使用基于自然科学的层析机理模型创建下游工艺预测模型
每个下游纯化步骤都包含不同的物理和生化效应。例如，层析是微孔材料中的一般流动和输送模式、传质现象以及吸附的综合复杂过程。因此，为创建下游工艺的预测模型，需要深入考虑所有发生的效应。
机理模型的工作原理
机理模型从自然规律的角度来考虑物理和生化效应。例如在层析系统内，吸附磁珠外部的注入组分通过连接泵诱导产生的对流来输送。扩散包括分子扩散、非理想流动等效应。扩散控制着组分在吸附颗粒孔隙内的运动。最终，组分被吸附在颗粒的内表面。
图 1. 层析柱的基本原理图解
建立层析预测模型
为了预测任何类型的下游工艺，必须使用数学模型方程描述支配这些工艺的自然原理。事实上，柱层析法模型包含以下三个独立却又耦合的模型：描述层析柱中一般流动和输送模式的流体动力学模型、描述珠孔内流动相的模型，以及按热力学原理模拟吸附过程的吸附等温线模型。文献中有大量此类模型，描述了不同的层析和相互作用模式。在给定模型和相应模型参数的条件下，层析图谱可以通过计算机模拟来预测生成。
图 2. 基本层析模型方程
仅需少量实验即可完成机理模型校准
在机理模型方程中，许多模型参数是固有的。其中一些是已知的，例如层析模型的层析柱尺寸或流速。未知的模型参数（例如蛋白电荷）必须通过实验数据获得。由于每个模型参数的用途及其对结果的影响具有唯一性，因此所需的实验数据很少，通常在三到十项之间。这些实验可使用不纯的原料，无需使用经纯化的组分。实验所得测量数据会通过数字模拟进行数值优化，并通过逆向曲线拟合获得未知参数。
经校准后，所有下游机理模型都是与真实系统完全等效的数字孪生系统。因此模拟实验可以代替真实实验。模拟实验最明显的应用是优化现有工艺。结合过程分析技术 (PAT) 和原材料组成的实时信息，下游模型可以扩展成为运行生产过程的数字孪生模型。
了解更多：