Memperbesar produksi daging budidaya itu mahal dan memakan waktu. Beralih dari pengaturan laboratorium kecil ke bioreaktor komersial sering gagal karena hasil biologis yang tidak dapat diprediksi. Namun, AI dan kembar digital mengubah ini. Alat-alat ini mensimulasikan dan mengoptimalkan proses secara virtual, mengurangi biaya dan waktu pengembangan hingga 50%. Berikut caranya:
- Kembar digital membuat replika virtual dari bioreaktor, mensimulasikan kondisi seperti dinamika fluida dan distribusi nutrisi. Mereka memprediksi hasil tanpa mempertaruhkan peralatan fisik.
- Sensor bertenaga AI memungkinkan pemantauan dan penyesuaian waktu nyata, meningkatkan efisiensi dan mengurangi limbah.
- Perusahaan seperti Gourmey telah menggunakan teknologi ini untuk menurunkan biaya produksi menjadi €7/kg (£6/kg) dan mengurangi biaya pakan menjadi €0.20/liter (£0.17/liter).
Dari mengoptimalkan pertumbuhan sel hingga mencegah kegagalan peralatan, AI dan digital twins sedang membentuk kembali jalur menuju produksi daging budidaya yang dapat diskalakan dan hemat biaya. Teruslah membaca untuk mempelajari bagaimana alat-alat ini diterapkan dan dampaknya pada industri.
Dampak AI dan Digital Twins pada Biaya dan Efisiensi Produksi Daging Budidaya
Penerapan AI dan Digital Twins untuk Bioproses: Jebakan dan Jalur Solusi untuk...
sbb-itb-ffee270
Manfaat AI dan Digital Twins untuk Produksi Daging Budidaya
AI dan digital twins memberikan dampak besar pada produksi daging budidaya dengan meningkatkan kontrol proses, mengurangi biaya, dan membuka jalan bagi operasi komersial skala besar.
Peningkatan Pengendalian dan Pemantauan Bioreaktor
Kembar digital memungkinkan produsen untuk mensimulasikan kondisi bioreaktor - seperti geometri, dinamika fluida, dan pengaturan fisik - sehingga memungkinkan untuk menjalankan skenario "bagaimana jika". Simulasi ini membantu menyempurnakan parameter kritis seperti suhu, tingkat pH, dan pasokan nutrisi tanpa perlu penyesuaian fisik yang mahal [1] [6] [4].
AI memainkan peran kunci melalui "soft sensing", yang memungkinkan pemantauan waktu nyata dari variabel yang sulit diukur secara langsung. Sensor virtual memperkirakan detail seperti tingkat oksigen terlarut dan konsentrasi glukosa di area di mana sensor fisik kurang memadai. Data dari bioreaktor terus dibandingkan dengan model virtual, membantu mendeteksi perbedaan atau tanda awal masalah peralatan.Ini memungkinkan pemeliharaan prediktif, seperti yang disoroti oleh Octocells:
"Dengan memprediksi kapan mesin kemungkinan akan gagal atau memerlukan servis, pemeliharaan akan dijadwalkan secara proaktif, mengurangi waktu henti dan memperpanjang umur peralatan." [1]
Selain itu, AI kausal membantu produsen memahami interaksi molekuler, memprediksi bagaimana molekul tertentu akan mempengaruhi perilaku sel [4]. Kemampuan ini meningkatkan keandalan sambil mengurangi biaya, menciptakan fondasi yang kuat untuk meningkatkan produksi.
Memotong Biaya Melalui Optimalisasi Proses
Kontrol yang lebih baik atas bioreaktor secara langsung mengurangi biaya operasional dengan meminimalkan limbah dan mengoptimalkan penggunaan media kultur sel - biaya terbesar dalam produksi daging budidaya. Digital twins memungkinkan pengujian virtual perilaku sel dan perubahan media, secara signifikan mengurangi kebutuhan untuk eksperimen laboratorium basah yang mahal.
