机理色谱模型不确定性的估计制造技术

本发明专利技术提供了一种用于估计机理色谱模型不确定性的方法

【技术实现步骤摘要】
【国外来华专利技术】机理色谱模型不确定性的估计
[0001]相关申请的交叉引用
[0002]本申请要求
2021
年3月
26
日提交的美国临时申请
No.63/166.939
的优先权和权益，其全部内容并入本文
。


[0003]本说明书整体上涉及机理色谱建模
。
更具体地，本说明书提供了用于估计与色谱机理模型相关的不确定性的方法和系统
。

技术介绍

[0004]通常，色谱法是用于纯化生物医药产品的主要过程
。
机理建模可用于改善色谱过程
、
研究与这些过程有关的问题并执行色谱模拟
。
机理模型作出的假设是可以通过检查系统或过程的各个部分如何执行以及这些部分的联接方式，了解复杂的系统或过程
。
然后，机理模型以简化的方式在数学上表示这个复杂的系统或过程，该方式仍能捕捉复杂系统或过程的基本原理
。
机理模型广泛或有系统的应用于诸如色谱程序等过程的一个障碍，可能是与鉴定和建立对机理模型的信心相关的困难
。
例如，用于估计机理模型不确定性的一些当前可用的方法比期望的更耗时并且计算成本更高
。

