論文の概要: Designing Robust Biotechnological Processes Regarding Variabilities using Multi-Objective Optimization Applied to a Biopharmaceutical Seed Train Design

• arxiv url: http://arxiv.org/abs/2205.03261v1
• Date: Fri, 6 May 2022 14:33:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-09 13:17:51.041052
• Title: Designing Robust Biotechnological Processes Regarding Variabilities using Multi-Objective Optimization Applied to a Biopharmaceutical Seed Train Design
• Title（参考訳）: 多目的最適化を用いた生薬シード列車設計における可変性を考慮したロバストなバイオテクノロジープロセスの設計
• Authors: Tanja Hern\'andez Rodr\'iguez, Anton Sekulic, Markus Lange-Hegermann, Bj\"orn Frahm
• Abstract要約: この貢献は、不確実性に基づく上流シミュレーションとガウス過程を用いたベイズ最適化を結合したワークフローを提供する。 プロセス開発における関連産業課題のシミュレーションケーススタディでその応用を実証した。 最適化されたプロセスは、生存可能な細胞密度に関して、はるかに低い偏差率を示した。
• 参考スコア（独自算出の注目度）: 3.674863913115431
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Development and optimization of biopharmaceutical production processes with cell cultures is cost- and time-consuming and often performed rather empirically. Efficient optimization of multiple-objectives like process time, viable cell density, number of operating steps & cultivation scales, required medium, amount of product as well as product quality depicts a promising approach. This contribution presents a workflow which couples uncertainty-based upstream simulation and Bayes optimization using Gaussian processes. Its application is demonstrated in a simulation case study for a relevant industrial task in process development, the design of a robust cell culture expansion process (seed train), meaning that despite uncertainties and variabilities concerning cell growth, low variations of viable cell density during the seed train are obtained. Compared to a non-optimized reference seed train, the optimized process showed much lower deviation rates regarding viable cell densities (<~10% instead of 41.7%) using 5 or 4 shake flask scales and seed train duration could be reduced by 56 h from 576 h to 520 h. Overall, it is shown that applying Bayes optimization allows for optimization of a multi-objective optimization function with several optimizable input variables and under a considerable amount of constraints with a low computational effort. This approach provides the potential to be used in form of a decision tool, e.g. for the choice of an optimal and robust seed train design or for further optimization tasks within process development.
• Abstract（参考訳）: 細胞培養によるバイオ医薬品製造プロセスの開発と最適化はコストと時間がかかり、経験的に行われることが多い。 プロセス時間、実行可能なセル密度、運用手順と栽培規模、必要な培地、製品量、製品品質といった多目的物の効率的な最適化は、有望なアプローチを示している。 この貢献は、不確実性に基づく上流シミュレーションとガウス過程を用いたベイズ最適化を結合するワークフローを提供する。 プロセス開発における関連産業課題のシミュレーションケーススタディにおいて, セル成長に関する不確実性や変動性にもかかわらず, シードトレイン中の生存可能なセル密度の変動が低くなるという, 堅牢な細胞培養拡大プロセス(種子トレイン)の設計が示された。 非最適化の基準シードトレインと比較すると、最適化されたプロセスは5または4のシェイクフラスクスケールを用いた細胞密度(41.7%ではなく～10%)に関してかなり低い偏差率を示し、シードトレインの持続時間は56hから576hから520hに短縮された。 全体として,ベイズ最適化を適用することで,最適化可能な入力変数を複数有する多目的最適化関数の最適化が可能となり,計算量が少ないかなりの制約下での最適化が可能となった。 このアプローチは、例えば、最適で堅牢なシードトレイン設計の選択や、プロセス開発におけるさらなる最適化タスクのために、決定ツールとして使用される可能性を提供します。

関連論文リスト

• LightCPPgen: An Explainable Machine Learning Pipeline for Rational Design of Cell Penetrating Peptides [0.32985979395737786]
  我々は,機械学習(ML)と最適化アルゴリズムの長所を活かして,CPPのデノボ設計に革新的なアプローチを導入する。 私たちの戦略はLight CPPgenと呼ばれ、LightGBMベースの予測モデルと遺伝的アルゴリズム(GA)を統合しています。 GAソリューションは、元の非貫通ペプチドとの類似性を最大化しつつ、候補配列の透過性スコアを特にターゲットとしている。
  論文  参考訳（メタデータ） (2024-05-31T10:57:25Z)
• Evolutionary Solution Adaption for Multi-Objective Metal Cutting Process Optimization [59.45414406974091]
  我々は,従来の最適化タスクから解を転送するアルゴリズムの能力を研究することのできる,システムの柔軟性のためのフレームワークを提案する。 NSGA-IIの柔軟性を2つの変種で検討し,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)活性化あるいは非活性化の異なる可能性に対応する能動的非アクティブなジェノタイプについて検討した。 その結果,標準NSGA-IIによる適応は目標目標への最適化に必要な評価回数を大幅に削減し,提案した変種は適応コストをさらに向上することがわかった。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Combining Multi-Fidelity Modelling and Asynchronous Batch Bayesian Optimization [10.29946890434873]
  本稿では,マルチ忠実度と非同期バッチ手法を組み合わせたアルゴリズムを提案する。 本研究では,アルゴリズムの動作を実証的に研究し,単一忠実度バッチ法や複数忠実度シーケンシャル法より優れていることを示す。 そこで本研究では,コインセルを用いた実験により,ポーチセルの電極材料を最適性能に設計し,バッテリ性能を近似する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-11T12:02:40Z)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Constrained multi-objective optimization of process design parameters in settings with scarce data: an application to adhesive bonding [48.7576911714538]
  接着プロセスに最適なプロセスパラメータを見つけることは困難である。 遺伝的アルゴリズムのような伝統的な進化的アプローチは、その問題を解決するのに不適である。 本研究では,目的関数と制約関数をエミュレートするために,特定の機械学習手法をうまく応用した。
  論文  参考訳（メタデータ） (2021-12-16T10:14:39Z)
• Multi-objective simulation optimization of the adhesive bonding process of materials [50.591267188664666]
  このような接着プロセスの最適プロセスパラメータを見つけることは困難である。 本研究では,ガウス過程回帰とロジスティック回帰を用いてベイズ最適化を行った。
  論文  参考訳（メタデータ） (2021-12-09T09:58:58Z)
• Machine Learning with Knowledge Constraints for Process Optimization of Open-Air Perovskite Solar Cell Manufacturing [5.240805076177176]
  本稿では,製造プロセス最適化のための逐次学習のMLフレームワークを提案する。 環境条件下でのペロブスカイト薄膜のラピッドスプレープラズマプロセッシング(RSPP)技術に本手法を適用した。 100条件のプロセス条件をスクリーニングする実験予算を限定し, 最高の動作装置に対して18.5%の効率向上を実証した。
  論文  参考訳（メタデータ） (2021-10-01T00:36:56Z)
• Speeding up Computational Morphogenesis with Online Neural Synthetic Gradients [51.42959998304931]
  現代科学および工学の適用の広い範囲は制約として部分的な微分方程式(PDEs)のシステムとの最適化問題として定式化されます。 これらのPDE制約最適化問題は通常、標準のDisretize-then-optimizeアプローチで解決される。 オンラインニューラル合成勾配(ONSG)を用いたPDE制約最適化の高速化のための新しい2スケール最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-04-25T22:43:51Z)
• Global Optimization of Gaussian processes [52.77024349608834]
  少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。 このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。 提案手法の順序の順序による時間収束を,総じて低減する。
  論文  参考訳（メタデータ） (2020-05-21T20:59:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。