュータプログラム製品を提供することである。
式中、eijは、マトリックスDの位置ijのところの要素とMCR-ALSモデルまたはアルゴリズムからの推定値との差から獲得される余りであり、dijは、マトリックスDの位置ijのところの要素の値であり、nrowsおよびncolumnsは、マトリックスDの行数および列数を指定する。
1)組成が一定に保たれている間に通気により発酵における気泡の数が増加する。これは、NIRS測定値を変化させるが、化学組成とは関連していない。
2)化合物のうちのいくつかがプロセス試料において測定不能であり、それらの化合物に関する利用可能なプロセス履歴はないが、MIRスペクトルの変化が検出される。これもマトリックス効果としても設定される。
3)発酵槽体積の組成が供給材料によって変更されるが、分析データはそれを示さない(わずかな変化、複雑な組成をほとんど、またはまったく測定することができないなど)。これもマトリックス効果とみなされる。
時間の短縮(14日間の発酵を2日間の作業に短縮することができる)、多変量検量法および監視モニタリング制御システムを開発するのに必要な分析リソースおよびヒューマンリソースの低減。
発酵およびスペクトル取得のシミュレーションを実験室規模で行うことができる(工業的動的プロセス、特定のプロセス工程またはその変形のスケールダウン)。
適切な試料頻度を作成すること(ダイナミクスが増加したプロセスの部分についてより多くの試料を作製すること)によるプロセスダイナミクスのより適切な記述。
混合モデルの使用が両方法の最善を保証し、発酵を含む、動的プロセスまたは特定のプロセス工程またはその変形の正確でロバストな多変量検量法および監視システムの作成を可能にする。
ロバスト性の高いモニタリングシステムおよび/または多変量監視システム用の多変量校正を開発するための少なくとも1つの合成多成分の生物工学および/または化学プロセス試料を調製するための方法であって、動的プロセスまたは特定のプロセス工程またはその変形を模倣する少なくとも1つの合成試料が調製され、
模倣されるべきでありかつそのための少なくとも1つの合成試料が調製されるべきである動的プロセスまたは特定のプロセス工程またはその変形の履歴プロセスデータを準備する工程;
履歴プロセスデータのデータマトリックスDを作成する工程;
データマトリックスDの複数の主溶液を決定する工程;
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程またはその変形を模倣するのに必要であるか判定する工程;
必要な主溶液の分析物組成および前記データマトリックスDに対する必要な主溶液のそれぞれの相対量を決定する工程;ならびに
決定された分析物組成に従って必要な主溶液を組み合わせることによって少なくとも1つの試料を作製する工程
を含む、方法。
[本発明1002]
必要な主溶液の決定された分析物組成を含むマトリックスSを作成する工程;
データマトリックスDに対する必要な主溶液の相対量を含むマトリックスCを作成する工程;
マトリックス積C×S T が所定の公差内でデータマトリックスDに対応するかどうか判定する工程
をさらに含む、本発明1001の方法。
[本発明1003]
マトリックス積C×S T が所定の公差内でデータマトリックスDに対応しない場合に、
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程またはその変形を模倣するのに必要であるか判定する工程;
必要な主溶液の分析物組成および各必要な主溶液の相対量を決定する工程;
マトリックスSを作成する工程;
マトリックスCを作成する工程;
マトリックス積C×S T が所定の公差内でデータマトリックスDに対応するかどうか判定する工程
を繰り返す、本発明1002の方法。
[本発明1004]
データマトリックスCを作成するための必要な主溶液の相対量および/またはマトリックスSを作成するための必要な主溶液の決定される分析物組成が、論理制約条件および/または物理制約条件および/または化学制約条件に基づいて選択される、本発明1002または1003の方法。
[本発明1005]
少なくとも2つの時点についてのマトリックスCに含まれる必要な主溶液の相対量を決定する工程;
少なくとも2つの時点についての必要な主溶液の決定された相対量を用いて、マトリックスCに含まれる必要な主溶液の相対量と履歴プロセスデータのそれぞれの時間変数との間の回帰を行う工程;
回帰に基づいて少なくとも2つの時点の間の少なくとも1つの他の時点についての必要な主溶液の相対量を推定する工程;ならびに
Cおよび少なくとも1つの他の時点についての推定された必要な主溶液を含む拡大時間依存マトリックスC aug を作成する工程
をさらに含む、本発明1002〜1004のいずれかの方法。
[本発明1006]
データマトリックスDが複数のデータマトリックスDiへ分割され、かつ
好ましくは、所定の分散を下回る動的プロセスまたは特定のプロセス工程またはその変形を模倣するように構成されているデータマトリックスDの主溶液だけが決定されうると判定される場合に、各マトリックスDiがデータマトリックスDの作成の後に続く各工程で個別に処理される、
