JP7032843B2 - 培地製造方法、培地製造パラメータ決定方法、およびプログラム - Google Patents
培地製造方法、培地製造パラメータ決定方法、およびプログラム Download PDFInfo
- Publication number
- JP7032843B2 JP7032843B2 JP2021545100A JP2021545100A JP7032843B2 JP 7032843 B2 JP7032843 B2 JP 7032843B2 JP 2021545100 A JP2021545100 A JP 2021545100A JP 2021545100 A JP2021545100 A JP 2021545100A JP 7032843 B2 JP7032843 B2 JP 7032843B2
- Authority
- JP
- Japan
- Prior art keywords
- medium
- production
- parameter
- culture
- value
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000004519 manufacturing process Methods 0.000 title claims description 362
- 238000000034 method Methods 0.000 title claims description 78
- 239000002609 medium Substances 0.000 claims description 312
- 239000001963 growth medium Substances 0.000 claims description 131
- 238000011156 evaluation Methods 0.000 claims description 113
- 238000005457 optimization Methods 0.000 claims description 59
- 239000002994 raw material Substances 0.000 claims description 49
- 239000000126 substance Substances 0.000 claims description 22
- 238000012258 culturing Methods 0.000 claims description 17
- 238000003756 stirring Methods 0.000 claims description 11
- 239000006185 dispersion Substances 0.000 claims description 8
- 235000013343 vitamin Nutrition 0.000 claims description 8
- 239000011782 vitamin Substances 0.000 claims description 8
- 229940088594 vitamin Drugs 0.000 claims description 8
- 229930003231 vitamin Natural products 0.000 claims description 8
- 150000001413 amino acids Chemical class 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 150000003839 salts Chemical class 0.000 claims description 6
- 239000000872 buffer Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 239000005556 hormone Substances 0.000 claims description 4
- 229940088597 hormone Drugs 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 239000003102 growth factor Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000000844 transformation Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 description 23
- 230000008569 process Effects 0.000 description 18
- 238000012854 evaluation process Methods 0.000 description 17
- 235000000346 sugar Nutrition 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 15
- 241000894006 Bacteria Species 0.000 description 12
- 239000000306 component Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 10
- 235000018102 proteins Nutrition 0.000 description 9
- 108090000623 proteins and genes Proteins 0.000 description 9
- 102000004169 proteins and genes Human genes 0.000 description 9
- 238000000746 purification Methods 0.000 description 9
- 238000006243 chemical reaction Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 7
- 101710177166 Phosphoprotein Proteins 0.000 description 6
- HEMHJVSKTPXQMS-UHFFFAOYSA-M Sodium hydroxide Chemical compound [OH-].[Na+] HEMHJVSKTPXQMS-UHFFFAOYSA-M 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 239000012533 medium component Substances 0.000 description 5
- 239000013028 medium composition Substances 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 238000011282 treatment Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 239000003966 growth inhibitor Substances 0.000 description 4
- 239000008213 purified water Substances 0.000 description 4
- 238000013341 scale-up Methods 0.000 description 4
- 230000001954 sterilising effect Effects 0.000 description 4
- 238000004659 sterilization and disinfection Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004113 cell culture Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 229910052500 inorganic mineral Inorganic materials 0.000 description 3
- 238000004949 mass spectrometry Methods 0.000 description 3
- 238000011177 media preparation Methods 0.000 description 3
- 239000011707 mineral Substances 0.000 description 3
- 235000010755 mineral Nutrition 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 229920001817 Agar Polymers 0.000 description 2
- 108010088751 Albumins Proteins 0.000 description 2
- 102000009027 Albumins Human genes 0.000 description 2
- 241000588724 Escherichia coli Species 0.000 description 2
- 229930091371 Fructose Natural products 0.000 description 2
- 239000005715 Fructose Substances 0.000 description 2
- RFSUNEUAIZKAJO-ARQDHWQXSA-N Fructose Chemical compound OC[C@H]1O[C@](O)(CO)[C@@H](O)[C@@H]1O RFSUNEUAIZKAJO-ARQDHWQXSA-N 0.000 description 2
