Esperienze dei clienti
Soluzioni statistiche per una scienza ad alta produttività
Gli scienziati della Fujifilm Diosynth Biotechnologies aumentano la conoscenza dei processi ottimizzando la sperimentazione nella fase di sviluppo
Fujifilm Diosynth Biotechnologies
La sfida | In un settore in cui le decisioni di progettazione hanno un impatto significativo sui costi, gli scienziati hanno bisogno di approcci più efficienti con cui ottimizzare lo sviluppo del processo biofarmaceutico. |
---|---|
Soluzione | JMP® Pro sta aiutando gli scienziati della Fujifilm Diosynth Biotechnologies (FDB) ad acquisire nuove competenze nella scienza dei dati a supporto degli obiettivi aziendali più generali della società. Dall'analisi esplorativa dei dati alla riduzione delle dimensioni grazie alla piattaforma Explorer funzionale dei dati, fino alla progettazione degli esperimenti e della visualizzazione, JMP fornisce agli scienziati mezzi strategici ed economici per ampliare la conoscenza dei processi in meno tempo. |
I risultati | Ampliando il proprio set di strumenti statistici e per la scienza dei dati, gli scienziati della FDB stanno rendendo i processi di produzione e di sviluppo farmaceutico più solidi e replicabili. La semplificazione dello sviluppo in fase iniziale ha portato a tempistiche di produzione e sviluppo più ridotte. |
Nel marketplace altamente competitivo delle biotecnologie e della biofarmaceutica, i cicli rapidi di innovazione e l'aderenza a uno standard elevato sono fondamentali. Le decisioni di progettazione hanno un impatto importante sui costi, perché la produzione punta a generare lotti di prodotti omogenei e corretti che non richiedano una nuova lavorazione.
Consapevoli che i consumatori e gli operatori sanitari si aspettano prodotti che siano di alta qualità ma economici, l'organizzazione di sviluppo e produzione per conto terzi Fujifilm Diosynth Biotechnologies (FDB) ha deciso di fornire ai propri scienziati una serie di strumenti di statistica e scienza dei dati all'avanguardia a supporto del processo decisionale, aumentando l'efficienza e la riproducibilità degli esperimenti. Questa decisione risponde alla crescente necessità degli scienziati di disporre di funzionalità statistiche direttamente in laboratorio.
Con sedi nel Regno Unito, Stati Uniti e Danimarca, FDB è il principale fornitore a contratto di farmaci, terapia genica e servizi di sviluppo dei processi vaccinali e di produzione nel rispetto delle GMP. La società lavora in stretta collaborazione con i consumatori di tutto il mondo, offrendo una vasta competenza scientifica in colture cellulari, proteine ricombinanti, vaccini virali, fermentazione biologica e terapie geniche. Inoltre, sviluppa processi di produzione a ciclo di vita completo (comprese la caratterizzazione e la convalida) per prodotti biofarmaceutici, dall'ideazione al lancio e alla fornitura continua.
L'innovazione nella tecnologia ad alta produttività incrementa la sperimentazione
FDB è stata tra le prime a usare approcci di sperimentazione ad alta produttività in aggiunta all'automazione e a puntare su attrezzature migliorate allo scopo di risparmiare tempo, aumentare la comprensione dei processi e rendere possibile il flusso integrato di dati, riducendo così le ore del personale impiegate per ogni singolo compito. Queste nuove tecnologie hanno avuto un'influenza notevole sull'aumento del volume di produzione aziendale e hanno elevato la qualità dei sistemi di laboratorio di FDB oltre lo standard del settore. Le stesse nuove tecnologie e approcci vengono adottati sempre di più da altri protagonisti del settore.
“La tecnologia ad alta produttività ha avuto un impatto notevole sullo sviluppo delle tempistiche nei programmi per biofarmaci”, afferma Somaieh Mohammadi, scienziata e membro dello staff di FDB. “Ad esempio, la [tecnologia] ambr® applicata alla coltura e fermentazione delle cellule ha migliorato la resa, anche quando usata come modello ridimensionato, permettendoci di ottenere un'affidabile valutazione e caratterizzazione della performance dei processi e della qualità dei prodotti sia su piccola che su larga scala.
In qualità di membro del gruppo di scienze dei dati di FDB, Mohammadi, che ha competenze in statistica e ingegneria computazionale, e la sua collega Gwen Ninon, anche lei responsabile scientifico di scienze dei dati, lavorano con clienti interni per sviluppare competenze sempre nuove in questo campo. Offrendo formazione ufficiale, consulenza individuale ad hoc e l'implementazione di flussi di lavoro per lo sviluppo strategico a più lungo termine, Mohammadi, Ninon e i loro colleghi di scienze dei dati puntano a fornire ai propri colleghi di FDB gli strumenti giusti per sfruttare al meglio le tecnologie ad alta produttività come le serie di mini o macro bioreattori ambr® e sistemi di analisi e manipolazione dei liquidi che possono generare grosse quantità di dati in pochissimo tempo. Se lo scopo finale è favorire l'innovazione dei processi, è fondamentale immaginare e implementare nuovi approcci statistici e di scienza dei dati che aumentino le prestazioni in laboratorio e semplifichino un processo decisionale più consapevole.
Una delle aree in cui Mohammadi e Ninon hanno fatto più passi avanti è la fluodinamica computazionale (CFD). Negli ultimi anni, le tecniche di CFD progettate per prevedere e ottimizzare le prestazioni sono diventate molto popolari alla FDB. Tuttavia, le diverse possibilità di scelta per i parametri di input avevano reso questa procedura un collo bottiglia per gli scienziati, che si erano resi conto di avere bisogno di eseguire più simulazioni per considerare i numerosi fattori in gioco. Ed è stato qui che sono entrate in gioco Mohammadi e Ninon.
