生物工艺放大是生物技术产品商业化进程中的关键一步。然而，放大过程中常常出现生产性能下降的问题，如产量、产率或生产率的降低，这阻碍了生物技术创新的商业化应用。近期，在计算流体力学（Computational Fluid Dynamics， CFD）和强大的刺激-响应代谢模型辅助下的缩小化研究取得了进展，提供了更好的过程预测和评估，使得放大过程更快且损失最小。未来，理想的生物工艺设计将由一个集成了细胞生理学（时空多尺度细胞模型）和流体动力学（CFD模型）的计算机模型来指导。然而，建立预测性代谢模型和CFD耦合均存在挑战。本文旨在通过强调这些挑战并提供可能的解决方案，推动计算框架的发展，以加速生物工艺的放大。
作者与期刊信息 本文的作者包括：Guan Wang（第一作者/通讯作者，单位：华东理工大学，生物反应器工程国家重点实验室），Cees Haringa（单位：荷兰帝斯曼生物技术中心），Henk Noorman（单位：荷兰帝斯曼生物技术中心；荷兰代尔夫特理工大学，生物技术系），Ju Chu（单位：华东理工大学），Yingping Zhuang（通讯作者，单位：华东理工大学）。本文发表于期刊 *Trends in Biotechnology*，2020年8月，第38卷，第8期。
论文主题 本文是一篇观点性综述，主题为“开发一个计算框架以推进生物工艺放大”。文章聚焦于如何整合计算流体动力学（CFD）与细胞反应动力学模型，以理解和预测大规模生物反应器中因混合不均、传质限制等导致的细胞微环境波动（如底物、溶氧梯度）及其对细胞代谢、群体异质性和最终工艺性能的影响，最终实现基于科学原理的生物工艺设计和放大。
主要观点与论述
1. 生物工艺放大的核心挑战：尺度效应与群体异质性 文章开篇即指出，从实验室规模放大到工业规模时，常伴随“放大效应”，导致关键性能指标下降10-30%。这主要归因于大规模反应器中质量与热量传递以及混合问题。一个关键后果是形成了“群体异质性”——即反应器中出现了生产能力下降的细胞亚群。这种异质性源于内在因素（基因表达的随机性）和外在因素（环境条件的变化，如底物和氧气浓度的波动）。外在因素，尤其是由流体动力学引起的底物/营养物浓度时空波动，是放大过程中性能损失的主要原因。因此，阐明这些与放大相关的机制（如表型异质性）对于减少或规避性能损失至关重要，这不仅是学术目标，也是工业实践的迫切需求。
2. 现有放大方法的局限与计算工具整合的潜力 传统的逐步放大策略耗时耗力，且严重依赖专家经验，未能充分考虑菌株生理学在工业规模反应器的气液流场和浓度场中可能发生的变化。在生物制药行业，过程分析技术（PAT）和质量源于设计（QbD）等理念被提倡以更好地理解和控制工艺。然而，在更受成本约束的非制药领域，要实现基于科学的工业规模生物反应器设计，仍面临挑战。其中，缺乏工业规模的数据集是充分利用缩小化优化策略（在实验室模拟工业条件）的主要障碍。为了弥合这一鸿沟，CFD模型可以生成详细的流场信息（如流动模式、混合时间、浓度分布），为过程优化和反应器配置提供建议。更重要的是，通过将CFD与细胞动力学模型耦合，可以追踪单个细胞在反应器中的“生命线”，评估其在不同微环境下的代谢响应，从而在计算机上预测大规模工艺的性能。
