麻豆精品无码国产在线播放,国产亚洲精品成人AA片新蒲金,国模无码大尺度一区二区三区,神马免费午夜福利剧场

訓練和使用用于對生物有機體的動力學方面進行建模的至少一個機器學習模型的構(gòu)思的制作方法

文檔序號:41773213發(fā)布日期:2025-04-29 18:44閱讀:來源:國知局

技術(shù)特征:

1.一種訓練用于對生物有機體的動力學方面進行建模的至少一個機器學習模型的方法,所述方法包括:

2.根據(jù)權(quán)利要求1所述的方法,其中,所述方法包括提供所述機器學習模型作為數(shù)字孿生模型的一部分,以用于以下項中的至少一個:a)確定包含至少一種生物有機體的至少一個生物反應(yīng)器的至少一個目標參數(shù);b)選擇生物有機體的克隆;c)控制涉及生物有機體的生物制造過程;以及d)監(jiān)測涉及生物有機體的生物制造過程。

3.根據(jù)權(quán)利要求1或2中任一項所述的方法,其中,所述訓練數(shù)據(jù)包括訓練輸入數(shù)據(jù)和訓練輸出數(shù)據(jù),所述訓練輸入數(shù)據(jù)包括所述有機體的實驗環(huán)境的表示,并且所述訓練輸出數(shù)據(jù)表示響應(yīng)于相應(yīng)的實驗環(huán)境而觀察到的動力學特性。

4.根據(jù)權(quán)利要求3所述的方法,其中,訓練所述至少一個機器學習模型包括確定函數(shù)的輸出與所述訓練輸出數(shù)據(jù)之間的偏差,其中所述函數(shù)基于所述至少一個機器學習模型、表示所述生物有機體的所述多個克隆的通用功能的第一通量模式集和特定于所述生物有機體的所述單個克隆的第二通量模式集。

5.根據(jù)權(quán)利要求3或4中任一項所述的方法,其中,所述實驗環(huán)境的表示對應(yīng)于所述實驗環(huán)境的壓縮表示,該壓縮表示與所述實驗環(huán)境的未壓縮表示相比具有降低的維度。

6.根據(jù)權(quán)利要求1至5中任一項所述的方法,其中,所述訓練數(shù)據(jù)基于所述生物有機體的同一細胞系的多個克隆的實驗數(shù)據(jù),或者其中,所述訓練數(shù)據(jù)基于所述生物有機體的多個不同細胞系的多個克隆的實驗數(shù)據(jù)。

7.根據(jù)權(quán)利要求1至6中任一項所述的方法,其中,所述訓練數(shù)據(jù)基于來自多個不同過程規(guī)模的實驗數(shù)據(jù)。

8.根據(jù)權(quán)利要求1至7中任一項所述的方法,其中,所述至少一個機器學習模型還包括第三分量,該第三分量將所述第一分量和所述第二分量的輸出作為其輸入,所述方法包括使用所述訓練數(shù)據(jù)來訓練所述至少一個機器學習模型的所述第三分量,

9.根據(jù)權(quán)利要求1至8中任一項所述的方法,其中,所述至少一個機器學習模型形成機器學習模型集,所述方法包括訓練多個機器學習模型集,其中,用不同的種子值來訓練所述多個機器學習模型集,所述不同的種子值影響相應(yīng)的機器學習模型的參數(shù)的隨機初始化和隨機失活中的至少一個。

10.根據(jù)權(quán)利要求1至9中任一項所述的方法,其中,所述方法還包括使用遷移學習,基于根據(jù)另外的單個克隆的實驗數(shù)據(jù)的訓練數(shù)據(jù)來至少調(diào)整(230)所述至少一個機器學習模型的特定于克隆的所述第二分量。

11.根據(jù)權(quán)利要求1至10中任一項所述的方法,其中,所述方法還包括使用經(jīng)訓練的至少一個機器學習模型來生成(220)所述生物有機體的數(shù)字孿生。