- 240000003183 Manihot esculenta Species 0.000 description 2
- 235000016735 Manihot esculenta subsp esculenta Nutrition 0.000 description 2
- 239000001888 Peptone Substances 0.000 description 2
- 108010080698 Peptones Proteins 0.000 description 2
- 240000000111 Saccharum officinarum Species 0.000 description 2
- 235000007201 Saccharum officinarum Nutrition 0.000 description 2
- UIIMBOGNXHQVGW-UHFFFAOYSA-M Sodium bicarbonate Chemical compound [Na+].OC([O-])=O UIIMBOGNXHQVGW-UHFFFAOYSA-M 0.000 description 2
- 229930006000 Sucrose Natural products 0.000 description 2
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 2
- 238000002441 X-ray diffraction Methods 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 2
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 2
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 2
- 239000008272 agar Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- DFYRUELUNQRZTB-UHFFFAOYSA-N apocynin Chemical compound COC1=CC(C(C)=O)=CC=C1O DFYRUELUNQRZTB-UHFFFAOYSA-N 0.000 description 2
- 239000007864 aqueous solution Substances 0.000 description 2
- 235000005822 corn Nutrition 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- HYBBIBNJHNGZAN-UHFFFAOYSA-N furfural Chemical compound O=CC1=CC=CO1 HYBBIBNJHNGZAN-UHFFFAOYSA-N 0.000 description 2
- BPHPUYQFMNQIOC-NXRLNHOXSA-N isopropyl beta-D-thiogalactopyranoside Chemical compound CC(C)S[C@@H]1O[C@H](CO)[C@H](O)[C@H](O)[C@H]1O BPHPUYQFMNQIOC-NXRLNHOXSA-N 0.000 description 2
- 235000015110 jellies Nutrition 0.000 description 2
- 239000008274 jelly Substances 0.000 description 2
- 235000013372 meat Nutrition 0.000 description 2
- 235000013379 molasses Nutrition 0.000 description 2
- 235000019319 peptone Nutrition 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 239000013630 prepared media Substances 0.000 description 2
- 108090000765 processed proteins & peptides Proteins 0.000 description 2
- 102000004196 processed proteins & peptides Human genes 0.000 description 2
- 238000011218 seed culture Methods 0.000 description 2
- 210000002966 serum Anatomy 0.000 description 2
- 238000002415 sodium dodecyl sulfate polyacrylamide gel electrophoresis Methods 0.000 description 2
- 235000011121 sodium hydroxide Nutrition 0.000 description 2
- 239000005720 sucrose Substances 0.000 description 2
- 150000008163 sugars Chemical class 0.000 description 2
- 235000020357 syrup Nutrition 0.000 description 2
- 239000006188 syrup Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- QDZOEBFLNHCSSF-PFFBOGFISA-N (2S)-2-[[(2R)-2-[[(2S)-1-[(2S)-6-amino-2-[[(2S)-1-[(2R)-2-amino-5-carbamimidamidopentanoyl]pyrrolidine-2-carbonyl]amino]hexanoyl]pyrrolidine-2-carbonyl]amino]-3-(1H-indol-3-yl)propanoyl]amino]-N-[(2R)-1-[[(2S)-1-[[(2R)-1-[[(2S)-1-[[(2S)-1-amino-4-methyl-1-oxopentan-2-yl]amino]-4-methyl-1-oxopentan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]amino]-1-oxo-3-phenylpropan-2-yl]amino]-3-(1H-indol-3-yl)-1-oxopropan-2-yl]pentanediamide Chemical compound C([C@@H](C(=O)N[C@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CC(C)C)C(=O)N[C@@H](CC(C)C)C(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](CC=1C2=CC=CC=C2NC=1)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](CCCCN)NC(=O)[C@H]1N(CCC1)C(=O)[C@H](N)CCCNC(N)=N)C1=CC=CC=C1 QDZOEBFLNHCSSF-PFFBOGFISA-N 0.000 description 1
- BAYUSCHCCGXLAY-UHFFFAOYSA-N 1-(3-methoxyphenyl)ethanone Chemical compound COC1=CC=CC(C(C)=O)=C1 BAYUSCHCCGXLAY-UHFFFAOYSA-N 0.000 description 1
- OWEGMIWEEQEYGQ-UHFFFAOYSA-N 100676-05-9 Natural products OC1C(O)C(O)C(CO)OC1OCC1C(O)C(O)C(O)C(OC2C(OC(O)C(O)C2O)CO)O1 OWEGMIWEEQEYGQ-UHFFFAOYSA-N 0.000 description 1
- SSXJHQZOHUYEGD-UHFFFAOYSA-N 3,3',4',5,6,7,8-Heptamethoxyflavone Natural products C1=C(OC)C(OC)=CC=C1C1=C(OC)C(=O)C2=C(OC)C(OC)=C(OC)C(OC)=C2O1 SSXJHQZOHUYEGD-UHFFFAOYSA-N 0.000 description 1
- NOEGNKMFWQHSLB-UHFFFAOYSA-N 5-hydroxymethylfurfural Chemical compound OCC1=CC=C(C=O)O1 NOEGNKMFWQHSLB-UHFFFAOYSA-N 0.000 description 1
- 241000219310 Beta vulgaris subsp. vulgaris Species 0.000 description 1
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 102000016359 Fibronectins Human genes 0.000 description 1
- 108010067306 Fibronectins Proteins 0.000 description 1
