數(shù)字孿生應(yīng)用初探
開源數(shù)字孿生細胞培養(yǎng)框架

近日，迪必爾生物結(jié)束了第15屆國際代謝工程大會（Metabolic Engineering 15）的行程。生物工藝工程師趙北辰先生在大會現(xiàn)場以海報的形式展示了研究成果《An Open-Source Digital Twin Framework for Intelligent Biomanufacturing》。

該研究對生物過程數(shù)字孿生的概念進行了界定，提出了開源的生物過程數(shù)字孿生框架，并且針對細胞培養(yǎng)進行了案例研究，體現(xiàn)了數(shù)字孿生在過程分析技術(shù)（PAT）和高級過程控制（APC）領(lǐng)域的巨大潛力。本文將對該研究的具體內(nèi)容和技術(shù)細節(jié)進行解讀。



該研究在迪必爾生物李雪良博士、江南大學(xué)李江華教授和關(guān)欣副研究員的指導(dǎo)下完成，相關(guān)學(xué)術(shù)論文發(fā)表《Processes》。（https://doi.org/10.3390/pr11041213）
 

基于數(shù)字孿生的生物制造系統(tǒng)是以數(shù)字孿生為核心，軟硬件多層次、多尺度深度結(jié)合的動態(tài)系統(tǒng)，從數(shù)據(jù)流的角度來看（圖1），該系統(tǒng)以集成在制造系統(tǒng)上的在線傳感器為數(shù)據(jù)來源，通過統(tǒng)一的數(shù)據(jù)接口傳輸至數(shù)字孿生，經(jīng)過數(shù)據(jù)同步、處理和預(yù)測后，用于系統(tǒng)自我修正的高階數(shù)據(jù)從數(shù)字孿生和物理實體間的雙向數(shù)據(jù)通道返回，關(guān)鍵數(shù)據(jù)經(jīng)可視化后展示在HMI上，而操作人員的指令則通過HMI傳輸回數(shù)字孿生和物理實體。
 

圖1 基于數(shù)字孿生的細胞培養(yǎng)系統(tǒng)架構(gòu)設(shè)計

基于上述思路，該研究基于Python與C++混合編程技術(shù)，開發(fā)了基于數(shù)字孿生的開源細胞培養(yǎng)框架，包含數(shù)字孿生、微型反應(yīng)器（支持在線細胞密度檢測）和web端HMI應(yīng)用。其中數(shù)字孿生與微型反應(yīng)器分別連接至HMI，進行交互與數(shù)據(jù)管理。該框架已開源，歡迎下載體驗。（https://github.com/BeichenZhao/BioDT）
 

圖2 數(shù)字孿生系統(tǒng)中的微型反應(yīng)器

數(shù)字孿生在過程分析技術(shù)（PAT）和高級過程控制（APC）方面的潛力引人注目。然而，在生物制造領(lǐng)域，尚未出現(xiàn)成熟的基于數(shù)字孿生的制造執(zhí)行系統(tǒng)（MES）。數(shù)字孿生究竟可以給人們帶來什么樣的幫助呢？該研究通過兩個案例研究，對這一問題進行初步闡述：
 

基于上述基于數(shù)字孿生的細胞培養(yǎng)系統(tǒng)，針對中國倉鼠卵巢細胞進行實驗。首先開發(fā)了基于數(shù)字孿生的預(yù)測結(jié)果進行手動換液提醒功能。換液是在細胞培養(yǎng)中的常規(guī)操作，其目的是棄掉舊的培養(yǎng)基，換成新鮮的培養(yǎng)基來為細胞提供營養(yǎng)支持。那么，在什么時間點換液，既能維持細胞的生長代謝，又不造成培養(yǎng)基的浪費，成了研究人員關(guān)注的問題。
 

本研究基于代謝物濃度，在HMI上集成了一個提示功能，如圖3所示，以葡萄糖為例，通過點擊“predict”按鈕，就可以得到未來一段時間內(nèi)，葡萄糖和細胞密度變化的預(yù)測結(jié)果。
 

