哺乳類細胞培養における時間変化プロセス挙動の予測のための再帰型ニューラルネットワーク

細胞培養プロセスは、治療用タンパク質バイオ医薬品の生産のための労働力です。プロセスデータの取得と監視の進展に伴い、制御、最適化、およびスケールアップのための細胞培養プロセスモデルの開発に対する関心が高まっています。しかし、細胞培養プロセスの動的挙動は非常に複雑です。培養時間が進むにつれて、細胞の代謝が変化し、時には似たような培養条件が非常に異なる時間変化プロセス挙動を引き起こすことがあります。したがって、バイオ製造プロセスにおける複雑な代謝シフトのモデル化は大きな課題です。本研究では、包括的な給餌バッチバイオ製造データを使用して、グルコースおよび乳酸濃度、実行可能細胞密度、および生存率などの主要プロセスパラメータの時間プロファイルを予測するための再帰型ニューラルネットワーク（RNN）の適用を体系的に評価しました。RNNの性能を従来の機械学習モデルやフィードフォワードニューラルネットワークと比較し、モデル入力に全体の基底追加を含めて二次プロセス情報を組み込み、RNNモデルをエンコーダ–デコーダモデルに拡張して、製造スケールでのプロセス挙動の予測を強化するために種トレインプロファイルの履歴を活用しました。全体として、計算結果は、細胞培養における主要なプロセスパラメータを予測するためのRNNベースのモデルの可能性を強調し、バイオ医薬品の製造における細胞培養性能に対するプロセス履歴の影響を示しています。