- 108010010803 Gelatin Proteins 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 235000010469 Glycine max Nutrition 0.000 description 1
- 244000068988 Glycine max Species 0.000 description 1
- GUBGYTABKSRVRQ-PICCSMPSSA-N Maltose Natural products O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CO)O[C@@H]1O[C@@H]1[C@@H](CO)OC(O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-PICCSMPSSA-N 0.000 description 1
- 102400000096 Substance P Human genes 0.000 description 1
- 101800003906 Substance P Proteins 0.000 description 1
- 235000021536 Sugar beet Nutrition 0.000 description 1
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 1
- 102000004357 Transferases Human genes 0.000 description 1
- 108090000992 Transferases Proteins 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 239000003513 alkali Substances 0.000 description 1
- WQZGKKKJIJFFOK-PHYPRBDBSA-N alpha-D-galactose Chemical compound OC[C@H]1O[C@H](O)[C@H](O)[C@@H](O)[C@H]1O WQZGKKKJIJFFOK-PHYPRBDBSA-N 0.000 description 1
- 210000004102 animal cell Anatomy 0.000 description 1
- 229930188866 apocynin Natural products 0.000 description 1
- 230000009118 appropriate response Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001580 bacterial effect Effects 0.000 description 1
- 239000002585 base Substances 0.000 description 1
- 238000013531 bayesian neural network Methods 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- GUBGYTABKSRVRQ-QUYVBRFLSA-N beta-maltose Chemical compound OC[C@H]1O[C@H](O[C@H]2[C@H](O)[C@@H](O)[C@H](O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@@H]1O GUBGYTABKSRVRQ-QUYVBRFLSA-N 0.000 description 1
- 229910052793 cadmium Inorganic materials 0.000 description 1
- BDOSMKKIYDKNTQ-UHFFFAOYSA-N cadmium atom Chemical compound [Cd] BDOSMKKIYDKNTQ-UHFFFAOYSA-N 0.000 description 1
- 229940041514 candida albicans extract Drugs 0.000 description 1
- 239000005018 casein Substances 0.000 description 1
- BECPQYXYKAMYBN-UHFFFAOYSA-N casein, tech. Chemical compound NCCCCC(C(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(CC(C)C)N=C(O)C(CCC(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(C(C)O)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(COP(O)(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(N)CC1=CC=CC=C1 BECPQYXYKAMYBN-UHFFFAOYSA-N 0.000 description 1
- 235000021240 caseins Nutrition 0.000 description 1
- 230000005779 cell damage Effects 0.000 description 1
- 208000037887 cell injury Diseases 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 229910052804 chromium Inorganic materials 0.000 description 1
- 239000011651 chromium Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 210000004748 cultured cell Anatomy 0.000 description 1
- 235000014113 dietary fatty acids Nutrition 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- AIUDWMLXCFRVDR-UHFFFAOYSA-N dimethyl 2-(3-ethyl-3-methylpentyl)propanedioate Chemical class CCC(C)(CC)CCC(C(=O)OC)C(=O)OC AIUDWMLXCFRVDR-UHFFFAOYSA-N 0.000 description 1
- 238000010494 dissociation reaction Methods 0.000 description 1
- 230000005593 dissociations Effects 0.000 description 1
- 239000012153 distilled water Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229930195729 fatty acid Natural products 0.000 description 1
- 239000000194 fatty acid Substances 0.000 description 1
- 150000004665 fatty acids Chemical group 0.000 description 1
- 235000021107 fermented food Nutrition 0.000 description 1
- 108060002885 fetuin Proteins 0.000 description 1
- 102000013361 fetuin Human genes 0.000 description 1
- 229930182830 galactose Natural products 0.000 description 1
- 239000008273 gelatin Substances 0.000 description 1
- 229920000159 gelatin Polymers 0.000 description 1
- 235000019322 gelatine Nutrition 0.000 description 1
- 235000011852 gelatine desserts Nutrition 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 239000008233 hard water Substances 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 229910052748 manganese Inorganic materials 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910021645 metal ion Inorganic materials 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 235000013336 milk Nutrition 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- DLVYTANECMRFGX-UHFFFAOYSA-N norfuraneol Natural products CC1=C(O)C(=O)CO1 DLVYTANECMRFGX-UHFFFAOYSA-N 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 229940066779 peptones Drugs 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 239000000419 plant extract Substances 0.000 description 1
