如果我必须将这篇文章缩减为一个要点，那就是：在生物反应器规模上，单点监测已不再足够。 一旦超出小型实验室容器，混合速度减慢，梯度形成，探头滞后变得更加重要，漂移可能会使整个运行面临风险。在某些设置中，集成的PAT已将偏差率降低到 2%以下，并将批次处置时间缩短了多达 30%.
如果您从事培养肉类研发、&生物工艺工程或规模化工作，我建议首先关注四个方面：
- 核心控制传感器：温度、 pH, 溶解氧, 溶解二氧化碳、压力、泡沫、液位和流量
- 过程状态工具： 拉曼和 近红外光谱 用于营养物质和代谢物
- 生物量工具： OD/浊度, 电容, 废气和在线代谢物分析仪
- 放大检查：探头放置、响应滞后、污染、漂移、端口限制和控制系统适配
文章的主要信息很简单：传感器选择是一个控制决策，而不仅仅是设备决策. 在~3 L时有效的设置可能在 15 L, 1,000 L, 或更高时失效，因为容器不再表现为一个混合区。
生物反应器中的传感器
有效的放大需要整合先进的传感器和监测系统以保持精确的环境控制。
sbb-itb-ffee270
快速比较
| 监测层 | 主要工作 | 典型工具 | 规模变化时的变化 |
|---|---|---|---|
| 核心控制 | 保持培养条件在范围内 | 温度、pH、DO、dCO2、压力、泡沫、液位、流量 | 梯度、滞后和探头位置更重要 |
| 成分 | 跟踪营养物和副产品 | NIR, Raman | 模型转移和探头位置成为限制因素 |
| 生物量/活力 | 跟踪生长和活细胞 | OD, 浊度和电容 | 污染、微载体和采样延迟更重要 |
| 呼吸/代谢 | 实时跟踪需求和浪费 | 废气、在线代谢物分析仪、软传感器 | 进料和气体控制需要与实时数据更紧密的连接 |
我会将其余部分作为构建监控堆栈的指南，匹配细胞生物学、容器大小和控制逻辑 - 然后检查生物反应器、端口和软件是否真的支持它。
当监控必须随着生物反应器的规模而变化时的变化
生物反应器监控堆栈：实验室与试验/生产规模
在大约3 L, 时，混合通常足够快，一个探头可以代表整个容器。一旦你移动到15 L或更多, 时，这种情况就开始崩溃。混合需要更长时间，并且在罐内会出现溶解氧、pH值和营养浓度的急剧梯度。因此，一个位置的探头可能无法匹配生物反应器中其他地方的细胞所看到的情况[2].
传感器滞后在规模上也变得更加重要。如果控制系统添加pH缓冲液或增加曝气，传感器不会立即报告该变化。在小容器中，这种延迟通常小到可以忽略不计。在较大的容器中，控制器可能会推动过远，导致系统在稳定之前出现振荡。细胞首先感受到这种不稳定性[2]. 随着体积的增加，氧气传递、剪切和响应时间都会改变过程在规模上的表现.
首先出现的瓶颈之一通常是氧气传递. 在较大的工作体积中，维持氧气传递变得更加困难，这增加了氧气限制和细胞活力降低的风险[3]. 同时，实时监测葡萄糖、乳酸和氨等代谢物变得更加重要，因为营养梯度和副产物积累在较大的容器中可能更快出现[2]. 在培养肉的过程中，这可能会影响生长、活力和最终产品质量。
漂移增加了另一层风险。长时间运行——通常在试点和生产规模上持续数周——使原位传感器有更多时间偏离其校准基线。在实验室规模上，漂移的探头可能只影响一个小批次。在生产规模上，同样的问题可能会使整个运行面临风险[2].
| 参数 | 实验室规模 (≈3 L) | 中试/生产规模 (≥15 L) |
|---|---|---|
| 混合均匀性 | 快速；接近瞬时均匀性 | 较慢；容器内形成梯度 |
| 传感器滞后 | 最小 | 显著；存在控制振荡风险 |
| 探头放置 | 不太关键 | 非常关键；死区更重要 |
| 漂移后果 | 影响较小；批次较小 | 影响大；整个大规模批次面临风险 |
| 监测复杂性 | 简单；通常依赖单点传感器 | 复杂；可能需要多参数原位工具 |
这些规模效应决定了哪些传感器最重要以及它们需要放置在哪里。随着体积的增加，监测计划需要重新验证；在3 L时有效的探针布局在更大规模时通常需要额外的测量点或不同类型的传感器[2][3].
