Experiencias en la aplicación de la minería de datos en la industria biofarmacéutica cubana
Palabras clave:
análisis de componentes principales; fermentación; minería de datos; purificación cromatográfica; redes neuronales.Resumen
El Centro de Inmunología Molecular es una institución exponente de la biotecnología cubana dedicado a la investigación básica, desarrollo, producción y comercialización de biofármacos, con el objetivo de diagnosticar y tratar el cáncer, así como enfermedades relacionadas con el sistema inmune. En este trabajo se realizó una síntesis bibliográfica de investigaciones que se llevaron a cabo en este centro, en el periodo comprendido del 2012 al 2018, con el propósito de analizar la aplicación de algunas técnicas de Minería de Datos en la evaluación de las etapas de fermentación y purificación del proceso de obtención de biofármacos en tres instalaciones productivas. Se caracterizaron las fases de la Minería de Datos y se presentó la implicación práctica de los resultados. Se aplicó como modelo descriptivo el Análisis de Componentes Principales mediante el software THE UNSCRAMBLER, y como modelo predictivo las Redes Neuronales Artificiales con el empleo de la caja de herramientas de redes neuronales del MATLAB. La utilización de estos modelos permitió extraer información útil para la toma de decisiones, se logró con ello explicar el comportamiento de los parámetros que influyen en la calidad del producto final, así como estimar variables de importancia como la concentración de la proteína de interés en el sobrenadante de la fermentación y el rendimiento de la etapa de purificación, en función de las variables del proceso que mayor influencia tienen en su comportamiento.
Citas
2. TROUP, G. M., Georgakis, C. Process systems engineering tools in the pharmaceutical industry. Comput. Chem. Eng., [en línea]. 2013, 51, 157-171.
3. MARTÍNEZ DE PISÓN, F. Optimización mediante técnicas de minería de datos del ciclo de recocido de una línea de galvanizado. Tesis de Doctorado. J. B. Ordieres Meré (dir.). Universidad de La Rioja, Logroño, España, 2003.
4. GE, Z.I., SONG, Z., DING, S. X., HUANG, B. Data Mining and Analytics in the Process Industry: The Role of Machine Learning. IEEE Access. 2017, 5, 20590-20616. DOI: 10.1109/ACCESS.2017.2756872
5. XU, S., Lu, Bo., Baldea, M., Edgar, T.F., Wojsznis, Willy., Blevins, T., Nixon, M. Data cleaning in the process industries. Rev. Chem. Eng, [en línea]. 2015, 31, 453–490. DOI: 10.1515/revce-2015-0022
6. ABDI, H., WILLIAMS, L.J. Principal Component Analysis. Rev. Comp. Stat., [en línea]. 2010, 2, 433–459. DOI: 10.1002/wics.101
7. RODIONOVA, O., KUCHERYAVSKIY, S., POMERANTSEV, A. Efficient tools for principal component analysis of complex data - a tutorial. Chemom. Intell. Lab. Syst., [en línea]. 2021, 213. DOI: 10.1016/j.chemolab.2021.104304
8. MESA, L., GOZÁ, O., URANGA, M., TOLEDO, A., GÁLVEZ, Y. Aplicación del Análisis de Componentes Principales en el proceso de fermentación de un anticuerpo monoclonal. VacciMonitor., [en línea]. 2018. 27, 8-15.
9. GOZÁ, O., Fernández, M., Rodríguez, R.H., Ojito, E. Aplicación del Análisis de Componentes Principales en el proceso de purificación de un biofármaco. VacciMonitor, [en línea]. 2020. 29, 5-13.
10. TOLEDO, A., GOZÁ, O., HERNÁNDEZ, E., LEONARD, I., HIDALGO, G. A continued process verification strategy at first stages of monoclonal antibody purification by integrated risk assessment and multivariate data analysis. Biotecnol. Apl., [en línea]. 2021, 38,1201-8. ISSN 1027-2852.
11. HERNÁNDEZ, E., CALZADILLA, L., TOLEDO, A., GOZÁ, O., PIETZKE, M., VAZQUEZ, A., RODRÍGUEZ, G., QUINTANA, A., LEON, K., BOGGIANO., T. Determination of Best Nutritional Conditions for a Monoclonal Antibody-Producing Cell Line based on a Multivariate Data Analysis Approach. Glob. J. Eng. Tech.: J General Engineering, [en línea]. 2023, 23(1). ISSN: 2583-3359.
12. RODRÍGUEZ, R.H., Gozá, O., Ojito, E. Preliminary modeling of an industrial recombinant human erythropoietin purification process by artificial neural networks. Braz. J. Chem. Eng., [en línea]. 2015, 32, 725-734. ISSN 1678-4383. DOI: 10.1590/0104-6632.20150323s00003527
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Esta obra está bajo licencia internacional Creative Commons CC-BY-NC-ND











Universidad de Oriente