由于能够创造更大价值和带来竞争优势与创造新机会，数字化转型在生物制药行业中的作用越来越重要。数字化生物制造利用物联网来连接数据、设备、物料和人员等不同数据来源。生物制药 4.0 融合人工智能、增强现实、机器人和数字孪生，彻底改变了传统概念。
生物制药 4.0 的优势
生物制药 4.0 的优势贯穿开发新的候选产品和相关生产工艺、监管的方方面面、市场准入、制造、质量等整个价值链：
- 数字实验室资料库和数据湖在整个组织中实现结构化和情境化数据的标准化聚合。数据中心是大多数生物制药 4.0 应用程序的前提。
- 大数据与人工智能用于虚拟筛选潜在的目标分子，并在个性化医疗中发挥关键作用。
- 数字孪生即生产资产映射，可以帮助提高操作效率、提高工艺设计的灵活性与敏捷性、缩短上市时间、降低工艺开发成本以及提高工艺理解。
- 虚拟工艺控制策略和软传感器允许实时工艺监控和控制，以及进行产品发布测试。
- 虚拟现实和增强现实支持未来生产施的设计，同时提高效率并减少现有工厂的停机时间。操作员培训和产品更换变得更加高效。
生物制药行业的数字孪生
数字孪生通常被理解为现实世界工艺的虚拟表现，用于工艺理解、优化和监控。飞机或汽车工程等行业从概念到设计，再到采购、制造和服务，从根本上依赖于数字孪生的应用。
这种虚拟表现基于数据分析、机器学习等统计方法或基础自然科学，通常通过精确的工艺模拟来完成。基于工艺模拟的数字孪生已经彻底改变了许多行业，其中包括化工行业。
数字孪生推动下一代生物工艺发展
尽管其他行业似乎发展较早，但生物工艺的数字孪生也已经开始影响生物制药行业。数字孪生是一种全新的解决方案，它利用数字模拟代替实验室实验，为研究、开发和创新创造一个经济而快速的环境。生物工艺数字孪生具有巨大的价值创造潜力。
图 1. 整个生物工艺生命周期中采用下游数字模拟的应用领域。
生物工艺数字孪生：机理模型与统计模型对比
生物工艺数字孪生可以通过统计模型或机理模型实现。由于这两种建模概念都有其各自的优点和缺点，因此需要考虑它们的区别。简而言之：
- 机理模型要求对驱动机制有深刻和基本的理解，用物理和数学方程表示。
- 统计模型是对有限的基本与定量理解的工艺进行了解的唯一可行方法，例如细胞的整个新陈代谢周期等生命体系。
- 统计模型通常是几何复杂性较低的技术工艺的首选方法，例如，可以简化为搅拌罐式反应器的生物反应器。
- 机理模型用于模拟高度复杂的工艺，例如层析或过滤工艺。例如，层析柱和吸附剂空隙内的所有效应都会影响最终的层析图谱。而统计模型通常无法表示这种复杂程度。相反，由于统计模型过度简化了数字孪生，可能会影响项目的成功。
为了满足对工艺理解和质量源于设计的监管要求，国际人用药品注册技术协调会 (ICH) 建议利用机理模型进行工艺表征和工艺验证 (PC/PV)。
基于机理模型的数字孪生将数据转化为深入的工艺知识
基于机理模型构建的下游数字孪生将少量的开发或制造工艺数据转化为深入的工艺理解。这些知识以模型方程和参数的形式表示，可以用简单、清晰和精确的语言进行开发和管理。
与实验方法相比，它们可以收集更多更好的数据，并可以在整个产品生命周期中运用合理、科学的决策。可以提前以最低成本降低相关风险。
基于机理模型构建的数字孪生可以集成在开发实验室或生产基地当中，形成软传感器，实现数据化管理，以提高生物制药工艺控制和根本原因分析的效率。
我们可以使用化学工具进行下游工艺模拟吗？
几十年来，下游工艺模拟工具在化工行业中发挥了至关重要的作用。化学下游工艺的核心机制看似与生物制药下游工艺的核心机制相似。然而，生物制药比小化学分子要复杂得多。因此，用于化学工艺的机理模拟工具不满足生物制药工艺模拟的条件。
生物制药工艺模拟跨越的学科甚广。它要求对生物技术工艺有基本了解，并掌握丰富的应用数学知识、扎实的软件编程技能和丰富的行业知识。尽管生物制药下游模拟在化工行业中很受欢迎，但它几十年来一直是一个学术话题。
图 2. 药物分子的大小：一个典型的化学分子（乙酰水杨酸）由 21 个原子组成；一个抗体由超过 25,000 个原子组成
GoSilico™ 层析建模软件加快了生物制药工艺模拟的速度
GoSilico™ 层析建模软件克服了复杂性的障碍，为大型生物分子的生物工艺数字孪生打开了大门。该软件基于新一代物理模型和生化模型，可准确描述大蛋白的行为。最先进的数学知识通过机器学习，可带来超高的模拟速度和卓越的模型校准技术，从而最大限度地减少对专业知识的需求和人为错误。
GoSilico™ 层析建模软件充分利用机理模型提供准确、快速、稳健且易于使用的模拟框架。
