专利名称：原料的光谱指纹识别的制作方法原料的光谱指纹识别本文报道了在接到培养材料组分时，在进行测试培养前并且不需要进行测试培养，对其产品产量方面进行评估的方法。自从20世纪80年代早期，重组DNA技术使得在不同类型的微生物例如细菌、酵母或哺乳动物细胞中表达重组蛋白质变得可能后，重组生物药物产品市场在持续增长。从那时起，这类蛋白质产品被用于多种诊断和药物应用。由于对重组蛋白质的需求增加，对高效和稳健的生产方法的需求极为迫切。对稳健和可重现的生产方法最重要的影响因素之一是起始材料例如培养基的组分。大部分培养基是除了别的之外无机盐、糖、氨基酸、维生素、有机酸和缓冲剂的复杂混合物。许多情况下，使用复杂的，化学上未限定的原料例如源自植物或细菌的蛋白质水解物来促进细胞生长和蛋白质生产。通常，原料以粉末混合物的形式供应，然后溶于水以形成培养基。许多情况下，对于化学上未限定的蛋白质水解物和化学上限定的基础培养基混合物，可观察到显著的批次间变异，导致重组生产的治疗蛋白质产量的巨大变化。快速光谱“指纹识别”技术，例如近红外光谱、中红外光谱、拉曼光谱或2D荧光光谱相对便宜，并非常适于分析复杂混合物。这些方法生成非常大量的高维度数据，所述数据只能用化学计量学方法例如主成分分析(PCA)或偏最小二乘法(PLS)建模处理。复杂光谱学方法和化学计量学的组合通常用于原料的身份测试或用作原料分类的工具。Naes, τ.等人报道了主成分分析(pca)和偏最小二乘法(pls)用于处理和模建复杂数据的用途(Naes, T.等人，NIR Publications, (2002))。在 W02009/086083 中报道了用PLS分等级地组织数据的方法。在W02008/146059中报道了用于确定生物混合物的级分的相对重要性的分析仪和方法。在W02009/061326中报道了对色谱材料的评价。在US2009/0306932中报道了多变量数据阵列的快速分类方法。在EP2128599中报道了分析光谱数据用于选择校准模型。在US5，498，875中报道了样品化学分析的信号处理。在US2008/0177481中报道了分类科学材料例如硅酸盐材料、聚合物材料和/或纳米材料的方法。在US2010/0129857中报道了分离和鉴定微生物的方法。发明概沭已经发现，能够根据培养基组分(例如蛋白质水解物和/或用作复杂培养基的组分的化学上限定的培养基制剂)的NIR和2D荧光光谱的组合预测重组蛋白质生产方法的性倉泛。 如本文报道的一方面是选择待用于培养表达目标蛋白质的哺乳动物细胞的培养基组分批或批次的方法，其中培养使用至少两种不同组分，用两种不同光谱技术的融合的光谱数据进行此类选择。在一个实施方式中，选择待用于培养表达目标蛋白质的哺乳动物细胞的培养组分批次的方法包括以下步骤，其中培养中使用至少两种不同的培养组分:a)提供用第一种光谱学方法获得的不同批次的第一种组分的光谱、用不同于第一种光谱学方法的第二种光谱学方法获得的不同批次的第二种组分的光谱，以及在使用这些不同批次的第一种和第二种组分的组合的培养中获得的目标蛋白质的培养上清产量，b)鉴定计算光谱PCA分数后融合的光谱与培养产量的关系，c)提供用第一种光谱学方法获得的其他批次的第一种组分的光谱和/或用第二种光谱学方法获得的其他批次的第二种组分的光谱，和d)如果基于b)中鉴定的计算光谱PCA分数后融合的光谱关系预测的培养上清产量在a)中提供的平均产量的+/-10%内，选择提供的第一种组分和提供的第二种组分的组口 ο在一个实施方式中，选择待用于培养表达目标蛋白质的哺乳动物细胞的培养组分批次的方法包括以下步骤，其中培养中使用至少两种不同培养组分:a)提供用第一种光谱学方法获得的不同批次的第一种组分的光谱、用不同于第一种光谱学方法的第二种光谱学方法获得的不同批次的第二种组分的光谱，以及在使用这些不同批次的第一种和第二种组分的组合的培养中获得的目标蛋白质的培养上清产量，b)处理光谱，过滤光谱，平滑光谱，并将光谱转化为其一阶导数，c)鉴定光谱中的图式，d)鉴定c)中鉴定的图式与培养的产量的关系，e)提供用第一种光谱学方法获得的其他批次的第一种组分的光谱和/或用第二种光谱学方法获得的其他批次的第二种组分的光谱，f)处理光谱，过滤光谱，平滑光谱，并将光谱转化为其一阶导数，g)如果基于d)中鉴定的关系预测的培养上清产量在a)中提供的平均产量的+/-10%内，选择提供的第一种组分和提供的第二种组分的组合。