Bioprocess systems engineering
Present research efforts in systems biology are focused on the
development of extremely complex models of intracellular pathways
and the exploration of their qualitative characteristics. The problem
with such detailed models is that it leads to a large number of model
parameters, almost always larger than the number of measured
experimental variables, which in turn limits the predictive capabilities
of the model. In contrast, the use of overly simplified models may
lead to the model’s inability to capture experimental results. Thus, one
of the challenges in the field is the development of high fidelity
models able to capture the required biological functions while
remaining computationally tractable. What is essentially lacking is a
formalized structure to guide the development of tractable yet still
realistic mathematical models whilst maximizing the information
content of the experimental measurements. Such a systematic
approach to modeling biological systems has been shaped by the work
of [48-53] and is depicted in Figure 1. Each step of the framework
organizes and directs the flow of experimental information in an
effort to alleviate uncertainty where possible. More specifically:
Step 1. Model development: One of the challenges is the
development of a model of adequate fidelity in order to capture the
required biological functions while remaining computationally
tractable. However, high fidelity models inherently contain a large
number of parameters. It is important to define the aim of the model
a priori and choose an appropriate model type (i.e. structured vs.
unstructured) depending on both the scope and the number of
available experimental measurements. For example, during a highthroughput
screening test a small, easily tuneable model able to
capture basic metabolic characteristics would be preferred in order to
assist in the identification of high-capacity cell lines. However, when
designing new cell lines by inserting mutations, that could potentially
increase product yield, a detailed model would be essential. Model
equations are defined through ‘first principles’ relationships. Let us
name the developed mathematical model as
g(x, P)
where x
denotes the input vector, and I P
(where i = 1,…,ν) denotes the
parameter vector.
Step 2. Sensitivity analysis [50, 53]: Investigates how the
uncertainty introduced through the parameter value estimates affects
the model’s output and defines parameters crucial to the model’s
output. Model parameters with low sensitivities can be set to their
nominal values. The highly non-linear nature of models of biological
systems favours the use of global methods (for example Sobol’ global
indices). It has been shown that sensitivity indices change along the
time trajectories of the studied model outputs [50]; therefore it is
advisable to conduct global sensitivity analysis (GSA) at various time
points as this provides valuable information for the design of tailor
made experiments.
The output of SA will be a vector of size ν, containing the
sensitivity indices (SI) of the model parameters. Consequently an
empirical threshold criterion, determined by the modeller, is applied
in order to discriminate the significant from the insignificant model
parameters. Any parameters with values below the set threshold are
considered insignificant to the model output and are allocated in a
partition of the parameter vector termed
1
j p
(j = 1,…,ν’). The
remaining parameters whose SI is above the threshold value are
allocated in a second partition of the parameter vector termed
2
k p
(k
= 1,…,ν’’). The sum of ν’ and ν’’ should equal the size of the
parameter vector I P
, at all times. The values of the parameters in
partition
1
j p
are set to the nominal values, which can be derived
either from existing literature or from a parameter estimation
algorithm, hence yielding the parameter vector
nom
j p
.
Step 3. Optimal experimental design (DoE) [52, 56]: Based on
the available experimental measurements, the aim of Model-Based
Experiment Design is to design experiments that maximize the
information content of the measurements in the context of estimating
the significant model parameters [52, 53]. This is equivalent to
minimizing the variances of the parameters to be estimated. DoE aims
to address the following questions:
- What should be the initial conditions for the experiment?
- How long should we run the experiment for?