Contoh yang bagus datang dari Gourmey, sebuah start-up Prancis yang bekerja sama dengan perusahaan bioteknologi DeepLife pada Juni 2025. Bersama-sama, mereka mengembangkan kembar digital dari sel unggas dengan menganalisis data sekuensing dari jutaan sel burung dan mengintegrasikannya dengan data gangguan media. Nicolas Morin-Forest, CEO Gourmey, menjelaskan:
"Mengoptimalkan parameter ini meningkatkan hasil, mengurangi limbah pakan, yang merupakan pendorong biaya utama dalam daging budidaya, dan secara langsung menurunkan biaya produksi." [4]
Jonathan Baptista, CEO DeepLife, lebih lanjut mencatat:
"Model ini disesuaikan menggunakan data Gourmey tentang gangguan media, memungkinkannya untuk memprediksi bagaimana molekul yang berbeda akan mempengaruhi perilaku setiap populasi sel." [4]
Selain optimasi media, kembar digital juga membantu mengurangi pengeluaran modal. Perusahaan dapat membuat replika pabrik virtual untuk menguji tata letak, penempatan peralatan, dan alur kerja sebelum konstruksi dimulai, memastikan efisiensi maksimum [1]. Simulasi ini juga menyediakan cara yang aman dan hemat biaya untuk melatih operator, mempercepat kesiapan dan menurunkan biaya pelatihan.
Meningkatkan Produksi Komersial
Kembar digital memainkan peran penting dalam meningkatkan operasi dari laboratorium ke produksi skala penuh. Transisi ini sering kali disertai tantangan teknik, terutama dalam memastikan aliran fluida dan distribusi nutrisi dalam bioreaktor besar. Kembar digital, dikombinasikan dengan dinamika fluida komputasional (CFD), membantu mengoptimalkan faktor-faktor ini [7].
Dengan mensimulasikan desain dan proses, produsen dapat menjembatani kesenjangan antara pengaturan eksperimental dan manufaktur skala besar. Seperti yang ditunjukkan oleh FUDZS:
"Dengan mengidentifikasi desain yang paling efisien melalui simulasi, investor akan memastikan bahwa setiap dolar atau euro yang dihabiskan untuk konstruksi menghasilkan pengembalian investasi tertinggi yang mungkin!" [1]
Pada skala komersial, kembar digital terus memantau kinerja peralatan secara real-time, membandingkannya dengan tolok ukur virtual untuk mendeteksi tanda-tanda awal keausan. Pendekatan proaktif ini meminimalkan waktu henti, memastikan produksi berkelanjutan untuk memenuhi permintaan pasar [1].
Simulasi yang didorong oleh AI juga mempercepat penelitian dan pengembangan dengan mengurangi ketergantungan pada eksperimen laboratorium basah tradisional. Ini memungkinkan produsen untuk dengan cepat menyempurnakan garis sel, formula media, dan proses produksi sambil tetap sesuai anggaran dan jadwal.
Cara Menerapkan AI dan Kembar Digital dalam Otomasi Bioproses
Membawa AI dan kembar digital ke dalam produksi daging budidaya memerlukan dasar yang kuat dalam manajemen data, teknik pemodelan hibrida, dan perangkat keras yang sesuai. Titik awalnya adalah membangun lapisan data yang mengalirkan data bioreaktor penting - seperti pH, oksigen terlarut, torsi, kecepatan agitasi, dan massa umpan - ke dalam plant historian. Langkah ini meletakkan dasar untuk implementasi yang efektif [5] .
Fase berikutnya melibatkan pembuatan model hibrida. Pendekatan ini menggabungkan prinsip-prinsip mekanistik, seperti keseimbangan massa dan laju transfer oksigen, dengan algoritma pembelajaran mesin. Dikenal sebagai model "kotak abu-abu", ini melampaui metode berbasis fisika tradisional untuk memprediksi perilaku biologis yang kompleks dengan lebih baik.Sebagaimana yang dikatakan oleh James Westley, Associate Director di Cambridge Consultants:
"Pendekatan ini dimulai dengan melengkapi AI dengan 'kecerdasan nyata'... menggabungkan AI dengan keahlian domain untuk mengurangi jumlah eksperimen – dari ribuan rendah menjadi puluhan tinggi" [2].
