在現(xiàn)代生物制藥領(lǐng)域，尤其是單克隆抗體、重組蛋白等治療性生物制品的生產(chǎn)中，哺乳動(dòng)物細(xì)胞培養(yǎng)是核心環(huán)節(jié)。積分活細(xì)胞濃度（IVCC）作為細(xì)胞培養(yǎng)工藝效率、穩(wěn)定性及生產(chǎn)力的核心量化指標(biāo)，精確監(jiān)控IVCC成為是行業(yè)持續(xù)追求的目標(biāo)。過(guò)程分析技術(shù)（PAT） 與模型預(yù)測(cè)控制（MPC）技術(shù)的融合應(yīng)用，正為這一目標(biāo)提供強(qiáng)大的智能化解決方案。
IVCC：細(xì)胞培養(yǎng)工藝的核心量化指標(biāo)
IVCC定義
IVCC（積分活細(xì)胞濃度） 定義為培養(yǎng)時(shí)間內(nèi)活細(xì)胞濃度的累積積分值，反映生物反應(yīng)器中活細(xì)胞總量的動(dòng)態(tài)變化。其數(shù)學(xué)表達(dá)式為： 其中t0為起始時(shí)間，t為目標(biāo)時(shí)間，VCC(t) 為實(shí)時(shí)活細(xì)胞濃度。IVCC相較于瞬時(shí)的活細(xì)胞濃度，更能揭示細(xì)胞生長(zhǎng)動(dòng)力學(xué)特征，為工藝優(yōu)化提供量化依據(jù)。
IVCC的工藝價(jià)值
積分活細(xì)胞濃度（IVCC）通過(guò)整合細(xì)胞培養(yǎng)周期內(nèi)活性代謝能力的累積效應(yīng)，成為生物制藥生產(chǎn)效率提升、工藝優(yōu)化（補(bǔ)料策略）及質(zhì)量控制的核心指標(biāo)。 在細(xì)胞培養(yǎng)過(guò)程中，傳統(tǒng)離線檢測(cè)活細(xì)胞濃度存在采樣頻率低、操作受人為干擾大等問(wèn)題，導(dǎo)致 IVCC 計(jì)算偏差較大，實(shí)現(xiàn)實(shí)時(shí)監(jiān)測(cè)活細(xì)胞濃度需要引入在線過(guò)程分析技術(shù)（PAT）。
PAT：實(shí)時(shí)感知工具
過(guò)程分析技術(shù)（Process Analytical Technology, PAT）是由美國(guó) FDA 倡導(dǎo)的框架，旨在通過(guò)實(shí)時(shí)測(cè)量生物工藝過(guò)程的關(guān)鍵質(zhì)量和性能屬性，來(lái)設(shè)計(jì)、分析和控制生產(chǎn)過(guò)程。其核心目標(biāo)是深刻理解并主動(dòng)控制工藝過(guò)程，確保最終產(chǎn)品質(zhì)量，實(shí)現(xiàn)“質(zhì)量源于設(shè)計(jì)（QbD）”。 PAT工具為IVCC的動(dòng)態(tài)量化提供關(guān)鍵支持：
電容傳感器技術(shù)： 傳感器通過(guò)測(cè)量細(xì)胞懸浮液的介電特性變化，直接關(guān)聯(lián)活細(xì)胞密度。其優(yōu)勢(shì)在于無(wú)需取樣、實(shí)時(shí)性強(qiáng)，適用于高密度細(xì)胞培養(yǎng)。[3]
拉曼光譜技術(shù)：拉曼光譜通過(guò)分析細(xì)胞代謝物（如葡萄糖、乳酸、氨基酸）的振動(dòng)模式，間接反映細(xì)胞活性狀態(tài)。結(jié)合化學(xué)計(jì)量學(xué)模型，可建立代謝物濃度與IVCC的關(guān)聯(lián)，實(shí)現(xiàn)實(shí)時(shí)預(yù)測(cè)。[4]
光學(xué)傳感技術(shù)： 利用光波通過(guò)樣本時(shí)的相位變化構(gòu)建圖像，反映細(xì)胞折射率分布，間接關(guān)聯(lián)細(xì)胞形態(tài)、厚度及干物質(zhì)含量。
 
PAT的應(yīng)用大幅減少對(duì)耗時(shí)的離線取樣的依賴，提供連續(xù)、高頻率的過(guò)程信息流，揭示傳統(tǒng)離線方法難以捕捉的過(guò)程動(dòng)態(tài)和瞬態(tài)現(xiàn)象，高質(zhì)量及高時(shí)效性的數(shù)據(jù)流為實(shí)施模型預(yù)測(cè)控制（ MPC ）技術(shù)等先進(jìn)控制策略提供必需的輸入。
MPC：高級(jí)過(guò)程控制策略
MPC 是一種基于動(dòng)態(tài)過(guò)程模型的高級(jí)過(guò)程控制策略。細(xì)胞培養(yǎng)工藝可通過(guò)模型預(yù)測(cè)控制器 (MPC) 來(lái)計(jì)算最優(yōu)補(bǔ)料策略，從而在補(bǔ)料分批細(xì)胞培養(yǎng)過(guò)程中實(shí)現(xiàn)細(xì)胞生長(zhǎng)和代謝物產(chǎn)量的最大化。[5]
