小数据与上游生物工艺应用中的机器学习方法：一项综合综述
机器学习
2025-06-23 v2 人工智能
摘要
数据对于机器学习（ML）应用至关重要，但在生物制药等复杂、资源密集型领域，获取大型数据集可能成本高昂且耗时。该行业的一个关键过程是上游生物工艺，其中活体细胞被培养和优化以生产治疗性蛋白和生物制品。这些过程的复杂性，加上高资源需求，往往限制了数据收集，导致数据集较小。本综合综述探讨了旨在应对小数据挑战的 ML 方法，并将其分类为分类体系以指导实际应用。此外，对分类体系中的每种方法进行了深入分析，详细讨论了其核心概念，并评估了其应对小数据挑战的有效性，如在上游生物工艺及其他相关领域的应用结果所示。通过从不同角度分析这些方法如何应对小数据挑战，本综述提供了可操作的见解，识别了当前研究空白，并为在数据受限环境中利用 ML 提供了指导。
引用
@article{arxiv.2506.12322,
title = {Machine Learning Methods for Small Data and Upstream Bioprocessing Applications: A Comprehensive Review},
author = {Johnny Peng and Thanh Tung Khuat and Katarzyna Musial and Bogdan Gabrys},
journal= {arXiv preprint arXiv:2506.12322},
year = {2025}
}