EA202191101A1 - Автоматическая калибровка и автоматическое обслуживание рамановских спектроскопических моделей для предсказаний в реальном времени - Google Patents

Автоматическая калибровка и автоматическое обслуживание рамановских спектроскопических моделей для предсказаний в реальном времени

Info

Publication number
EA202191101A1
EA202191101A1 EA202191101A EA202191101A EA202191101A1 EA 202191101 A1 EA202191101 A1 EA 202191101A1 EA 202191101 A EA202191101 A EA 202191101A EA 202191101 A EA202191101 A EA 202191101A EA 202191101 A1 EA202191101 A1 EA 202191101A1
Authority
EA
Eurasian Patent Office
Prior art keywords
datasets
observation
biopharmaceutical
automatic
local model
Prior art date
Application number
EA202191101A
Other languages
English (en)
Inventor
Адитиа Тулсиан
Original Assignee
Эмджен Инк.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Эмджен Инк. filed Critical Эмджен Инк.
Priority claimed from PCT/US2019/057513 external-priority patent/WO2020086635A1/en
Publication of EA202191101A1 publication Critical patent/EA202191101A1/ru

Links

Landscapes

  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

Способ отслеживания биофармацевтического процесса и/или управления им включает определение точки запроса, связанной со сканированием процесса системой спектроскопии (например, системой рамановской спектроскопии), и запрос базы данных наблюдений, содержащей наборы данных наблюдений, связанные с прошлыми наблюдениями биофармацевтических процессов. Каждый из наборов данных наблюдений содержит спектральные данные и соответствующее фактическое аналитическое измерение. Запрос базы данных наблюдений включает выбор в качестве обучающих данных из наборов данных наблюдений тех наборов данных наблюдений, которые удовлетворяют одному или нескольким критериям релевантности относительно точки запроса. Способ также включает использование выбранных обучающих данных для калибровки локальной модели, характерной для биофармацевтического процесса. Локальная модель (например, модель на основе гауссовского процесса) обучается для предсказания аналитических измерений на основе входных спектральных данных. Способ также включает использование локальной модели для предсказания аналитического измерения биофармацевтического процесса.
EA202191101A 2019-06-21 2019-10-23 Автоматическая калибровка и автоматическое обслуживание рамановских спектроскопических моделей для предсказаний в реальном времени EA202191101A1 (ru)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201962864565P 2019-06-21 2019-06-21
PCT/US2019/057513 WO2020086635A1 (en) 2018-10-23 2019-10-23 Automatic calibration and automatic maintenance of raman spectroscopic models for real-time predictions

Publications (1)

Publication Number Publication Date
EA202191101A1 true EA202191101A1 (ru) 2021-08-10

Family

ID=77515182

Family Applications (1)

Application Number Title Priority Date Filing Date
EA202191101A EA202191101A1 (ru) 2019-06-21 2019-10-23 Автоматическая калибровка и автоматическое обслуживание рамановских спектроскопических моделей для предсказаний в реальном времени

Country Status (1)

Country Link
EA (1) EA202191101A1 (ru)

Similar Documents

Publication Publication Date Title
MX2021004510A (es) Calibracion automatica y mantenimiento automatico de modelos espectroscopicos de raman para predicciones en tiempo real.
Dardenne Some considerations about NIR spectroscopy: Closing speech at NIR-2009
Hakemeyer et al. At-line NIR spectroscopy as effective PAT monitoring technique in Mab cultivations during process development and manufacturing
WO2019050966A3 (en) AUTOMATED SAMPLE WORKFLOW PORTALING AND DATA ANALYSIS
Santos et al. Improving reliability of Raman spectroscopy for mAb production by upstream processes during bioprocess development stages
KR20180061769A (ko) 머신 러닝 기반 반도체 제조 수율 예측 시스템 및 방법
Li et al. Parallel comparison of in situ Raman and NIR spectroscopies to simultaneously measure multiple variables toward real-time monitoring of CHO cell bioreactor cultures
CN110657890B (zh) 对光谱模型的基于交叉验证的校准
Corona Communicating facts, findings and thinking to support evidence-based strategies and decisions
Boyce et al. Environmental structuring of marine plankton phenology
RU2014116255A (ru) Хемометрика для спектрального анализа ближнего инфракрасного диапазона
WO2007056568A3 (en) Spectral imaging of biofilms
Chen et al. FT-NIR spectroscopy and Whittaker smoother applied to joint analysis of duel-components for corn
Power et al. From the laboratory to the vineyard—evolution of the measurement of grape composition using NIR spectroscopy towards high-throughput analysis
Ning et al. Rapid evaluation of soil fertility in tea plantation based on near-infrared spectroscopy
CN106323889A (zh) 基于云服务器的质量检测系统
Griffiths et al. Limited evidence for common interannual trends in Baltic Sea summer phytoplankton biomass
Hirri et al. Prediction of polyphenol fraction in virgin olive oil using mid-infrared attenuated total reflectance attenuated total reflectance accessory–mid-infrared coupled with partial least squares regression
Zhou et al. Spectral database systems: a review
Barth et al. Stem taper estimates based on airborne laser scanning and cut-to-length harvester measurements for pre-harvest planning
Zell et al. Estimating above-ground biomass of trees: comparing Bayesian calibration with regression technique
CN102306236A (zh) 基于角度度量的多变量分析方法
TWI237694B (en) Gas analysis system and method
EA202191101A1 (ru) Автоматическая калибровка и автоматическое обслуживание рамановских спектроскопических моделей для предсказаний в реальном времени
Boechel et al. Prediction of harvest time of apple trees: An RNN-based approach