Bitte benutzen Sie diese Referenz, um auf diese Ressource zu verweisen: doi:10.22028/D291-26980
HINWEIS: Dieses Dokument ist aus rechtlichen Gründen vorübergehend gesperrt und kann nur von berechtigten Personen geöffnet werden.
Titel: Predictive macroscopic modeling of Chinese hamster ovary cells in fed-batch processes
Verfasser: Ben Yahia, Bassem
Sprache: Englisch
Erscheinungsjahr: 2017
DDC-Sachgruppe: 500 Naturwissenschaften
540 Chemie
570 Biowissenschaften, Biologie
Dokumentart : Dissertation
Kurzfassung: This thesis focuses on developing a systematic modeling method that can capture the essential features for prediction of cell metabolism, growth and monoclonal antibody (mAb) production in Chinese Hamster Ovary (CHO) cells. In a first step all specific consumption rates are calculated based on time courses of extracellular metabolites, viable cell density and mAb. Then the metabolic phases within which the metabolic pseudo-steady state approximation is verified are identified. In a third step, all metabolic rates are expressed as a function of the specific growth rate within each metabolic phase. We have applied this method to a set of small bioreactor data and have shown that the model obtained can predict specific conversion rates both small and also at large scale. In the second part of this thesis, a kinetic model of the cell growth has been developed. Together with previously described methodology, this kinetic model results in a predictive metabolic model for each experimental cell growth data are not required. The kinetic model is based on Monod kinetics with a few modifications such as a varying the maximum specific growth rate as a function of the integral viable cell density. The full kinetic model can be used off line to design optimal feeding profiles. The results of this thesis demonstrate that rich knowledge can be derived from macroscopic data that can then be used to predict new production conditions in an industrial environment at small and large scale.
Der Schwerpunkt dieser Dissertation liegt auf der systematischen Entwicklung Modellen für die Vorhersage des zellulären Stoffwechsels, des Wachstums und der Produktion von monoklonalen Antikörpern (mAb) in Kulturen von Chinesischen Hamster-Ovarzellen (CHO). Zunächst wurden mit segmentierter linearer Regression metabolischer Phasen identifiziert. Diese Identifizierung beruht auf der Annahme eines pseudo-stationären Zustands und somit, dass in einer Phase alle Raten linear miteinander korreliert waren. Die spezifischen Raten wurden aus den Zeitverläufen der Konzentrationen der Metabolite und des mAb sowie der Lebendzellzahl bestimmt. Durch die Korrelation konnten alle Raten über die Wachstumsrate im 2 L und im 2000 L Maßstab berechnet werden. Danach wurde ein kinetisches Modell des Wachstums der Zellen etabliert, was die Vorhersage aller Raten auch in fed-batch Kulturen erlaubt. Die Kinetik basiert auf der Monod-Kinetik modifiziert mit einer variablen maximalen spezifischen Wachstumsrate. Das kinetische Modell erlaubt eine rechnerische Optimierung der Substratzuführung für eine maximale Produktion. Damit wurde gezeigt, dass aus makroskopischen Daten, d.h. ohne intrazelluläre Messungen, wesentliche Informationen erhalten werden können, mit denen neue Experimente in einem industriellen Umfeld vorhergesagt werden können. Diese innovative und systematische Vorgangsweise eröffnet neue Perspektiven für die Reduzierung von Kosten und für eine Beschleunigung der Prozessentwicklung.
Link zu diesem Datensatz: urn:nbn:de:bsz:291-scidok-ds-269801
hdl:20.500.11880/26967
http://dx.doi.org/10.22028/D291-26980
Erstgutachter: Heinzle, Elmar
Tag der mündlichen Prüfung: 8-Dez-2017
SciDok-Publikation: 1-Mär-2018
Fakultät: NT - Naturwissenschaftlich- Technische Fakultät
Fachrichtung: NT - Biowissenschaften
NT - Chemie
NT - Pharmazie
Fakultät / Institution:NT - Naturwissenschaftlich- Technische Fakultät

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Ben Yahia_PhD_Thesis_20170804_Final 3.0.pdf4,84 MBAdobe PDFÖffnen/Anzeigen


Diese Ressource wurde unter folgender Copyright-Bestimmung veröffentlicht: Lizenz von Creative Commons Creative Commons