1956年，Theodore Puck从中国仓鼠中分离出的卵巢细胞（Chinese Hamster Ovary，CHO），凭着耐受强、重组基因扩增和表达高效等特性，成为生产蛋白类药物的shouxuan宿主。

作为新药和新疫苗开发的全球lingjun企业，GSK（葛兰素史克）便瞄准到中国仓鼠卵巢细胞（CHO）培养工艺的开发中，计划用于生产单克隆抗体。

而规模化生产抗体等生物药的关键，在于在人工控制条件下的生物反应器中悬浮培养细胞。

由于活性产物会在细胞内经历复杂的生物反应，要想最大限度提高产量和质量，首先需要量化CQA与CMA、CPP的关系：

CQA（关键质量属性）：

活细胞浓度，活性百分比，营养素（例如葡萄糖），代谢物（例如谷氨酰胺），单抗滴度等

CMA（关键物料属性）：

细胞特性，培养基成分等

CPP（关键工艺参数）：

进料策略（时间、剂量），pH，温度，溶氧度等

尤其对于CHO细胞而言，其代谢特点是葡萄糖和谷氨酰胺摄取率高，以及乳酸和铵盐的代谢副产物分泌率高。其中乳酸如果超标，不但会抑制细胞生长和蛋白质产生，甚至会导致细胞死亡。

减少乳酸最常用的方法，就是控制培养基中的葡萄糖含量，让其尽可能达到培养zuijia浓度（过高不完全氧化产生乳酸、过低则会影响细胞生长和产能），这就需要对葡萄糖的消耗与需求、乳酸的生产速率，以及目的蛋白的表达量等多组参数进行综合考虑，并平衡葡萄糖和Gln的比例，调整进料策略。

在过去，传统工艺开发方式，一般会花费大量时间、财力、人工成本来设计和实施海量实验，走弯路难以避免，且投入产出比往往很低。

为了高效优化生物反应器控制和补料策略等设定点，最大化高质量产品的生产，GSK迫切期望利用新的方法工具，加速实验设计和细胞培养工艺的探索进程。

模型落地三步走，让策略优化少走弯路

纵观整个生物制药行业，为了减少实验负担，用机理模型来模拟细胞培养过程动力学，逐渐成为了行业发展的一种趋势。虽然一直以来，人们对于细胞培养动力学建模的学术研究十分活跃，但这些模型尚未在工业中广泛采用，且许多企业至今仍然缺乏非专家可以使用的工具。

如何破解细胞培养工艺难题？从哪里开始入门？西门子PSE制药行业专用的工艺数字孪生软件gPROMS FormulatedProducts，吸引到了GSK的注意。

多年来，通过快速配置、校准和部署基于科学的、数据校准的数字孪生，gPROMS FormulatedProducts内置有完备的细胞培养动力学模型，可以对工艺上下游进行综合、全面的分析，帮助了许多国际zhiming制药企业，快速、轻松汲取来自专业文献中的知识，解决实际生产难题。

合作伊始，GSK经过西门子制药团队的专业培训和技术支持，系统地学习了机理建模方法，并决定通过三步走的方式，让数字模型在现实培养场景中落地生根、开花结果：

第一步：模型选择

针对CHO细胞培养过程，GSK采用了描述细胞在单一有机底物下生长和代谢过程的Monod细胞反应动力学模型。

GSK所借助的Monod模型由14个方程和25个参数组成，如表征细胞的比生长速率与限制性底物浓度之间关系方程等，能全面描述CHO细胞的补料分批环境。

Monod模型中的有代表性的公式

通过建立这些方程，GSK得以对整个培养和生产过程，包括对细胞生长、死亡、裂解，细胞分泌的副产物（如氨、乳酸等）变化速率，传质、传热和能量消耗等复杂过程，进行框架描述和参数求解。

用方程表达数据联系，对于将数据转化为可用知识、加快企业技术转移、工艺放大大有裨益。

当然，除了软件中预定义的模型外，gPROMS FormulatedProducts中的模型自定义功能，还可以让工艺开发者自由展开二次开发，以探索更新颖的机理模型、捕捉更复杂的现象、拓展更多可能性。

