EXPRESS: 소데이터를 활용한 생물 제조 수확 최적화

생물의약품 제조에서 발효 과정은 생산성과 이윤에서 중요한 역할을 합니다. 발효 과정은 복잡한 생물학적 메커니즘을 갖춘 살아있는 세포를 사용하여 프로세스 출력, 즉 단백질과 불순물 수준에서 높은 변동성을 초래합니다. 단백질과 불순물 성장을 위한 생물학적 메커니즘에 기초하여, 우리는 발효 과정에서 단백질과 불순물 수준의 축적을 특징짓기 위해 확률 모델을 소개합니다. 그러나 산업에서 흔한 도전 과제는 특히 개발 및 초기 생산 단계에서 매우 제한된 양의 데이터만을 사용할 수 있다는 것입니다. 이는 제한된 데이터로 모델 매개변수를 추정하기 어려움으로 인해 모델 위험이라 불리는 추가적인 불확실성 층을 더합니다. 이 글에서는 모델 위험 하에서 발효 과정의 수확 결정(즉, 발효를 멈추고 생산 보상을 수집할 시점)을 연구합니다. 우리는 성장률 분포의 알려지지 않은 매개변수를 업데이트하기 위해 베이지안 접근 방식을 채택하고, 결과적으로 도출된 후기 분포를 사용하여 모델 위험이 발효 출력 변동성에 미치는 영향을 특징짓습니다. 수확 문제는 후속 분포를 요약하는 지식 상태를 갖춘 마르코프 결정 과정 모델로 공식화되어, 의사결정에 모델 위험을 통합합니다. MSD 동물 건강에서의 사례 연구는 제안된 모델 및 해결 접근 방식이 발효 배치에서 평균 출력을 상당히 높이고 배치 간 변동성을 낮추어 실제 수확 결정을 개선함을 보여줍니다.