Digitale Zwillinge

Typischerweise sind Bioprozesse im industriellen Maßstab dynamische Systeme mit einem gewissen Grad an Variabilität, Systeminhomogenitäten und sogar Populationsheterogenitäten. Daher ist die Skalierung solcher Prozesse vom Labor- zum Industriemaßstab und umgekehrt keine triviale Aufgabe. Traditionelle Scale-down-Methoden berücksichtigen mehrere technische Parameter, sodass Systeme im Labormaßstab tendenziell großtechnische Effekte qualitativ widerspiegeln, jedoch nicht die dynamische Situation in einem industriellen Bioreaktor über den gesamten Prozess aus der Perspektive einer Zelle. Unterstützt durch den enormen Anstieg der Rechenleistung liegt der neueste wissenschaftliche Fokus auf der Anwendung dynamischer Modelle in Kombination mit numerischer Strömungsmechanik, um das Zellverhalten quantitativ zu beschreiben. Diese Modelle ermöglichen die Beschreibung möglicher zellulärer Lebenslinien, die wiederum zur Ableitung einer Regimeanalyse für Scale-down-Experimente verwendet werden können. Die bisher beschriebenen Ansätze, die nur für sehr wenige Prozessbeispiele gelten, sind jedoch sehr arbeits- und zeitintensiv und können nicht leicht validiert werden. Parallel dazu wurden Alternativen entwickelt, die auf der Beschreibung des industriellen Prozesses mit hybriden Prozessmodellen basieren, die einen Prozess so weit wie möglich mechanistisch beschreiben, um die wesentlichen Prozessparameter mit ihren jeweiligen Varianzen zu bestimmen. Online-Analytikmethoden ermöglichen die Charakterisierung der Populationsheterogenität direkt im Prozess. Diese detaillierten Informationen aus dem industriellen Prozess können in Laborscreeningsystemen verwendet werden, um relevante Bedingungen auszuwählen, bei denen die zell- und prozessbezogenen Parameter die Situation im industriellen Maßstab widerspiegeln. Unserer Meinung nach sind diese Technologien, die in der Forschung zur Modellierung biologischer Systeme verfügbar sind, in Kombination mit prozessanalytischen Techniken so weit entwickelt, dass sie in industriellen Routinen zur schnelleren Entwicklung neuer Prozesse und zur Optimierung bestehender Prozesse implementiert werden können.

Steigende Nachfrage nach Biopharmazeutika und die Notwendigkeit, die Herstellungskosten zu senken, erhöhen den Druck, produktive und effiziente Bioprozesse zu entwickeln. Unter anderem ist ein großes Hindernis bei der Prozessentwicklung und Optimierungsstudien der enorme experimentelle Aufwand bei herkömmlichen Methoden des Design of Experiments (DoE). Da DoE ein explorativer Ansatz ist, erfordert es umfangreiches Expertenwissen über die untersuchten Faktoren und deren Grenzwerte und führt oft zu mehreren Runden zeitaufwändiger und kostspieliger Experimente. Die Kombination von DoE mit einer virtuellen Darstellung des Bioprozesses, genannt digitaler Zwilling, in modellgestütztem DoE (mDoE) kann als Alternative verwendet werden, um die Anzahl der Experimente erheblich zu reduzieren. mDoE ermöglicht eine wissensbasierte Bioprozessentwicklung, einschließlich der Definition eines mathematischen Prozessmodells in den frühen Entwicklungsstadien. In diesem Kapitel werden digitale Zwillinge und ihre Rolle in mDoE diskutiert. Zuerst werden statistische DoE-Methoden als Grundlage von mDoE eingeführt. Zweitens wird die Kombination eines mathematischen Prozessmodells und DoE zu mDoE untersucht. Dies umfasst mathematische Modellstrukturen und ein Auswahlverfahren für die Wahl der DoE-Designs. Schließlich wird die Anwendung von mDoE in einer Fallstudie zur Medienoptimierung in einem antikörperproduzierenden Zellkulturprozess von chinesischen Hamster-Ovarien diskutiert.

Im Zeitalter der Technologie und Digitalisierung durchlaufen die Prozessindustrien eine digitale Transformation. Die verfügbaren Prozessmodelle, fortschrittliche Sensortechnologien, erhöhte Rechenleistung und eine breite Palette von Datenanalysetechniken ermöglichen solide Grundlagen für die digitale Transformation in der biopharmazeutischen Industrie.

Unter den verschiedenen Datenanalysetechniken sind der Kalman-Filter und seine nichtlinearen Erweiterungen leistungsstarke Werkzeuge zur Vorhersage zuverlässiger Prozessinformationen. Die Kombination des Kalman-Filters mit einer virtuellen Darstellung des Bioprozesses, dem sogenannten digitalen Zwilling, kann in Echtzeit verfügbare Prozessinformationen liefern. Die Einbeziehung solcher Variablen in den Prozessbetrieb kann eine verbesserte Leistungsfähigkeit der Steuerung und Regelung sowie eine erhöhte Produktivität bieten.