ระบบวิศวกรรมกระบวนการชีวภาพ
ปัจจุบันการวิจัยในระบบชีววิทยาจะเน้น
การพัฒนารูปแบบที่ซับซ้อนมากในการเดินภายในเซลล์
และการสำรวจของลักษณะเชิงคุณภาพของพวกเขา ปัญหา
มีรูปแบบที่มีรายละเอียดดังกล่าวว่านำไปสู่การเป็นจำนวนมากของรูปแบบ
พารามิเตอร์มักจะมีขนาดใหญ่กว่าจำนวนวัด
ตัวแปรทดลองซึ่งจะ จำกัด การความสามารถในการทำนาย
ของรูปแบบ ในทางตรงกันข้ามการใช้รูปแบบที่ง่ายมากเกินไปอาจนำไปสู่การ
แบบของการไร้ความสามารถในการจับภาพผลการทดลอง จึงเป็นหนึ่งในความท้าทายที่
ในสนามคือการพัฒนาความจงรักภักดีสูง
รุ่นสามารถจับภาพการทำงานทางชีวภาพที่จำเป็นต้องใช้ในขณะที่ส่วนที่เหลือ
เวไนยคอมพิวเตอร์ สิ่งที่เป็นหลักคือขาด
โครงสร้างที่เป็นทางการเพื่อเป็นแนวทางในการพัฒนาแบบจำลองทางคณิตศาสตร์เวไนยยังคง
จริงในขณะที่การเพิ่มข้อมูล
เนื้อหาของการวัดการทดลอง เช่น
วิธีการระบบการสร้างแบบจำลองระบบชีวภาพรูปโดยได้รับการทำงานของ
[48-53] และเป็นที่ปรากฎในรูปที่ 1 ขั้นตอนของกรอบ
แต่ละจัดและนำการไหลของข้อมูลการทดลองใน
ความพยายามที่จะบรรเทาความไม่แน่นอนที่เป็นไปได้ มากขึ้นโดยเฉพาะ:
ขั้นตอนที่ 1 การพัฒนารูปแบบหนึ่งของความท้าทายที่เป็น
การพัฒนารูปแบบของความจงรักภักดีที่เพียงพอเพื่อจับ
การทำงานทางชีวภาพที่จำเป็นในขณะที่เหลือคอมพิวเตอร์
ซูฮก แต่รูปแบบความจงรักภักดีสูงโดยเนื้อแท้มีขนาดใหญ่
จำนวนพารามิเตอร์ มันเป็นสิ่งสำคัญในการกำหนดจุดมุ่งหมายของรูปแบบ
เบื้องต้นและเลือกประเภทรูปแบบที่เหมาะสม (เช่นโครงสร้างที่ไม่มีโครงสร้างกับ
) ขึ้นอยู่กับทั้งขอบเขตและจำนวนของ
ทดลองการวัดที่มีอยู่ ตัวอย่างเช่นในระหว่างการทดสอบ highthroughput
คัดกรองขนาดเล็กแบบ tuneable ได้อย่างง่ายดายสามารถที่จะจับภาพ
ลักษณะการเผาผลาญขั้นพื้นฐานจะเป็นที่ต้องการในการที่จะช่วยในการ
บัตรประจำตัวของเซลล์มีความจุสูง แต่เมื่อ
การออกแบบเซลล์ใหม่จากการกลายพันธุ์แทรกที่อาจ
เพิ่มผลผลิตรูปแบบรายละเอียดจะเป็นสิ่งจำเป็น
แบบสมการที่กำหนดไว้ผ่านทางความสัมพันธ์ 'หลักการแรก ให้เรา
ชื่อแบบจำลองทางคณิตศาสตร์ที่พัฒนาเป็น
g (x, p)
โดยที่ x หมายถึงเวกเตอร์เข้าและ ip
(ที่ i = 1, ... , ν) หมายถึงเวกเตอร์พารามิเตอร์
.
ขั้นตอนที่ 2 การวิเคราะห์ความไว [50, 53]:สำรวจวิธีการที่ความไม่แน่นอน
แนะนำผ่านการประเมินค่าพารามิเตอร์ที่มีผลต่อการส่งออก
แบบจำลองและกำหนดค่าพารามิเตอร์ที่สำคัญต่อรูปแบบของการส่งออก
พารามิเตอร์รูปแบบที่มีความไวต่ำสามารถตั้งค่าให้
ค่าเล็กน้อยของพวกเขา ธรรมชาติสูงไม่เป็นเชิงเส้นของรูปแบบของระบบชีวภาพ
โปรดปรานการใช้วิธีการทั่วโลก (เพื่อโลก
ดัชนีตัวอย่าง Sobol ')จะได้รับการแสดงให้เห็นว่าดัชนีความไวเปลี่ยนไปตามเวลา
ลูกทีมของผลการศึกษารูปแบบ [50] ดังนั้นจึงเป็น
แนะนำให้เลือกที่จะดำเนินการวิเคราะห์ความไวของโลก (GSA) ในเวลาที่แตกต่างกัน
จุดนี้จะให้ข้อมูลที่มีค่าสำหรับการออกแบบของช่างตัดเสื้อ
ทดลองทำ.