圖3 HMI中的預(yù)測功能界面

為了驗證預(yù)測結(jié)果的準確性，分別以葡萄糖和乳酸濃度為檢測指標開展了實驗，在不同的初始細胞接種密度下，預(yù)測值分別達到4 g/L和1 g/L時，進行換液并離線取樣測試。離線取樣的數(shù)據(jù)一方面是為了驗證預(yù)測結(jié)果的準確性，另一方面是為了通過HMI將該數(shù)據(jù)同步至數(shù)字孿生，校準其預(yù)測結(jié)果，更新其動力學(xué)參數(shù)。結(jié)果表明，該數(shù)字孿生系統(tǒng)可以準確地預(yù)測代謝物濃度，為研究人員的理性決策提供參考。同時也能看出，預(yù)測結(jié)果的偏差總體呈現(xiàn)出隨時間縮小的趨勢，這受益于數(shù)字孿生對動力學(xué)參數(shù)的更新，從而使數(shù)字孿生可以更精準地追蹤系統(tǒng)的狀態(tài)。

圖4 （a-c）在2, 5和10 (×106) cell·mL-1的初始接種密度下以葡萄糖濃度為指標進行手動換液提醒；（d-f）在2, 5和10 (×106) cell·mL-1的初始接種密度下以乳酸濃度為指標進行手動換液提醒

然而，換液仍然需要研究人員手動操作，為了探究數(shù)字孿生系統(tǒng)的自動化能力研究人員在控制系統(tǒng)中集成了一個蠕動泵，以實現(xiàn)對葡萄糖濃度的調(diào)節(jié)。如圖5所示。數(shù)字孿生模型根據(jù)機理模型和歷史數(shù)據(jù)實時預(yù)測培養(yǎng)基中的葡萄糖濃度。當預(yù)測的葡萄糖濃度低于5 g/L時，蠕動泵自動開啟，執(zhí)行一次補料動作。用控制論的術(shù)語來說，這實現(xiàn)了對葡萄糖的模型預(yù)測控制（Model Predicting Control, MPC）。
 

圖5 葡萄糖補料系統(tǒng)連接示意圖

如圖6所示，為了驗證模型預(yù)測的準確度和控制效果的穩(wěn)定性，每隔12h進行一次葡萄糖離線取樣測量，結(jié)果表明，基于數(shù)字孿生的模型預(yù)測控制可以將葡萄糖濃度穩(wěn)定地維持在5g/L。此外，與批次培養(yǎng)相比，在48 h的培養(yǎng)后，該策略使細胞得率提高了14.8%。

 圖6（a）進行葡萄糖補料的葡萄糖濃度變化；（b）是否使用葡萄糖自動補料的細胞密度比較

那么，數(shù)字孿生是如何被構(gòu)建出來的呢。以本研究為例，細胞培養(yǎng)中的各項參數(shù)主要通過各種動力學(xué)方程計算，下面列舉主要計算公式。
 

細胞密度使用Logistic方程計算：

其中，μ代表特定生長速率 (cell/cell)；μ_max代表最大生長速率 (cell/cell)；X代表細胞密度 (cell/mL)；X_max代表最大細胞密度 (cell/mL)。

底物代謝用以下公式計算：

此外，每當傳感器數(shù)據(jù)或離線檢測數(shù)據(jù)同步至數(shù)字孿生，其內(nèi)置的Levenberg-Marquardt算法就會對動力學(xué)參數(shù)進行重新測算，使其更好的捕捉細胞當前的生理狀態(tài)。
 

數(shù)字孿生具備全時空尺度過程重建的能力，由于微型反應(yīng)器中的流場可以被認為是全混流，在空間上分布基本均勻，該研究把目光放在了全時間尺度，即歷史過程重建、當前動力學(xué)參數(shù)計算和未來狀態(tài)預(yù)測，并在批次培養(yǎng)實驗中進行了驗證。

圖7 （a）根據(jù)傳感器數(shù)據(jù)更新的數(shù)字模型、數(shù)字映射和數(shù)字孿生預(yù)測的細胞密度變化值；（b）數(shù)字模型、數(shù)字映射和數(shù)字孿生對葡萄糖消耗的預(yù)測；（c）數(shù)字模型、數(shù)字映射和數(shù)字孿生對乳酸產(chǎn)生的預(yù)測；（d）數(shù)字孿生計算的比生長速率；（e）數(shù)字孿生計算的葡萄糖消耗速率；（f）數(shù)字孿生計算的乳酸產(chǎn)生速率；（g）根據(jù)離線測量數(shù)據(jù)更新的數(shù)字模型、數(shù)字映射和數(shù)字孿生預(yù)測的細胞密度變化值；（h）數(shù)字孿生重建的葡萄糖濃度變化過程；（i）數(shù)字孿生重建的乳酸濃度變化過程

