Loading…
Thumbnail Image

Accelerating biological screenings through the combination of high-throughput and modeling

Hans, Sebastian

One of the greatest challenges facing our society today is the shift to a resource and environmentally friendly, green circular economy. Biotechnological products and processes play a central role in this transformation and acceleration and intensifying bioprocess development is an essential contribution to the economy of tomorrow. Automation, digitalization, and virtual prototypes are common tools of product development in many economic sectors. Their application in biotechnology, however, is hampered, mainly by the complexity of biotechnological processes and products. The majority of biotechnological cell and process models have to be adapted to the specific task at hand, which is time-consuming and data-intensive, and models are not universally applicable, as it is possible for example in mechanics. This work encompasses the development of three major technologies of model-based operation of high throughput experiments to accelerate bioprocess development. First, operation of turbidostat cultivations in 96-well plates. This allows for: i) a better control of the pre-culture and a highly flexible inoculation strategy, ii) screening for fast growing mutants under controlled conditions, and iii) high throughput evolution experiments. Second, development of a model-based screening framework that enables an automated operation of multiple strains in parallel with significant different phenotypes. Third, tailoring of multivariate analysis tools to improve process monitoring during parallel fed-batch experiments and to automatically detect outliers and process failures. The added value of the high-throughput turbidostat cultivations is demonstrated with a variety of Escherichia coli strains using a simple growth model in multi-well plates. Centralized data management, a minimal knowledge-based model and integration of advanced operation tools for automated task execution by Liquid Handling Stations (LHS) were the basis to produce multiple competent strains on a LHS and to transform them. For the model-based screening experiments a mechanistic model, consisting of five differential equations and 18 parameters, was used in a study with eight different E. coli strains in 24 parallel cultivations for process planning and on-line process adaptation. Through iterative online model fitting, it was possible to predict the optimal feed start with less than one minute difference. The model was suitable to predict process conditions to prevent overfeeding or starvation of cells and the experiment was sufficient to determine qualitative differences between the strains. The entire experiment was conducted in a fully automated bioprocess facility consisting of two LHS and one Mini-Bioreactor System (MBR). Finally, principal component analysis (PCA) was used to detect process and measurement errors and was able to identify the most important process failures. In this way, high quality of data can be guaranteed, which is imperative for successful model calibration.
Eine der größten Herausforderungen unsere Gesellschaft ist der Wandel hin zu einer ressourcen- und umweltschonenden Kreislaufwirtschaft. Biotechnologische Produkte und Prozesse spielen bei dieser Transformation eine zentrale Rolle und die Beschleunigung und Intensivierung der Bioprozessentwicklung ist ein wesentlicher Beitrag hierzu. Automatisierung, Digitalisierung und virtuelle Prototypen sind in vielen Wirtschaftsbereichen gängige Tools der Produktentwicklung, jedoch kaum in der Biotechnologie. Dies ist maßgeblich in der Komplexität biotechnologischer Prozesse und Produkte begründet. Eine Vielzahl biotechnologischer Zell- und Prozessmodelle haben gemeinsam, dass ihre Anpassung an die jeweilige Aufgabenstellung zeit- und datenintensiv ist und diese nicht universell einsetzbar sind, wie es beispielweise in der Mechanik möglich ist. Diese Arbeit umfasst die Entwicklung von drei Haupttechnologien des modellbasierten Betriebs von Hochdurchsatz-Experimenten zur Beschleunigung der Bioprozessentwicklung. Erstens ermöglicht der Betrieb von Turbidostat-Kulturen in 96-Well-Platten: i) eine bessere Kontrolle der Vorkultur und eine hochflexible Inokulationsstrategie, ii) das Screening nach schnell wachsenden Mutanten unter kontrollierten Bedingungen und iii) ein Hochdurchsatz-Evolutionsexperiment. Zweitens wurde ein modellbasiertes Screening-Framework entwickelt, das eine automatisierte Untersuchung von mehreren Stämmen mit signifikant unterschiedlichen Phänotypen parallel ermöglicht. Drittens wurden multivariate Analysewerkzeuge angepasst, um die Prozessüberwachung von parallelen Fed-Batch-Experimente und die Erkennung von Ausreißern und Prozessfehlern zu verbessern. Der Mehrwert des Turbidostat wird anhand der Transformation mehrerer E. coli -Stämme demonstriert. Mit einem einfachen Wachstumsmodell, einem zentralen Datenmanagement, und Automatisierung der nötigen Prozessschritte durch LHS wurden die Stämme parallel kompetent gemacht und transformieren. Für das modellbasierte Screening wurde ein mechanistisches Modell, das aus fünf Differentialgleichungen und 18 Parametern besteht, in der Case-Study mit acht verschiedenen E. coli Stämmen in 24 parallelen Kultivierungen zur Prozessplanung und Online-Prozessanpassung verwendet. Durch iterative online Modellanpassung war es möglich, den optimalen Feed-Start auf die Minute genau vorherzusagen. Das Modell war zudem geeignet, die Prozessbedingungen so einzustellen, dass Überfütterung oder Hunger der Zellen ausblieben. Das so designte Experiment war geeignet, um qualitative Unterschiede zwischen den Stämmen zu bestimmen und wurde in einer vollautomatischen Bioprozessanlage, bestehend aus zwei LHS und einem Mini-Bioreaktorsystem (MBR), durchgeführt. Schließlich wurde eine Hauptkomponentenanalyse (PCA) zur Erkennung von Prozess- und Messfehlern eingesetzt, um die wichtigsten Prozessfehler zu identifizieren. Auf diese Weise kann eine hohe Datenqualität gewährleistet werden, wie sie für eine erfolgreiche Modellkalibrierung notwendig ist.