Diseño de experimentos de cribado en biorreactores
En el diseño de experimentos en biorreacotres la aproximación más eficiente para comenzar un nuevo medio de biorreactor es mediante experimentos de cribado de los componentes de dicho medio considerados importantes para la capacidad del mismo.
Estos diseño de experimentos en biorreacotres de cribado deben realizarse desde esquinas seleccionadas en el espacio experimental. El procedimiento se conoce comúnmente como un diseño factorial fraccionado (FFD) porque solo se investiga una fracción de los posibles valores de las esquinas en el espacio de diseño.
Las tres variables de factor seleccionadas se someten a prueba en dos niveles de valores, y cada variable se prueba dos veces a niveles bajos y altos. En la optimización del diseño del medio, las tres variables podrían ser tres componentes clave de nutrientes a dos niveles de concentración cada uno.
Este primer paso del plan de Diseño de Experimentos en biorreactores (DoE) requiere una cuidadosa consideración basada en la experiencia previa. Puede ser que los protocolos de cultivo ya hayan establecido variables de factor bien definidas, como la concentración de componentes en el medio y la configuración de variables de estado en el fermentador. Sin embargo, la selección de variables y sus niveles depende completamente del juicio del experimentador y del conocimiento previo sobre el proceso estudiado. Elecciones inapropiadas limitarán la utilidad de los resultados, haciendo necesario llevar a cabo nuevos diseño de Experimentos en biorreactores con otras variables y niveles.
Top of Form
Bottom of Form
El número de diseño de experimentos en biorreacotresen un diseño factorial fraccionado (FFD) de dos niveles se puede describir matemáticamente como 2^n-k, donde n es el número de factores que se investigarán a niveles bajos y altos, y k es el número de pasos para reducir el diseño experimental. Si, por ejemplo, participan cinco variables en el experimento, terminará con 16 (2^5-1) o 8 (2^5-2) experimentos, respectivamente, dependiendo de cuántos pasos se reduzca el diseño.
Sin embargo, en la práctica actual, este procedimiento rara vez se realiza de manera sistemática; en cambio, se elige un nivel de reducción apropiado. El cribado se mejora mediante réplicas en el punto central del dominio experimental, con el propósito de recopilar valores adicionales de respuesta y, al mismo tiempo, determinar el error experimental para la respuesta. La reducción de diseño de experimentos en biorreacotres de factores disminuye la calidad estadística del cribado. Esto será evidente en los parámetros de rendimiento estadístico de bondad de predicción y bondad de ajuste. El conjunto completo de experimentos debe realizarse en un orden aleatorio para evitar errores sistemáticos. Una causa típica de errores sistemáticos es cuando se realizan tres experimentos en el punto central de un diseño uno tras otro utilizando el mismo procedimiento experimental.
Por lo tanto, la aleatorización debe aplicarse para ocultar al experimentador los resultados esperados, ya sean buenos o malos. El resultado típico de un experimento de cribado para medios de cultivo es la identificación de algunos componentes importantes en el medio. Estos componentes deben ser investigados más a fondo en un nuevo diseño experimental con el propósito de determinar los valores óptimos de los factores. Esto requiere un plan experimental más elaborado, como un diseño central compuesto en caras (CCF) o un diseño central compuesto circunscrito (CCC).
En el caso del CCF, se incluyen valores adicionales (por ejemplo, concentraciones) de las variables en los puntos centrales de la superficie entre las esquinas del espacio experimental. En el CCC, estos se desplazan fuera del espacio a la misma distancia desde el punto central que la distancia desde el punto central hasta las esquinas. Teóricamente, el diseño CCC es algo mejor que el diseño CCF porque cubre un volumen más grande en el espacio de diseño.
Los resultados de los diseño de Experimentos en biorreactores CCF o CCC se representan en un gráfico de contorno o en una superficie de respuesta donde se visualiza claramente el óptimo. Este último paso también ha dado nombre al procedimiento comúnmente conocido como la metodología de superficie de respuesta (RSM, por sus siglas en inglés).
Debería enfatizarse que tanto variables cuantitativas como cualitativas pueden incluirse entre los factores, al igual que factores multiniveles cuantitativos y cualitativos. Por ejemplo, en un caso con dos factores cualitativos, X1 (con cuatro niveles discretos) y X3 (con tres niveles discretos), y un factor cuantitativo, X2, se puede generar un diseño como se muestra en la Figura 15.6. Sin embargo, en este caso, no es posible utilizar puntos centrales entre los niveles discretos de los factores X1 y X3. En su lugar, un punto central puede posicionarse en uno de los niveles discretos de las variables cualitativas o en un nivel intermedio de la variable cuantitativa. Un ejemplo típico en el diseño de medios es cuando se comparan dos alternativas diferentes de componentes de medios.