ส่งออกของสาจะเป็นเวกเตอร์ที่มีขนาดνมี
ดัชนีความไว (si) ของพารามิเตอร์แบบจึง
เชิงประจักษ์เกณฑ์เกณฑ์ที่กำหนดโดยหุ่นจำลองที่ถูกนำมาใช้
เพื่อให้เห็นความแตกต่างอย่างมีนัยสำคัญจากรูปแบบที่ไม่มีนัยสำคัญ
พารามิเตอร์ พารามิเตอร์ที่มีค่าต่ำกว่าเกณฑ์ที่กำหนดจะถือว่า
เล็กน้อยในการส่งออกรูปแบบและได้รับการจัดสรรใน
พาร์ทิชันของเวกเตอร์พารามิเตอร์ที่เรียกว่า
1
jp (ญ = 1, ... , ν ')
พารามิเตอร์ที่เหลือที่มี si อยู่เหนือค่าเกณฑ์จะ
จัดสรรในพาร์ทิชันที่สองของเวกเตอร์พารามิเตอร์ที่เรียกว่า
2
kp (k
= 1, ... , ν'') ผลรวมของνและν'' ควรจะเท่ากับขนาดของเวกเตอร์พารามิเตอร์
ip ตลอดเวลา ค่าของพารามิเตอร์ในพาร์ทิชัน
1
jp มีการกำหนดค่าที่น้อยซึ่งสามารถมา
ทั้งจากวรรณกรรมที่มีอยู่หรือจากการประมาณค่าพารามิเตอร์
ขั้นตอนวิธีจึง
ขั้นตอนที่ 3 ยอมพารามิเตอร์เวกเตอร์
นาม jp
. การออกแบบการทดลองที่ดีที่สุด (กวาง) [52, 56]: ขึ้นอยู่กับ
วัดการทดลองที่มีจุดมุ่งหมายของรูปแบบที่ใช้การออกแบบการทดลอง
คือการออกแบบการทดลองที่เพิ่ม
ข้อมูลเนื้อหาของการวัดในบริบทของการประเมิน
พารามิเตอร์แบบที่สำคัญ [52, 53] นี้เทียบเท่ากับการลดความแปรปรวน
ของพารามิเตอร์ที่จะประมาณ ตัวเมียมีจุดมุ่งหมาย
ที่จะตอบคำถามดังต่อไปนี้:
- สิ่งที่ควรจะเป็นเงื่อนไขในการเริ่มต้นสำหรับการทดลอง
- ระยะเวลาที่เราควรจะทำงานสำหรับการทดลอง?
การแปล กรุณารอสักครู่..
Bioprocess วิศวกรรมระบบ
ปัจจุบันจะมุ่งเน้นความพยายามทางชีววิทยาระบบวิจัย
พัฒนามนต์ intracellular รุ่นซับซ้อนมาก
และสำรวจของลักษณะเชิงคุณภาพ ปัญหา
มีรูปแบบดังกล่าวโดยละเอียดคือ ว่า มันนำไปสู่แบบจำลองจำนวนมาก
พารามิเตอร์ เกือบจะมากกว่าจำนวนของวัด
ตัวแปรการทดลอง ซึ่งจะจำกัดความสามารถในการคาดการณ์
ของแบบจำลอง ในทางตรงกันข้าม การใช้รูปแบบที่ง่ายเกินไปอาจ
นำไปสู่แบบจำลองไม่สามารถเก็บผลการทดลองได้ ดังนั้น หนึ่ง
ความท้าทายในฟิลด์เป็นการพัฒนาคุณภาพสูง
สามารถจับภาพฟังก์ชันชีวภาพที่ต้องในขณะที่รุ่น
เหลือ computationally tractable เป็นสิ่งขาดหลักการ
formalized โครงสร้างเพื่อเป็นแนวทางการพัฒนาของ tractable แต่ยังคง
แบบจำลองทางคณิตศาสตร์จริงขณะเพิ่มข้อมูล
เนื้อหาวัดทดลอง เช่นระบบ
มีการรูปวิธีการสร้างโมเดลระบบชีวภาพ โดยงาน
ของ [48-53] และแสดงในรูปที่ 1 แต่ละขั้นตอนของกรอบ
จัด และนำข้อมูลการทดลองในการ
พยายามที่จะบรรเทาความไม่แน่นอนสุด มากขึ้นโดยเฉพาะ:
1 ขั้นตอนการ รุ่นพัฒนา: หนึ่งในความท้าทาย
พัฒนาแบบจำลองของความจงรักภักดีเพียงพอเพื่อจับภาพ
ชีวภาพฟังก์ชันที่จำเป็นขณะที่เหลือ computationally
tractable อย่างไรก็ตาม รูปแบบความชัดสูงความประกอบด้วยขนาดใหญ่
หมายเลขของพารามิเตอร์ จะต้องกำหนดจุดมุ่งหมายของแบบจำลอง
priori เป็น และเลือกชนิดของการจำลองที่เหมาะสม (เช่นโครงสร้างเทียบกับ
ไม่มีโครงสร้าง) ตามขอบเขตและจำนวน
ว่างทดลองวัด ระหว่าง highthroughput เป็นตัวอย่าง
ตรวจทดสอบเล็ก ๆ tuneable เดินแบบต้อง
จับเผาผลาญลักษณะพื้นฐานจะต้องเพื่อ
ช่วยในรหัสของบรรทัดเซลล์ความจุสูง อย่างไรก็ตาม เมื่อ
ออกแบบรายการใหม่เซลล์กลายพันธุ์ ที่อาจเป็นการใส่
เพิ่มผลผลิตผลิตภัณฑ์ แบบรายละเอียดจะจำ รุ่น
สมการกำหนดผ่าน 'หลักแรก' ความสัมพันธ์ เรา
ชื่อแบบจำลองทางคณิตศาสตร์ที่พัฒนาเป็น
g (x, P)
ที่ x
หมายถึงเวกเตอร์อินพุต และ P
(i = 1,..., ν) แสดง
เวกเตอร์ของพารามิเตอร์.