Dengan mengurangi jumlah eksperimen yang diperlukan, metode ini dapat secara signifikan menurunkan biaya sambil mempertahankan akurasi. Setelah fondasi ditempatkan, fokus beralih ke pelatihan kembar digital dan mengintegrasikannya ke dalam kontrol proses waktu nyata.
Melatih Kembar Digital dengan Data Eksperimental
Agar kembar digital dapat berfungsi secara efektif, diperlukan data berkualitas dari eksperimen fisik. Model tradisional sering kali memerlukan ratusan atau bahkan ribuan titik data.Namun, pemodelan hibrida menyederhanakan ini dengan menggabungkan hubungan fisik dan kimia yang diketahui, seperti bagaimana peningkatan CO₂ mempengaruhi pH, mengurangi beban data [2] .
Menggunakan Desain Eksperimen (DoE) yang dipandu AI dengan optimasi Bayesian lebih lanjut menyederhanakan proses. Metode ini memprioritaskan eksperimen yang paling informatif, menghindari ketidakefisienan coba-coba. Sebagai contoh, dalam satu studi, peneliti melatih model hibrida menggunakan hanya 21 eksperimen dan memvalidasinya dengan 6 tes tambahan. Model tersebut secara akurat memprediksi pertumbuhan biomassa dan konsumsi glukosa [8] .
Keuntungan ini bukan hanya teoretis. Pada Juni 2025, start-up Prancis Gourmey bekerja sama dengan perusahaan bioteknologi DeepLife untuk mengembangkan kembar digital untuk produksi unggas budidaya.Dengan menganalisis data sekuensing dari jutaan sel avian dan mengintegrasikannya ke dalam Model Bahasa Besar (LLM), mereka mensimulasikan mekanisme intraseluler. Ini memungkinkan mereka untuk mengoptimalkan formulasi pakan secara virtual sebelum melakukan eksperimen fisik. Seperti yang dijelaskan oleh Nicolas Morin-Forest, CEO Gourmey:
"Dengan menggabungkan platform budidaya sel milik Gourmey dan alat analitik canggih dengan teknologi kembar digital terdepan dari DeepLife, kami sekarang dapat mensimulasikan dan mengoptimalkan setiap tahap produksi" [4].
Metode semacam ini tidak hanya mengurangi biaya tetapi juga meningkatkan kontrol atas proses produksi.
Mengintegrasikan AI untuk Penyesuaian Waktu Nyata
Setelah kembar digital dilatih, ia dapat digunakan untuk kontrol proses waktu nyata melalui Model Predictive Control (MPC) atau Reinforcement Control (RC).Sistem ini menyesuaikan parameter seperti pH, oksigen terlarut, dan laju pemberian makan berdasarkan prediksi kembar [5] . Jenis kontrol loop tertutup ini bergantung pada Teknologi Analitik Proses (PAT), dengan sensor canggih seperti spektroskopi Raman atau FTIR yang mengukur metabolit kunci kira-kira setiap 60 detik [5].
Sebelum sepenuhnya mengotomatisasi proses, bijaksana untuk menguji sistem dalam "mode bayangan". Ini memungkinkan rekomendasi AI dibandingkan dengan keputusan operator tanpa risiko, membangun kepercayaan pada kemampuan sistem [5]. Misalnya, Elise Biopharma menggunakan kembar digital dengan MPC dalam proses fed-batch 1.000 liter. Ini mengungkapkan masalah transfer oksigen yang disebabkan oleh viskositas kaldu. Dengan menyeimbangkan kembali agitasi dan tekanan balik, sistem menyelesaikan masalah dan meningkatkan hasil [5].
Untuk memastikan keberhasilan, peralatan harus mendukung streaming data yang berkelanjutan dan aliran informasi dua arah. "Sensor lunak" bertenaga AI sangat berharga di sini, karena mereka menyimpulkan variabel yang sulit diukur secara langsung, menawarkan wawasan di luar jangkauan sensor fisik [5].