- 229910052700 potassium Inorganic materials 0.000 description 1
- 229910001414 potassium ion Inorganic materials 0.000 description 1
- 239000013587 production medium Substances 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229910052711 selenium Inorganic materials 0.000 description 1
- -1 serum Substances 0.000 description 1
- 239000012679 serum free medium Substances 0.000 description 1
- 229910052708 sodium Inorganic materials 0.000 description 1
- 239000011734 sodium Substances 0.000 description 1
- 235000017557 sodium bicarbonate Nutrition 0.000 description 1
- 229910000030 sodium bicarbonate Inorganic materials 0.000 description 1
- 239000008234 soft water Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000000130 stem cell Anatomy 0.000 description 1
- 150000003431 steroids Chemical class 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001228 trophic effect Effects 0.000 description 1
- MWOOGOJBHIARFG-UHFFFAOYSA-N vanillin Chemical compound COC1=CC(C=O)=CC=C1O MWOOGOJBHIARFG-UHFFFAOYSA-N 0.000 description 1
- FGQOOHJZONJGDT-UHFFFAOYSA-N vanillin Natural products COC1=CC(O)=CC(C=O)=C1 FGQOOHJZONJGDT-UHFFFAOYSA-N 0.000 description 1
- 235000012141 vanillin Nutrition 0.000 description 1
- 239000012138 yeast extract Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/048—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators using a predictor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Manufacturing & Machinery (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
細胞を培養することで、有用物質を生産したり、その培養した細胞自体を役に立てたりするケースは多い。ケースには、たとえば、幹細胞培養、発酵食品生産、医薬品生産、食用物質生産などがある。しかしながら、細胞の種類や、生成したい物質、培養を実行する条件に依存して、最も効率よく細胞を培養するための培地の組成や培地の生産条件は異なる。たとえば、生産物が変わる、スケールが変わる、用いる菌体が変わるなどで、収量を最大化する培地の組成は異なることがある。また、物質の収量を最大化したい場合と、物質の品質を最大化したい場合とで培地の組成が異なることもある。したがって、それぞれのケースについて最適な生産条件を求める必要が生じる。結果的に生産条件の探索にかかるコストが大きくなってしまう。コストには、探索を施行する回数と、一回あたりの実験を施行するための時間的コストが含まれる。
第1実施形態に係る培地製造システムは、評価プロセスは固定したうえで、培地の製造に係る最適化を行う。
図1に示すように、本発明の一実施形態に係る生産システムは、実行環境10、培地製造プロセス20、培地評価プロセス30、培地最適化エンジン50、実行指示コンパイラ60、実行結果DB70の6つの構成要素を含んでいる。なお、実行指示コンパイラ60は省略することも可能である。
タンパク質の疎水性(溶解度、酸解離定数、分配係数など)、分子量、アミノ酸配列が入力になりうる。たとえば、タンパク質の疎水性を取得して、その疎水性の軸における距離を2つの異なるタンパク質間の「近さ」と定義することなどが例としてあげられる。
培地製造を行うための設備のスペック(槽スケール、槽比熱、混合用プロペラ大きさ、外気温、湿度、など)に基づいて距離指標を設定することができる。たとえば、槽比熱という1つの指標に関して、対象となる槽の情報を取得すれば、槽比熱の軸をもとに培養条件の近さを判定することができる。また、外気温の情報も同時に取得し、温度を所定値に保つために必要な投入熱量を特徴量として使うこともできる。
異なる国や環境で、培養を行うとき、培養の原料の質が異なるということは普遍的に起こることである。たとえば、タイ地域では、大規模培養の糖源としてキャッサバシロップやサトウキビ糖蜜を用いているが、北米地域では糖源としてはコーンシロップを用いることが一般的である。また、同一品目でも産地によって組成は違う。他にも、日本のような国では水源は軟水であるが、イギリスのような国では水源はミネラルを多く含む硬水である。それらの原料の成分を質量分析などの計測手法で取得したうえで、その結果から近さを表す関数を構成する(重量あたりのスクロース割合、不純物割合、重量あたりのミネラル含有率など。)ことができる。
たとえば、疎水性、槽比熱、水硬度、といった妥当性が確認されている異種の特徴量を複数取り出し、それらを組み合わせた空間における距離を計測することもできる。たとえば、ユークリッド距離で近さを測ることができる。
図3は、本実施形態の培地製造システム全体の処理の流れを示すフローチャートである。
図4は、本実施形態の培地製図尾システムを実現するコンピュータのハードウェア構成例を示す図である。コンピュータは、CPU101、メモリ102、記憶装置103、通信インタフェース104、入力装置105、出力装置106を備える。記憶装置103は、各種のデータやプログラムを記憶する、例えばハードディスクドライブやソリッドステートドライブ、フラッシュメモリなどである。通信インタフェース104は、通信ネットワークに接続するためのインタフェースであり、例えばイーサネット(登録商標)に接続するためのアダプタ、公衆電話回線網に接続するためのモデム、無線通信を行うための無線通信機、シリアル通信のためのUSB(Universal Serial Bus)コネクタやRS232Cコネクタなどである。入力装置105は、データを入力する、例えばキーボードやマウス、タッチパネル、ボタン、マイクロフォンなどである。出力装置106は、データを出力する、例えばディスプレイやプリンタ、スピーカなどである。
以下、本実施形態に係る実施例を示す。
評価指標:培養液単位体積あたりから収穫できる、タンパク質Pの量
最適化の目的:上記評価指標の最大化
1.培地製造プロセス
1.1. 操作:表1-2の配合にしたがって、各成分を精製水に撹拌混合することで溶解する。
INPUT: 各成分(表1-2)
OUTPUT:培地
パラメータ: 撹拌速度=300rpm、撹拌時間=30分、培地量=80000L
1.2. 操作:オートクレーブを用いて、殺菌する。
INPUT: 培地
OUTPUT:(殺菌済)培地
パラメータ: 殺菌温度=120℃、殺菌時間=100分
1.3.操作:苛性ソーダ水溶液を用いて、pHを調整する。
INPUT:(殺菌済)培地
OUTPUT:(pH調整済)培地
パラメータ:目標pH=6.9
2.培地評価プロセス
2.1.操作:生産プロセスで作られた培地を用いて、細菌を培養する(10Lの培養槽)
INPUT: 細菌、培地
OUTPUT:細菌、培地
パラメータ: 菌株=大腸菌BB4、培養時間=10時間、培養温度=37℃
2.2.操作:IPTGを用いて、特定タンパク質Pの発現を誘導する
INPUT: 細菌、培地
OUTPUT:細菌、培地
パラメータ: 培養時間=20時間、培養温度=37℃
2.3.操作:SDS-PAGEを行いタンパク質Pの生産量を定量する。
INPUT: 細菌、培地
OUTPUT:タンパク質量
可変パラメータ:培地成分、撹拌速度、撹拌時間
変域:表2
1.培地製造プロセス
1.1.操作:表2の配合にしたがって、各成分を精製水に撹拌混合することで溶解する。
INPUT: 各成分(表2)、精製水
OUTPUT:培地
パラメータ:培地量=80000L
可変パラメータ:表2
1.2.操作:オートクレーブを用いて、殺菌する。
INPUT: 培地
OUTPUT:(殺菌済)培地
パラメータ:殺菌温度=120℃、殺菌時間=100分