本発明1001〜1005のいずれかの方法。
[本発明1007]
履歴データが、動的プロセスもしくは特定のプロセス工程もしくはその変形の解析的に決定された組成値;物理情報;プロセス情報;類似したもしくは異なるプロセス条件下でのプロセスの追加的な実験実行および/もしくはシミュレーション実行に対応する少なくとも1つのさらなるプロセス変動のデータのうちの少なくとも1つを含み、かつ/または
履歴データが、プロセス時間に従ってマトリックスDにおいて編成される、
本発明1001〜1006のいずれかの方法。
[本発明1008]
必要な主溶液を決定する工程および/または必要な主溶液の分析物組成を決定する工程および/またはデータマトリックスDに対する必要な主溶液の相対量を決定する工程が、適切な計量化学法、特に以下の計量化学法:
因数分解法、特に、主成分分析(PCA)、特異値分解(SVD)、もしくは展開因子分析、および/または
平行因子分析(PARAFAC)、多変量曲線分解-交互最小二乗法(MCR-ALS)、展開因子分析
のうちの少なくとも1つを用いて行われる、本発明1001〜1007のいずれかの方法。
[本発明1009]
マトリックスDを前処理する工程、好ましくはフィルタリングする工程、より好ましくはSavitzky-Golayフィルタ、カーネルスムーザ、平滑化スプライン、移動平均、または加重移動平均のうちの少なくとも1つを用いる工程
をさらに含む、本発明1001〜1008のいずれかの方法。
[本発明1010]
共直線性分断法を用いてデータマトリックスDに含まれるパラメータ間または分析物間の共直線性を分断するように構成されている少なくとも1つの第2の試料を調製する工程
をさらに含む、本発明1001〜1009のいずれかの方法。
[本発明1011]
共直線性分断法が、直交実験計画の作成、少なくとも1つの試料中の特定の化合物の無作為のスパイキング、計画的スパイキング、試料の無作為の混合、またはこれらの任意の組み合わせのうちの少なくとも1つを含む、本発明1010の方法。
[本発明1012]
前記試料を前記少なくとも1つの第2の試料とまとめることによって第3の試料を作製する工程
をさらに含む、本発明1010または1011の方法。
[本発明1013]
計算処理部と、
混合部と
を含む、動的プロセスまたは特定のプロセス工程またはその変形を模倣する少なくとも1つの合成試料を調製するための合成試料レイアウト生成および試料取り扱いシステムであって、
計算処理部が、
模倣されるべきでありかつそのための合成試料のセットが調製されるべきである動的プロセスまたは特定のプロセス工程またはその変形の履歴プロセスデータを準備するための手段と、
履歴プロセスデータのデータマトリックスDを作成するための手段と、
データマトリックスDの複数の主溶液を決定するための手段と、
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程またはその変形を模倣するのに必要であるか判定するための手段と、
必要な主溶液の分析物組成およびデータマトリックスDに対する必要な主溶液のそれぞれの相対量を決定するための手段と
を含み、
混合部が、必要な主溶液のうちのいずれかを混合するように構成されており、かつ決定された分析物組成に従って必要な主溶液を組み合わせることによって少なくとも1つの試料を作製するように構成されている、システム。
[本発明1014]
計算処理部が、
必要な主溶液の決定された分析物組成を含むマトリックスSを作成するための手段と、
データマトリックスDに対する必要な主溶液の相対量を含むマトリックスCを作成するための手段と、
マトリックス積C×S T が所定の公差内でデータマトリックスDに対応するかどうか判定するための手段と
をさらに含む、本発明1013のシステム。
[本発明1015]
少なくとも1つのセンサを有する測定機器をさらに含む、本発明1013または1014のシステム。
[本発明1016]
前記測定機器の少なくとも1つのセンサが、動的プロセス、特定のプロセス工程もしくはその変形における少なくとも1つのパラメータをインサイチューで測定するように構成されており、かつ/または、少なくとも1つのセンサが、pHプローブ、温度プローブ、分光センサ、もしくはマルチチャネル計測器のうちの少なくとも1つを含む、本発明1015のシステム。
[本発明1017]
少なくとも1つの温度制御構造および/または少なくとも1つのpH制御構造を含む少なくとも1つの制御機器をさらに含む、本発明1013〜1016のいずれかのシステム。
[本発明1018]
少なくとも1つの制御機器が、動的プロセスまたは特定のプロセス工程またはその変形のそれぞれの条件を再現するように構成されている、本発明1017のシステム。
[本発明1019]
少なくとも1つの制御機器が、共直線性分断法を用いてデータマトリックスDに含まれるパラメータ間または分析物間の共直線性を分断するように構成されている、本発明1016または1017のシステム。
[本発明1020]
少なくとも1つの制御機器が、以下の共直線性分断法:
直交実験計画の作成、少なくとも1つの試料中の特定の化合物の無作為のスパイキング、計画的スパイキング、試料の無作為の混合、またはこれらの任意の組み合わせ
