尽管人工智能(AI)和机器学习(ML)是当今科学界的热门词汇，但在将这些技术应用于生物工艺方面还有很多工作要做。麻省理工学院(MIT)的博士后和人工智能专家Harini Narayanan博士认为，将人工智能应用于药物生物工艺有三大好处。

Harini Narayanan, PhD

首先，它提供了战略性地驾驭高度复杂和组合设计空间的能力，从而使生物工艺开发更加高效。其次，使用基于AI/ML的代用品以数字化模拟真实的系统，可以减少资源占用，加速工艺开发时间。

最后，她指出，AI/ML创造了“普及工艺开发协议的机会（由算法调节，不受主观选择的影响），可从一种药物产品转换到另一种药物产品，并从当前的药物产品转换为未来的药物产品。

特别是，Harini致力于混合建模，它结合了两种不同的建模范式：数据驱动的建模，如完全依赖数据的ML模型；以及知识驱动的建模，如完全依赖于知识模块的数学表述的常微分方程系统。

混合建模备受关注

她继续说道“混合建模领域在生物工艺中获得了很多关注，包括上游和下游工艺。这样的模型需要更少的训练数据，在推断方面要精确得多，随后还可以捕捉到物理相关的行为。”

她在上游和下游生物工艺操作中证实了这些好处。她的工作还证明了AI/ML在生物工艺几个方面的价值，包括优化、监测和控制。

最近，Harini提出了混合程度的概念，她将其描述为“在数据驱动的ML建模中，需要添加的知识量和允许的灵活性之间的最佳比率”。她的工作表明，最佳比例取决于目标，例如优化生物工艺或增强对它的理解。

然而，她补充说：“虽然用工艺或专业知识支持数据是有帮助的，但在模型中添加广义趋势与特定偏差之间是存在差异，后者弊大于利。”

为了推动AI/ML的更多使用，Harini表示，生物工艺供应商必须愿意“摆脱生物工艺开发的传统方法，以便充分利用AI的全部潜力。”

作为一个例子，她说：“空间填充设计统一地探索设计空间将生成一个信息丰富的数据集，以开始模型构建活动，这种方法超越了经典的实验设计方法。随后，这些模型可用于迭代合适的下一个实验。这加速了寻找最佳操作条件的速度，同时减少了所需的资源。”这正如她在优化配方中所展示的那样。

尽管将生物工艺技术过渡到更多基于AI/ML的方法听起来像是一项艰巨的任务，但Harini说：“我坚信这项工作更多是在后退一步的基础上，实现更高的飞跃，特别是如果开发基于AI的管线旨在充当通用协议的话。”

原文链接：

https://www.genengnews.com/topics/bioprocessing/hybrid-models-in-bioprocessing/

友情提示：

本文旨在分享生物工艺行业信息，仅供各位读者和同行进行参考。

对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。

若有任何侵权问题，请私信联系我方工作人员，不吝改正。谢谢！

每日分享生物工艺最新资讯和技术，敬请关注公众平台「生物工艺百晓生」