1.3.操作:苛性ソーダ水溶液を用いて、pHを調整
INPUT: (殺菌済)培地
OUTPUT:(pH調整済)培地
パラメータ:目標pH=6.9
2.培地評価プロセス
2.1.操作:生産プロセスで作られた培地を用いて、細菌を培養する(10Lの培養槽)。
INPUT: 細菌、培地
OUTPUT:細菌、培地
パラメータ: 菌株=大腸菌BB4、培養時間=10時間、培養温度=37℃
2.2.操作:IPTGを用いて、特定タンパク質Pの発現を誘導する。
INPUT: 細菌、培地
OUTPUT:細菌、培地
パラメータ:培養時間=20時間、培養温度=37℃
2.3.操作:SDS-PAGEを行い目的タンパク質Pの生産量を定量する。
INPUT: 細菌、培地
OUTPUT:タンパク質量
パラメータ(可変パラメータ):培地成分、撹拌条件
パラメータ(固定パラメータ):pH
装置特徴量:locationID、タンクサイズ、プロペラサイズ
観測情報:外気温、外界湿度、材料pH、水の硬度
ケース1:工場Bでの製造
データ数:120
例:表3-1
データ数:300
例:表3-2
発明の実施例として、異なる複数の培養設備における過去の培地製造パラメータ値と対応する評価結果を利用して、新たな培養設備での最適な培地製造パラメータ値を求める場合の例を提示する。ここでは仮に培地Xを製造するため、中国に新しい培地工場Aを新設することを考える。培地工場Aで培地Xを利用したタンパク質Pの生産効率(g/L)を最大化させられるような培地の最適製造バラメータ値を求めたい。培地Xは過去に、タイに存在する培地工場B、日本に存在する培地工場Cにおいて最適製造パラメータの探索を終えており、それらの知見を有効に活用して、培地工場Aでの最適製造パラメータを効率よく決定することが求められる。培地工場A、B、C間では、培地製造のためのタンクの容量などの設備スペックが異なる他、原料の調達先や、外界の環境などが異なるため、それらの違いを包含した上での最適な培地製造パラメータ値を逐次最適化によって導出する。
第1実施形態では、培地の評価プロセスは固定したうえで、培地の製造に係る製造条件の最適化を行った。第2実施形態では、製造条件とともに培養条件の最適化も行う。
培地の製造方法であって、
培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された他の培地の製造に係るパラメータの値に少なくとも基づいて予測モデルを作成するステップと、
前記予測モデルを用いて前記パラメータの値を作成するステップと、
作成した前記パラメータの値を用いて培地を製造するステップと、
を備える培地製造方法。
[項目2](回帰モデル)
項目1に記載の培地製造方法であって、
前記予測モデルを作成するステップは、前記パラメータの値に基づいて回帰モデルを作成すること、
を特徴とする培地製造方法。
[項目3](最適化対象のパラメータの決定と、その範囲内でのクエリの生成。+培養による培地製造条件の評価)
項目1に記載の培地製造方法であって、
前記他の培地の製造に係る前記製造条件に含まれる製造手順を少なくとも1つ取得するステップと、
前記製造手順に係る前記パラメータのうち可変とするものを決定するステップと、
決定した可変とする前記パラメータの探索範囲を設定するステップと、
製造された前記培地を評価するステップと、
をさらに備え、
前記パラメータの前記値を作成するステップでは、可変とする前記パラメータについて前記探索範囲内の前記値を前記予測モデルに基づいて決定すること、
を特徴とする培地製造方法。
[項目4]
項目3に記載の培地製造方法であって、
前記培地を評価するステップは、
製造された前記培地を用いた培養を行うステップと、
前記培養の結果を評価するステップと、
を含むことを特徴とする培地製造方法。
[項目5](確率モデル)
項目1に記載の培地製造方法であって、
前記予測モデルを作成するステップは、回帰関数の確率モデルを前記予測モデルとして作成すること、
を特徴とする培地製造方法。
[項目6](変換系設計してマッピング)
項目3に記載の培地製造方法であって、
前記他の培地の製造手順に係る第1の前記パラメータと、前記製造手順に係る第2の前記パラメータとの種類が異なる場合に、前記第1のパラメータの値を前記第2のパラメータの値に変換する関数を用いて、前記予測モデルに基づいて決定された前記第1のパラメータの値を変換するステップをさらに備えること、
を特徴とする培地製造方法。
[項目7](逐次最適化による探索を終了条件が満たされるまで繰り返す)
項目3に記載の培地製造方法であって、
前記培地を評価した評価結果が所定条件を満たすまで、可変とする前記パラメータに対して前記探索範囲内の値を1つ以上設定して、前記パラメータの値を作成するステップと、前記培地を製造するステップと、前記培養を行うステップと、前記培養の結果を評価するステップとを繰り返すこと、
を特徴とする培地製造方法。
[項目8](過去の実験データからの最適プロトコルの出力)
項目3に記載の培地製造方法であって、
前記培地を評価した評価結果が所定条件を満たす前記パラメータの値に基づいて、前記製造手順に設定する前記パラメータの値を決定すること、
を特徴とする培地製造方法。
[項目9](過去の実験データからの最適プロトコルの出力)
項目3に記載の培地製造方法であって、
前記培地を評価した評価結果が所定条件を満たす場合に、前記パラメータに前記値を設定した前記製造手順を出力するステップをさらに備えること、
を特徴とする培地製造方法。
[項目10](少なくとも一回の実験を挟んで起点を決定する)
項目3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップでは、複数の前記製造手順を取得し、
前記製造手順のそれぞれを用いて前記培地を試験製造するステップと、
試験製造された前記培地を評価するステップと、
前記試験製造された培地の評価結果に応じて、少なくとも1つの前記製造手順を選択するステップと、
をさらに備え、
選択された前記製造手順について、前記可変とするパラメータを決定すること、
を特徴とする培地製造方法。
[項目11]
項目3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップにおいて、
前記培地の製造に用いる前記製造条件と前記他の培地に係る前記製造条件との間の距離を計算するステップと、
前記距離に応じて前記製造手順を少なくとも1つ決定するステップと、
を実行することを特徴とする培地製造方法。
[項目12](同一条件の実行例を起点とする)
項目3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップでは、予定されている製造条件と同一の製造条件での前記他の培地の前記製造手順を取得すること、
を特徴とする培地製造方法。
[項目13](距離の近い異種プロトコルのパラメータ値から回帰)
項目1に記載の培地製造方法であって、
前記他の培地の製造に係る第1の前記パラメータを要素とする第1のベクトルと、前記培地の製造に用いる第2の前記パラメータを要素とする第2のベクトルとに対して、1回以上の行列演算と1回以上の線形または非線形変換との組み合わせによって、前記他の培地と前記培地との間の距離を算出する関数を作成し、作成した前記関数により算出される前記距離の近いものから順に所定数の前記他の培地について、製造に係る前記第1のパラメータの値を取得するステップをさらに備えること、
を特徴とする培地製造方法。
[項目14](実験を挟んで決定する)
項目1に記載の培地製造方法であって、
前記複数の他の培地のそれぞれについて、取得した前記パラメータの値を用いて評価用培地を製造し、製造した前記評価用培地の評価結果を取得するステップと、
前記評価結果に応じて選択した1つ以上の前記他の培地である第1の他の培地に関連して実験的に製造された第2の他の培地に係る前記パラメータの値を取得するステップと、
をさらに備え、
前記予測モデルを作成するステップは、前記第1の他の培地の製造に係る前記パラメータの値と、前記第2の他の培地に係る前記パラメータの値とに基づいて前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目15](試験培養の評価から最終のパラメータを決定)
項目1に記載の培地製造方法であって、
前記パラメータの値を作成するステップは、
前記予測モデルを用いて前記パラメータの値のセットを複数作成するステップと、
前記セットのそれぞれについて、前記セットに含まれる前記パラメータの値を用いて評価用培地を製造し、製造した前記評価用培地の評価結果を取得するステップと、
前記評価結果に応じて1つの前記セットに含まれる前記パラメータの値を、前記パラメータの値を作成するステップにより作成する前記パラメータの値として決定するステップと、
を備えることを特徴とする培地製造方法。
[項目16](成分パラメータの限定列挙)
項目15に記載の培地製造方法であって、
前記パラメータの値のセットを複数作成するステップは、C源の種類及び量、N源の種類及び量、各種アミノ酸の種類及び量、P源の種類及び量、各種無機物塩の種類及び量、各種ビタミン類の種類及び量、生体抽出物の種類及び量、ホルモンの種類及び量、成長因子の種類及び量、ならびにバッファーの種類及び量のうち、いずれか1種類以上を変化させた前記パラメータの値のセットを作成すること、
を特徴とする培地製造方法。
[項目17](培地製造パラメータの限定列挙)
項目15に記載の培地製造方法であって、
原料投入順序、温度、撹拌速度、撹拌時間のうち、いずれか1種類以上を変化させた前記パラメータの値のセットを作成すること、
を特徴とする培地製造方法。
[項目18](培地の評価指標)
項目15に記載の培地製造方法であって、