Menggunakan Cellbase untuk Pengadaan Peralatan
Mengembangkan AI dan kembar digital dari laboratorium ke produksi komersial memerlukan perangkat keras khusus yang mungkin tidak disediakan oleh pemasok laboratorium umum. Peralatan penting termasuk bioreaktor dengan konektivitas data terintegrasi, sensor inline canggih seperti probe Raman dan FTIR, spektrometer massa off-gas, dan bioreaktor paralel multi-sumur dengan mikrofluida. Selain itu, media pertumbuhan harus dilacak dengan cermat, karena variasi dalam komposisi dapat secara signifikan mempengaruhi respons biologis [2][5].
Untuk perusahaan yang meningkatkan proses daging budidaya dari penelitian ke produksi komersial,
Studi Kasus: Kembar Digital dan AI dalam Produksi Daging Budidaya
DeepLife-Gourmey Kembar Digital Avian
Studi kasus ini membahas bagaimana teknologi AI dan kembar digital mengubah industri daging budidaya, dengan fokus pada kolaborasi antara perusahaan daging budidaya Prancis Gourmey dan perusahaan bioteknologi DeepLife.
Pada bulan Juni 2025, Gourmey dan DeepLife meluncurkan kembar digital avian pertama - model virtual sel unggas yang bertujuan untuk mengoptimalkan kondisi pertumbuhan. Proyek ini berfokus pada sel induk embrionik bebek, mengumpulkan data multi-omik selama tujuh hari. Data ini dianalisis menggunakan Model Bahasa Besar, yang mengidentifikasi mekanisme intraseluler dan memprediksi bagaimana berbagai molekul mempengaruhi perilaku sel [4] [9].
Kembar digital menggunakan AI kausal untuk memetakan hubungan sebab-akibat dalam sel. Sebuah Kerangka Target-Aksi-Metabolit (TAM) menghubungkan hasil seluler, seperti peningkatan kelangsungan hidup sel atau peningkatan sintesis lemak, dengan metabolit spesifik dan parameter proses [9]. Ini memungkinkan ribuan eksperimen virtual, mengurangi percobaan laboratorium basah yang mahal dan memakan waktu. Wawasan yang diperoleh telah mengarah pada kemajuan produksi yang terukur.
Salah satu penemuan menonjol adalah peran oleoyl-lysophosphatidic acid (LPA). AI menyarankan bahwa LPA dapat mengaktifkan gen pengatur energi SIRT6, meningkatkan kelangsungan hidup sel dan menyeimbangkan kadar lipid. Ini memungkinkan optimasi media tanpa perlu modifikasi genetik [9]. Nicolas Morin-Forest, CEO dari Gourmey, menyoroti dampak dari teknologi ini:
"Mengintegrasikan teknologi digital twin DeepLife ke dalam platform kami memungkinkan kami untuk memodelkan bagaimana sel avian merespons berbagai kondisi kultur sebelum memasuki laboratorium. Ini mempercepat siklus R&D kami, mengurangi ketergantungan pada trial-and-error yang mahal, dan pada akhirnya mempertajam kemampuan kami untuk mengoptimalkan ekonomi produksi dalam skala besar" [10].
Hasilnya mengesankan. Gourmey telah mencapai biaya produksi sebesar €7/kg (sekitar £6/kg) pada skala komersial 5.000 liter - angka terendah yang tercatat dalam penilaian tekno-ekonomi independen sejauh ini [10]. Selain itu, perusahaan mengurangi harga pakan aman untuk makanan menjadi sekitar €0.20 per liter (sekitar £0.17 per liter) [10]. Dengan pendanaan lebih dari €65 juta , tim Gourmey yang terdiri dari 60 orang di Paris terus menyempurnakan kembar digital, menggunakannya untuk meningkatkan aspek sensorik seperti intensitas umami dan struktur lemak. Kolaborasi ini menunjukkan bagaimana AI dan kembar digital dapat memberikan kemajuan yang dapat diskalakan dan berdampak dalam produksi daging budidaya [10].
Tantangan dan Tren Masa Depan dalam AI dan Kembar Digital untuk Bioproses
Tantangan Adopsi dan Persyaratan Data
Menciptakan kembar digital untuk produksi daging budidaya bukanlah tugas yang mudah. Mengembangkan model AI tujuan umum untuk bioproses memerlukan kumpulan data yang luas - ratusan hingga ribuan titik data. Proses ini tidak hanya memakan waktu; juga dapat menghabiskan biaya jutaan dan memakan waktu bertahun-tahun untuk diselesaikan [2]. Tantangannya terletak pada biologi itu sendiri, di mana setidaknya sepuluh variabel proses berinteraksi dengan cara yang sangat kompleks dan non-linear [2].
