百时美施贵宝预测生物反应器中的传质分析

       对于像百时美施贵宝这样的制药公司来说，生物制剂的生物制造过程——即在搅拌罐生物反应器中由活体生物生产的物质——在工艺规模化和集约化方面面临挑战。但复杂的流体力学使得传统的预测数学建模变得缓慢且困难。

这就是为什么百时美施贵宝转向M-STAR CFD软件

         凭借M-Star计算流体力学，百时美施贵宝成功构建了一个基于时间依赖、气泡解析的两相模型框架，用于研究搅拌罐生物反应器中的实时混合以及质量和氧气转移。

以下案例研究基于《化学工程科学》2021年期刊的研究成果。

问题

生物反应器是针对特定规模和条件设计的。因此，百时美施贵宝需要找到一种方法，预测和理解他们在小规模桌面层面开发和优化的工艺如何转化为生产规模——同时保持生物反应器的最佳运行。

问题在于溶解气体浓度——生物过程中的关键环境参数——受复杂流体力学影响，使得单相流体模型不适用。为了准确捕捉细胞培养过程的复杂性，百时美施贵宝需要开发一个两相流体模型，不仅能处理搅拌和气体排放，还能支持物质通过气泡和液体界面的运输。

那RANS呢？

时间平均流场对湍流生物过程模拟价值有限。在GPU上高效运行的全瞬态仿真，为流体混合和质量转移过程模型提供了远远优越的范式。

解决方案

为了预测复杂的多流体混合过程，并成功扩大生产规模，最终加快化合物上市速度，百时美施贵宝采用现代计算流体力学软件，利用GPU资源解决基于格点玻尔兹曼的传输算法。

“对于许多情况下，这种完全解析的实现比多CPU环境中的RANS/人口平衡方法更快且更少建模假设地生成工程预测。”

物理学探究

• 流体力学
• 能量输入与耗散
• 气泡动力学
• 质量转移
• 流体物种运输

系统建模

• 500升和2000升的混合时间
• 500升和2000升的功率输入与耗散
• 5升时的速度场和局部能量耗散率
• 质量传递系数分别为5升、200升、500升和2000升
• 输出对5升电压下合并和破碎模型的敏感性

计算考虑

• 4 块 Nvidia Tesla V100 GPU
• 每秒15亿次晶格更新
• 每秒模拟时间的墙面时间 0.5-1 分钟

在M-Star计算流体力学的支持下——包括与M-Star团队的深入培训以及流体力学和过程模拟的咨询专业知识——百时美施贵宝得以建模、求解并验证了一种用于预测质量和氧气转移的机械方法。

结果

在各种作条件下，模型预测值与测量条件一致。结果为百时美施贵宝提供了模型和信息，帮助他们理解一个工艺如何从小规模转化为生产规模。

通过M-Star计算流体力学，计算速度在求解流体传输方程时提升了多个数量级，进一步得益于GPU的使用。结果与实验数据高度一致，且未在不同尺度或作条件下进行模型参数调整。

“通过在图形处理单元（GPU）上运行该算法，该方法被证明能够在工业应用中实际可用的时间尺度上求解。”

总体而言，这一方法帮助百时美施贵宝加快了生产进度，降低了生物制剂生产成本，从而更快地将化合物推向市场。

案例下载

关于百时美施贵宝

百时美施贵宝是一家总部位于纽约的全球生物制药公司，生产多个治疗领域的创新药物和生物制剂，包括肿瘤学、心血管学、免疫科学和纤维化。