のうちの少なくとも1つを用いて、共直線性を分断するように構成されている、本発明1019のシステム。
[本発明1021]
主溶液のうちの少なくとも1つおよび/または少なくとも1つの試料を分析するように構成された分析機器をさらに含む、本発明1013〜1020のいずれかのシステム。
[本発明1022]
本発明1001〜1012のいずれかの方法の各工程を行うためのコンピュータ実行可能命令を有する1つまたは複数のコンピュータ可読媒体を含む、コンピュータプログラム製品。
本発明による方法、コンピュータプログラムおよびシステムを、以下で、例示的態様により、添付の図面に関連してより詳細に説明する。
以下で、本発明の態様を具体例によって説明する。これらの例は例示のために提供するものであり、本願で特許請求される発明の範囲を限定するためのものではない。例示する物の任意の変形は本発明の範囲内に含まれるものである。
実施例1は、合成多成分発酵試料に関するものである。多成分(複数分析物)複合系における本発明の一部の段階的な実施を、本実施例によってカバーされない他の系における本発明の使用に対していかなる制限も課さずに示すことが意図されている。
各溶液の部分(またはパーセント)についての非負性制約条件、すなわち、各溶液の相対量は0以上でなければならない。
各溶液における分析物濃度および細胞パラメータについての非負性制約条件、すなわち、各分析物または細胞パラメータの量は0以上でなければならない。
各主溶液の相対量についての閉包制約条件、すなわち、主溶液1と主溶液2との相対量の合計は、1(または100%)の発酵槽溶液に等しい。
実施例2は、プロセスダイナミクスのよりよい捕捉のために合成多成分発酵試料の数を増やすことに関するものである。
実施例3は、検量法モデルをより正確でロバストなものにするようにデータ試料を作製することに関するものである。
実施例4は、分析法によって測定することのできない未知の相関または望ましくない相関を最小化することによって、検量法モデルをより正確でロバストなものにするようにデータ試料を作成することに関するものである。これらの未知の相関または望ましくない相関の例は、例えば、検量されるべき分析物と直接相関しない異なるスペクトルを有する溶媒または溶液の混合物、検量される分析物濃度を変えずに経時的にスペクトルを変化させる動的プロセス、および分析物量を変えずにスペクトルに影響を及ぼす任意の他の変化である。
実施例5は、本発明に従って生成された試料を用いてNIRS検量法およびMIRS検量法を作成することに関するものである。
実施例6は、合成多成分試料を用いた多変量プロセス軌道開発に関するものである。
本発明のコンテキストにおいて、下記の用語および略語は、それぞれの用語および略語についての以下の記述に関連しうるものである。
正確な検量法検量法は、特定の分析物の量を多少なりとも正しく、すなわち、比較的低い実際の値からの逸脱で、予測することができる。
ASN:アスパラギン。
C:本開示において、CはMCR-ALS結果から獲得された各主溶液の相対量を含むマトリックスを表す。
Caug:例えば、上記実施例2に従って拡大されたCマトリックス。
計量化学法:化学系またはプロセスに対してなされる測定(例えば、圧力、流量、温度、pH、近赤外および中赤外スペクトル、2D蛍光スペクトル、誘電スペクトル、ラマンスペクトル、NMRスペクトルなど)を関連させる数学的方法または統計的方法の、系の状態(物理特性または化学特性)への適用。
閉包制約条件:この制約条件は、CマトリックスについてのMCR-ALS解が相対量を提供しなければならないこと、すなわち、Cの行の総和が1と等しくなければならないことを示す。
共直線性分断試料:プロセストレンドに関連していない試料。
CQA:重要な品質特性。
D:バッチの履歴データを含むデータマトリックス。Dは、n行(試料)およびm列(特性)を有するn×mマトリックスとすることができる。
Di:元のデータマトリックスDの一部。
動的プロセス:時間に沿って変化し、または進行する連続したバッチまたはフェド・バッチ・プロセス。本開示の意味では、動的プロセスは、反応(発酵または化学)、混合、分解、蒸発、乾燥などと解釈することができる。連続動作において、動的プロセスは、動作条件変化とみなされる。すなわち、外乱または計画された変化が、製品品質仕様に影響を及ぼす変数である。
GLF:グルコース。
GLU:グルタミン酸。
GTF:グルタミン。
履歴データ:プロセス変数によって構成されうる、プロセスに関する記録された過去情報、およびプロセス実施の異なる時間における化学/物理情報。このデータは、多変量検量法モデルを開発し、または前のバッチと比べて現在のバッチを監視するのに使用することができる。
インライン:プロセス設備の内部で測定される。
製造過程の試料:原材料および最終生成物に対するプロセスからの試料。
LAF:乳酸。
LV:PLS回帰で使用される潜在変数。
MCR-ALS:多変量曲線分解-交互最小二乗法またはアルゴリズム。
模倣:模倣は、実際の発酵と類似した、または同じ特性を有する、すなわち、実際の発酵と同じプロフィールに従うという意味で使用される。試料との関連では、試料が同じプロフィールを有することを意味する。