模型構(gòu)建
機(jī)理/數(shù)據(jù)驅(qū)動(dòng)模型： 建立描述細(xì)胞生長(zhǎng)、底物消耗、代謝產(chǎn)物生成及環(huán)境因素動(dòng)態(tài)關(guān)系的數(shù)學(xué)模型。
IVCC預(yù)測(cè)模型： 將上述模型的核心輸出（如活細(xì)胞密度、生長(zhǎng)速率）與IVCC計(jì)算關(guān)聯(lián)，構(gòu)建能預(yù)測(cè)未來(lái)一段時(shí)間內(nèi)IVCC軌跡的預(yù)測(cè)模型。
模型辨識(shí)與驗(yàn)證： 利用歷史或?qū)嶒?yàn)數(shù)據(jù)估計(jì)模型參數(shù)，并進(jìn)行驗(yàn)證，確保其能準(zhǔn)確反映生物過(guò)程動(dòng)態(tài)。
實(shí)施應(yīng)用 模型預(yù)測(cè)控制技術(shù)的應(yīng)用能夠?qū)崿F(xiàn)對(duì)積分活細(xì)胞濃度（IVCC）的精確掌控和主動(dòng)優(yōu)化，提升目標(biāo)產(chǎn)物的產(chǎn)量、質(zhì)量和生產(chǎn)效率。
Akwa®PAT與特異性過(guò)程建模
Akwa®PAT是由浚真生命科學(xué)自主研發(fā)的在線分析和控制系統(tǒng)，包括Akwa®Cyte在線細(xì)胞傳感器、Akwa®Raman在線拉曼分析儀和Akwa®UV 在線純化和分離過(guò)程分析系統(tǒng)。助力生物制藥工藝過(guò)程中及早發(fā)現(xiàn)問(wèn)題來(lái)改善工藝效率和生產(chǎn)率，通過(guò)密切監(jiān)控關(guān)鍵質(zhì)量屬性來(lái)確保產(chǎn)品質(zhì)量及一致性，從而減少浪費(fèi)、降本增效、實(shí)現(xiàn)高效工藝和技術(shù)轉(zhuǎn)移。 特異性過(guò)程建模：是由浚真生命科學(xué)開(kāi)發(fā)的基于先進(jìn)的機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)的智能建模工具和模型評(píng)估方法，助力生物制藥企業(yè)快速而精確的建立生物工藝的機(jī)理過(guò)程與特征工程進(jìn)行混合建模及模型評(píng)估方法，從而實(shí)現(xiàn)對(duì)生物過(guò)程的深入洞察和精準(zhǔn)控制，加速研發(fā)進(jìn)程和工藝轉(zhuǎn)化，降本增效，提高產(chǎn)品質(zhì)量及一致性。
 
未來(lái)，隨著更先進(jìn)的PAT工具、更強(qiáng)大的多模態(tài)建模與人工智能算法的發(fā)展，以及物聯(lián)網(wǎng)平臺(tái)的深度集成，將推動(dòng)生物制藥工藝向高效、穩(wěn)健、智能化方向持續(xù)發(fā)展。
參考文獻(xiàn)
[1]Ozturk, S. S., & Hu, W. S. (2006).Cell Culture Technology for Pharmaceutical and Cell-Based Therapies.CRC Press. Chapter 5.
[2]Pan, X.; Streefland, M.; Dalm, C.; Wijffels, R. H.; Martens, D. E. Selection of Chemically Defined Media for CHO Cell Fed-Batch Culture Processes. Cytotechnology 2017, 69 (1), 39–56.
[3]Weber, N. et al. (2018). "In-line monitoring of viable cell concentration using capacitance sensors in mammalian cell cultures." Journal of Biotechnology, 272–273, 42–49
[4]Zhang, L. et al. (2020). "Real-time monitoring of integral viable cell concentration in mammalian cell culture using Raman spectroscopy." Biotechnology and Bioengineering, 117(12), 3812–3823.
[5]Touraj Eslami, et al.（2024）Control strategy for biopharmaceutical production by model predictive control. Biotechnology Process, Volume 40, Issue2.