Mohammadi spiega che “A causa dell'elevata complessità dei nostri processi, avevamo bisogno di uno strumento migliore per valutare l'impatto delle forze fisiche come flussi di gas e di fluidi, oltre che per tenere conto di parametri più convenzionali, tra cui la velocità di alimentazione, la densità cellulare ecc.”. Dovendo trovare uno strumento che le aiutasse a limitare le diverse variabili di input e a ottimizzare la sperimentazione sfruttando il disegno degli esperimenti, lei e Ninon hanno pensato a JMP® Pro.
Il disegno degli esperimenti aiuta a ottimizzare la sperimentazione e riduce i tempi di sviluppo
Una delle funzionalità chiave di JMP e del fratello maggiore JMP Pro, è la piattaforma personalizzata di disegno degli esperimenti del software (DOE), che offre metodi DOE avanzati come il piano personalizzato e il piano di screening definitivo. I metodi DOE oggi giocano un ruolo sempre maggiore nei laboratori farmaceutici e biofarmaceutici di tutto il mondo, dove i metodi statistici aiutano i ricercatori a ridurre il numero di esperimenti da portare a termine per un determinato test, in modo da accorciare i cicli di sviluppo. Sebbene questo non sia l'unico software con funzionalità DOE integrate, per Ninon JMP Pro è stato uno strumento essenziale per creare un flusso di lavoro basato sul DOE che potesse essere applicato alla CFD.
“La modellizzazione CFD basata sul DOE ci aiuta a prendere decisioni più oculate sui piani che ci consentono, in ultimo, di comprendere meglio i processi e aumentare la riproducibilità dei prodotti”, dichiara Mohammadi. Il vantaggio maggiore di un approccio DOE, aggiunge Ninon, sta nel fatto che gli scienziati possono pianificare gli esperimenti in anticipo, separando i fattori importanti da quelli di disturbo.
Ninon afferma che “Dal punto di vista della statistica, riusciamo a eseguire esperimenti senza preoccuparci dei fattori nascosti o della randomizzazione. Poter testare una serie di condizioni velocemente su bassa scala in un modello collaudato è fondamentale per eseguire una caratterizzazione e una validazione più veloci, ma con meno rischi”.
L'Explorer funzionale dei dati è una funzionalità essenziale nella preparazione dei dati per le analisi
JMP Pro offre anche una piattaforma multiservizi conosciuta come Explorer funzionale dei dati (FDE), che in pratica è uno strumento di trasformazione dei dati che aiuta gli scienziati a preparare i dati per l'analisi, compreso il DOE. L'FDE si rivela particolarmente utile nello sviluppo di biofarmaci in cui molti dati (dei sensori, di transazione o spettri chimici, ad esempio) vengono presentati come una funzione. Come Mohammadi e Ninon potrebbero confermare, la sfida di lavorare con questo tipo di dati sta nel fatto che spesso i ricercatori non vogliono analizzare i dati delle funzioni direttamente, ma piuttosto le funzioni da cui derivano i dati osservati.
L'FDE trasforma questi dati in modo da renderli più semplici da analizzare. Di per sé, è uno strumento fondamentale per la pre-elaborazione dei dati per l'analisi esploratoria, poiché crea modelli surrogati o riduce le dimensioni. I risultati del FDE possono essere facilmente spostati in un'altra piattaforma JMP con un semplice clic.
“La piattaforma, così semplice da usare, è fantastica e ti permette di salvare le dashboard in formato HTML e condividerle con i non utenti”, dichiara Ninon. La funzionalità di condivisione delle analisi integrata di JMP è importante per i ricercatori che collaborano a un progetto di sviluppo tanto quanto lo è per chi come Mohammadi e Ninon ha funzioni consultive e offre supporto ad hoc.
Oggi, gli scienziati della FDB hanno molti strumenti tra cui scegliere. Tuttavia, Ninon, che ha studiato Minitab all'università e ha molta esperienza con i software open source, afferma che JMP è la loro prima scelta per determinati tipi di analisi. Le funzionalità di visualizzazione e di imputazione dei dati di JMP, oltre alle sue piattaforme specializzate come FDE, sono fattori chiave. “Nonostante avessimo potuto fare tutto questo con R, non ci saremmo arrivate senza suggerimenti, per cui sarebbe stato molto difficile e avrebbe richiesto parecchio tempo”, aggiunge.
“Sebbene dietro vi siano molti calcoli complicati e codifiche”, dice Mohammadi, “la piattaforma di facile utilizzo di JMP la rende davvero semplice da usare”. Tutti questi aspetti positivi, nel loro insieme, contribuiscono a velocizzare i cicli di sviluppo e, a loro volta, anche la redditività e l'innovazione scientifica.
I risultati illustrati in questo articolo si riferiscono specificatamente a situazioni, modelli di business, input di dati e ambienti di elaborazione particolari descritti nel presente documento. L’esperienza di ogni cliente SAS è unica, basata su variabili tecniche e aziendali e, pertanto, tutte le affermazioni devono essere considerate non tipiche. I livelli di risparmio, i risultati e le caratteristiche prestazionali varieranno in base alle configurazioni e alle condizioni specifiche del cliente. SAS non garantisce il raggiungimento di simili risultati da parte di tutti i clienti. Le sole garanzie per i prodotti e servizi SAS sono quelle esposte nelle dichiarazioni di garanzia espresse presenti nel contratto scritto per tali prodotti e servizi. Niente di quanto qui affermato può costituire garanzia aggiuntiva. I clienti hanno condiviso le loro storie di successo con SAS come parte di uno scambio contrattuale convenuto o in qualità di riepilogo del successo del progetto in seguito a una positiva implementazione del software SAS.