MIRS:中赤外分光法。
MSPC:多変量統計プロセス制御。先の履歴データまたは良好なバッチからのセンサデータを使用し、それを現在のバッチと比較して逸脱を検出し、その根本原因を見つける計量化学ツール。
多成分分析物組成:2つ以上の分析物からなる試料の化学組成。
多パラメータ分析:この表現は、分光センサを用いた1つの測定を使用して所与の試料の複数の特性を予測することができるコンテキストにおいて使用される。
多変量検量法:測定されたプロセスパラメータ(例えば、圧力、流量、温度、pHなど)または計器信号(例えば、近赤外および中赤外、2D蛍光、誘電分光、ラマン、NMRスペクトルなど)に基づいて、化学組成や物理特性他といった、特定の特性測定を予測するのに使用することのできるモデル。
NHF:アンモニア。
NIRS:近赤外分光法。
非負性制約条件:この制約条件は、MCR-ALS解が正でなければならないことを示す。
PCA:主成分分析。
PLS:潜在構造への投影。
PLS-DA:潜在構造への投影判別分析、特定の属性に基づいて試料を判別するのに使用される計量化学法。この方法では、当該属性を有する試料は数1で符号化され、残りの試料は0として符号化される。両群を判別するためにPLSモデルが策定される。新しい未知の試料が検量法モデルに提示されると予測が行われ、1に近いほど、この試料がこの属性を有する確率が高い。
PRO:生成物。
プロセス軌道:PCAといった計量化学法によって全体として捕捉されるバッチの多変量トレンド。
計画的スパイキング:所望の試料特性に到達するように誘導されるスパイキング。
R:相関係数。
無作為のスパイキング:特定のパターンを伴わないコンピュータによって生成されるスパイキング。
RMSEC:検量法試料のための予測値から試料に実際の値までの距離から計算することのできる検量法の二乗平均平方根誤差。
RMSECV:クロス確認の二乗平均平方根誤差。1群の試料を除外して複数の検量法を開発することによるモデル最適化に使用される。これは反復プロセスであり、第1の工程で除外される試料は検量法に使用され、別の試料セットが除外される。この手順は数回繰り返され、潜在変数の数の最適化を可能にする。
RMSEP:外部確認試料の予測の二乗平均平方根誤差。検量法に含まれない試料に対するモデル予測能力を測定するのに使用される。
ロバストな検量法検量法は、たとえ試料が(物理的な、または化学な)いくつかの干渉を有していてもなお正確に予測することができることを意味する。
SEL:試料の特定の特性を決定するのに使用される分析法の誤差とすることができる実験室の標準的誤差。
SIMCA:ソフト非依存クラス分析、クラスタリングおよび試料間の距離に基づいて試料を判別するための計量化学法。
SIMPLISMA:成分濃度が変動する間の混合物の一連の分光観測から純粋な成分スペクトルを抽出するのに使用することのできる、使いやすいインタラクティブな自己モデリング混合物分析(Simple-to-use Interactive Self-modeling Mixture Analysis)と呼ばれるアルゴリズム。
Spki:i番目のスパイク。
ST:本開示において、STは、マトリックスDを使用したときのMCR-ALS結果から獲得される各主溶液の多成分多成分分析物組成を含むマトリックスである。
ST i:本開示において、ST iは、マトリックスDiを使用したときのMCR-ALS結果から獲得される各主溶液の多成分分析物組成である。
監視システム:前のバッチ(動的プロセス)プロフィール/トレンドを現在のバッチプロフィール/トレンドと比較するシステム。このシステムは、オペレータが前のバッチからの逸脱を明確に識別し、手動で、または自動的に、制御動作によって適正な措置を講じるためのインターフェースを有するはずである。このシステムは、PCAやPLSといった計量化学法によって獲得されるプロセス変数トレンドと分光センサ多変量軌道の両方を含めて行うことができる。インターフェースでは根本原因影響も提示できる。
合成多成分試料:プロセスから抜き取られた試料に対して、実験室で、または制御された工学的条件で作製された試料。多成分という用語は、試料が複数の化合物によって構成されており、細胞といった浮遊する生きている材料も含みうることを意味する。
t:時間。
VCD:生菌濃度
X:センサデータ、例えば、NIRスペクトルやMIRスペクトルなど。
y:レファレンス法によって決定されなければならないモデル化されるべき特性、例えば、VCD、GLF、GLU、GTFなどの濃度。
σ:標準偏差。平均標準偏差は、実験室の標準誤差が利用できないときに使用される。
[1]de Juan, Anna, and Roma Tauler."Chemometrics applied to unravel multicomponent processes and mixtures.Revisiting latest trends in multivariate resolution." Analytica Chimica Acta 500 (2003): 195-210.
