Verbesserung Raman-basierter Modelle zur Echtzeitüberwachung des CHO-Zellkulturprozesses mit effektiven Variablenauswahlstrategien

Forschung hat gezeigt, dass die Raman-Spektroskopie angewendet werden kann, um verschiedene Komponenten in der Zellkultur von Säugetieren in Echtzeit zu überwachen. Bei der Anwendung ist es notwendig, die Leistung des Raman-basierten Modells sicherzustellen. Die Variablenauswahlstrategie ist eine effektive Methode, die die Modellleistung und -vereinfachung erheblich beeinflusst. In dieser Studie wurden verschiedene Variablenauswahlstrategien bewertet und die optimale Variablenauswahlstrategie zur Überwachung des CHO-Zellkulturprozesses bestimmt. Zunächst wurde eine Vielzahl von Spektralbereichen untersucht, die den Raman-Fingerabdruckbereich und den C-H-Streckbereich umfassen. Zweitens wurden sechs verschiedene Algorithmen zur Variablenauswahl sorgfältig bewertet. Drittens wurde die Kombination verschiedener Algorithmen zur Variablenauswahl verwendet, um die Modellleistung zu verbessern und das Modell zu vereinfachen. Schließlich wurde die Überwachung von Zellkulturprozessen implementiert. Die Ergebnisse unterstrichen, dass gängige Spektralbereiche die Modellleistung verbessern, aber das Modell nicht gut vereinfachen können. Partial Least Squares mit bewegendem Fenster (MWPLS), genetischer Algorithmus (GA) und Random Frog (RF) sind besser geeignet für das Raman-Modellieren des Zellkulturprozesses, müssen jedoch nach der Auswahl des Spektralbereichs verwendet werden. Die Kombination dreier Variablenauswahlalgorithmen (MWPLS-GA-RF) verbesserte die Modellleistung um 16–70%, indem 30–60 Variablen ausgewählt wurden, was das Modell effektiv vereinfachte. Für Glukose, Laktat, lebensfähige Zellendichte und Ammoniumion wurde die Echtzeitüberwachung gut durchgeführt. Diese Studie wird Forschern helfen, geeignete Variablenauswahlstrategien für den Aufbau von Modellen zur Echtzeitüberwachung der Zellkultur auszuwählen.