1. Cellbase
放大还需要明确的路径，以便监测硬件能够与工艺和其他控制设置配合使用。
团队可以浏览直接与过程监测相关的类别，包括电化学和光学传感器、PAT仪器（如近红外和拉曼光谱系统）以及用于活细胞密度测量的电容探针。
在采购完成后，下一步是 选择传感器 ，以保持每个关键变量在范围内。
2. 温度探头
温度是生物反应器中的核心关键过程参数。在培养肉中，即使是微小的变化也会改变生长、代谢和产品质量。随着工作体积的增加，一个温度读数可能会掩盖局部梯度。在更大规模时，问题不仅是测量温度，还要确保温度在容器内均匀分布。
参数覆盖
温度探头测量容器温度。对于容器测量，使用 Pt100 或 Pt1000 RTDs. 它们提供了生物过程控制所需的精度。将热电偶用于辅助设备，在这种情况下，较宽的操作范围比精确度更重要。
在线或自动数据可用性
温度探头向生物过程控制软件 发送连续信号. 支持警报、趋势分析和自动夹套或冷却更改。温度记录也存储在电子批记录中，有助于偏差处理、模型构建和放大过程中的过程特征化。
放大控制价值
在规模上，较高的热负荷和较低的表面积与体积比使温度梯度更有可能发生。在工程运行期间的多点测量是放大验证工具，而不仅仅是仪器决策。它可以揭示单个探头无法检测到的热点或冷点。一旦温度得到控制，pH和溶解氧通常成为下一个需要控制的限制因素。
与培养肉生物工艺的兼容性
材料必须能够承受灭菌并保持低浸出物。在一次性使用与可重复使用的生物反应器 , 中，传感器策略有所不同。在一次性使用系统中，使用预校准的一次性传感器或袋集成传感器。在可重复使用系统中，需在定义的间隔内根据可追溯的参考进行校准检查。在移动到下一个传感器类型之前，应锁定探头的适配和校准。
3. pH探头
在温度之后，pH通常是下一个需要锁定的参数。在培养肉生物加工中，它也是控制最严格的变量之一。大多数培养在pH 6.8–7.4, 下运行，即使是短暂的漂移也会改变细胞的生长和分化。控制范围通常仅为±0.05–0。1 pH 单位. 超出该范围，可能会扰乱增殖、改变分化路径，并改变最终产品质量。
参数覆盖
在 pH 6.0–8.0 范围内使用 电化学玻璃组合电极。对于此应用，您需要 ±0.01–0.02 pH 单位 的精度，30–60 秒响应时间 , 以及内置温度补偿。在超过十天的运行中，探头漂移可能达到 0.1–0.2 pH 单位 . 这就是为什么在每次操作前进行 两点校准 是标准做法，并在中途进行离线参考检查（如可行）。
在线或自动化数据可用性
连续的 pH 数据应输入 SCADA /DCS，以便您可以运行闭环酸/碱和 CO₂ 控制。添加警报、死区和速率限制以避免局部 pH 峰值。但是有一个问题：控制回路的效果取决于测量的准确性。如果探头没有读取到整体培养液的条件，控制器将根据错误的信号进行操作。
放大控制值
在生产规模 - 1,000 L及以上 - pH值可能在整个容器中变化0.3–0.4个单位。这使得探头的放置和PID调节变得非常重要。保持探头远离曝气器和进料口，因为局部pH值可能与罐内其他部分完全不同。
在早期放大运行期间，比较在线读数与从多个容器位置采集的离线样本是有帮助的。这为您提供了生物反应器内部pH梯度的地图。由此，您可以根据容器的实际情况调整探头位置和调节控制器，而不是根据您希望的情况进行调整。
与培养肉生物工艺的兼容性
探头的选择与控制策略同样重要。培养肉培养基会随着时间的推移污染玻璃膜和参比结点。当这种情况发生时，漂移增加，探头寿命缩短。因此，在问题出现之前检查、清洁和更换探头。
对于一次性生物反应器系统, 预校准的光学pH贴片可以让生活更轻松。这些贴片经过伽马灭菌并内置于袋壁中，因此无需蒸汽灭菌或清洁。权衡之处在于准确性：它们通常在±0.05–0.1 pH单位范围内，比标准玻璃电极略低。
在灌流或高细胞密度设置中，可伸缩外壳值得考虑，因为它们允许您在不破坏无菌状态的情况下更换探头。在任何食品级操作中，校准记录、维护日志和离线验证数据都应保持最新。
4. 溶解氧传感器
一旦 pH 得到控制，溶解氧通常是下一个瓶颈。氧气在培养基中溶解得不好，随着生物反应器体积的增加，保持 DO 稳定变得更加困难。
参数覆盖
在高密度灌流运行中，细胞浓度可以达到 2.0 × 10^7 到 7.0 × 10^7 cells/mL，当使用高性能 原代肌肉细胞, 时，氧气需求迅速攀升[5]. 此时，主要的放大指标是 k_La. 通常使用动态方法测量：用氮气剥离氧气，然后在通气重新开始后监测恢复情况[5].
