赛默飞测量控制与材料鉴别 >> 进入商铺
2023/2/17 10:50:27前言
Thermo Scientific Ramina 过程分析仪是一款拉曼光谱分析仪器,旨在为研发过程的任何阶段提供快速、稳健、可扩展和可靠的分子识别、定量和表征。它采用了“一体化”的设计,利用易于更换的高压灭菌探头,满足但不限于上游生物过程监测或灌装和成品表征的各种分析需求。
化学计量学分析允许用户开发一个数据模型,根据分析仪的数据用以监测多种分析物的浓度。从时间和资源的角度来看,建立一个准确而可靠的化学计量学模型需要大量的投资。因此,化学计量模型必须可以在不同仪器之间使用,以充分利用这一投资的价值。
一旦化学计量模型被开发出来,它就可以传递给任何 Ramina 过程分析仪使用,以高度准确的模型精度并行监测多个反应器。在不同系统硬件之间传输化学计量学模型时保持的测量准度和精度,确保了客户在使用新仪器或新的高压灭菌探头时不必重新构建模型。
实验设置
为了证明复杂的化学计量模型的可转移性,我们评估了 Gibco™DMEM 生长介质中的三种相关分析物:葡萄糖、谷氨酰胺和乳酸盐。三种分析物在生物反应器中都在 g/L 浓度范围内,葡萄糖在0-12 g/L范围内,谷氨酰胺0-2.5 g/L范围内,乳酸0-20 g/L范围内。
通过使用一套校准标准的 Thermo Scientific Ramina 过程分析仪中收集光谱,建立了化学计量学模型。在每种分析物的相关浓度范围内,采用均匀设计方法选择24个随机浓度的样品,然后将该模型应用于8个验证样品,验证样品的光谱使用10台不同的 Thermo Scientific Ramina 过程分析仪进行测量。
为最大限度地提高与分析物浓度对应的特征光谱的信噪比对采集参数进行了优化。优化后的参数为15s积分时间,450mw 激光功率,自动暗背景信号校正,重复采集10次光谱后取平均。该模型能够以非常好的准确度和精度预测8个样品验证集所有三种分析物的浓度。
本研究中评估的每台 Thermo Scientific Ramina 过程分析仪都包括一套硬件,由光谱仪主机、光纤电缆和生物反应器探头组成。每种分析物的平均预测误差为葡萄糖0.21 g/L、谷氨酰胺0.16 g/L、乳酸0.3 g/L。这些结果证明了这一复杂的化学计量模型可以在多台 Thermo Scientific Ramina 过程分析仪之间出色地转移。
模型分析
使用 Eigenvector Solo 软件建立了一个 PLS 模型,以预测每种混合物中的这三种分析物。采用24个校正样本,每个样本3次重复,建立 PLS 校正模型。所有校准光谱均使用一台 Thermo Scientific Ramina 过程分析仪收集,采用870 ~ 3096 cm-1之间指纹区的光谱建立模型,采用 SavitskyGolay 平滑滤波器去除随机噪声,提高信噪比。接着对基线进行校正,然后进行散射校正和归一化。此外,在建立模型之前,所有数据均进行中心均值处理。
采用去除一个样本的交叉验证策略建立校准模型。同一样品的3个重复在此过程中一起进行。经过这些关键的预处理和交叉验证步骤,最终选择了四变量优化模型。模型的校准和交叉验证结果见下表1。
Analyte | |||
Model Parameter | Glucose | Glutamine | Lactate |
RMSEC (g/L) | 0.079 | 0.075 | 0.146 |
RMSECV (g/L) | 0.095 | 0.088 | 0.176 |
Bias (g/L) | 4.79E-05 | -1.94E-05 | -2.50E-05 |
CV Bias (g/L) | -2.25E-04 | -6.45E-04 | -4.42E-03 |
R² Calibration | 0.9995 | 0.9902 | 0.9994 |
R² Cross-Validation | 0.9993 | 0.9864 | 0.9991 |
表1.化学计量学模型的校准和交叉验证结果
随后,用10台不同的 Thermo Scientific Ramina 过程分析仪上收集8个验证样品集的光谱。将建立的化学计量学模型应用于每台 Thermo Scientific Ramina 过程分析仪预测分析物浓度。下文讨论的结果表明,在10台 Thermo Scientific Ramina 过程分析仪中,三种成分的预测都保持了高度的准确性和精确度。
结果
开发可靠的化学计量模型需要大量的时间和资源投入。为了确保这项投资为我们的客户提供长期价值,我们已经在众多 Thermo Scientific Ramina 过程分析仪上展示了化学计量模型的可移植性。下图1中的相关图显示了葡萄糖(下图1A)、乳酸(下图1B)和谷氨酰胺(下图1C)的预测值与参考值。每个图包含所有10台 Thermo Scientific Ramina 过程分析仪的预测值的叠加。通过10台Thermo Scientific Ramina 过程分析仪,化学计量模型的精度为客户提供一致的结果。
A
B
C
下表2显示了每个 Thermo Scientific Ramina 过程分析仪上每种分析物的平均预测误差,以及10台 Thermo Scientific Ramina 过程分析仪上每种分析物的平均误差。所有参数均表现出较高的测量精度,预测误差小于0.5 g/L。此外,部分预测误差小于0.1 g/L。这一精度水平与其他已发表的化学计量学建模结果一致,并与生物反应器监测的其他相关测量技术相当。
仪器的准确性和精确性,可以很容易地将生物反应器内的葡萄糖浓度控制在典型的2-4 g/L范围内。此外,通过持续监测和反馈利用,甚至更严格的控制是可能的,从而改善过程反应和产品的一致性。使用 Thermo Scientific Ramina 过程分析仪开发的化学计量模型在全面的生物反应器研究中监测多组分具有出色性能。
Average prediction error (g/L) | |||
Hardware | Glucose | Glutamine | Lactate |
Instrument 1 | 0.18 | 0.05 | 0.20 |
Instrument 2 | 0.11 | 0.13 | 0.40 |
Instrument 3 | 0.12 | 0.15 | 0.21 |
Instrument 4 | 0.18 | 0.14 | 0.26 |
Instrument 5 | 0.18 | 0.08 | 0.40 |
Instrument 6 | 0.40 | 0.11 | 0.25 |
Instrument 7 | 0.13 | 0.38 | 0.32 |
Instrument 8 | 0.21 | 0.11 | 0.26 |
Instrument 9 | 0.47 | 0.15 | 0.44 |
Instrument 10 | 0.09 | 0.34 | 0.23 |
Average error (across 10 systems) | 0.21 | 0.16 | 0.30 |
表2.化学计量学模型计算预测误差(RMSEP)
结论
本实验证明化学计量模型可在多个 Thermo Scientific Ramina 过程分析仪之间转移,为客户带来了极大的便利。Thermo Scientific Ramina 过程分析仪能够跨多个单元使用相同的化学计量模型,为用户提供了优秀的测量准确度和精确度。信号处理和模型优化可以进一步提高预测的性能水平。本文例子为使用 Thermo Scientific Ramina 过程分析仪开发化学计量模型提供了基本参考。