在這里，數(shù)字模型（Digital Model）、數(shù)字映射（Digital Shadow）和數(shù)字孿生（Digital Twin）分別被用于對培養(yǎng)過程中細胞密度的變化進行預(yù)測。如圖7(a)所示，數(shù)字模型的靜態(tài)預(yù)測在開始時與實驗數(shù)據(jù)偏差較小，但隨著時間的推移增大。這是因為靜態(tài)動力學(xué)參數(shù)無法捕捉細胞生理代謝的變化，導(dǎo)致累積誤差無法消除。數(shù)字映射和數(shù)字孿生每15分鐘與傳感器數(shù)據(jù)同步一次，獲得了更準確的追蹤結(jié)果。此外，數(shù)字孿生還提供了比生長速率的變化情況（圖7(d)），由于一旦傳感器數(shù)據(jù)傳回，該值就會更新。僅用于跟蹤過程參數(shù)而言，在高采樣頻率下，數(shù)字孿生相對于數(shù)字映射的優(yōu)勢并不明顯。
 

如果只有離線測量數(shù)據(jù)可用，由于更新周期較長，即使數(shù)字映射周期性地進行了校正，誤差也會隨著時間的推移擴大（圖7(g)）。數(shù)字孿生基于傳感器數(shù)據(jù)更新了μ_max，從而跟蹤了細胞生理活性和比生長速率的變化（圖7(d)），獲得了更加準確的預(yù)測結(jié)果。
 

葡萄糖消耗和乳酸生成也分別通過數(shù)字模型、數(shù)字映射和數(shù)字孿生進行了預(yù)測，如圖7(b)(c)所示。基于獲取的數(shù)據(jù)，經(jīng)動力學(xué)參數(shù)校正的數(shù)字孿生成功捕捉到了葡萄糖和乳酸濃度的變化，相較于數(shù)字模型和數(shù)字映射，預(yù)測結(jié)果更加準確。利用數(shù)字孿生，還計算出了葡萄糖消耗速率和乳酸生成速率，顯示出隨時間的總體下降趨勢（圖7(e)(f)）。這種現(xiàn)象可能是由于葡萄糖濃度降低和細胞密度增加而導(dǎo)致的代謝活性減少。這些實驗結(jié)果表明了數(shù)字孿生在追蹤細胞代謝方面的能力，這對于理解處在動態(tài)變化環(huán)境下的細胞活性變化至關(guān)重要。
 

圖7(h)(i)展示了通過利用數(shù)字孿生獲得的更新參數(shù)重新計算歷史的細胞密度、葡萄糖濃度和乳酸濃度的過程趨勢。由于離線數(shù)據(jù)僅反映了時間上離散的培養(yǎng)過程。通過重建整個培養(yǎng)過程，數(shù)字孿生使研究人員能夠更全面地研究歷史過程的條件，從而獲得對所研究的生物系統(tǒng)更詳細和準確的理解。

結(jié)語

隨著數(shù)字孿生在各行各業(yè)的發(fā)展，人們逐步意識到這是一個極具發(fā)展?jié)摿Φ母拍睿�很有可能會變革未來的生物制造模式。在物�?lián)網(wǎng)的概念流行的時代，我們常說“萬物互聯(lián)”，現(xiàn)在我們已經(jīng)能無感地享受到傳感器的普及給我們帶來的便利。TJX團隊認為，我們有機會迎來一個“萬物皆可計算”的時代，從基因表達、酶促反應(yīng)，到細胞生長代謝，再到反應(yīng)器流場仿真，從而建立代謝模型與計算流體力學(xué)耦合的多尺度、多層次模型，并且在工藝開發(fā)的各個階段為工藝開發(fā)人員提供建議。或許在不久的將來，上位機軟件的數(shù)據(jù)展示界面中出現(xiàn)各個參數(shù)的預(yù)測曲線，會成為一件稀松平常的事情。