[2]Gampp, H, M Maeder, C J Meyer, and A D Zuberbuhler."Calculation of equilibrium constants from multiwavelength spectroscopic data-IV: Model-free least squares refinement by use of evolving factor analysis." Talanta 33 (1986): 943-951.
[3]Jaumout, Joaquim, Raimundo Gargallo, Anna de Juan, and Roma Tauler. "A graphical user-friendly interface for MCR-ALS: a new tool for multivariate curve resolution in MATLAB." Chemometrics and Intelligent Laboratory Systems 76 (2005): 101 -110.
[4]Windig, W, and D A Stephenson. "Self-modeling mixture analysis of second-derivative near infrared spectral data using the SIMPLISMA approuch." Analytical Chemistry 64 (1992): 2735-2742.
Claims (22)
- ロバスト性の高いモニタリングシステムおよび/または多変量監視システム用の多変量検量法を開発するための少なくとも1つの合成多成分の生物工学プロセス試料および/または化学プロセス試料を調製するための方法であって、動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣する少なくとも1つの合成試料が調製され、
模倣されるべきでありかつそのための少なくとも1つの合成試料が調製されるべきである動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形の履歴プロセスデータを準備する工程;
履歴プロセスデータのデータマトリックスDを作成する工程;
データマトリックスDの複数の主溶液を決定する工程;
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣するのに必要であるか判定する工程;
必要な主溶液の分析物組成および前記データマトリックスDに対する必要な主溶液のそれぞれの相対量を決定する工程;
必要な主溶液の決定された分析物組成を含むマトリックスSを作成する工程;
データマトリックスDに対する必要な主溶液の相対量を含むマトリックスCを作成する工程;
マトリックス積C×STが所定の公差内でデータマトリックスDに対応するかどうか判定する工程;
少なくとも2つの時点についてのマトリックスCに含まれる必要な主溶液の相対量を決定する工程;
少なくとも2つの時点についての必要な主溶液の決定された相対量を用いて、マトリックスCに含まれる必要な主溶液の相対量と履歴プロセスデータのそれぞれの時間変数との間の回帰を行う工程;
回帰に基づいて少なくとも2つの時点の間の少なくとも1つの他の時点についての必要な主溶液の相対量を推定する工程;ならびに
Cおよび少なくとも1つの他の時点についての推定された必要な主溶液を含む拡大時間依存マトリックスCaugを作成する工程
を含み、
上述の工程が計算処理部で実行され、
決定された分析物組成に従って必要な主溶液を組み合わせることによって少なくとも1つの試料を作製する工程
をさらに含む、方法。 - マトリックス積C×STが所定の公差内でデータマトリックスDに対応しない場合に、
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣するのに必要であるか判定する工程;
必要な主溶液の分析物組成および各必要な主溶液の相対量を決定する工程;
マトリックスSを作成する工程;
マトリックスCを作成する工程;
マトリックス積C×STが所定の公差内でデータマトリックスDに対応するかどうか判定する工程
を繰り返す、請求項1記載の方法。 - データマトリックスCを作成するための必要な主溶液の相対量および/またはマトリックスSを作成するための必要な主溶液の決定される分析物組成が、論理制約条件および/または物理制約条件および/または化学制約条件に基づいて選択される、請求項1または2記載の方法。
- データマトリックスDが複数のデータマトリックスDiへ分割され、かつ
所定の分散を下回る動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣するように構成されているデータマトリックスDの主溶液だけが決定されうると判定される場合に、各マトリックスDiがデータマトリックスDの作成の後に続く各工程で個別に処理される、
請求項1〜3のいずれか一項記載の方法。 - 履歴データが、動的プロセスもしくは特定のプロセス工程もしくは動的プロセスもしくは特定のプロセス工程の変形の解析的に決定された組成値;物理情報;プロセス情報;類似したもしくは異なるプロセス条件下でのプロセスの追加的な実験実行および/もしくはシミュレーション実行に対応する少なくとも1つのさらなるプロセス変動のデータのうちの少なくとも1つを含み、かつ/または
履歴データが、プロセス時間に従ってマトリックスDにおいて編成される、
請求項1〜4のいずれか一項記載の方法。 - 必要な主溶液を決定する工程および/または必要な主溶液の分析物組成を決定する工程および/またはデータマトリックスDに対する必要な主溶液の相対量を決定する工程が、適切な計量化学法を用いて行われる、請求項1〜5のいずれか一項記載の方法。
- 前記計量化学法が、
因数分解法、主成分分析(PCA)、特異値分解(SVD)、もしくは展開因子分析、および/または
平行因子分析(PARAFAC)、多変量曲線分解-交互最小二乗法(MCR-ALS)、展開因子分析
のうちの少なくとも1つを用いて行われる、請求項6記載の方法。 - マトリックスDを前処理する工程をさらに含む、請求項1〜7のいずれか一項記載の方法。
- マトリックスDを前処理する工程が、フィルタリングする工程を含む、請求項8記載の方法。
- マトリックスDを前処理する工程が、Savitzky-Golayフィルタ、カーネルスムーザ、平滑化スプライン、移動平均、または加重移動平均のうちの少なくとも1つを用いる工程を含む、請求項8記載の方法。
- 共直線性分断法を用いてデータマトリックスDに含まれるパラメータ間または分析物間の共直線性を分断するように構成されている少なくとも1つの第2の試料を調製する工程
をさらに含む、請求項1〜10のいずれか一項記載の方法。 - 共直線性分断法が、直交実験計画の作成、少なくとも1つの試料中の特定の化合物の無作為のスパイキング、計画的スパイキング、試料の無作為の混合、またはこれらの任意の組み合わせのうちの少なくとも1つを含む、請求項11記載の方法。
- 前記試料を前記少なくとも1つの第2の試料とまとめることによって第3の試料を作製する工程
をさらに含む、請求項11または12記載の方法。 - 計算処理部と、
混合部と
を含む、動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣する少なくとも1つの合成試料を調製するための合成試料レイアウト生成および試料取り扱いシステムであって、
計算処理部が、