2 ขั้นตอน วิเคราะห์ความไว [50, 53]: ตรวจสอบว่า
มีผลต่อประเมินความไม่แน่นอนในการนำผ่านค่าพารามิเตอร์
ผลลัพธ์ของแบบจำลอง และกำหนดพารามิเตอร์ที่สำคัญของแบบจำลอง
ผลผลิต สามารถตั้งค่าพารามิเตอร์ในแบบจำลองกับรัฐต่ำของ
ค่าว่ายอมได้ ธรรมชาติมากไม่ใช่เชิงเส้นของแบบชีวภาพ
ระบบ favours ใช้วิธีสากล (เช่น Sobol' โลก
ดัชนี) มันได้รับการแสดงว่า ดัชนีความไวเปลี่ยนตาม
เวลา trajectories ของเอาท์พุตแบบ studied [50]; ดังนั้น จึงเป็น
แนะนำให้วิเคราะห์ความไวสากล (GSA) ที่เวลาต่าง ๆ
จุดนี้ให้ข้อมูลสำหรับการออกแบบของเสื้อผ้า
ได้ทดลอง
ของ SA จะเป็นเวกเตอร์ของขนาดν ประกอบด้วย
(ซี) ดัชนีความไวของพารามิเตอร์ในแบบจำลอง ดังนั้นการ
ใช้เกณฑ์จำกัดประจักษ์ ตาม modeller
เพื่อเหยียดสำคัญจากรูปแบบสำคัญ
พารามิเตอร์ ใด ๆ พารามิเตอร์ มีค่าต่ำกว่าขีดจำกัดที่กำหนด
ถือว่าสำคัญกับรูปแบบการแสดงผล และจัดสรรในการ
เรียกว่าพาร์ติชันของเวกเตอร์พารามิเตอร์
1
j p
(j = 1,..., ν') ใน
พารามิเตอร์ที่เหลือเป็น SI ที่เหนือขีดจำกัดค่า
ในพาร์ติชันที่สองของเวกเตอร์ของพารามิเตอร์ที่เรียกว่าการปันส่วน
2
k p
(k
= 1,..., ν'') ผลรวมของν' และν'' ควรเท่ากับขนาดของ
พารามิเตอร์เวกเตอร์ P ฉัน
, ตลอดเวลานั้น ค่าของพารามิเตอร์ใน
พาร์
1
j p
ตั้งค่า nominal ซึ่งสามารถมา
จากวรรณกรรมที่มีอยู่ หรือ จากการประมาณพารามิเตอร์
อัลกอริทึม ผลผลิตดังนั้น เวกเตอร์พารามิเตอร์
นม
j p
.
3 ขั้นตอน การออกแบบการทดลองดีที่สุด (ป้องกัน) [52, 56]: ตาม
ขนาดทดลองใช้ จุดมุ่งหมายของแบบจำลองตาม
ออกแบบการทดลองคือการ ออกแบบการทดลองที่ขยายการ
เนื้อหาข้อมูลของการประเมินในบริบทของการประเมิน
พารามิเตอร์รูปแบบสำคัญ [52, 53] นี้จะเท่ากับ
ย่อหน้าต่างของพารามิเตอร์ที่จะประเมิน ป้องกันจุดมุ่งหมาย
เพื่อคำถามต่อไปนี้:
-สิ่งควรเงื่อนไขเริ่มต้นสำหรับการทดลอง?
-ระยะควรเราใช้ทดลองสำหรับ
การแปล กรุณารอสักครู่..