In diesem Kapitel werden der lineare diskrete Kalman-Filter, der erweiterte Kalman-Filter und der „unscented Kalman-Filter“ beschrieben und ein kurzer Überblick über Anwendungen des Kalman-Filters und seiner nichtlinearen Erweiterungen auf Bioreaktoren gegeben. Darüber hinaus wird in einer Fallstudie ein Beispiel des digitalen Zwillings des Bäckerhefe-Batch-Kultivierungsprozesses vorgestellt.

Das Konzept der digitalen Zwillinge ist in den letzten Jahren immer beliebter geworden. Um ihr volles Potenzial auszuschöpfen, ist die Integration von Systemen und Daten über gesamte Wertschöpfungsketten hinweg erforderlich. Die Implementierung digitaler Zwillinge in neu gebaute Anlagen oder Produktionslinien ist herausfordernd und noch komplizierter für derzeit laufende Produktionsprozesse oder Fabriken. Dieses Kapitel überprüft und diskutiert Strategien und Werkzeuge, um digitale Zwillinge erfolgreich in laufende Wertschöpfungsketten in der Bioprozess- und verwandten Industrien zu implementieren. Darüber hinaus wird die Implementierung anhand von drei aktuellen Fallstudien veranschaulicht.

Dieses Kapitel gibt eine Branchenperspektive darauf, wie digitale Zwillinge greifbar übersetzt, implementiert und in einer biopharmazeutischen Umgebung genutzt werden. Technische Voraussetzungen und Komponenten, einschließlich Datenmodellierung, Lebenszyklus und verschiedene Fähigkeiten, die von Menschen benötigt werden, um effizient mit digitalen Zwillingen zusammenzuarbeiten, werden anhand praktischer Beispiele diskutiert, die in Laboren und in der Fertigung implementiert wurden.

Humane mesenchymale Stammzellen (hMSCs) sind eine wertvolle Zellquelle für klinische Anwendungen (z. B. Behandlung von akutem Myokardinfarkt oder entzündlichen Erkrankungen), insbesondere im Bereich der regenerativen Medizin. Für autologe (patientenspezifische) und allogene (nicht-patientenspezifische) hMSC-basierte Therapien ist jedoch eine in vitro-Expansion vor der klinischen Anwendung notwendig, um die erforderliche Zellzahl zu erreichen. Eine sichere, reproduzierbare und wirtschaftliche in vitro-Expansion von hMSCs für autologe und allogene Therapien kann problematisch sein, da das Zellmaterial begrenzt ist und die Zellen empfindlich auf Veränderungen in den Kultivierungsbedingungen reagieren. Es ist vorteilhaft, detaillierte Informationen über die hydrodynamischen Bedingungen und das Zellwachstumsverhalten in einem Bioreaktorsystem zu sammeln, um einen sogenannten „Digitalen Zwilling“ des Kultivierungssystems und des Expansionsprozesses zu entwickeln. Numerische Methoden, wie Computational Fluid Dynamics (CFD), die in der Biotech-Industrie weit verbreitet sind, um lokale Strömungsbedingungen innerhalb von Bioreaktoren oder kinetische Wachstumsmodellierungen zu untersuchen, bieten mögliche Lösungen für solche Aufgaben.

In diesem Review werden wir den aktuellen Stand der Technik für die in vitro-Expansion von hMSCs vorstellen. Verschiedene numerische Werkzeuge, einschließlich numerischer Strömungssimulationen und Zellwachstumsmodellierungsansätze für hMSCs, werden präsentiert. Darüber hinaus wird eine Fallstudie gezeigt, die die Anwendbarkeit von CFD und kinetischer Wachstumsmodellierung für die Entwicklung eines mikroträgerbasierten hMSC-Prozesses demonstriert.

Der Euler-Lagrange-Ansatz zur Untersuchung zellulärer Reaktionen in einem Bioreaktor ist in den letzten Jahren in den Mittelpunkt des Interesses gerückt. Er wurde vor etwa zwei Jahrzehnten in biotechnologische Prozesse eingeführt, hat sich aber in den letzten Jahren als leistungsfähiges Werkzeug zur Behandlung von Scale-up- und Scale-down-Themen in Bioprozessen erwiesen. Er kann die Geschichte einer Zelle erfassen und wertvolle Informationen nicht nur für die Bioprozesskontrolle und -gestaltung, sondern auch für das Strain-Engineering liefern. Auf diese Weise wird es möglich sein, Licht auf die tatsächliche Umgebung zu werfen, die die Zelle während ihrer Lebensdauer erfährt. Lebenslinien eines Mikroorganismus in einem Bioreaktor können als das fehlende Bindeglied dienen, das die biologischen und die physikalischen Zeitskalen umfasst. Zu diesem Zweck bietet uns die Digitalisierung von Bioreaktoren neue Einblicke, die in industriellen Reaktoren nur schwer oder gar nicht zu erreichen sind, nämlich Substrat- und Produktgradienten; Hochscherregionen gehören zu den interessantesten Faktoren, die mit Hilfe eines digitalen Zwillings adäquat reproduziert werden können. In diesem Kapitel werden die grundlegenden Prinzipien dieser Methode vorgestellt, und später werden einige praktische Aspekte der Partikelverfolgungstechnik veranschaulicht. Im letzten Abschnitt werden einige der mit dieser Methode verbundenen Vorteile und Herausforderungen diskutiert.