模倣されるべきでありかつそのための合成試料のセットが調製されるべきである動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形の履歴プロセスデータを準備するための手段と、
履歴プロセスデータのデータマトリックスDを作成するための手段と、
データマトリックスDの複数の主溶液を決定するための手段と、
データマトリックスDのどの主溶液が、所定の分散内で動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形を模倣するのに必要であるか判定するための手段と、
必要な主溶液の分析物組成およびデータマトリックスDに対する必要な主溶液のそれぞれの相対量を決定するための手段と
を含み、
混合部が、決定された分析物組成に従って必要な主溶液を組み合わせることによって少なくとも1つの試料を作製するように構成されており、
計算処理部が、
必要な主溶液の決定された分析物組成を含むマトリックスSを作成するための手段と、
データマトリックスDに対する必要な主溶液の相対量を含むマトリックスCを作成するための手段と、
マトリックス積C×STが所定の公差内でデータマトリックスDに対応するかどうか判定するための手段と
をさらに含み、
データマトリックスDに対する必要な主溶液のそれぞれの相対量を決定する手段が、少なくとも2つの時点についてのマトリックスCに含まれる必要な主溶液の相対量を決定するように構成されており、
計算処理部が、
少なくとも2つの時点についての必要な主溶液の決定された相対量を用いて、マトリックスCに含まれる必要な主溶液の相対量と履歴プロセスデータのそれぞれの時間変数との間の回帰を行うための手段;
回帰に基づいて少なくとも2つの時点の間の少なくとも1つの他の時点についての必要な主溶液の相対量を推定するための手段;ならびに
Cおよび少なくとも1つの他の時点についての推定された必要な主溶液を含む拡大時間依存マトリックスCaugを作成するための手段
をさらに含む、システム。 - 少なくとも1つのセンサを有する測定機器をさらに含む、請求項14記載のシステム。
- 前記測定機器の少なくとも1つのセンサが、動的プロセス、特定のプロセス工程、動的プロセスの変形、もしくは特定のプロセス工程の変形における少なくとも1つのパラメータをインサイチューで測定するように構成されており、かつ/または、少なくとも1つのセンサが、pHプローブ、温度プローブ、分光センサ、もしくはマルチチャネル計測器のうちの少なくとも1つを含む、請求項15記載のシステム。
- 少なくとも1つの温度制御構造および/または少なくとも1つのpH制御構造を含む少なくとも1つの制御機器をさらに含む、請求項14〜16のいずれか一項記載のシステム。
- 少なくとも1つの制御機器が、動的プロセスまたは特定のプロセス工程または動的プロセスもしくは特定のプロセス工程の変形のそれぞれの条件を再現するように構成されている、請求項17記載のシステム。
- 少なくとも1つの制御機器が、共直線性分断法を用いてデータマトリックスDに含まれるパラメータ間または分析物間の共直線性を分断するように構成されている、請求項16または17記載のシステム。
- 少なくとも1つの制御機器が、以下の共直線性分断法:
直交実験計画の作成、少なくとも1つの試料中の特定の化合物の無作為のスパイキング、計画的スパイキング、試料の無作為の混合、またはこれらの任意の組み合わせ
のうちの少なくとも1つを用いて、共直線性を分断するように構成されている、請求項19記載のシステム。 - 主溶液のうちの少なくとも1つおよび/または少なくとも1つの試料を分析するように構成された分析機器をさらに含む、請求項14〜20のいずれか一項記載のシステム。
- 請求項1〜13のいずれか一項記載の方法の各工程を行うためのコンピュータ実行可能命令を有する1つまたは複数のコンピュータ可読媒体を含む、コンピュータプログラム製品。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP13199699 | 2013-12-27 | ||
EP13199699.3 | 2013-12-27 | ||
PCT/EP2014/079152 WO2015097217A1 (en) | 2013-12-27 | 2014-12-23 | Method and system for preparing synthetic multicomponent biotechnological and chemical process samples |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017504115A JP2017504115A (ja) | 2017-02-02 |
JP2017504115A5 JP2017504115A5 (ja) | 2019-06-27 |
JP6620100B2 true JP6620100B2 (ja) | 2019-12-11 |
Family
ID=49949451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016542997A Active JP6620100B2 (ja) | 2013-12-27 | 2014-12-23 | 合成多成分の生物工学および化学プロセス試料を調製するための方法およびシステム |
Country Status (10)
Country | Link |
---|---|
US (1) | US20170177835A1 (ja) |
EP (1) | EP3087516B1 (ja) |
JP (1) | JP6620100B2 (ja) |
KR (1) | KR20160103075A (ja) |
CN (1) | CN106462656B (ja) |
BR (1) | BR112016014941A2 (ja) |
CA (1) | CA2934161A1 (ja) |
MX (1) | MX2016008303A (ja) |
RU (1) | RU2016130663A (ja) |
WO (1) | WO2015097217A1 (ja) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110945593A (zh) * | 2017-06-16 | 2020-03-31 | 通用电气健康护理生物科学股份公司 | 用于预测生物反应器中的过程的产出和对生物反应器中的过程建模的方法 |
AU2019344557A1 (en) * | 2018-09-18 | 2021-04-01 | Bayer Aktiengesellschaft | System and method for predicting quality of a chemical compound and/or of a formulation thereof as a product of a production process |
EP3702849B1 (en) * | 2019-02-26 | 2023-07-26 | Sartorius Stedim Data Analytics AB | Optimized process control |
EP3702439B1 (en) * | 2019-02-26 | 2024-01-17 | Sartorius Stedim Data Analytics AB | Multivariate process chart to control a process to produce a chemical, pharmaceutical, biopharmaceutical and/or biological product |
