온라인 라맨이 바이오 반응기를 어떻게 이해하게 되었는가

한 논문 은 온라인 발효 모니터링 에서 가장 큰 과제는 " 측정 할 수 있는 능력"뿐 아니라 "정확하게 측정 할 수 있는 능력"이라고 알려 줍니다. 만약 바이오 반응기에 있는 포도당과 에탄올이 "보이지 않는 주인공"이라면 온라인 라만은 실시간으로 그것들을 드러내는 빛의 빔입니다. 이 연구는 Spectrochimica Acta Part A에 게재되었으며, 온라인 라맨이 바이오 반응기를 모니터링 할 때 감지 한도를 (LOD) 어떻게 밀어낼 수 있는지에 초점을 맞추고 있습니다.그리고 모델 개발에 대한 매우 실용적인 지침을 제공합니다.

이 연구는 어떤 결과를 가져왔을까요?

알코올 발효를 모델 시스템으로 사용하여 저자들은 포도당과 에탄올을 온라인에서 양적으로 모니터링하기 위해 인시투 라만 프로브를 생체 반응기 환경에 직접 삽입했습니다.

측정이 가능한지 아닌 두 가지 더 실질적인 문제에 초점을 맞추었습니다. 첫째, 신호와 소음 비율을 향상시키는 방법, 둘째,복잡한 혼합 시스템에서 모델을 안정적이고 신뢰할 수 있도록 하는 방법.

온라인 라먼의 핵심 가치는

이 연구의 가장 주목할만한 측면은 온라인 라먼을 프로세스 특성화 도구에서 양적 통제에 적합한 온라인 분석 도구로 발전시킨다는 것입니다.저자들은 온라인 라맨이 발효 정보를 현장에서 포착할 수 있다고 분명히 말합니다., 실시간으로, 그리고 파괴적이지 않습니다. 이는 기질 소비와 제품 형성을 지속적으로 모니터링해야하는 바이오 처리 응용 프로그램에 특히 가치있는 기능입니다.

더 중요한 것은, 라만은 물 배경에 민감하지 않으며 액체 시스템의 직접 측정에 적합합니다. 따라서,그것은 자주 샘플링과 샘플 준비가 필요한 많은 오프라인 방법보다 온라인 원자로 모니터링에 훨씬 적합합니다..

이것은 온라인 라먼이 보조 분석 도구일 뿐만 아니라 프로세스 제어 체인 (Process Control Chain) 에 진정으로 통합되어 프로세스 분석 기술 (PAT) 의 목적을 수행 할 수 있다는 것을 의미합니다.

이 연구의 혁신:

한 가지 하이라이트는 저자들이 실제 발효 부풀로 직접 모델을 구축하는 것이 아니라 순수 표준 솔루션을 사용하여 학습 데이터베이스를 구축했다는 것입니다.그리고 다른 비율의 혼합물을 사용하여 검증을 수행했습니다..

이 전략의 장점은 각각의 개별 구성 요소의 스펙트럼 기여를 명확하게 해결할 수 있다는 것입니다. 상호 간섭을 줄이고,그리고 특징적인 피크를 식별하는 것을 용이하게 합니다..

또 다른 하이라이트는 저자들이 신호와 소음 비율을 최적화하는 데 중점을 두는 것입니다. 그들은 다른 노출 시간과 축적 수를 비교했습니다.그리고 마지막으로 신호 품질과 획득 시간 사이의 최고의 타협으로 3 축적된 80 s 노출을 선택.

이것은 온라인 라맨의 성능이 기기 자체뿐만 아니라 최종 모델 성능에 상당한 영향을 줄 수있는 인수 매개 변수에도 달려 있음을 보여줍니다.

그 결과 는 무엇 을 알려 줍니까?

여러 PLS 모델을 구축한 후, 저자들은 캘리브레이션 세트의 농도 범위를 0.5~100g/L에서 낮은 농도 범주 (0.5~10g/L) 로 좁혀서에탄올과 포도당에 대한 검출 경계는 크게 향상되었습니다., 각각 0.42g/L 및 1.55g/L에 도달합니다.

이 결과는 온라인 모니터링에 매우 유익합니다. 더 낮은 탐지 한도는 항상 더 많은 데이터에서 오는 것이 아니라 더 합리적인 데이터 분포로 인해 발생할 수 있습니다.

그러나 저자들은 또한 중요한 타협에 대해 경고합니다. 훈련 세트가 낮은 농도에 너무 많이 편향되면 높은 농도에서 예측 성능이 악화됩니다.

즉, 온라인 라만 모델링은 단순히 "더 좁으면 더 낫다"는 것이 아닙니다. 대신, 실제 프로세스 목표를 기반으로 탐지 한계와 전체 범위 정확성을 균형 잡아야합니다.

한 문장으로

이 논문의 가장 중요한 가치는 "라먼이 포도당과 에탄올을 측정할 수 있다는 것을 증명하는 것"이 아닙니다.하지만 온라인 라먼의 실용적인 프로세스 적용의 길은 낮은 탐지 한계에 달려 있음을 보여줍니다., 강력한 모델링, 그리고 신중한 데이터 세트 디자인.