»ICNAP«: Fraunhofer IME erforscht die vernetzte, adaptive Produktion von rekombinanten Proteinen

Molekularbiologie /

Im Fraunhofer-Leistungszentrum »International Center for Networwed, Adapted Production« (ICNAP) entwickeln und validieren die drei Aachener Fraunhofer-Institute für Produktionstechnologie IPT, Lasertechnologie ILT und Molekularbiologie und Angewandte Oekologie IME gemeinsam mit der RWTH Aachen sowie Industriepartnern Produktionssysteme im Sinne der Industrie 4.0. Das Fraunhofer IME setzt dabei den Schwerpunkt auf die Herstellung von rekombinanten Proteinen aus Pflanzenzellen mittels Big Data Analytics. 

Biopharmazeutische Produktionsprozesse sind komplex, da sie eine Vielzahl an wichtigen Informationen enthalten. Daher sind fundiertes Wissen und verlässliches Prozessverständnis, die auf diesen Informationen basieren, unabdinglich, um ein ebenso verlässliches Endprodukt gewährleisten zu können, das seine hohen Qualitätsanforderungen erfüllt. Im ICNAP beschäftigt sich das Fraunhofer IME daher mit der vernetzten, adaptiven Produktion von rekombinanten Proteinen aus Pflanzenzellen und macht sich dabei das Potential von Big Data Analysis zunutze, um das nötige Prozesswissen zu erlangen.

Proteine sind ein wichtiger Teil des menschlichen Körpers: Sie bilden die Grundlage unserer Zellstruktur, sie regulieren die korrekte Stoffwechselfunktion, sie sind wichtig für unsere Muskeln, sie transportieren essentielle Nährstoffe wie Eisen oder Hämoglobin und agieren als Antikörper als Teil unserer Immunabwehr. Somit ist es nicht verwunderlich, dass Proteine eines der wichtigsten Produkte in der biopharmazeutischen Fertigung sind.

Big Data Analytics für die Pflanzenzüchtung

Die Digitalisierung von industriellen Fertigungsprozessen eröffnet neue Möglichkeiten für die Biotechnologie im Hinblick auf die Durchführung und Optimierung der zugrundeliegenden Prozesse. Wenn es um den Prozess geht, Proteine aus Pflanzenzellen herzustellen und diese in ein biopharmazeutisches Produkt zu überführen, haben sich Big Data Analytics und Machine Learning als überaus geeignete Hilfsmethoden bewährt. Warum? Weil sich aus ihnen datenbasierte Modelle erstellen lassen. Solche Modelle ermöglichen es, dass Kultivierungsbedingungen von Pflanzen chargenspezifisch angepasst werden und dadurch potentielle Fehler von Beginn an vermieden werde können. Darüber hinaus erleichtern sie als grundsätzlich computergesteuerte Entwicklung neuer Produktionsprozesse. Letzteres kann dabei helfen, die Herstellung von neuen Medikamenten oder Impfstoffen, insbesondere in Pandemiesituationen, zu beschleunigen. Nicht zuletzt verhilft die Analyse großer Datenmengen zu einem ganzheitlichen Prozessverständnis.

Den Entwicklungsverlauf der Pflanzenzelle stets im Blick

Pflanzenzüchtung geht mit einer Vielzahl an Faktoren einher (u.a. Temperatur, Licht, Wachstumsrate), die allesamt einen entscheidenden Einfluss auf die Qualitätsmerkmale (Stabilität, Effektivität etc.) des Endprodukts haben. Unterschiedliche Pflanzen wachsen auf unterschiedliche Arten und liefern unterschiedliche Mengen an Wirkstoffen. Daher ist es hilfreich, den Entwicklungsverlauf der Pflanzenzelle zurückzuverfolgen, um die Wachstumsbedingungen sowie die Wirkstoffproduktion so präzise wie möglich analysieren zu können. »Dadurch können wir bestimmen, unter welchen Bedingungen die Pflanzen und Zellen besonders produktiv sind«, sagt Johannes Buyel, Leiter der Abteilung Bioprozessentwicklung am Fraunhofer IME. »Wir führen umfangreiche Big-Data-Analysen durch, um die richtigen Parameter, die die Wirkstoffproduktion in Pflanzen beeinflussen, zu ermitteln und zu überwachen.«

 

Ansprechpartner:

Dr. Johannes Buyel

Fraunhofer IME, Aachen, Deutschland

johannes.buyel@ime.fraunhofer.de

 

Link zur Webseite: www.vernetzte-adaptive-produktion.de