内联或自动化数据可用性
内联DO传感器向自动化生产系统发送连续读数. 该系统可以运行DO级联以保持设定点，通常先增加搅拌，然后增加气流，最后注入纯氧[4]. 这些实时读数是级联工作的关键。探头响应时间也很重要。如果传感器滞后，控制回路也会滞后。现代光学传感器往往比极谱探头处理得更好[5].
放大控制值
这就是为什么传感器稳定性和氧气传输同样重要。在大型生物反应器中，远离搅拌器的地方可能会形成低氧区。实时DO数据显示氧气供应不再跟上细胞需求的时间点，早于您观察到生长或代谢漂移[5].
与培养肉类生物工艺的兼容性
对于培养肉类，这种权衡是难以忽视的。细胞对剪切力敏感，因此不能仅仅通过增加搅拌来推动更多氧气进入[4][5]. 溶解氧传感器提供实时反馈，显示保持在范围内所需的最低混合程度。
光学、基于荧光的传感器正成为比极谱探头更受欢迎的选择，因为它们提供更好的稳定性、更快的响应和更低的维护需求。相比之下，极谱探头可能需要每四到八周[4]. 在富含介质的系统中，防污探头屏幕或定期清洗周期也可以减少探头表面的生物质积累，并帮助保持读数的可靠性[4].
5.溶解CO2传感器
CO2是代谢的副产物，随着生物反应器的增大，去除它变得更加困难。这意味着在操作员通过其他过程信号发现问题之前，溶解CO₂可能会开始漂移。
参数覆盖
这些传感器测量培养液中的溶解CO2浓度。当溶解CO₂上升时，它可能会影响pH值并增加细胞压力，因此这不是一个可以放在仪表板上忽略的读数。无论是使用台式生物反应器进行研发&还是使用更大的容器，这些数据必须直接输入控制逻辑。它需要直接输入控制逻辑。
这里使用了两种常见的传感器类型。Severinghaus型电化学传感器通过CO2可渗透膜的pH变化推断溶解CO₂。光学或荧光传感器使用对CO2敏感的染料生成信号。不同的硬件选择会带来不同的维护和漂移特性，但工作是相同的：密切跟踪溶解的CO2以支持过程控制。
在线或自动化数据可用性
在线和原位设置允许连续测量而无需手动采样，这正是动态培养的全部意义。在控制系统中，dCO₂信号不仅仅是记录数据。它应该在过程超出设定限制时触发警报并调整通气或剥离。
简单来说，dCO₂是气体传输控制的直接输入，而不是独立的指标。
放大控制价值
随着中试规模系统的体积增加，CO2剥离效率降低。更长的扩散路径、更低的表面积与体积比以及混合行为的变化都可能导致容器内的dCO₂梯度。这就是实时测量开始发挥作用的地方。
如果您可以实时观察到溶解CO₂的变化，您可以在这些梯度开始影响生存能力或批次一致性之前发现它们。在放大工作中，这种早期预警非常重要。一个容器在整体pH值或溶解氧看起来正常的同时，局部的CO2积累可能已经使细胞承受压力。
与培养肉生物工艺的兼容性
对于培养肉，dCO₂传感器需要在富营养介质中保持校准，处理无菌操作，并与控制平台干净地连接。该控制层还与压力、泡沫和液位信号相连，因为这三者都可以影响工艺下一步的气体去除。
6. 压力、泡沫和液位传感器
在溶解CO2之后，下一个控制层是压力、泡沫和液位。这些信号影响气体交换、无菌性和体积平衡。在实践中，压力、泡沫和液位传感器有助于保持背压稳定，防止泡沫溢出，并保持进料和收获体积在应有的水平。
参数覆盖
压力跟踪背压和气体平衡。液位跟踪进料、收获和灌流体积。泡沫传感直接关系到过程稳定性。如果泡沫积聚，可能会干扰气体交换、阻塞通风口，并在到达空间或排气过滤器时增加污染风险。
压力控制还影响汽提和曝气效率，因此这组传感器直接与前面章节中涉及的CO2和溶解氧控制相关联。综合来看，这些信号支持一种用于气体流动、泡沫抑制和体积平衡的控制策略。[6]
在线或自动数据可用性
这些传感器安装在管道中或集成到袋子中，与生物反应器内容物持续接触。在较大的工作体积下，这些变量的变化速度可能比操作员手动调整的速度更快。一旦与控制软件连接，它们可以触发快速自动操作，例如实时改变气体流速、搅拌速度或泵速。[6]
放大控制值
在规模化生产中，这些信号有助于防止溢出，降低与泡沫相关的污染风险，并保持气体传输和液体处理在定义的限制范围内。[6]
与培养肉生物工艺的兼容性
液位数据支持饲料添加、收获时机和灌流平衡，这使其成为培养肉工艺中补料分批和灌流控制的直接输入。压力和泡沫信号同样重要。它们共同完成气体流量、泡沫控制和体积平衡的闭环，然后输入到完整的控制堆栈中，警报和自动化操作保持容器稳定。
7. 流量计
在压力、泡沫和液位之后，下一个要检查的是培养基、气体和收获流的流速.