DE102019110094A1 (de) * | 2019-04-17 | 2020-10-22 | Analytik Jena Ag | Verfahren zur Bestimmung des Verbrauchs zumindest einer Substanz |
KR20200133525A (ko) | 2019-05-20 | 2020-11-30 | 삼성전자주식회사 | 생체 정보 추정 모델의 유효성 판단 장치 및 방법 |
US11231324B2 (en) * | 2020-02-13 | 2022-01-25 | Kaiser Optical Systems Inc. | Real-time monitoring of wine fermentation properties using Raman spectroscopy |
EP3901710B1 (en) * | 2020-04-24 | 2023-05-03 | The Automation Partnership (Cambridge) Limited | Optimisation of processes for the production of chemical, pharmaceutical and/or biotechnological products |
CN111842922A (zh) * | 2020-06-04 | 2020-10-30 | 深圳市人工智能与机器人研究院 | 材料合成参数调整方法、装置、计算机设备和存储介质 |
JP7320894B1 (ja) * | 2023-02-09 | 2023-08-04 | 日本分光株式会社 | スペクトル解析方法、解析装置および解析プログラム |
CN116825217B (zh) * | 2023-03-15 | 2024-05-14 | 福建省德旭新材料有限公司 | 制备高纯五氟化磷的方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE9900030D0 (sv) * | 1999-01-05 | 1999-01-05 | Astra Ab | Reaction monitoring |
CN100458411C (zh) * | 2006-07-24 | 2009-02-04 | 中国林业科学研究院木材工业研究所 | 植物纤维材料中化学成分含量模型的建立和含量测定方法 |
US20090287320A1 (en) * | 2008-05-13 | 2009-11-19 | Macgregor John | System and Method for the Model Predictive Control of Batch Processes using Latent Variable Dynamic Models |
US8629399B2 (en) * | 2009-09-22 | 2014-01-14 | Bp Corporation North America Inc. | Methods and apparatuses for measuring biological processes using mid-infrared spectroscopy |
EP2635892B1 (en) * | 2010-11-05 | 2014-08-27 | F.Hoffmann-La Roche Ag | Spectroscopic finger-printing of raw material |
-
2014
- 2014-12-23 BR BR112016014941A patent/BR112016014941A2/pt not_active IP Right Cessation
- 2014-12-23 RU RU2016130663A patent/RU2016130663A/ru not_active Application Discontinuation
- 2014-12-23 CA CA2934161A patent/CA2934161A1/en not_active Abandoned
- 2014-12-23 EP EP14830387.8A patent/EP3087516B1/en active Active
- 2014-12-23 MX MX2016008303A patent/MX2016008303A/es unknown
- 2014-12-23 JP JP2016542997A patent/JP6620100B2/ja active Active
- 2014-12-23 CN CN201480070982.XA patent/CN106462656B/zh active Active
- 2014-12-23 WO PCT/EP2014/079152 patent/WO2015097217A1/en active Application Filing
- 2014-12-23 KR KR1020167020292A patent/KR20160103075A/ko not_active Application Discontinuation
-
2016
- 2016-06-24 US US15/192,708 patent/US20170177835A1/en not_active Abandoned
Also Published As
Publication number | Publication date |
---|---|
RU2016130663A3 (ja) | 2018-09-19 |
JP2017504115A (ja) | 2017-02-02 |
RU2016130663A (ru) | 2018-01-31 |
CN106462656B (zh) | 2020-05-29 |
EP3087516B1 (en) | 2018-11-07 |
KR20160103075A (ko) | 2016-08-31 |
CA2934161A1 (en) | 2015-07-02 |
US20170177835A1 (en) | 2017-06-22 |
MX2016008303A (es) | 2016-09-08 |
CN106462656A (zh) | 2017-02-22 |
BR112016014941A2 (pt) | 2017-08-08 |
EP3087516A1 (en) | 2016-11-02 |
WO2015097217A1 (en) | 2015-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6620100B2 (ja) | 合成多成分の生物工学および化学プロセス試料を調製するための方法およびシステム | |
JP2017504115A5 (ja) | ||
US11614733B2 (en) | Computer system and method for automated batch data alignment in batch process modeling, monitoring and control | |
Lopes et al. | Chemometrics in bioprocess engineering: process analytical technology (PAT) applications | |
