Estrategia para Utilizar Sensores Virtuales en Biorreactores
Una estrategia para utilizar sensores virtuales en biorreactores como herramientas de PAT debería basarse en el equilibrio entre las necesidades del usuario y las limitaciones de los sensores virtuales, como se discutió anteriormente.
Una clasificación del rendimiento analítico frente a los requisitos del usuario podría ser la manera eficiente de seleccionar la configuración de sensor virtual más relevante. Esto debería implicar, en algún nivel, también una evaluación económica.
Una evaluación del rendimiento analítico en comparación con los requisitos del usuario podría ser la forma eficiente de seleccionar la configuración de sensor virtual más relevante. Esto debería incluir, en algún nivel, también una evaluación económica.
Los sensores supervisan el estado de las células, su número o viabilidad, los metabolitos o proteínas circundantes producidos por las células, componentes del medio de crecimiento añadido ya sea en fase líquida o gaseosa del reactor. En algunos casos, el monitoreo está motivado tanto antes como después de la unidad, en otros solo después o en la unidad.
En (d), el ejemplo con tres unidades secuenciales, se monitorea la conversión gradual en el procesamiento. La estrategia de utilizar sensores virtuales en biorreactores también se puede extender a configuraciones aguas abajo; las configuraciones ilustradas en (e)-(g) muestran cómo los dos flujos de efluentes reflejan la eficiencia de la separación lograda en la unidad.
Los objetivos principales de utilizar las señales del sensor en estos ejemplos son reflejar la pureza del producto principal a nivel celular, proporcionar señales para acciones de control y supervisar la eficiencia del proceso para aprovechar las materias primas o alertar cuando se necesita iniciar una acción de control o un cambio en el proceso.
La utilidad de estos parámetros del proceso es evidente cuando se trata de la toma de decisiones. Esto puede basarse en reflejar un estado metabólico o fisiológico, que es crucial para cambiar las operaciones del proceso y que tiene un efecto directo en la productividad, calidad o eficiencia en el uso de las materias primas.
Estudios previos con sensores virtuales en biorreactores han ejemplificado y demostrado una variedad de alternativas. Estas alternativas deben ser evaluadas y comparadas desde una perspectiva estratégica y en relación con criterios de aplicación.
Una configuración típica de biorreactor a escala de laboratorio proporciona señales en tiempo real para varios parámetros operativos como temperatura, presión, tasa de aireación, pH y pO2. Un biorreactor bien equipado también puede contar con un analizador de gases y un sensor de densidad celular como estándar.
Aplicaciones de Sensores Virtuales en Biorreactores
Las configuraciones de los sensores virtuales en biorreactores en estos ejemplos promueven la estrategia de optimizar la productividad, mejorar la reproducibilidad y reducir la variación de calidad. Y se logra mediante la combinación de sensores en línea y conocimiento científico.
Espectrometría de fluorescencia en línea para estimar los componentes del medio en un biorreactor.
Las concentraciones de biomasa, glucosa y etanol se predicen a partir de espectros escaneados analizados por modelos PLS segmentados. Los modelos de predicción fueron calibrados con datos estándar de proceso en línea y mostraron un bajo error cuadrático medio de predicción (RMSEP) para etanol y glucosa, correspondiente al 4%, 2% y 2% de los respectivos intervalos de concentración.
Estos cultivos de biorreactores por lotes se realizaron utilizando Saccharomyces cerevisiae a concentraciones de biomasa altas (con 190–305 g/L de glucosa) y bajas (con 21–25 g/L de glucosa), utilizando el método de fluorescencia de longitud de onda múltiple y sensores de monitoreo estándar. Se calibraron modelos de mínimos cuadrados parciales para predecir el peso seco celular en tanques de acero, el etanol y la glucosa consumida, utilizando los dos tipos de datos por separado.
Las cultivaciones de baja densidad consistieron en dos fases diaúxicas (captación de glucosa con producción de etanol seguida de captación de etanol después del agotamiento de la glucosa), lo que requirió modelos diferentes para las dos fases, pero mejoró significativamente las predicciones.
Los modelos de predicción calibrados con datos estándar del proceso en línea mostraron RMSEPs similares o más bajos en comparación con los modelos de fluorescencia. Los mejores modelos de predicción para cultivaciones de alta densidad tuvieron RMSEPs de 1.0 g/L de biomasa celular (CDW), 1.8 g/L de etanol y 5.0 g/L de glucosa consumida, correspondientes al 4%, 2% y 2% de las concentraciones, mientras que los modelos de baja densidad tenían 0.3 g/L de CDW, 0.7 g/L de etanol y 1.0 g/L de glucosa consumida, correspondientes al 4%, 8% y 4% de las concentraciones.