Unter anderem infolge der COVID-19-Pandemie steigt die Nachfrage nach Biopharmazeutika mit weniger Nebenwirkungen, die zur Behandlung von Patienten mit seltenen und schwer behandelbaren Krankheiten eingesetzt werden können. Im Gegensatz zur Herstellung chemisch synthetisierter Allzweckarzneimittel, liegen die Gesamtkosten bei Biopharmazeutika weitaus höher. Zudem erfordert der komplexe Zellkultivierungsprozess, der zur effizienten und stabilen Gewinnung der Zielproteine notwendig ist, strenge Qualitätskontrollmaßnahmen. Diese stellen bei der Massenproduktion eine große Herausforderung dar. Die Anzahl der in einem Bioreaktor kultivierten Zellen ist immens. Da diese Zellen in ihrer Gesamtheit diejenigen Substanzen erzeugen, die als Wirkstoffe von Arzneimitteln eingesetzt werden, ist es notwendig, ihre individuellen Stoffwechselreaktionen genauestens zu überwachen. Ebenfalls wichtig sind dabei die Echtzeit-Visualisierung und -Analyse von Umweltfaktoren wie Änderungen des pH-Werts und der Konzentration von gelöstem Sauerstoff. Dabei hat sich die zur Durchführung der Zellproduktion erforderliche Steuerung der komplexen Zellreaktionssysteme mit ihrer extrem großen Anzahl von Parametern als äußerst schwierig erwiesen.

Insilico Biotechnology ist ein, in Stuttgart ansässiger, Entwickler und Anbieter von Bioprozesssoftware und -dienstleistungen. Die Yokogawa Electric Corporation hat sämtliche Anteile an der Insilico Biotechnology („Insi-lico“) erworben. Da die Förderung der Bioökonomie eines der vorrangigsten Themen im Rahmen der Nachhaltigkeitsziele von Yokogawa darstellt, will das Unternehmen diese Akquisition nutzen, um umfassende Bioprozesslösungen zu entwickeln, die biopharmazeutische Prozesse von der Entwicklung bis zur Herstellung unterstützen.

Die von Insilico entwickelte Digital Twin-Technologie nutzt ein leistungsfähiges Hybridmodell, das sich – aus einem mechanistischen Modell1 der eindeutigen Merkmale eines intrazellulären Stoffwechsel-netzwerks und – einem datenbasierten Modell2, das mithilfe eines maschinellen Lernprozesses aus Prozessdaten erstellt wird, zusammensetzt. Die Möglichkeiten zur Vorhersage und Simulation beschleunigen nicht nur den bislang mehrere Jahre erfordernden Entwicklungsprozess, sondern ermöglichen auch ein tieferes Verständnis des Stoffwechselprozesses.

Da die Lösung die Erstellung von Stoffwechselmodellen für Bakterien und andere Arten zellulärer Organismen ermöglicht, kann sie bei weiteren Anwendungen zur Erzeugung von Lebensmitteln, Chemikalien und anderen Produkten mithilfe von Biotechnologie eingesetzt werden.

Auch bei der Produktion ermöglicht die Digital Twin-Technologie von Insilico eine Echtzeitanalyse der Prozessdaten, wodurch

– die konstante Vorhersage der Produktionsleistung der Kulturen

– Soft Sensing nicht direkt messbarer Nährstoffkomponenten

– frühzeitiges Erkennen von Prozessanomalien und

– die Bereitstellung von Arbeitsanweisungen

für Bediener ermöglicht wird.