流量计测量液体和气体通过生物反应器系统的流速. 压力、泡沫和液位告诉您容器内部发生了什么。流量计告诉您进入多少，出来多少，以及速度有多快.
参数覆盖
流量计测量介质、气体和收获物在系统中的流动速率。这听起来很简单，但在实际操作中非常重要。如果进料流量漂移，灌流平衡就会发生变化。如果收获流量变化，停留时间和细胞保留也可能随之变化。
除了直接的流量测量，流量分配器可以将样品流引导至在线分析仪。这支持对滴定度和关键代谢物的实时测量。[7]
在线或自动化数据可用性
自动采样器和流量分配器可以将生物反应器连接到在线分析仪，而不打断培养。换句话说，您可以在不停止过程或打开系统的情况下提取数据。
这在连续过程中最为重要，因为流量数据需要支持闭环控制。如果过程运行时间较长，流量中的小误差不会长时间保持小。
放大控制值
在培养肉的放大过程中，流量计支持进料速率控制、灌流平衡和收获时机的控制。这通过保持流量、采样和进料速率在控制限度内，帮助实现质量设计。
简单来说，流量测量位于容器状态和过程操作之间。它将生物反应器的操作与下一层在线分析和控制连接起来。
与培养肉生物工艺的兼容性
在培养肉的放大过程中，准确的流量测量在培养基、灌流和收获流中有助于保持较长时间的稳定运行。这在多个流需要随着时间的推移保持一致时尤其有用，而不仅仅是在某个时间点。
流量分流使一个流可以同时为多个分析仪提供数据，将容器条件直接连接到控制堆栈。[7]
8. 近红外光谱
流量计显示流动情况，而NIR显示液相组成.
近红外光谱实时测量培养液组成，无需手动取样。
参数覆盖范围
NIR读取培养液中的泛音、组合带和散射[8]. 它不直接测量浓度，而是通过多变量校准模型推断浓度，这些模型是根据参考数据训练的。实际上，这意味着一个NIR流可以同时跟踪生物质、底物和代谢物[8][9][10].
对于长时间运行来说，一个很大的优点是模型的持久性。在一个案例中，校准模型在校准后保持准确性长达274天[9]. 这在需要频繁重建模型的扩展放大活动中非常重要。
在线或自动化数据可用性
NIR可以通过可灭菌的光纤浸入探头原位部署，或通过玻璃容器壁或流通回路外部 部署[8][10]. 原位探头提供最直接的实时读数，但它们需要耐受 就地灭菌 (SIP). 外部设置在玻璃壁上更易于维护，但如果靠近墙壁的液体不反映主体培养液，它们可能会导致读数偏差[8].
对于光纤探头，最好将信号采集集中在第一和第二泛音区域。光纤电缆在组合区域2,100 nm 以上可能会增加噪声[8].
放大控制值
随着容器体积的增加，NIR提供了过程轨迹的连续视图，这支持自动控制和过程优化[8] [9]. 话虽如此，探头的放置很重要。在大型容器中，如果探头靠得太近，混合梯度和离心力可能会影响生物质读数。随着生物反应器尺寸的增大，应根据采样理论（TOS）检查探头位置[8].
这使得NIR成为过程控制和分子特异性光谱学之间的有用链接。
与培养肉类生物工艺的兼容性
NIR非常适合用于培养肉类生产中的哺乳动物细胞培养。它可以同时跟踪营养物质的摄取和副产物的积累。谷氨酰胺是一个关键的底物，而氨是一个常见的抑制性副产物，因此实时跟踪两者是有帮助的[2][10].