Ündey et al. | Applied advanced process analytics in biopharmaceutical manufacturing: Challenges and prospects in real-time monitoring and control | |
US9541471B2 (en) | Multivariate prediction of a batch manufacturing process | |
Tulsyan et al. | A machine‐learning approach to calibrate generic Raman models for real‐time monitoring of cell culture processes | |
Hakemeyer et al. | At-line NIR spectroscopy as effective PAT monitoring technique in Mab cultivations during process development and manufacturing | |
Park et al. | Bioprocess digital twins of mammalian cell culture for advanced biomanufacturing | |
Walsh et al. | Harnessing the potential of machine learning for advancing “quality by design” in biomanufacturing | |
Li et al. | Parallel comparison of in situ Raman and NIR spectroscopies to simultaneously measure multiple variables toward real-time monitoring of CHO cell bioreactor cultures | |
Zhang et al. | Quality prediction in complex batch processes with just-in-time learning model based on non-Gaussian dissimilarity measure | |
WO2021165495A1 (en) | Computer-implemented method, computer program product and hybrid system for cell metabolism state observer | |
Santos et al. | Improving reliability of Raman spectroscopy for mAb production by upstream processes during bioprocess development stages | |
JP6602818B2 (ja) | 流体クラスのサンプル、特に生物流体のサンプルにおけるnmrスピン系の化学シフト値を予測する方法 | |
Von Stosch et al. | Hybrid modeling framework for process analytical technology: application to Bordetella pertussis cultures | |
Çıtmacı et al. | Digitalization of an experimental electrochemical reactor via the smart manufacturing innovation platform | |
Borchert et al. | Comparison of data science workflows for root cause analysis of bioprocesses | |
Omidikia et al. | Bilinear model factor decomposition: A general mixture analysis tool | |
Acosta-Pavas et al. | Soft sensors based on interpretable learners for industrial-scale fed-batch fermentation: Learning from simulations | |
Karimvand et al. | Practical and comparative application of efficient data reduction-Multivariate curve resolution | |
Du et al. | Dynamic batch process monitoring based on time-slice latent variable correlation analysis | |
Narayanan et al. | Consistent value creation from bioprocess data with customized algorithms: Opportunities beyond multivariate analysis | |
Oliveira et al. | Chemometric modelling for process analyzers using just a single calibration sample | |
Behdani et al. | Rapid total sialic acid monitoring during cell culture process using a machine learning model based soft sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160915 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171221 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181128 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181130 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20190225 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190524 |
|
A524 | Written submission of copy of amendment under article 19 pct |
Free format text: JAPANESE INTERMEDIATE CODE: A524 Effective date: 20190524 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20191030 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20191118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6620100 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |