論文の概要: Applications of Machine Learning in Biopharmaceutical Process
Development and Manufacturing: Current Trends, Challenges, and Opportunities
- arxiv url: http://arxiv.org/abs/2310.09991v1
- Date: Mon, 16 Oct 2023 00:35:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 16:57:51.481280
- Title: Applications of Machine Learning in Biopharmaceutical Process
Development and Manufacturing: Current Trends, Challenges, and Opportunities
- Title（参考訳）: バイオ医薬品のプロセス開発・製造における機械学習の応用 : 現状, 課題, 機会
- Authors: Thanh Tung Khuat, Robert Bassett, Ellen Otte, Alistair Grevis-James,
Bogdan Gabrys
- Abstract要約: 機械学習(ML)は、バイオ医薬品分野に多大な貢献をしている。
その応用はまだ初期段階にあり、品質・バイ・デザインに基づくバイオ医薬品の開発・製造を直接支援している。
本稿では, 上流, 下流, 製品定式化プロセスの生物製品設計, 監視, 制御, 最適化におけるMLソリューションの現状を概観する。
- 参考スコア（独自算出の注目度）: 7.762212551172391
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While machine learning (ML) has made significant contributions to the
biopharmaceutical field, its applications are still in the early stages in
terms of providing direct support for quality-by-design based development and
manufacturing of biopharmaceuticals, hindering the enormous potential for
bioprocesses automation from their development to manufacturing. However, the
adoption of ML-based models instead of conventional multivariate data analysis
methods is significantly increasing due to the accumulation of large-scale
production data. This trend is primarily driven by the real-time monitoring of
process variables and quality attributes of biopharmaceutical products through
the implementation of advanced process analytical technologies. Given the
complexity and multidimensionality of a bioproduct design, bioprocess
development, and product manufacturing data, ML-based approaches are
increasingly being employed to achieve accurate, flexible, and high-performing
predictive models to address the problems of analytics, monitoring, and control
within the biopharma field. This paper aims to provide a comprehensive review
of the current applications of ML solutions in a bioproduct design, monitoring,
control, and optimisation of upstream, downstream, and product formulation
processes. Finally, this paper thoroughly discusses the main challenges related
to the bioprocesses themselves, process data, and the use of machine learning
models in biopharmaceutical process development and manufacturing. Moreover, it
offers further insights into the adoption of innovative machine learning
methods and novel trends in the development of new digital biopharma solutions.
- Abstract（参考訳）: 機械学習(ml)はバイオ医薬品分野に多大な貢献をしてきたが、その応用はまだ初期段階にあり、バイオ医薬品の質的開発と製造を直接支援し、その開発から製造までのバイオプロセス自動化の巨大な可能性を阻害している。
しかし,大規模生産データの蓄積により,従来の多変量データ解析法に代えてMLモデルの採用が著しく増加している。
この傾向は主に、高度なプロセス分析技術の実装を通じて、プロセス変数とバイオ医薬品の品質特性のリアルタイムモニタリングによってもたらされる。
バイオプロダクティヴデザイン、バイオプロセス開発、および製品製造データの複雑さと多次元性を考えると、MLベースのアプローチは、バイオ医薬品分野における分析、モニタリング、制御の問題に対処するために、正確で柔軟で高性能な予測モデルを達成するために、ますます採用されている。
本稿では, 生物製品設計, 監視, 制御, 最適化による上流, 下流, 製品定式化プロセスにおけるmlソリューションの現在の応用を総合的に検討することを目的とする。