前記培地の評価結果を取得するステップは、
製造された前記培地を用いた培養を行うステップと、
前記培養の客体となる物質の生産量の多さもしくは前記生産量の分散の小ささ、
前記培養の客体となる前記物質の品質の高さもしくは前記品質の分散の小ささ、
前記培養の客体となる前記物質の生産にかかるコストの低さ、
前記培養の客体となる細胞の収量の多さもしくは前記収量の分散の小ささ、または
前記培養の客体となる前記細胞の品質の高さもしくは前記品質の分散の小ささ、
に応じて前記培養の評価を行うステップと、
をさらに含むことを特徴とする培地製造方法。
[項目19](センサの計測情報を特徴量ベクトルに加える)
項目1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造時に既知の第1の前記パラメータの値と、前記他の培地の製造時に培地製造環境においてセンサにより測定された測定値とに基づいて前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目20](スケールアップ/環境違い=設備の属性を特徴量ベクトルに含める)
項目1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造に用いられた製造設備の属性を前記パラメータに含めて、前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目21](原料違い)
項目1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造に係る前記パラメータには前記培地の原料が含まれており、前記原料に関する1つ以上の属性を、前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目22](原料に関する外部環境)
項目21に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記原料に係る外部環境を表す要素を前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目23](ロット違い)
項目21に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記原料のロット、キャンペーン、仕入先、または前記原料の抽出源の少なくともいずれかを前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。
[項目24](培地+培養の最適化)
項目15に記載の培地製造方法であって、
前記予測モデルを作成するステップでは、前記製造に係るパラメータの値である製造パラメータ値および前記培養に係るパラメータの値である培養パラメータ値に基づいて、前記予測モデルを作成し、
前記評価結果を取得するステップでは、前記予測モデルを用いて作成された前記パラメータの値を用いて前記培養を行うこと、
を特徴とする培地製造方法。
[項目25](他の培地組成を起点とするパラメータ設定)
培地の製造に係るパラメータの値を決定する方法であって、
培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された複数の他の培地の製造に係る前記パラメータの値に基づいて予測モデルを作成するステップと、
前記予測モデルを用いて前記パラメータの値を作成するステップと、
作成した前記パラメータの値を前記培地の製造に用いる前記パラメータの値として決定するステップと、
を備える培地製造パラメータ決定方法。
[項目26](試験培養の評価から最終のパラメータを決定)
項目25に記載の培地製造パラメータ決定方法であって、
前記パラメータの値を作成するステップは、
前記予測モデルを用いて前記パラメータの値のセットを複数作成するステップと、
前記セットのそれぞれについて、前記セットに含まれる前記パラメータの値を用いて評価用培地を製造し、製造した前記評価用培地を用いた培養を行い、前記培養の評価結果を取得するステップと、
前記評価結果に応じて1つの前記セットを選択し、選択した前記セットに含まれる前記パラメータの値を、前記パラメータの値を作成するステップにより作成した前記パラメータの値として決定するステップと、
を備えることを特徴とする培地製造パラメータ決定方法。
[項目27](培地1)
項目1に記載の培地製造方法により作成された培地。
[項目28](培地2)
項目25に記載の培地製造パラメータ決定方法により決定された前記パラメータ値を用いて製造された培地。
[項目29]
培地の製造に係るパラメータの値を決定するためのプログラムであって、
コンピュータに、
培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された複数の他の培地の製造に係る前記パラメータの値に少なくとも基づいて予測モデルを作成するステップと、
前記予測モデルを用いて前記パラメータの値を作成するステップと、
作成した前記パラメータの値を前記培地の製造に用いる前記パラメータの値として決定するステップと、
を実行させるためのプログラム。
11 実行環境情報
13 製造条件
20 培地製造プロセス
21 実行結果
22 製造ログ
30 培地評価プロセス
31 評価結果
32 培養条件
33 培養プロセス
34 精製プロセス
50 培地最適化エンジン
60 実行指示コンパイラ
61 実行指示
62 実行スケジュール
70 実行結果DB
Claims (27)
- 培地の製造方法であって、
培地製造システムの培地最適化エンジンによって、培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された他の培地の製造に係るパラメータの値に少なくとも基づいて前記培地の評価結果を予測する予測モデルを作成するステップと、
前記培地最適化エンジンによって、前記パラメータの値から前記予測モデルで予測した前記評価結果を用いて前記パラメータの値を作成するステップと、
作成した前記パラメータの値を用いて実行環境において培地を製造させるステップと、
を備える培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記予測モデルを作成するステップは、前記パラメータの値に基づいて回帰モデルを作成すること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記培地最適化エンジンによって、前記他の培地の製造に係る前記製造条件に含まれる製造手順を少なくとも1つ取得するステップと、
前記培地最適化エンジンによって、前記製造手順に係る前記パラメータのうち可変とするものを決定するステップと、
前記培地最適化エンジンによって、決定した可変とする前記パラメータの探索範囲を設定するステップと、
製造された前記培地を評価した評価結果を前記培地製造システムに記憶するステップと、
をさらに備え、
前記パラメータの前記値を作成するステップでは、前記培地最適化エンジンによって、前記探索範囲内の前記値から前記予測モデルで予測した評価結果に基づいて、可変とした前記パラメータの値を決定すること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記評価結果には、
前記培地を用いた培養の結果を評価する評価結果
を含むことを特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記予測モデルを作成するステップは、回帰関数の確率モデルを前記予測モデルとして作成すること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記他の培地の製造手順に係る第1の前記パラメータと、前記製造手順に係る第2の前記パラメータとの種類が異なる場合に、前記培地最適化エンジンによって、前記第1のパラメータの値を前記第2のパラメータの値に変換する関数を用いて、前記予測モデルに基づいて決定された前記第1のパラメータの値を変換するステップをさらに備えること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記培地最適化エンジンによって、前記培地を評価した評価結果が所定条件を満たすまで、可変とする前記パラメータに対して前記探索範囲内の値を1つ以上設定して、前記パラメータの値を作成するステップと、製造された前記培地を評価した前記評価結果を前記培地製造システムに記憶するステップとを繰り返すこと、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記培地最適化エンジンによって、前記培地を評価した評価結果が所定条件を満たす前記パラメータの値に基づいて、前記製造手順に設定する前記パラメータの値を決定すること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記培地最適化エンジンによって、前記培地を評価した評価結果が所定条件を満たす場合に、前記パラメータに前記値を設定した前記製造手順を出力するステップをさらに備えること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップでは、複数の前記製造手順を取得し、
前記製造手順のそれぞれを用いて試験製造された前記培地を評価した前記評価結果を前記培地製造システムに記憶するステップと、
前記培地最適化エンジンにより、前記試験製造された培地の評価結果に応じ、少なくとも1つの前記製造手順を選択するステップと、
をさらに備え、
前記培地最適化エンジンにより、選択された前記製造手順について、前記可変とするパラメータを決定すること、