12.根據(jù)權(quán)利要求11所述的方法,還包括確定(230)要使用所述生物有機體執(zhí)行的多個實驗,以及基于根據(jù)所述多個實驗的另外的訓練數(shù)據(jù)來繼續(xù)訓練(210;211;212;213;214)所述至少一個機器學習模型。

13.一種用于確定包括至少一種生物有機體的至少一個生物反應(yīng)器的至少一個目標參數(shù)的方法,所述方法包括:

14.根據(jù)權(quán)利要求13所述的方法,其中,使用至少兩種生物有機體的至少兩個數(shù)字孿生來共同確定所述至少兩種生物有機體的所述至少一個目標參數(shù)。

15.一種用于選擇生物有機體的克隆的方法,所述方法包括:

16.一種用于控制涉及生物有機體的生物制造過程的方法,所述方法包括:

17.一種計算機系統(tǒng)(20),該計算機系統(tǒng)(20)包括處理電路(24)和存儲電路(28),所述計算機系統(tǒng)被配置為執(zhí)行根據(jù)權(quán)利要求1至12中任一項所述的方法、根據(jù)權(quán)利要求13或14所述的方法、根據(jù)權(quán)利要求15所述的方法和根據(jù)權(quán)利要求16所述的方法中的至少一個。

18.一種具有程序代碼的計算機程序,用于當所述計算機程序在計算機、處理器或可編程硬件部件上執(zhí)行時執(zhí)行根據(jù)權(quán)利要求1至12中任一項所述的方法、根據(jù)權(quán)利要求13或14所述的方法、根據(jù)權(quán)利要求15所述的方法和根據(jù)權(quán)利要求16所述的方法中的至少一個。


技術(shù)總結(jié)
示例涉及訓練和使用用于對生物有機體的動力學方面進行建模的至少一個機器學習模型的構(gòu)思,并且尤其涉及訓練用于對生物有機體的動力學方面進行建模的至少一個機器學習模型的方法、裝置和計算機程序,以及使用這樣的經(jīng)訓練的至少一個機器學習模型的各種方法。訓練用于對生物有機體的動力學方面進行建模的至少一個機器學習模型的方法包括基于訓練數(shù)據(jù)來訓練該機器學習模型。該訓練數(shù)據(jù)基于生物有機體的多個克隆的實驗數(shù)據(jù)。該訓練數(shù)據(jù)包括基于單個克隆的實驗數(shù)據(jù)的訓練數(shù)據(jù)子集。至少一個機器學習模型的第一分量使用訓練數(shù)據(jù)來訓練,其中第一分量表示生物有機體的通用動力學行為。至少一個機器學習模型的第二分量使用訓練數(shù)據(jù)子集來訓練,第二分量表示生物有機體的特定于克隆的動力學行為。

技術(shù)研發(fā)人員:J·S·基爾奇,S·K·埃斯溫,K·M·辛德勒,P·查布拉,J·W·施米德,M·納博,K·J·莫赫
受保護的技術(shù)使用者:橫河茵斯利科生物技術(shù)有限公司
技術(shù)研發(fā)日:
技術(shù)公布日:2025/4/28
當前第2頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評論。精彩留言會獲得點贊!
1
主站蜘蛛池模板: 三明市| 南丰县| 潜山县| 桃园县| 左贡县| 莱芜市| 隆回县| 大安市| 台中县| 阜南县| 洪雅县| 青冈县| 全南县| 宜兴市| 高州市| 蓝山县| 棋牌| 望都县| 邛崃市| 平顶山市| 农安县| 东至县| 旬邑县| 凤城市| 韶山市| 玛沁县| 砚山县| 新建县| 江孜县| 邮箱| 依安县| 临武县| 佛坪县| 仙居县| 浦北县| 当阳市| 钦州市| 南乐县| 贵州省| 大理市| 吉木乃县|