已经证明了在1–60 g/L范围内的生物量跟踪[8], 涵盖了对培养肉类规模化至关重要的密度范围。
NIR还可以很好地与废气分析和拉曼光谱结合使用。废气数据有助于框定代谢状态，而拉曼光谱则增加了更高的化学特异性。拉曼光谱覆盖了化学细节的下一层。
9. 拉曼光谱
当NIR显示广泛的过程运动时，拉曼光谱为您提供更精细的化学细节。
参数覆盖
拉曼比近红外提供更好的化学特异性，并且可以在单次在线读数中跟踪葡萄糖、谷氨酰胺、乳酸、氨、谷氨酸、总细胞密度和活细胞密度[2]. 它还可以监测工艺质量属性，如糖基化和滴度[11].
典型的检测限为葡萄糖和乳酸的 0.20–0.46 g/L[11]. 在复杂介质中，荧光可能会干扰。这在使用专门的 基础培养基配方时尤为重要。在这些情况下， 时间门控拉曼有助于减少介质的荧光干扰[11].
在线或自动数据可用性
拉曼通过直接放置在生物反应器介质中的浸入探头进行原位使用。然后将光谱输出与分析物浓度通过PLS模型链接 [2] .
放大控制值
拉曼在放大过程中的主要优势之一是模型转移. 都柏林大学学院的研究人员 在3升生物反应器 中建立了PLS模型，然后将其转移到15升中试规模生物反应器中，用于实时监测葡萄糖、谷氨酰胺、乳酸、氨、谷氨酸和总细胞密度[2]. 七个分析物模型中的六个成功转移, 而VCD在不同规模之间显示出可变的可转移性 [2] .
这在实践中很重要。您可以在台式规模上构建模型，然后在试验规模上检查它们，同时扩展用于生物反应器培养的细胞系 ，然后将它们纳入控制策略。如果转移保持，拉曼会在葡萄糖耗尽或乳酸和氨积累开始降低批次性能之前给您早期警告。因此，它非常适合营养控制。生物量和悬浮状态监测可以作为第二层叠加在上面。
与培养肉类生物工艺的兼容性
拉曼同时跟踪底物耗尽和副产物积累, 这有助于及早发现代谢压力[11] [2]. 这种特征图谱非常适合培养肉类细胞培养，其中饲料状态和废物积累可以快速改变细胞行为。为了更全面地了解文化，将拉曼与 光密度和浊度探头.
配对。10. 光密度和浊度探头
在拉曼提供化学成分后，OD和浊度为监测堆栈添加生物量视图。
参数覆盖
两种探头类型都测量光在细胞悬浮液中的行为。OD探头 跟踪光衰减——简单来说，就是有多少光穿过培养物——并将其转换为与离线分光光度法一致的信号。浊度探头在设定角度测量散射光，这有助于跟踪悬浮颗粒负荷和培养液清晰度。[12]
它们都是光学代理测量，因此信号包括所有影响光的因素 ：活细胞、死细胞、微载体和碎片。[13] 这使得它们在跟踪生物量趋势、发现生长速率变化、标记聚集开始以及检测污染事件时非常有用。这也意味着当您需要区分活力和总细胞计数时，它们的用处较小。如果活力很重要，请将它们与电容探头或离线检查结合使用。
| 方面 | OD 探头 | 浊度探头 |
|---|---|---|
| 主要信号 | 光衰减/吸收式代理 | 悬浮颗粒的光散射 |
| 最佳用途 | 生长趋势跟踪和生物量监测 | 清晰度和颗粒负载监测 |
| 主要限制 | 解释因培养条件而异 | 受气泡、碎屑和聚集体影响 |
在线或自动化数据可用性
这些探头直接连接到生物反应器控制系统，通过模拟（4–20 mA）或数字协议如Modbus或Profibus, ，数据每几秒到几分钟到达一次。[12] 该直播流可以进入SCADA系统或制造执行平台，因此操作员可以为生长漂移设置警报，而不是等待手动样本。
还有一个实际的好处，往往比人们预期的更重要：自动记录使得在不需要手动转录的情况下，更容易比较实验台、试点和生产规模的生长曲线。当您构建放大数据集时，这可以节省时间并减少可避免的处理错误。[12]
放大控制值
在规模上，生物质不仅仅是您观察的对象。它成为一个实时控制变量。
葡萄糖、氨基酸或生长因子的进料速率可以根据当前的生长阶段实时调整。一旦OD或浊度达到设定阈值，收获时间、中等交换或分化开关也可以被触发。[12]
同样有用的是，当过程开始漂移时，信号显示的内容。如果在中试规模下，尽管接种密度和培养基与实验室条件相匹配，但OD上升速度比预期慢，这种差距可能指向混合限制、营养梯度或氧气传输限制。这些都不是小问题，通常仅通过定期采样需要更长时间才能发现。[12] 这种早期预警作用是这些探头在放大堆栈中保持存在的重要原因之一。