を特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップにおいて、
前記培地の製造に用いる前記製造条件と前記他の培地に係る前記製造条件との間の距離を計算するステップと、
前記距離に応じて前記製造手順を少なくとも1つ決定するステップと、
を実行することを特徴とする培地製造方法。 - 請求項3に記載の培地製造方法であって、
前記製造手順を少なくとも1つ取得するステップでは、予定されている製造条件と同一の製造条件での前記他の培地の前記製造手順を取得すること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記培地最適化エンジンによって、前記他の培地の製造に係る第1の前記パラメータを要素とする第1のベクトルと、前記培地の製造に用いる第2の前記パラメータを要素とする第2のベクトルとに対して、1回以上の行列演算と1回以上の線形または非線形変換との組み合わせによって、前記他の培地と前記培地との間の距離を算出する関数を作成し、作成した前記関数により算出される前記距離の近いものから順に所定数の前記他の培地について、製造に係る前記第1のパラメータの値を取得するステップをさらに備えること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記複数の他の培地のそれぞれについて、取得した前記パラメータの値を用いて製造した前記評価用培地の評価結果を前記培地製造システムが取得するステップと、
前記評価結果に応じて選択した1つ以上の前記他の培地である第1の他の培地に関連して実験的に製造された第2の他の培地に係る前記パラメータの値を前記培地製造システムが取得するステップと、
をさらに備え、
前記予測モデルを作成するステップは、前記第1の他の培地の製造に係る前記パラメータの値と、前記第2の他の培地に係る前記パラメータの値とに基づいて前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記培地製造システムによって行われる、前記パラメータの値を作成するステップは、
前記予測モデルを用いて前記パラメータの値のセットを複数作成するステップと、
前記セットのそれぞれについて、前記セットに含まれる前記パラメータの値を用いて製造した評価用培地の評価結果を取得するステップと、
前記評価結果に応じて1つの前記セットに含まれる前記パラメータの値を、前記パラメータの値を作成するステップにより作成する前記パラメータの値として決定するステップと、
を備えることを特徴とする培地製造方法。 - 請求項15に記載の培地製造方法であって、
前記パラメータの値のセットを複数作成するステップは、C源の種類及び量、N源の種類及び量、各種アミノ酸の種類及び量、P源の種類及び量、各種無機物塩の種類及び量、各種ビタミン類の種類及び量、生体抽出物の種類及び量、ホルモンの種類及び量、成長因子の種類及び量、ならびにバッファーの種類及び量のうち、いずれか1種類以上を変化させた前記パラメータの値のセットを作成すること、
を特徴とする培地製造方法。 - 請求項15に記載の培地製造方法であって、
前記培地製造システムによって、原料投入順序、温度、撹拌速度、撹拌時間のうち、いずれか1種類以上を変化させた前記パラメータの値のセットを作成すること、
を特徴とする培地製造方法。 - 請求項15に記載の培地製造方法であって、
前記培地の評価結果を取得するステップは、
製造された前記培地を用いて行われた培養の結果を、
前記培養の客体となる物質の生産量の多さもしくは前記生産量の分散の小ささ、
前記培養の客体となる前記物質の品質の高さもしくは前記品質の分散の小ささ、
前記培養の客体となる前記物質の生産にかかるコストの低さ、
前記培養の客体となる細胞の収量の多さもしくは前記収量の分散の小ささ、または
前記培養の客体となる前記細胞の品質の高さもしくは前記品質の分散の小ささ、
に応じて評価した評価結果を取得する、
ことを特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造時に既知の第1の前記パラメータの値と、前記他の培地の製造時に培地製造環境においてセンサにより測定された測定値とに基づいて前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造に用いられた製造設備の属性を前記パラメータに含めて、前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項1に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記他の培地の製造に係る前記パラメータには前記培地の原料が含まれており、前記原料に関する1つ以上の属性を、前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項21に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記原料に係る外部環境を表す要素を前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項21に記載の培地製造方法であって、
前記予測モデルを作成するステップにおいて、前記原料のロット、キャンペーン、仕入先、または前記原料の抽出源の少なくともいずれかを前記パラメータに含めて前記予測モデルを作成すること、
を特徴とする培地製造方法。 - 請求項15に記載の培地製造方法であって、
前記予測モデルを作成するステップでは、前記製造に係るパラメータの値である製造パラメータ値および前記培養に係るパラメータの値である培養パラメータ値に基づいて、前記予測モデルを作成し、
前記評価結果を取得するステップでは、前記予測モデルを用いて作成された前記パラメータの値を用いて前記培養を行った前記評価用培地の評価結果を取得すること、
を特徴とする培地製造方法。 - 培地の製造に係るパラメータの値を決定する方法であって、
培地製造システムの培地最適化エンジンによって、培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された複数の他の培地の製造に係る前記パラメータの値に基づいて前記培地の評価結果を予測する予測モデルを作成するステップと、
前記培地最適化エンジンによって、前記パラメータから前記予測モデルで予測した前記評価結果を用いて前記パラメータの値を作成するステップと、
前記培地最適化エンジンによって、作成した前記パラメータの値を前記培地の製造に用いる前記パラメータの値として決定するステップと、
を備える培地製造パラメータ決定方法。 - 請求項25に記載の培地製造パラメータ決定方法であって、
前記パラメータの値を作成するステップは、
前記パラメータから前記予測モデルで予測した前記評価結果を用いて前記パラメータの値のセットを複数作成するステップと、
前記セットのそれぞれについて、前記セットに含まれる前記パラメータの値を用いて評価用培地を製造し、製造した前記評価用培地を用いた培養を行い、前記培養の評価結果を取得するステップと、
前記評価結果に応じて1つの前記セットを選択し、選択した前記セットに含まれる前記パラメータの値を、前記パラメータの値を作成するステップにより作成した前記パラメータの値として決定するステップと、
を備えることを特徴とする培地製造パラメータ決定方法。 - 培地の製造に係るパラメータの値を決定するためのプログラムであって、
コンピュータに、
培養の客体、培養の評価指標および培地製造の製造条件の少なくともいずれかが異なる、過去に製造された複数の他の培地の製造に係る前記パラメータの値に少なくとも基づいて前記培地の評価結果を予測する予測モデルを作成するステップと、
前記パラメータから前記予測モデルで予測した前記評価結果を用いて前記パラメータの値を作成するステップと、
作成した前記パラメータの値を前記培地の製造に用いる前記パラメータの値として決定するステップと、
を実行させるためのプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/036250 WO2021049044A1 (ja) | 2019-09-13 | 2019-09-13 | 培地製造方法、培地製造パラメータ決定方法、培地、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021049044A1 JPWO2021049044A1 (ja) | 2021-10-28 |
JP7032843B2 true JP7032843B2 (ja) | 2022-03-09 |
Family
ID=74865991
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021545100A Active JP7032843B2 (ja) | 2019-09-13 | 2019-09-13 | 培地製造方法、培地製造パラメータ決定方法、およびプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220404782A1 (ja) |
JP (1) | JP7032843B2 (ja) |
WO (1) | WO2021049044A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022264640A1 (ja) * | 2021-06-18 | 2022-12-22 | ||
JP7417287B2 (ja) | 2021-08-31 | 2024-01-18 | エピストラ株式会社 | 培養関連プロセス最適化方法及び培養関連プロセス最適化システム |
