优化单克隆抗体生产中的切换操作：经济模型预测控制与强化学习
机器学习
2023-08-09 v1 系统与控制
系统与控制
定量方法
摘要
单克隆抗体（mAb）已成为医学中不可或缺的资产，目前处于生物制药产品开发的前沿。然而，不断增长的市场需求与mAb临床治疗所需的大量剂量，要求其大规模生产取得显著进展。多数工业mAb生产工艺依赖批操作，导致显著停机时间。转向完全连续且集成的制造工艺有望提高产物收率与质量，同时消除与中间产物储存相关的额外开支。集成连续mAb生产工艺可分为上游与下游工艺。确保集成工艺连续性的一个关键方面是捕获柱的切换，下游通常采用进料批式操作的色谱柱。由于切换操作的离散性，经济MPC（EMPC）等先进过程控制算法在计算上难以实现。这是因为需在每采样时刻在线求解整数非线性规划（INLP）。本文介绍了两种计算高效的EMPC实现方法，即sigmoid函数近似法与修正线性单元（ReLU）近似法，并探讨了深度强化学习（DRL）的应用。将这三种方法与基于1%产物穿透规则且不涉及优化的传统切换方法进行比较。
引用
@article{arxiv.2308.03928,
title = {Optimizing the switching operation in monoclonal antibody production: Economic MPC and reinforcement learning},
author = {Sandra A. Obiri and Song Bo and Bernard T. Agyeman and Benjamin Decardi-Nelson and Jinfeng Liu},
journal= {arXiv preprint arXiv:2308.03928},
year = {2023}
}