第二步：模型校准和验证

当生物反应器机理模型配置完毕，如何确定保证机理模型的jingque性呢？下一步就需要通过准确估算机理模型中的未知参数来校准模型，并用实验数据来验证模型预测的准确性。

四种实验条件下活细胞浓度(左)和单抗滴度(右)的模型轨迹(线)和实验数据(点)

其它工艺参数的模型轨迹(线)与控制条件的实验数据(点)的对比

不同于从零开始的探索，GSK只需要用少量、有针对性的变量控制实验（如补料频率和滴度变化等），就能完成模型的参数估计工作、充分表征工艺过程。

如上图所示，该模型的拟合程度已经较高，很好地达到了GSK的理想预期。gPROMS FormulatedProducts让GSK快速明确了工艺优化方向，大大提高研发效率，减少材料和时间的浪费。

第三步：模型的应用

除了繁杂的输入、输出变量外，细胞培养过程中还会面临许多不可控因素，如环境变量和突发事件等对产品质量的影响。

如何有效评估这些因素对工艺系统的影响程度呢？这就不得不提gPROMS FormulatedProducts的GSA全局系统分析中的敏感性分析功能。

GSA利用校准好的模型充分评估CQA与CMA、CPP之间的相互关系，确定理想的工艺操作区间，以及模型中需要额外调整的区域。当然反过来，理想的操作区间确定后，也可以用于计算机虚拟实验，优化工艺条件以满足指定的模型输出，最终实现优化工艺设计的目的。

标准化后的敏感性指数总结

在gPROMS FormulatedProducts的帮助下，GSK可以很好地识别关键质量属性（CQAs）对关键工艺参数（CPPs）和关键材料属性（CMA）的敏感性，精准锁定关键工艺参数，充分探索设计空间。

依托GSA的强大功能，GSK可以按总效应指数，在计算机上对各个影响因素的敏感性进行排序。如上图所示，最终确定了与乳酸消耗和分泌相关的参数，对于模型反应的影响最大。

最终，基于gPROMS FormulatedProducts提供的cell culture动力学模型，GSK捕获了多个关键的CHO细胞培养过程变量的变化——包括葡萄糖、活细胞浓度（VCC）和滴度等。

客户收益

在实际应用过程中，GSK用计算机模拟替代繁琐实验，让工艺优化从完全以实验数据驱动，转为仅需少量实验数据的机理模型，不仅大幅节省了DoE实验的时间、材料和人工花费，打开了用更低成本实现更佳效果的全新思路。

由于gPROMS FormulatedProducts具备系统性模拟的功能，可以用于仿真系统中任一单元某变量的变化对全局系统造成的影响。

因此在工艺过程数字化中，可以有效降低突发事件、设备意外（如泵发生损坏，没有及时排出代谢副产物）等造成的负面影响，保障生产效率和药品质量达标、缩短药品上市周期。

现阶段，GSK正在继续完善模型，扩大该机理模型在优化进料策略上的应用，并不断加深对细胞生长动力学机理模型和工艺流程的理解。

gPROMS：端到端数字孪生的全局赋能

近年来，基于细胞动力学机理模型的开发方式，为从细胞培养到分离纯化的全局药物制备最优工艺探索，创造前所未有的便捷。

gPROMS FormulatedProducts工艺数字孪生为R&D、工程应用、实际生产带来了高效预测和指导，并为用户优化过程设计、风险评估、设计空间探索，带来前所未有的便捷。

系统拥有贯穿生物制药上下游的数字孪生模型

当然，作为全生命周期的仿真软件，gPROMS FormulatedProducts 的应用不只局限于生物反应器，而是能全面贯穿从上游细胞培养，下游层析过滤，到制剂的各流程。覆盖上下游的机理模型，能为生物制药企业提供一整套端到端的流程仿真解决方案。