Группа исследователей под руководством профессора Вань Иньхуа из Института инженерии процессов (IPE) Китайской академии наук разработала систему машинного обучения (ML) для анализа процессов фильтрации вирусов при очистке терапевтических белков.
Новый метод позволяет интеллектуально определять критические параметры, влияющие на эффективность удержания вирусов, и предоставляет прогнозные рекомендации для оптимизации процессов. Результаты исследования были опубликованы в Journal of Membrane Science.
Фильтрация вирусов — ключевой этап в обеспечении безопасности биофармацевтических препаратов, но процесс усложняется взаимодействием свойств мембраны, условий эксплуатации и среды раствора.
Традиционные подходы с трудом улавливают нелинейные зависимости и синергетические эффекты между такими факторами, как тип мембраны, поток, концентрация белка и объёмная пропускная способность, что ограничивает эффективную разработку процессов.
Для решения этих задач исследователи собрали более 900 наборов данных из рецензируемых публикаций, чтобы создать базу данных для процессов очистки от вирусов и обучить модели ML.
Оценка важности характеристик позволила определить приоритетность ключевых параметров фильтрации вирусов, что даёт рекомендации для оптимизации процессов. Анализ одномерного частичного влияния (PDP) выявил независимое влияние каждой переменной на удержание вируса, а двумерный PDP-анализ показал, что увеличение потока снижает негативное взаимодействие переменных с логарифмическим значением снижения (LRV), предоставляя механистические сведения на основе данных.
Эксперименты по валидации подтвердили хорошее соответствие между прогнозируемыми моделью и экспериментально измеренными значениями LRV. Модель сохраняла точность за пределами исходного объёма данных, демонстрируя надёжную возможность экстраполяции и значительную инженерную ценность.
«Наша система снижает зависимость от экспериментов методом проб и ошибок, обеспечивая быстрое прогнозирование процессов. Она также решает задачу стандартизации протоколов данных, необходимую для комплексной интенсификации процессов», — сказал профессор Фань Жун, автор-корреспондент исследования.
Это исследование закладывает основу для оптимизации фильтрации вирусов на основе данных, предлагая масштабируемое решение ML для интеллектуальной интенсификации очистки биофармацевтических препаратов.
Предоставлено Китайской академией наук.