Digital Twins for the Optimization of Bioprocesses

• Auteur / Autrice : Irene MARTíNEZ MENÉNDEZ
• Direction : Cesar Arturo Aceves Lara, Alberto Tonda
• Type : Projet de thèse
• Discipline(s) : Ingénieries microbienne et enzymatique
• Date : Inscription en doctorat le 01/11/2023
• Etablissement(s) : Université de Toulouse (2023-....)
• Ecole(s) doctorale(s) : École doctorale Sciences écologiques, vétérinaires, agronomiques et bioingénieries (Toulouse)
• Partenaire(s) de recherche : Laboratoire : TBI - Toulouse Biotechnology Institute, Bio & Chemical Engineering
• Partenaire(s) de recherche : établissement délivrant conjointement le doctorat : Institut national des sciences appliquées (Toulouse ; 1961-....)

Mots clés

Mots clés libres

Jumeaux Numériques

Bioprocédés

Modèles hybrides

Intelligence Artificielle

Digital Twins

Bioprocesses

Hybrid models

Artificial intelligence

Résumé

L'optimisation des processus de fabrication biopharmaceutique est de plus en plus soutenue par des approches in-silico (Helgers et al. 2022a, Helgers et al. 2022b). L'application de modèles de processus mécanistes et physico-chimiques permet de réduire le nombre d'expériences en laboratoire (Kornecki 2019, Helgers et al. 2022a). D'un point de vue général, la modélisation d'un bioprocédé utilisant des micro-organismes est une tâche assez complexe en raison des différentes interactions entre les phénomènes biologiques, chimiques, physiques et la perte du gène d'intérêt. Dans ce projet de doctorat, nous proposons le développement d'un schéma généralisé de jumeaux numériques dans le but d'optimiser la production de métabolites d'intérêt. Il est envisagé de combiner des modèles physiques et d'approches basées sur les données (ensembles d'arbres, réseaux neuronaux, ...) pour prédire et optimiser les propriétés d'intérêt. Le jumeau numérique proposé pourra être appliqué aux bioprocédés qui fonctionnent avec des micro-organismes avec ou sans des modifications génétiques (exp. les protéines recombinantes) et avec plusieurs configurations des bioréacteurs. Ce projet s'enrichira de l'expertise de chercheurs de deux équipes de recherche appartenant à deux UMR (792-TBI et 518-MIA-PS), travaillant dans les domaines de la modélisation et du contrôle des bioprocédés (TBI) et de l'optimisation et de l'Intelligence Artificielle (MIA-PS).

The optimisation of biopharmaceutical manufacturing processes is increasingly supported by in-silico approaches (Helgers et al. 2022a, Helgers et al. 2022b). By applying mechanistic and physicochemical process models, the number of laboratory experiments could be reduced (Kornecki 2019, Helgers et al. 2022a). From a general point of view, modelling a bioprocess using modified microorganisms is a rather complex task due to the different interactions between biological, chemical, physical phenomena and the loss of the gene of interest. In this Ph.D. project, we propose the development of a generalised Digital Twin framework with the objective to optimise the production of metabolites of interest. The framework is envisioned to employ a combination of physical models and data-driven approaches (ensembles of trees, neural networks, ...) to predict and optimize the properties of interest. The proposed framework can be applied to bioprocesses that work with micro-organisms, with or without genetic modification (e.g. recombinant proteins) and with several bioreactor configurations. This project will be enriched by the expertise of researchers from two research teams belonging to two UMRs (792-TBI and 518-MIA-PS), working in the fields of bioprocess modelling and control (TBI) and optimisation and Artificial Intelligence (MIA-PS).