本發明涉及細胞培養，尤其涉及一種細胞培養場景的預測方法、裝置、存儲介質及電子設備。

背景技術：

1、在細胞培養過程中，諸如代謝產物濃度等參數是細胞培養過程中的重要影響因素，對諸如代謝產物濃度等參數的預測為細胞培養過程提供參考，便于及時對培養液執行相應的調整。

2、在實現本發明的過程中，發現現有技術中至少存在以下技術問題：目前，可通過構建細胞生長代謝的模型實現預測，但是由于細胞生長代謝的模型通常針對特定工藝和應用場景設計，遷移能力差。

技術實現思路

1、本發明提供了一種細胞培養場景的預測方法、裝置、存儲介質及電子設備，提供了細胞培養場景的通用性預測模型，實現細胞培養場景的變量預測。

2、根據本發明的一方面，提供了一種細胞培養場景的預測方法，包括：

3、獲取當前培養階段中第一時間段內的工藝數據，其中，細胞培養過程中包括至少一個培養階段，各所述培養階段基于所述細胞培養過程中的預設操作劃分，所述當前培養階段為所述至少一個培養階段中的任一培養階段；所述第一時間段內的工藝數據包括目標變量在所述第一時間段內多個檢測時間點對應的檢測數據；

4、基于所述目標變量在所述第一時間段內多個檢測時間點對應的檢測數據，確定所述目標變量的初始預測模型；

5、對所述目標變量的初始預測模型中的參數值進行擬合處理，得到所述目標變量對應的目標預測模型；

6、基于所述目標變量對應的目標預測模型，確定目標變量在所述當前培養階段中第二時間段內至少一個預測時間點的預測數據，其中，所述第二時間段位于所述第一時間段之后。

7、可選的，所述目標變量包括細胞生長變量和代謝產物變量的一項或多項；

8、所述細胞生長變量的初始預測模型為所述細胞生長變量的變化率預測模型，所述細胞生長變量的變化率預測模型中包括第一系數組和所述細胞生長變量的乘積，所述第一系數組包括真實比生長速率和真實比死亡速率；

9、所述代謝產物變量的初始預測模型為所述代謝產物變量的變化率預測模型，所述代謝產物變量的變化率預測模型包括第二系數組和所述細胞生長變量的乘積，所述第二系數組包括所述真實比生長速率、所述代謝產物變量的維護因子和所述代謝產物變量的真實產率因子。

10、可選的，所述第一時間段內的工藝數據包括所述第一時間段內多個檢測時間點分別對應的活細胞密度和活細胞率；

11、所述基于所述目標變量在所述第一時間段內多個檢測時間點對應的檢測數據，確定所述目標變量的初始預測模型，包括：基于所述第一時間段內多個檢測時間點分別對應的活細胞密度和活細胞率確定所述第一時間段內多個檢測時間點的所述真實比生長速率和所述真實比死亡速率；基于所述第一時間段內多個檢測時間點的所述真實比生長速率擬合得到所述真實比生長速率隨時間變化的第一線性圖，基于所述第一線性圖確定所述真實比生長速率相對時間的第一參數，基于所述第一參數確定所述真實比生長速率相對時間的變化模型；基于所述第一時間段內多個檢測時間點的所述真實比死亡速率擬合得到所述真實比死亡速率的隨時間變化的第二線性圖，基于所述第二線性圖確定所述真實比死亡速率相對時間的第二參數，基于所述第二參數確定所述真實比死亡速率相對時間的變化模型；基于所述真實比生長速率相對時間的變化模型和所述真實比死亡速率相對時間的變化模型確定所述細胞生長變量的初始預測模型。

12、可選的，所述第一時間段內的工藝數據還包括：所述第一時間段內多個檢測時間點分別對應的所述代謝產物濃度值；

13、所述基于所述目標變量在所述第一時間段內多個檢測時間點對應的檢測數據，確定所述目標變量的初始預測模型，包括：基于所述第一時間段內多個檢測時間點分別對應的所述代謝產物濃度值確定所述代謝產物的濃度變化量；以及基于所述第一時間段內多個檢測時間點分別對應的活細胞密度確定活細胞密度變化量；基于所述代謝產物的濃度變化量和所述活細胞密度變化量確定所述代謝產物變量的表征產率因子；基于相鄰所述檢測時間點的活細胞密度和間隔時長確定表征生長速率；基于所述表征生長速率的倒數為自變量，所述表征產率因子的倒數為因變量擬合第三線性圖；基于所述第三線性圖確定所述代謝產物變量的維護因子和所述代謝產物變量的真實產率因子；基于所述真實比生長速率相對時間的變化模型、所述代謝產物變量的維護因子和所述代謝產物變量的真實產率因子，確定所述代謝產物變量的初始預測模型。