Infrastruktur yang dibutuhkan untuk mendukung upaya ini sama menuntutnya. Perusahaan memerlukan otomatisasi laboratorium throughput tinggi untuk persiapan media, bioreaktor yang dilengkapi dengan sensor pemantauan waktu nyata (melacak pH, suhu, oksigen terlarut, dan nutrisi), dan sistem komputasi berkinerja tinggi untuk menangani simulasi AI [11] . Selain itu, biaya bahan tetap menjadi kendala - serum sapi janin, misalnya, dihargai £70 per 50 ml , sementara mikrokari untuk tangki bioreaktor 2.000 liter berharga sekitar £13,000 [11] . Hambatan signifikan lainnya adalah kurangnya dataset khusus unggas, yang membatasi kemampuan model AI untuk menggeneralisasi di berbagai spesies unggas [12].
Untuk mengatasi hambatan ini, perusahaan mengadopsi pemodelan hibrida - sebuah metode yang menggabungkan AI dengan keahlian domain dan fisika prinsip pertama. Dengan mengintegrasikan hubungan yang diketahui, seperti korelasi terbalik antara tingkat CO₂ dan pH, model ini dapat secara signifikan mengurangi jumlah eksperimen fisik yang diperlukan [2][13] . Mengatasi tantangan ini sangat penting untuk sepenuhnya memanfaatkan otomatisasi yang didorong oleh AI di sektor daging budidaya. Meskipun ada kesulitan, tren yang muncul membuka jalan untuk perubahan transformatif dalam otomatisasi bioproses.
Tren Masa Depan dalam Otomatisasi Bioproses Berbasis AI
Industri merespons tantangan ini dengan inovasi mutakhir. Pasar AI global dalam daging budidaya diperkirakan akan tumbuh dari £70 juta pada tahun 2025 menjadi £2.500 juta pada tahun 2035, dengan tingkat pertumbuhan tahunan sebesar 42,7% [11]. Beberapa tren utama mendorong ekspansi ini. Misalnya, pencetakan 3D terintegrasi AI mengoptimalkan formulasi material dan parameter pencetakan untuk menciptakan struktur scaffold yang meniru tekstur daging alami [11]. Demikian pula, sistem pemeliharaan prediktif sedang diterapkan untuk memantau kondisi bioreaktor, membantu mengantisipasi dan mencegah masalah seperti kegagalan batch atau kontaminasi [11][12] .
Pada Januari 2025, China mengambil langkah berani dengan meluncurkan 'Basis Inovasi Ilmu dan Teknologi Makanan Protein Baru' di Beijing, didukung oleh investasi £9 juta. Fasilitas ini mengintegrasikan teknologi AI dan blockchain untuk memungkinkan pemantauan dan penelusuran secara real-time sepanjang proses produksi daging budidaya, dari penelitian hingga ritel [11]. Pada waktu yang hampir bersamaan, perusahaan rintisan Israel Aleph Farms mengamankan pendanaan £24 juta untuk meningkatkan fasilitas percontohan yang didorong oleh AI dan bekerja menuju komersialisasi steak potongan utuh yang dibudidayakan dengan biaya efektif [11].
Ke depan, kembar digital diharapkan berkembang lebih dari sekadar meningkatkan hasil.Mereka bertujuan untuk meningkatkan atribut sensorik - memodelkan senyawa volatil, protein, dan lipid untuk menyempurnakan rasa dan tekstur daging yang dibudidayakan [3]. Kebangkitan pusat AI sumber terbuka, seperti AI4CM Hub, juga mendorong kolaborasi dan inovasi di bidang ini [11]. Seiring kemajuan teknologi ini, perusahaan yang berinvestasi dalam sensor inline otomatis, bioreaktor paralel miniatur, dan model AI hibrida akan lebih siap untuk meningkatkan produksi secara efisien sambil menavigasi lanskap regulasi. Mencapai budidaya yang dapat diskalakan dan hemat biaya akan menjadi kunci keberhasilan komersial dalam industri yang berkembang pesat ini.