与培养肉生物工艺的兼容性
对于培养肉，OD和浊度探头非常适合悬浮和微载体培养，但需要针对每个工艺设置进行仔细校准。在微载体系统中，信号反映了细胞和载体，因此校准曲线需要考虑微载体负载和光学特性。[12] 位置也很重要。传感器应安装在混合良好的区域，并远离叶轮和喷射器，因为气泡会增加信号噪声。[12]
化学定义和无血清培养基通常通过提供更清晰的信号背景来提供帮助。即便如此，一些补充剂、颜色指示剂或生长因子仍可能改变基线，因此需要针对每个细胞系和培养基组合进行离线细胞计数或DNA含量校准。[12] 对于为这些工艺格式采购探针的团队，
对于活力和活细胞跟踪，下一层是电容。
11.电容和介电光谱探头
如果 OD 和浊度告诉你总生物量, 电容告诉你其中有多少生物量仍然存活。
参数覆盖
电容探头通过测量完整膜在交变电场中的极化来检测活细胞。具有完整质膜的细胞储存电荷并增加介质的介电常数。死亡或受损的细胞无法做到这一点，因此它们不会增加信号。实际上，输出提供了一个直接的、实时的活细胞体积 (VCV) 或 活细胞密度 (VCD). 这就是为什么电容与光学方法并行使用而不是取代它们的原因。
大约0.1–20 MHz的多频扫描有助于将介质电导率的变化与细胞信号分开。在浓缩营养物料饲料或pH值调整后，肉汤化学性质可能会迅速变化时，这一点很重要。同样的扫描还可以生成Cole-Cole参数, ，这些参数可以在分化过程中提供有关细胞大小和膜状况的额外细节。
在线或自动数据可用性
电容探头直接连接到生物反应器控制系统，并提供连续信号。这使得它们非常适合基于培养物的实际生长阶段而不是预设时间表的自动饲料控制。
它们还可用于识别滞后、指数和稳定阶段之间的过渡。如果您试图在正确的时刻达到分化开关或收获窗口，那么这种时机很重要。
放大控制值
在试点或生产规模, ，离线活力采样速度慢，并且在图像中留下空白。电容填补了这些空白。
这在灌注中尤其有用。灌注活动持续时间长，每次手动取样在打开端口时都会增加污染风险。连续运行的电容探头消除了这种反复暴露，同时仍能实时显示活体生物量。
一个问题：在长时间运行中，生物污染可能成为一个问题。蛋白质和细胞碎片可能会在电极表面积聚并导致信号漂移。一次性电容传感器, 现在预集成到生物反应器袋中，通过消除批次之间的清洁和灭菌步骤并减少与污染相关的漂移来解决这个问题。
与培养肉生物工艺的兼容性
电容通常比光学方法更好地处理微载体培养，因为它读取的是可行膜而不是散射光。即便如此，在高微载体浓度下，载体可能会在物理上干扰电场。因此，您仍然需要与微载体类型和负载相匹配的校准。
对于聚集体和球体，介电光谱比光学探针更直接地读取总可行体积。
在引入新的细胞系时——例如，牛或猪的肌细胞——通常的做法是先在无细胞培养基中基线探针。原因很简单：培养肉培养基的离子强度可以显著改变起始介电信号。这也有助于将早期电容数据与离线代谢读数进行比较，例如葡萄糖和乳酸. 这种交叉检查显示VCV信号是否在团队开始使用它进行自动控制之前跟踪实际的生长阶段。
该活性信号与废气分析相结合效果良好，后者显示生物质的生长是否也反映在代谢中。
12. 废气和在线代谢物分析仪
在生物质和活性之后，废气和代谢物分析仪提供了更直接的信息：培养物是否仍在支持这种生长，还是开始漂移？ 结合这些工具，可以实时显示呼吸、营养物质消耗和废物积累的变化。
参数覆盖
废气分析仪测量二氧化碳演化速率 (CER) 和 氧气摄取速率 (OUR)，通常使用质谱法从排气流中测量 [14]. 在线代谢物分析仪跟踪关键营养物质如葡萄糖和谷氨酰胺，以及包括乳酸、氨和谷氨酸在内的废物种类。实际上，葡萄糖、谷氨酰胺、乳酸和氨是饲料状态和废物积累的主要实时标志物。
当这些读数与温度、pH值和溶解氧处于同一控制层时，它们变得更加有用。废气数据显示呼吸需求。在线代谢物数据显示营养和废物平衡是否仍在范围内。
在线或自动化数据可用性
现代酶探针现在支持连续在线代谢物跟踪[6]. 废气监测由于采样排气流而设计为连续的，这使其成为实时呼吸数据的实用来源 [14].