14、可選的，所述對所述目標變量的初始預測模型中的參數值進行擬合處理，得到所述目標變量對應的目標預測模型，包括：獲取所述初始預測模型中設定參數的參數值、所述設定參數的數值范圍以及細胞培養過程中的加料信息；調用參數擬合算法，通過所述參數擬合算法，基于所述設定參數的參數值、所述設定參數的數值范圍以及細胞培養過程中的加料信息進行參數擬合，得到所述設定參數的目標參數值；基于所述設定參數的目標參數值更新所述初始預測模型，得到所述目標變量對應的目標預測模型。

15、可選的，所述基于所述目標變量對應的目標預測模型，確定目標變量在所述當前培養階段中第二時間段內至少一個預測時間點的預測數據，包括：以所述第一時間段的最后一個檢測時間點的檢測數據為初始數據，基于所述目標變量對應的目標預測模型確定所述目標變量隨時間的變化率，基于所述初始數據和所述目標變量隨時間的變化率確定所述目標變量在所述第二時間段內至少一個預測時間點的預測數據。

16、可選的，所述代謝產物包括葡萄糖、谷氨酸、谷氨酰胺、銨離子、乳酸和抗體產物的一項或多項；每一所述代謝產物變量分別對應一所述目標預測模型。

17、根據本發明的另一方面，提供了一種細胞培養場景的預測裝置，包括：

18、數據獲取模塊，用于獲取當前培養階段中第一時間段內的工藝數據，其中，細胞培養過程中包括至少一個培養階段，各所述培養階段基于所述細胞培養過程中的預設操作劃分，所述當前培養階段為所述至少一個培養階段中的任一培養階段；所述第一時間段內的工藝數據包括目標變量在所述第一時間段內多個檢測時間點對應的檢測數據；

19、初始預測模型確定模塊，用于基于所述目標變量在所述第一時間段內多個檢測時間點對應的檢測數據，確定所述目標變量的初始預測模型；

20、目標預測模型確定模塊，用于對所述目標變量的初始預測模型中的參數值進行擬合處理，得到所述目標變量對應的目標預測模型；

21、預測模塊，用于基于所述目標變量對應的目標預測模型，確定目標變量在所述當前培養階段中第二時間段內至少一個預測時間點的預測數據，其中，所述第二時間段位于所述第一時間段之后

22、根據本發明的另一方面，提供了一種電子設備，所述電子設備包括：

23、至少一個處理器；以及

24、與所述至少一個處理器通信連接的存儲器；其中，

25、所述存儲器存儲有可被所述至少一個處理器執行的計算機程序，所述計算機程序被所述至少一個處理器執行，以使所述至少一個處理器能夠執行本發明任一實施例所述的細胞培養場景的預測方法。

26、根據本發明的另一方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有計算機指令，所述計算機指令用于使處理器執行時實現本發明任一實施例所述的細胞培養場景的預測方法。

27、本發明實施例的技術方案，在細胞培養過程中每一培養階段，通過每一培養階段中第一時間段的工藝數據，確定目標變量的初始預測模型中設定參數的參數值，以確定目標變量在每一培養階段的目標預測模型。通過目標變量在任一培養階段的目標預測模型對該培養階段中目標變量進行預測處理，確定目標變量在預測時間點的預測數據。本方案實施例提供了適用于細胞培養過程中每一培養階段的目標預測模型，適用性強，實現了細胞培養過程中每一培養階段的變量預測。

28、應當理解，本部分所描述的內容并非旨在標識本發明的實施例的關鍵或重要特征，也不用于限制本發明的范圍。本發明的其它特征將通過以下的說明書而變得容易理解。