基于高维算法辅助CHO细胞培养基开发方法的建立及应用

发布时间：2021-12-10 15:11

　　迄今为止,市场上超过70%的重组治疗药物是由CHO细胞所生产。根据细胞株和产品特点个性化设计CHO细胞培养基,可以提高产量和保证质量。而以往企业大多使用市售的通用型商业培养基,不仅配方保密难以满足优化需求,且供应存在不确定因素、价格较为昂贵。因此,近年来随着自主研发实力的增强,个性化定制培养基的需求愈发凸显,成为如今的发展趋势。CHO细胞培养基成分繁多,统计学作为一种节省人力物力的实验设计方法,被广泛用于CHO细胞培养基的开发。然而,传统DOE难以处理高维数据,依赖研究人员的知识和经验锁定研究范围,使得培养基开发周期随研究员素质波动,限制企业内部培养基开发流程的运行效率。因此,为了解决培养基开发的尾端问题,有必要引入高维算法并将各个环节进行整合优化,建立一个更加通用的CHO细胞培养基开发流程,为培养基的开发和生产提供相关指导建议。首先,本研究对历史实验数据进行分析,确认数据特征以指导方案设计。然后基于最大欧式距离选择培养基库,采用单纯形格子点设计生成混合实验。基于欧式距离的培养基库选择工具与传统的PCA选择方法相比,实验设计的线性相关性从0.60降低到0.50,设计空间从1.30扩大到... 

【文章来源】：华东理工大学上海市 211工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图１．１典型的ＩｇＧ抗体结构１１４１??Ｆｉｇ．?１．１?Ｓｔｒｕｃｔｕｒｅ?ｏｆ?ａ?ｔｙｐｉｃａｌ?ＩｇＧ?ｍｏｌｅｃｕｌｅ１＇４１??

图１．２?ＦＤＡ批准单抗数量（截止至２０１９年９月１日）［２５］??Ｆｉ．?１．２?Ｍｏｎｏｃｌｏｎａｌ?ａｎｔｉｂｏｄｉｅｓ?ａｒｏｖｅｄ?ｂｙＦＤＡＡｓ?ｏｆ?Ｓｅｐｔｅｍｂｅｒ?１，?２０１９［ｉＳ，??

?ｙ?＝?１．５；ｔ４?＋?１．２ｘ５?＋?０．５；ｔ１０；ｃ１２?—?２．０ｘ１４?＋?０．７ｘ１６?＋?１．９ｘｆ８?＋?１．２ｘ！０?—?１．０ｓｉｎ（５ｘ１５）?＋?０．９ｘ！０?＋??Ｓｓｉｎ（１０ｘ３５）?＋?１．３ｘ６０ｘ５?＋?１．２ｘ７０；ｃ１０?＋?０．７：ｔ７２?—?１．９ｘ！９?＋?４．０ｓｉｎ（５ｘ６１）?＋?ｅ??０．０８??；°６?「’＼??Ｋ?／?＼??０，００?－１０?－５?０?５?１０?１５?２０??Ｒｅｓｐｏｎｓｅ?Ｖａｌｕｅ??图２．１虚拟数据统计量信息??Ｆｉｇ．２．１?Ｓｔａｔｉｓｔｉｃａｌ?ｉｎｆｏｒｍａｔｉｏｎ?ｏｆ?ｖｉｒｔｕａｌ?ｔｅｓｔ?ｄａｔａ??２０?２０?￣￣??ａ???Ｔｒｕｅ?Ｒｅｌａｔｉｏｎ?ｂ???Ｔｒｕｅ?Ｒｅｌａｔｉｏｎ??１５?１５??鐵一??１。ｙ?＇．＇釋＿—?Ｖ?基。??？ｓ?－ｓ??－１０?－１０??０．０?０．２?０．４?０．６?０．８?１．０?０．０?０．２?０．４?０．６?０．８?１．０??Ｘ７?Ｘ３３??图２．２虚拟数据组分与产量关系展示??（ａ）?Ｘ７；?（ｂ）?Ｘ３３??Ｆｉｇ．２．２?ｍＡｂ?ｔｉｔｅｒ?ｖｅｒｓｕｓ?ｃｏｍｐｏｎｅｎｔ?ｃｏｎｃｅｎｔｒａｔｉｏｎ?ｏｎ?ｖｉｒｔｕａｌ?ｔｅｓｔ?ｄａｔａ??（ａ）?Ｘ７；?（ｂ）?Ｘ３３??图２．１和图２．２分别展示了虚拟数据上的产量分布（平均值：４．５０?ｇ／Ｌ，中间值：４．８０??ｇ／Ｌ，最大值：１８．１９?ｇ／Ｌ，最小值：－９．０８?ｇ／Ｌ），组分与产量间关系。??


本文编号：3532868