面向质量源于设计与稳定性控制的可解释生物制造过程风险与灵敏度分析

尽管生物制造在支撑经济和保障公共卫生方面发挥着重要作用，但其面临诸多关键挑战，包括复杂性、高变异性、长交付周期以及非常有限的过程数据，尤其是针对个性化的新细胞与基因生物疗法。受这些挑战驱动，我们提出了一种可解释的语义生物过程概率知识图，并开发了基于博弈论的生产过程风险与灵敏度分析，以促进质量源于设计和稳定性控制。具体而言，通过探索关键过程参数与质量属性（CPPs/CQAs）的因果关系和相互作用，我们构建了基于贝叶斯网络的概率知识图，刻画所有因素的复杂因果相互依赖关系。随后，我们引入基于Shapley值的灵敏度分析，其能正确量化各输入因子对输出（即生产率、产品质量）的变化贡献。由于生物过程模型系数从有限过程观测中学习得到，我们推导贝叶斯后验分布以量化模型不确定性，并进一步开发基于Shapley值的灵敏度分析来评估各组模型系数的估计不确定性所造成的影响。因此，所提出的生物过程风险与灵敏度分析能够识别瓶颈、指导可靠的过程规范与最具“信息量”的数据收集，并提升生产稳定性。