Comprimento de onda do laser e condicionamento da amostra no monitoramento bioquímico por espectroscopia Raman da produção de VLP de SARS-CoV-2

Resumo

No cenário atual das indústrias biofarmacêuticas, é imprescindível o monitoramento de bioprocessos, permitindo a caracterização e otimização de etapas, assim como o controle de parâmetros críticos ao longo da produção, de forma a assegurar a qualidade do produto, bem como o alto rendimento e produtividade. Por meio de técnicas analíticas multiparâmetros, é possível acompanhar as variáveis bioquímicas com medições rápidas, financeiramente acessíveis e com resultados precisos. Assim, a espectroscopia acoplada a métodos quimiométricos é utilizada tanto no monitoramento on-line quanto off-line de processos, dado suas características não destrutivas, não invasivas e que obtém dados quantitativos de múltiplas variáveis bioquímicas simultaneamente. A fim de relacionar os dados espectrais, estabelecer relações entre parâmetros e possibilitar previsões, são utilizados métodos matemáticos e estatísticos de modelagem. Dessa forma, o presente projeto pretende comparar a capacidade preditiva de dois métodos de correlação, Mínimos Quadrados Parciais (PLS) e Rede Neural Artificial (ANN) no monitoramento off-line do processo upstream de produção de partículas semelhante a vírus (VLP) de SARS-CoV-2. A partir da análise entre os modelos, pretende-se também identificar os efeitos em amostras sem nenhum processamento (com células) e amostras de sobrenadantes (sem células), bem como a diferença na utilização de diferentes comprimentos de onda do laser na espectroscopia Raman (785 nm e 1064 nm). Por fim, os modelos gerados poderão ser capazes de estimar a densidade de células viáveis, viabilidade celular, metabólitos, nutrientes e titulação viral de maneira a facilitar o monitoramento, otimização e controle nas próximas etapas de desenvolvimento do bioprocesso até a escala comercial.