一种实用的框架，用于单克隆抗体（mAb）CHO细胞培养过程中的克隆筛选、培养基成分筛选以及上游工艺参数优化

《Biotechnology Progress》：A practical framework for clone selection, media-feed screening, and upstream process parameter optimization for a mAb CHO cell culture process

数据驱动方法提升生物制造上游工艺开发效率，整合K-means聚类、主成分分析（PCA）及多目标贝叶斯优化（MOBO）。K-means聚类与层次聚类对比筛选高表达克隆，结合多质量属性评估减少主观性。PCA解析培养基-饲料组合与糖基化模式关联，降低实验负担。MOBO动态优化工艺参数，平衡产量与质量指标，相比传统静态设计节省实验次数。该方法实现Bioprocessing 4.0标准化流程，增强工艺理解的系统性。

摘要

本研究提出了一种数据驱动的工作流程，用于生物制品制造的上游工艺开发，旨在通过使用成熟的统计和机器学习工具来提高一致性、效率和决策质量。该框架不是依赖主观解释，而是以结构化的方式整合多种分析方法，以支持关键的工艺开发决策。在克隆选择过程中，采用了K均值聚类方法，并将其与层次聚类方法进行对比，从而从大量的克隆库中筛选出表现最佳的候选克隆。通过将多种产品质量属性纳入评估范围，该方法提高了选择的准确性并减少了主观性。在培养基和进料筛选阶段，使用主成分分析（PCA）来研究特定组合对糖基化模式的影响，从而快速识别出有潜力的优化条件，同时减轻了实验负担。对于上游工艺参数的优化，采用基于多目标贝叶斯优化（MOBO）的顺序学习策略，以适应性地探索不同质量属性和滴度之间的权衡。与静态实验设计相比，这种方法能够更高效地确定改进的操作条件，并最大限度地减少实验次数。虽然所使用的方法已经非常成熟，但将它们整合到一个连贯的工作流程中，展示了其在工业应用中的实际效用。该方法符合生物工艺4.0的原则，有助于提高对上游生物工艺的理解并做出明智的决策。

利益冲突声明

作者声明与本研究无关任何利益冲突。

同行评审

为了保证透明度，与本文相关的同行评审文件可在以下链接查看：https://doi.org/10.1002/btpr.88503。

第二轮评审
编辑决定函	2026/02/22
编辑1的建议	2026/02/22
作者回复附件1	2026/02/17
第一轮评审
编辑决定函	2025/11/25
编辑1的建议	2025/11/24
评审员3的报告	2025/11/17
评审员1的报告	2025/11/17
评审员1的报告附件1	2025/11/17
评审员2的报告	2025/11/13

数据可用性声明

支持本研究结果的数据可在补充文件中找到。AutoOED平台基于MIT许可证发布，是一个免费且开源的工具，可在https://github.com/yunshengtian/AutoOED获取，相关文档可在https://autooed.readthedocs.io查阅。本文展示了该平台的实现方式，并证明了其在生物工艺开发中的潜在应用价值。