Kesimpulan
AI dan kembar digital sedang membentuk ulang otomatisasi bioproses dalam produksi daging yang dibudidayakan.Dengan menyempurnakan formulasi pakan, mempercepat penelitian dengan simulasi virtual, dan meningkatkan prediktabilitas selama peningkatan skala, teknologi ini secara signifikan mengurangi biaya dan membuat industri lebih menarik bagi investor [2][4]. Seperti yang dikemukakan oleh James Westley, Associate Director di Cambridge Consultants, alat-alat ini meningkatkan skalabilitas, yang sangat penting untuk menarik investasi. Pergeseran digital ini mendorong proses produksi yang lebih berbasis data dan efisien.
Pergerakan menuju Industri 4.0, yang ditandai dengan sistem otonom, menjadi kebutuhan bagi bisnis yang ingin berkembang di bidang ini [13]. Modeling hibrida, yang menggabungkan fisika mekanistik dengan pembelajaran mesin, membuat kembar digital prediktif lebih mudah diakses - bahkan untuk perusahaan yang lebih kecil [2]. Pemantauan waktu nyata lebih meningkatkan efisiensi dengan memungkinkan penyesuaian cepat dan mengurangi kemungkinan kegagalan batch [2].
Kunci transformasi ini adalah adopsi alat canggih seperti sensor inline otomatis, bioreaktor paralel miniatur, komputasi berkinerja tinggi, dan alat PAT. Platform seperti
Masa depan produksi daging budidaya tidak dapat disangkal adalah digital. Perusahaan yang merangkul AI dan memanfaatkan platform seperti
FAQ
Data apa yang saya perlukan untuk membangun digital twin yang berguna untuk daging budidaya?
Untuk membangun digital twin yang andal untuk produksi daging budidaya, pengumpulan data yang tepat tentang parameter biologis dan proses sangat penting. Faktor kunci yang perlu dipantau termasuk pengukuran waktu nyata dari pH, suhu, oksigen terlarut, kadar glukosa, dan pertumbuhan sel. Selain itu, informasi tentang kondisi bioreaktor, dinamika fluida, dan transfer massa memainkan peran penting. Pengumpulan data yang akurat dan frekuensi tinggi memastikan bahwa digital twin mencerminkan lingkungan bioreaktor dengan cermat, memungkinkan AI untuk mengoptimalkan proses secara efektif.
Bagaimana model hibrida (grey-box) mengurangi jumlah eksperimen laboratorium basah?
Model hibrida, atau grey-box, menggabungkan model mekanistik dengan pembelajaran mesin untuk menciptakan simulasi virtual yang akurat dari proses.Model-model ini memungkinkan pengujian skenario yang efektif dan mengurangi kebutuhan untuk eksperimen fisik yang ekstensif. Dengan mengandalkan prediksi komputasi, mereka membantu menghemat waktu dan sumber daya sambil menawarkan wawasan yang berharga.
Sensor dan peralatan apa yang penting untuk kontrol AI real-time dalam bioreaktor?
Untuk menjaga kondisi optimal dalam bioreaktor, beberapa sensor memainkan peran penting dalam pemantauan dan kontrol real-time. Ini termasuk:
- Sensor suhu (RTD): Penting untuk menjaga bioreaktor pada suhu yang tepat yang dibutuhkan untuk pertumbuhan sel.
- Sensor pH: Tersedia dalam jenis kaca atau ISFET, ini memastikan tingkat keasaman atau alkalinitas tepat untuk proses.
- Sensor oksigen terlarut (optik): Krucial untuk melacak tingkat oksigen, yang secara langsung mempengaruhi metabolisme sel.
- Sensori Metabolit: Digunakan untuk memantau senyawa kunci seperti glukosa dan asam laktat, membantu menjaga keseimbangan yang diperlukan untuk produksi yang efisien.
Sensori ini bekerja sama untuk menyediakan data terperinci yang dibutuhkan oleh sistem AI untuk menyempurnakan kondisi bioproses, memastikan keberhasilan produksi daging budidaya.