放大控制值
实时气体和代谢物数据可以支持气流、搅拌和进料速率的闭环控制，以适应培养需求的变化[6]. 这在规模上很重要。葡萄糖的下降、乳酸的上升或呼吸活动的变化可能会迅速发展，这些信号使操作员有机会在过程偏离目标之前做出反应。
“处理错误可以在发生时被检测到，并在它们有机会变得灾难性之前得到缓解。” - Christopher Kistler, Fellow Scientist, Catalent Biologics [6]
基于模型的软传感器还可以在直接测量困难的情况下估算生物量，包括在固定床生物反应器中 [6].
与培养肉生物工艺的兼容性
对于培养肉生产中的贴壁细胞培养，固定床生物反应器可以从在线葡萄糖和乳酸监测中受益，特别是在目标是保持灌流期间稳定的营养环境时 [6]. 传感器的选择在评估一次性使用系统与可重复使用系统时也很重要。. 团队需要确认传感器在灭菌后仍然准确，包括伽马射线灭菌或X射线灭菌[6].
袋装传感器减少了处理步骤并有助于保护无菌性。结合使用时，废气和代谢物信号将容器状态转化为操作员可以采取行动的依据，而不仅仅是观察。
工具如何在完整的监控堆栈中协同工作
没有单一传感器可以告诉您生物反应器内部发生的所有事情。温度、pH值、溶解氧、压力和流量是过程控制的基础，但它们只显示部分情况。它们有助于保持过程稳定。它们本身并不能描述生物学的完整状态或关键质量属性。
堆栈之所以有效，是因为每一层都填补了其他层留下的空白。在大规模应用时，这一点变得难以忽视：这些工具并不是作为独立设备而发挥最佳作用。它们作为一个系统工作。
一个有用的方式是将堆栈分为四层。核心在线控制传感器覆盖温度、pH值、溶解氧、压力和流量。这些为您提供了保持过程稳定所需的基线环境读数。光学和光谱工具, 包括拉曼和近红外光谱，添加了营养物和代谢物的实时分子指纹识别。可行生物量和代谢物监测引入电容探头、废气分析仪和软传感器，以跟踪可行细胞密度和代谢物趋势。最后一层是软件集成: SCADA系统、数字孪生和AI/ML模型将这些信号整合到一个控制框架中。
当信号通过反映规模驱动梯度的控制模型进行解释时，这一点最为重要。在生产生物反应器中，混合速度较慢，梯度在容器内发展。单点传感器可能会错过这些局部差异。这就是数字孪生和CFD变得有用的地方。它们有助于预测空间变化并在工程运行开始前收紧控制逻辑。
因此，工具选择不仅仅是逐个选择传感器。这是一个与规模、混合行为以及过程可能隐藏的内容相关的系统设计决策。
选择合适监控组合的比较表
选择传感器是一个控制决策，影响您的设备成本预测 . 最佳组合取决于这些传感器让您做出的决策：闭环控制、过程洞察，或两者兼有。
第一个表格涵盖了控制骨干。第二个着眼于增加过程洞察力的工具。
经典传感器：控制主干
这些传感器连续运行，并直接输入到闭环控制中。溶解CO2 随着气体剥离在更大规模上变得更加困难，成为一个更重要的信号。
| 传感器 | 测量参数 | 响应时间 | 放大角色 |
|---|---|---|---|
| 温度 | 培养基温度 | 快速 | 保持稳定的培养条件 |
| pH值 | 酸度/碱度 | 快速 | 管理碱添加和乳酸积累的梯度 |
| 溶解氧 (DO) | 氧张力 | 快速 | 平衡氧气传递和吸收；管理梯度 |
| 溶解二氧化碳 | 二氧化碳分压 | 中等 | 监测脱气效率；在较大体积时优先级增加 |
| 压力 | 容器压力 | 快速 | 安全管理和气体溶解度控制 |
| 泡沫/液位 | 液体高度和泡沫积聚 | 快速 | 防止排气过滤器堵塞和失去无菌性 |
| 流量计 | 气体/液体进料速率 | 快速 | 精确的营养剂投放和补料控制 |
这些信号保持容器稳定。下一层会告诉你更多关于细胞在做什么。
高级PAT工具：过程理解
这些工具位于经典层之上并对其进行扩展。拉曼和NIR只有在化学计量模型到位后才变得有用。这是主要的权衡：校准工作量与经典传感器无法提供的实时代谢物可见性之间的权衡。
| 工具 | 可测变量 | 校准负担 | 集成模式 | 最佳适配格式（培养肉） |
|---|---|---|---|---|