在一个实施方式中，第一种和第二种光谱学方法选自NIR光谱学、MIR光谱学和2D突光光谱学。在一个实施方式中，光谱的处理包含移除水吸收区和应用多元散射校正，和/或过滤包含Savitzky-Golay过滤。在一个实施方式中通过主成分分析鉴定光谱中的图式。在一个实施方式中主成分分析是展开主成分分析。在一个实施方式中展开保留第一模式(样品)的信息。在一个实施方式中Savitzky-Golay平滑具有19点的窗口和二阶多项式。在一个实施方式中数据是以平均数为中心的，并且主成分的最优数是用留一(leave-one-out)交叉验证法选择的。在一个实施方式中处理包括排除散射区和移除点的插值。在一个实施方式中终光谱是用290nm至594nm的发射波长范围和230nm至575nm的激发波长范围构成的。在一个实施方式中，用偏最小二乘分析鉴定用PCA分数融合并压缩的光谱和收获时培养产量之间的关系。在一个实施方式中，在4784CHT1至8936CHT1的波数区收集NIR光谱。在一个实施方式中，光谱维数从1039波数减至3个主成分。在一个实施方式中，目标蛋白质是抗体、或抗体片段或抗体缀合物。发明详沭已经发现，可以基于培养基组分(例如蛋白质水解物和/或用作复杂培养基的组分的化学限定的培养基制剂)的NIR和2D荧光光谱中所含有的组合的信息预测重组蛋白质的生产方法的性能。本文报道了这样的方法，其中由用于重组生物药物的发酵的两种培养基组分获得的、来自两种不同(正交)光谱学技术的光谱一在处理使其通过变量减少至主成分分析(PCA)分数而加和后一被组合，并使用此类经转换的光谱(输入)模型，基于具有在不同发酵性能方面的批次间变异的所研究的培养基组分混合物，来预测生物药物产品培养收获时的产量(输出)。通过组合使用不同(正交)的光谱学和PCA方法(以确保其加和性)，以及产生此类培养基混合物对主发酵收获时产量影响的方法模型，建立了预测能力，允许选择最适于方法目标的每种原料和/或配制混合物的培养基批次。形成完全培养基的单独的组分的不同批次在其具体组分中有轻微差异，但仍在制造商提供的说明书范围内。在一些情况下，可跟踪此变化至单个成分，但通常批次间变异性不能用分析方法检测。为评估不同的单独的组分批次对产品产量的影响，可重复进行相同哺乳动物细胞系的可比较培养。本文报道了 56个培养，其中发酵和种子培养基分别使用了 9个不同批次的大豆蛋白水解物、2个不同大豆蛋白水解物批次的2种混合物、5个批次的稻蛋白水解物，和6个批次的化学上限定的基础培养基粉。为评估不同大豆蛋白水解物批次在产品产量方面的影响，进行了可比较培养，其中在发酵和种子培养基中使用相同批次的化学上限定的基础培养基和稻蛋白水解物。可根据使用的不同大豆蛋白水解物批次对结果分组。基于处于相似的平均接种细胞密度(ICD)值的产品产量，评估不同批次的性能(表I)。表I化学上限定的培稻蛋白水 解物批_ 33Oh时产批次水解o物批养基批号号ICD品响TD45KD115.7 1319D45KD12 I5.3 1234D45KD13____5.6 1305
D45KD22 "5.3 1023
D45KD23 __115.1 1070
D45KD31 4.8 1008D45KD32 3 4.9 991D45KD33 ___ 5.3 978第2组培养获得的结果列于表2。表

本文报道了选择待用于培养表达目标蛋白质的哺乳动物细胞的培养组分批次的方法，其中培养中至少使用两种不同组分，所述方法包括以下步骤a)提供用第一种光谱学方法获得的不同批次的第一种组分的光谱和用第二种光谱学方法获得的不同批次的第二种组分的光谱，以及在使用这些不同批次的第一种和第二种组分的组合的培养中获得的目标蛋白质的培养上清产量，b)处理光谱，过滤光谱，平滑光谱，并将光谱转化为其一阶导数，c)鉴定光谱中的图式，d)鉴定d)中鉴定的图式与培养产量的关系，e)提供用第一种光谱学方法获得的其他批次的第一种组分的光谱和用第二种光谱学方法获得的其他批次的第二种组分的光谱，f)处理光谱，过滤光谱，平滑光谱，并将光谱转化为其一阶导数，g)如果基于d)中鉴定的关系预测的培养上清产量在a)中提供的平均产量的+/-10％内，选择提供的第一种组分和提供的第二种组分的组合。