最後に, バイオプロセスそのもの, プロセスデータ, およびバイオ医薬品のプロセス開発および製造における機械学習モデルの利用に関する主な課題について概説する。
さらに、新しいデジタルバイオファーマソリューションの開発における革新的な機械学習手法の導入と新しいトレンドに関するさらなる洞察を提供する。
関連論文リスト
- Large Language Models in Drug Discovery and Development: From Disease Mechanisms to Clinical Trials [49.19897427783105]
大規模言語モデル(LLM)の創薬・開発分野への統合は、重要なパラダイムシフトである。
これらの先進的な計算モデルが、ターゲット・ディスリーズ・リンクを明らかにし、複雑なバイオメディカルデータを解釈し、薬物分子設計を強化し、薬物の有効性と安全性を予測し、臨床治験プロセスを促進する方法について検討する。
論文 参考訳（メタデータ） (2024-09-06T02:03:38Z) - Uncertainty Quantification Using Ensemble Learning and Monte Carlo Sampling for Performance Prediction and Monitoring in Cell Culture Processes [7.762212551172391]
モノクローナル抗体 (mAbs) は、その特異性や有効性から、医薬品市場で注目されている。
機械学習モデルのmAb開発および製造への応用は勢いを増している。
本稿では,機械学習予測における不確実性定量化の必要性に対処する。
論文 参考訳（メタデータ） (2024-09-03T09:38:32Z) - An Evaluation of Large Language Models in Bioinformatics Research [52.100233156012756]
本研究では,大規模言語モデル(LLM)の性能について,バイオインフォマティクスの幅広い課題について検討する。
これらのタスクには、潜在的なコーディング領域の同定、遺伝子とタンパク質の命名されたエンティティの抽出、抗微生物および抗がんペプチドの検出、分子最適化、教育生物情報学問題の解決が含まれる。
以上の結果から, GPT 変種のような LLM がこれらのタスクの多くをうまく処理できることが示唆された。
論文 参考訳（メタデータ） (2024-02-21T11:27:31Z) - ProBio: A Protocol-guided Multimodal Dataset for Molecular Biology Lab [67.24684071577211]
研究結果を複製するという課題は、分子生物学の分野に重大な障害をもたらしている。
まず、この目的に向けた最初のステップとして、ProBioという名前の包括的なマルチモーダルデータセットをキュレートする。
次に、透明なソリューショントラッキングとマルチモーダルなアクション認識という2つの挑戦的なベンチマークを考案し、BioLab設定におけるアクティビティ理解に関連する特徴と難しさを強調した。
論文 参考訳（メタデータ） (2023-11-01T14:44:01Z) - Multi-fidelity Gaussian Process for Biomanufacturing Process Modeling
with Small Data [1.4687789417816917]
本稿では, バイオマニュファクチャリングにおけるプロセスモデリングに, 統計的機械学習アプローチ, 多要素ガウスプロセスを用いることを提案する。
生物生産,バイオリアクターのスケールアップ,細胞間知識伝達における2つの重要な課題を解決するために,多要素ガウス法を適用し,実世界のデータセット上での有効性を実証する。
論文 参考訳（メタデータ） (2022-11-26T06:38:34Z) - Machine learning in bioprocess development: From promise to practice [58.720142291102135]
機械学習(ML)アプローチのようなデータ駆動の手法は、大きな設計空間を合理的に探索する可能性が高い。
本研究の目的は,これまでのバイオプロセス開発におけるML手法の適用例を示すことである。
論文 参考訳（メタデータ） (2022-10-04T13:48:59Z) - When Bioprocess Engineering Meets Machine Learning: A Survey from the
Perspective of Automated Bioprocess Development [3.687740185234604]
機械学習(ML)はバイオプロセス工学の発展に大きく貢献しているが、その応用は限られている。
このレビューでは、バイオプロセス開発におけるMLベースの自動化の概要について概観する。
論文 参考訳（メタデータ） (2022-09-02T14:30:49Z) - Application of Machine Learning in understanding plant virus
pathogenesis: Trends and perspectives on emergence, diagnosis, host-virus
interplay and management [1.949912057689623]
深層学習アルゴリズムは、植物ウイルス学を含むいくつかの分野の生物学における機械学習の適用をさらに促進する。
植物ウイルス学の理解における機械学習の適用の著しい進歩を考えると、このレビューは機械学習に関する序文を強調している。
論文 参考訳（メタデータ） (2021-12-03T16:25:26Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-08-29T14:57:53Z) - Machine Learning in Nano-Scale Biomedical Engineering [77.75587007080894]
ナノスケールバイオメディカルエンジニアリングにおける機械学習の利用に関する既存の研究について概説する。
ML問題として定式化できる主な課題は、3つの主要なカテゴリに分類される。
提示された方法論のそれぞれについて、その原則、応用、制限に特に重点を置いている。
論文 参考訳（メタデータ） (2020-08-05T15:45:54Z)
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。