| 近红外光谱 | 营养素、代谢物、水分 | 高（复杂的化学计量模型） | 在线窗口/流通式 | 大规模搅拌罐；高密度补料分批 |
| 拉曼光谱 | 葡萄糖、乳酸、谷氨酰胺、氨、谷氨酸、TCD、VCD [2] | 高（PLS回归；需要参考数据）[2] | 在线浸入探头[2] | 搅拌罐；灌流；试点和生产规模 |
| 光密度 | 总细胞密度 (TCD)，浊度 | 低（简单线性相关） | 在线 | 种子培养和生物量扩展 |
| 电容 | 活细胞密度 (VCD)，细胞体积 | 中等（细胞特异性相关） | 在线 | 搅拌罐；微载体系统 |
| 自动代谢物分析仪 | 特定代谢物，氨基酸 | 低（标准化学校准） | 在线（自动采样/过滤） | 工艺开发；大型搅拌罐验证 |
一次性生物反应器的端口有限，因此探头数量受限[6]. 实际上，这意味着你无法测量所有东西。你必须优先考虑对控制和过程理解最重要的信号
。这些权衡直接影响到后续的生物反应器选择决策。
将监测工具与生物反应器选择相匹配
围绕监测堆栈选择生物反应器，而不是反过来。设备选择和监测设计需要同时进行。这意味着容器格式、端口数量和软件集成是同一个决策的一部分。
从CQA和CPP开始。然后映射这些目标所需的传感器和容器特性。选择一个能够支持你的过程所需信号的容器，无论是物理上还是通过控制层——包括温度、pH、DO、废气和存活率等。一旦这个列表确定，生物反应器的选择就变成了兼容性检查，而不是猜测。
这里最大的硬件选择是一次性使用与不锈钢. 一次性系统限制了探头数量，并将校准锁定在组件中，因此每个端口都必须证明其存在的合理性。不锈钢为探头提供了更多空间，并使传感器更换更容易，但也带来了SIP/CIP验证的问题。在端口数量之后，排气处理成为下一个限制，因为随着工作体积的增加，气体去除变得更加困难。
在超过2,000 L的体积时，检查生物反应器是否支持废气监测[15]. 在灌流中, 检查控制系统是否可以摄取生物电容数据以进行进料和收获控制[1]. 在更大的容器中，排气处理和分析设备的提供需要从一开始就设计好。
最后的检查是控制系统的兼容性。如果平台无法读取、跟踪或对传感器采取行动，那么传感器是无用的。即使传感器本身适合用途，弱的软件集成也可能阻碍整个监控堆栈[1].
当船舶格式和传感器兼容性一起审查时，采购变得更简单。
结论
当监控适合生物学、控制策略和生物反应器格式时，规模化工作。对于较大体积，这通常意味着将培养环境的严格控制与过程分析相结合，以便实时跟踪细胞的活动。
最强的监测堆栈通常结合电容用于可行的细胞密度，拉曼或近红外用于代谢物跟踪，以及在线pH和溶解氧传感器用于环境控制。当这些工具连接到SCADA或MES, 时，系统可以在过程开始偏离时做出响应。在商业规模上，集成的PAT设置已被证明可以将偏差率降低到 不到2%，并将批次释放时间缩短多达30%，与更传统的活动相比[1] .
在进入更大容器之前，需要验证该堆栈。在试点规模上进行验证，在那里建立模型，并且只保留在过程相关条件下已经有效的控制设置。实际上，这也意味着要尽早解决传感器选择和软件兼容性问题，以便监控设置可以随着流程移动，而不是在后期减缓规模扩大。
同样的思维适用于采购。
常见问题解答
我应该在何时添加PAT以进行规模扩大？
一旦工艺参数开始对培养稳定性和产品质量产生直接影响时，在规模扩大过程中添加PAT。
持续跟踪关键参数，包括细胞密度 , 代谢物, 和环境条件, ，以帮助保持工艺一致性并支持法规合规性。
我如何在拉曼、NIR和电容之间做出选择？
这取决于您在规模扩大过程中需要监控的内容。
- 拉曼 在您需要详细的分子数据并希望实时跟踪多个分析物时效果最佳。
- 近红外 适用于广泛的在线监测，但在细胞培养中验证较少，可能需要更多的校准工作。
- 电容 最适合简单、耐用的在线监测活细胞浓度，但在细胞死亡阶段精度可能下降。
为什么探针在大规模时会失效？
探针在大规模时可能会失效，因为更高的搅拌、更多的振动和一般磨损会使其承受更多的机械应力。在这种情况下，不适合这些条件的传感器可能会损坏。