技术实现思路

[0005]在一个或多个实施例中，提供了一种用于估计色谱机理模型不确定性的方法
。
接收包括多个参数的色谱机理模型
。
基于所述多个参数的值之间的关系，针对所述多个参数中的每个参数识别对应的值区域
。
在针对每个参数的对应的值区域内，对多个参数中的每个参数进行采样，以形成多个模拟集
。
使用多个模拟集量化机理模型的不确定性
。
[0006]在一个或多个实施例中，提供了一种用于估计色谱机理模型不确定性的系统
。
系统包括：数据源，该数据源被配置为获得色谱机理模型；以及处理器，该处理器被配置为从数据源接收色谱机理模型，其中机理模型包括多个参数
。
处理器进一步被配置为：针对多个参数中的每个参数，基于多个参数的值之间的关系识别对应的值区域；在每个参数的对应的值区域内，对多个参数中的每个参数进行采样，以形成多个模拟集；并且使用多个模拟集量化机理模型的不确定性
。
[0007]在一个或多个实施例中，提供了一种其中存储程序的非暂时性计算机可读介质，该程序被配置可以使电脑执行用于估计色谱机理模型不确定性的方法
。
方法包括接收含多个参数的色谱机理模型；针对多个参数中的每个参数，基于多个参数的值之间的关系识别对应的值区域；在每个参数的对应的值区域内，对多个参数中的每个参数进行采样，以形成多个模拟集；并且使用多个模拟集量化机理模型的不确定性
。
附图说明
[0008]为了更完整地了解本文所公开的原理和其优点，现在参考以下结合附图的描述，
其中：
[0009]图1是根据各种实施例的色谱系统的示意图
。
[0010]图2是根据各种实施例的模型分析系统的框图
。
[0011]图3是根据各种实施例的用于估计机理模型不确定性的过程的流程图
。
[0012]图4是根据各种实施例的用于预测色谱机理模型不确定性的过程的流程图
。
[0013]图5是根据各种实施例的用于计算机理模型的协方差矩阵的过程的流程图
。
[0014]图6是根据各种实施例的针对机理模型产生的两种不同类型多参数图的并排比较
。
[0015]图7是一个表格的图示，该表格对比了经由黑塞
(Hessian)
方法产生的不确定性值和利用马可夫链蒙地卡罗
(Markov Chain Monte Carlo)
方法产生的不确定性值
。
[0016]图8是根据各种实施例的电脑系统的框图
。
[0017]应当了解，附图不一定是必须按比例绘制的，附图中的对象也不一定是必须相对于彼此按比例绘制的
。
附图是重点在为本文公开的装置
、
系统和方法的各种实施例呈现清楚和充分的理解的描述
。
在可能的情况下，将在所有附图中使用相同的元件符号来表示相同或相似的部分
。
此外，应当了解，附图重点不以任何方式限制本教导内容的范围
。
具体实施方式
[0018]I.
概述
[0019]机理建模是了解各种系统和过程如何运作的重要工具
。
例如，机理色谱建模可能是各种生物
、
医药和生物医药应用的重要工具
。
机理色谱建模能够在模拟色谱过程
(
例如：模拟色谱纯化
)
期间对分子属性进行非破坏性
、
即时测量，这可以为所模拟的色谱过程提供有意义的见解
。
[0020]当验证或以其他方式证明时，机理色谱建模能够以允许信赖从经由机理色谱建模产生的结果进行内插和外推的方式来描述色谱
。
此外，机理色谱建模可以允许过程优化
、
即时过程监控
、
控制色谱过程和提供对色谱过程的见解的其他操作
。
此外，这种类型的建模可以识别对色谱过程至关重要的特定操作参数
。
[0021]能够针对特定应用充满信心地使用色谱机理模型，可能需要了解色谱机理模型的预测能力
。
例如，了解经由色谱机理模型做出的预测的精度可能很重要
。
通过用于评估这种色谱机理模型的一些当前可用方法，估计或评估与模型的各个参数相关的不确定性
。
但参数不确定性可能无法提供整体色谱机理模型预测能力的任何指示
。
此外，一些当前可用于评估机理色谱模组不确定性的方法在计算上既昂贵又耗时
。
例如，一种当前可用的评估机理色谱模组不确定性的方法可能需要数天的处理资源
(
例如：
105或
106次函数调用
)。
因此，关于此类方法所需的时间
、
成本和处理资源，可能使得使用这些方法对于某些应用实际上是不可实行的
。
[0022]认识并考虑到对用于特定应用的机理色谱模组具有信心的重要性，本文描述的各种实施例提供了用于评估机理色谱模组的方法和系统
。
例如，本文描述的各种实施例提供了基于与机理色谱模组相关的不确定性评估，来测定机理色谱模组精确程度的方法和系统
。
本文所述的方法和系统能够以比至少一些当前可用的方法和系统更快并且计算成本更低的方式评估机理色谱模组的不确定性
。
例如但不限于，与一些当前可用方法所需的数天
相比，本文所述的各种实施例可以在几小时内
(
例如：在本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.
一种用于估计机理色谱模型不确定性的方法，所述方法包括：接收包括多个参数的色谱的机理模型；基于所述多个参数的值之间的关系，针对所述多个参数中的每个参数识别对应的值的区域；在针对每个参数的所述对应的值的区域内对所述多个参数中的每个参数进行采样，以形成多个模拟集；并且使用所述多个模拟集量化所述机理模型的不确定性
。2.
根据权利要求1所述的方法，其中针对所述多个参数中的每个参数识别所述对应的值的区域包括：基于选择的损失函数来计算所述机理模型的协方差矩阵
。3.
根据权利要求2所述的方法，其中所述选择的损失函数包括负对数似然算法
、
最大对数似然算法或最大似然算法中的至少一种
。4.
根据权利要求2所述的方法，其中基于所述选择的损失函数计算所述机理模型的所述协方差矩阵包括：使用所述选择的损失函数或另一损失函数中的至少一者来识别搜寻区；并且计算所述选择的损失函数相对于所述搜寻区的局部极值
。5.
根据权利要求4所述的方法，其中基于所述选择的损失函数计算所述机理模型的所述协方差矩阵进一步包括：计算所述局部极值的协方差矩阵
。6.
根据权利要求1所述的方法，其中针对所述多个参数中的每个参数识别所述对应的值的区域包括：对所述多个参数进行采样以形成多个参数集；从所述多个参数集中为所述机理模型选择初始参数集；并且基于使用所述初始参数集的选择的损失函数来计算所述机理模型的协方差矩阵
。7.
根据权利要求1所述的方法，其中量化所述不确定性包括：使用所述多个模拟集生成所述机理模型的模型预测分布
。8.
根据权利要求7所述的方法，其中量化所述不确定性进一步包括：使用所述模型预测分布识别所述机理模型的置信区间
。9.
根据权利要求1所述的方法，其进一步包括：接收实验数据；和使用所述实验数据生成所述机理模型
。10.
一种用于估计机理色谱模型不确定性的系统，所述系统包括：被配置为获得色谱的机理模型的数据源；和处理器，其被配置为从所述数据源接收色谱的所述机理模型，其中所述机理模型包括多个参数，并且其中所述处理器进一步被配置为：基于所述多个参数的值之间的关系，针对所述多个参数中的每个参数识别对应的值的区域；在针对每个参数的所述对应的值的区域内对所述多个参数中的每个参数进行采样，以形成多个模拟集；并且
使用所述多个模拟集量化所述机理模型的不确定性
。11.
根据权利要求
10
所述的系统，其中所述处理器进一步被配置为基于选择的损失函数来计算所述机理模型的协方差矩阵
。12.
根据权利要求
11
所述的系统，其中所述选择的损失函数包括负对数似然算法
、
最大对数似然算法或最大似然算法中的至少一种
。13.
根据权利要求
10
所述的系统，其中所述处理器进一步被配置为使用所述选择的损失函数或另一损失函数中的至少一者来识别搜寻区，并且计算所述选择的损失函数相对于所述搜寻区...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：基因泰克公司，
类型：发明
国别省市：