WO2024070282A1 (ja) * | 2022-09-27 | 2024-04-04 | 株式会社島津製作所 | 作業システムの最適化方法、および、制御システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013544353A (ja) | 2010-11-05 | 2013-12-12 | エフ.ホフマン−ラ ロシュ アーゲー | 原料の分光フィンガープリント |
US20150010898A1 (en) | 2011-10-28 | 2015-01-08 | Shire Human Genetic Therapies, Inc. | Methods for preparation of culture media |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7742877B1 (en) * | 1999-07-22 | 2010-06-22 | Becton, Dickinson & Company | Methods, apparatus and computer program products for formulating culture media |
-
2019
- 2019-09-13 JP JP2021545100A patent/JP7032843B2/ja active Active
- 2019-09-13 WO PCT/JP2019/036250 patent/WO2021049044A1/ja active Application Filing
- 2019-09-13 US US17/641,673 patent/US20220404782A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013544353A (ja) | 2010-11-05 | 2013-12-12 | エフ.ホフマン−ラ ロシュ アーゲー | 原料の分光フィンガープリント |
US20150010898A1 (en) | 2011-10-28 | 2015-01-08 | Shire Human Genetic Therapies, Inc. | Methods for preparation of culture media |
Also Published As
Publication number | Publication date |
---|---|
US20220404782A1 (en) | 2022-12-22 |
WO2021049044A1 (ja) | 2021-03-18 |
JPWO2021049044A1 (ja) | 2021-10-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7032843B2 (ja) | 培地製造方法、培地製造パラメータ決定方法、およびプログラム | |
Maynard et al. | Consistent trade-offs in fungal trait expression across broad spatial scales | |
US20230123892A1 (en) | Flywheel discovery system that twins machine learning with high-throughput expression and laboratory analysis to identify and develop individual proteins as food ingredients | |
WO2021166824A1 (ja) | 細胞培養プロセス探索方法、細胞培養プロセス探索プログラム、細胞培養プロセス探索装置、及び、学習済みモデル | |
Huang et al. | Quantitative intracellular flux modeling and applications in biotherapeutic development and production using CHO cell cultures | |
CN111341382B (zh) | 赖氨酸生物制造中宏观动力学与细胞代谢通量耦合建模方法 | |
CN107408161B (zh) | 用于创建发酵模型的计算机实现的方法 | |
Yang et al. | Simultaneous calibration of grapevine phenology and yield with a soil–plant–atmosphere system model using the frequentist method | |
Ahmad et al. | Biochemical characteristics and a genome-scale metabolic model of an indian euryhaline cyanobacterium with high polyglucan content | |
Urniezius et al. | Bridging offline functional model carrying aging-specific growth rate information and recombinant protein expression: entropic extension of akaike information criterion | |
Rendón-Castrillón et al. | Mathematical model for scaling up bioprocesses using experiment design combined with Buckingham Pi theorem | |
Shirodkar et al. | Enhanced α-amylase production by a marine protist, Ulkenia sp. using response surface methodology and genetic algorithm | |
Saarela et al. | Modelling of a fed-batch fermentation process | |
CN103810396B (zh) | 一种基于特征空间的双核多向偏最小二乘的发酵过程质量预测方法 | |
US20230419225A1 (en) | Method and Apparatus for Process Optimization | |
CN109256176A (zh) | 基于代谢产物测量的微生物生长过程评估模型 | |
Bromig et al. | Accelerated adaptive laboratory evolution by automated repeated batch processes in parallelized bioreactors | |
Zhu et al. | A dynamic soft senor modeling method based on MW-ELWPLS in marine alkaline protease fermentation process | |
Sun et al. | Multi-fidelity Gaussian process for biomanufacturing process modeling with small data | |
Akkermans et al. | An accurate method for studying individual microbial lag: Experiments and computations | |
Balakrishnan et al. | Application of design of experiments in bioprocessing: process analysis, optimization, and reliability | |
CN109598083A (zh) | 一种基于果蝇算法优化孪生支持向量回归机的谷氨酸发酵过程软测量建模方法 | |
Rathinavelu et al. | Hybrid Model-based Framework for Soft Sensing and Forecasting Key Process Variables in the Production of Hyaluronic Acid by Streptococcus zooepidemicus | |
EP4077693B1 (en) | Method and system for prediction of a performance of a strain in a plant | |
Ghosh et al. | Modeling and kinetics of fermentation technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210707 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210817 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210817 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220112 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220217 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7032843 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |