亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

Bayesian cell therapy process optimization

计算机科学 生物信息学 贝叶斯优化 过程(计算) 贝叶斯概率 生化工程 资源(消歧) 机器学习 人工智能 工程类 生物 操作系统 计算机网络 生物化学 基因
作者
Evan Claes,Tommy Heck,Kathleen Coddens,Maarten Sonnaert,Jan Schrooten,Jan Verwaeren
出处
期刊:Biotechnology and Bioengineering [Wiley]
卷期号:121 (5): 1569-1582
标识
DOI:10.1002/bit.28669
摘要

Abstract Optimizing complex bioprocesses poses a significant challenge in several fields, particularly in cell therapy manufacturing. The development of customized, closed, and automated processes is crucial for their industrial translation and for addressing large patient populations at a sustainable price. Limited understanding of the underlying biological mechanisms, coupled with highly resource‐intensive experimentation, are two contributing factors that make the development of these next‐generation processes challenging. Bayesian optimization (BO) is an iterative experimental design methodology that addresses these challenges, but has not been extensively tested in situations that require parallel experimentation with significant experimental variability. In this study, we present an evaluation of noisy, parallel BO for increasing noise levels and parallel batch sizes on two in silico bioprocesses, and compare it to the industry state‐of‐the‐art. As an in vitro showcase, we apply the method to the optimization of a monocyte purification unit operation. The in silico results show that BO significantly outperforms the state‐of‐the‐art, requiring approximately 50% fewer experiments on average. This study highlights the potential of noisy, parallel BO as valuable tool for cell therapy process development and optimization.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
orixero应助_ban采纳,获得10
5秒前
情怀应助科研通管家采纳,获得10
12秒前
科研通AI2S应助科研通管家采纳,获得10
12秒前
上官若男应助fl采纳,获得10
16秒前
26秒前
fl发布了新的文献求助10
31秒前
39秒前
想吃芝士焗饭完成签到 ,获得积分10
44秒前
huangbing123完成签到 ,获得积分10
45秒前
Enero发布了新的文献求助10
46秒前
Enero完成签到,获得积分10
53秒前
55秒前
yqf完成签到,获得积分10
56秒前
李洁完成签到 ,获得积分10
58秒前
58秒前
风风发布了新的文献求助10
1分钟前
1分钟前
1分钟前
宁静致远完成签到,获得积分10
1分钟前
承序发布了新的文献求助10
1分钟前
炙热的夜雪完成签到 ,获得积分10
1分钟前
firesquall完成签到,获得积分10
1分钟前
大方的含桃完成签到,获得积分20
1分钟前
承序完成签到,获得积分10
1分钟前
王小姐不吃药完成签到 ,获得积分10
1分钟前
nuliguan完成签到 ,获得积分10
1分钟前
jiajia完成签到 ,获得积分20
1分钟前
1分钟前
可爱的函函应助glacier采纳,获得10
1分钟前
李爱国应助firesquall采纳,获得10
1分钟前
Ytgl完成签到,获得积分10
1分钟前
tao完成签到 ,获得积分10
2分钟前
二丙完成签到 ,获得积分10
2分钟前
烟花应助123采纳,获得30
2分钟前
大个应助莫里亚蒂采纳,获得10
2分钟前
华仔应助科研通管家采纳,获得10
2分钟前
小马完成签到,获得积分10
2分钟前
2分钟前
莫里亚蒂发布了新的文献求助10
2分钟前
jiangchuansm完成签到,获得积分10
2分钟前
高分求助中
【此为提示信息,请勿应助】请按要求发布求助,避免被关 20000
Technologies supporting mass customization of apparel: A pilot project 450
Mixing the elements of mass customisation 360
Периодизация спортивной тренировки. Общая теория и её практическое применение 310
the MD Anderson Surgical Oncology Manual, Seventh Edition 300
Nucleophilic substitution in azasydnone-modified dinitroanisoles 300
Political Ideologies Their Origins and Impact 13th Edition 260
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3780778
求助须知:如何正确求助?哪些是违规求助? 3326334
关于积分的说明 10226507
捐赠科研通 3041459
什么是DOI,文献DOI怎么找? 1669398
邀请新用户注册赠送积分活动 799051
科研通“疑难数据库(出版商)”最低求助积分说明 758723