3. 代谢模型简化：通过代谢物合并/池化建立可预测的动力学模型 为了与CFD耦合，需要能够描述细胞对环境扰动动态响应的动力学模型，而非静态的化学计量模型。然而，建立大型动力学模型面临参数化困难：缺乏反映动态环境下细胞调控的代表性代谢数据；非线性结构下参数不敏感；实验设计不足；数据协调方法使用不够。作为一种解决方案，文章提出通过“代谢物合并/池化”来简化模型结构，同时保留关键动态特征。其原理是根据代谢物性质和周转时间尺度，将细胞内代谢物分组为简化的池。例如，文中引用了针对产黄青霉建立的九池代谢结构化模型，该模型成功预测了从秒到天不同时间尺度下的代谢池动态、生物量生长和青霉素生产。这种简化模型是连接CFD与细胞生理学的关键桥梁，但其参数化需要能够代表大规模实际条件的代谢数据。
4. CFD指导的代表性缩小化研究 一个有预测能力的缩小化模型应能真实反映细胞在大型过程中经历的条件。然而，许多已发表的缩小化研究并未考虑所有工业规模的流动和反应条件。CFD模拟可以提供所需流场条件的细节，用于指导设计更具代表性的实验室规模缩小模拟器。通过CFD，可以估算工业反应器中不同区域（如叶轮区、主体区）的代表性体积功率输入、循环时间分布等，并在小规模装置中重现这些条件，以研究底物梯度、剪切力等因素对细胞代谢响应的影响。例如，针对54立方米青霉素发酵罐的CFD模拟结果被用于设计具有不同循环时间的间歇补料或双区室缩小模拟器，成功再现了青霉素生产率下降的现象，并发现更长的循环时间（与全局循环时间同数量级）能更准确地模拟工业规模结果。文章强调了Noorman提出的“五自由度”设计原则，以更精细地模拟工业条件。
5. 通过CFD耦合评估工业生物反应器中的代谢响应 实验性的缩小化研究已证实，大型反应器中的异质环境会影响细胞的代谢响应，进而影响工艺性能。将结构化细胞模型与CFD模拟结合，可以定量评估这种影响。目前主要有两种耦合哲学：群体平衡方法和欧拉-拉格朗日（或称基于代理的）方法。群体平衡方法在处理大区域时扩展性更好，但难以包含多维度的细胞内池异质性。欧拉-拉格朗日方法则更容易通过为每个“代理”（代表细胞或细胞群）赋予结构化的动力学模型来捕捉多维异质性。文章列举了多个应用案例，例如，有研究将结构化的九池青霉素生产模型与CFD耦合，预测的青霉素产量下降比理想混合的非结构模型或CFD耦合的非结构模型都要准确，并且还观察到了葡萄糖摄取能力群体异质性的自发出现。另一个研究则模拟了酿酒酵母细胞内NAD+/NADH循环与细胞外葡萄糖波动的同步/去同步现象。尽管基于代理的方法在计算上要求更高，但随着GPU计算的发展，其应用前景广阔。
6. 结论与未来展望 计算框架通过代谢-流体动力学的耦合，可以为工业生物反应器中由环境波动触发的细胞生命线（亚群分布与演化）和代谢响应（代谢物动态、生长、生产率）提供深刻见解。该框架原则上可用于理解、预测和评估对细胞工厂进行分子改造（如改变底物摄取动力学、产物排泄能力、无效循环等）对鲁棒性性能的影响，同时为生物反应器和发酵工艺的设计提出建议。未来发展的关键步骤包括：建立具有高度预测性的代谢模型，这需要获取更能代表工业条件的高度动态的体内代谢数据集；在模型中纳入更多关键代谢信息（如氧化还原电位、能量电荷）；开发自适应过程模型，利用实时数据进行自我调整；结合大数据分析、人工智能和机器学习，将关键工艺参数（CPPs）与关键质量属性（CQAs）、关键性能参数（KPPs）联系起来。在生物反应器建模方面，仍需克服诸多挑战，例如，当前CFD模型多基于（空气-）水实验，对发酵液流变学和表面活性剂的影响考虑不足；除了宏观混合，介观混合和微观混合效应在某些情况下也可能很重要。计算技术的发展，如GPU加速、更快CFD求解器、降阶模型和人工智能方法，将有助于以更高的真实度评估完整的生物过程，并对更广泛的细胞设计和工艺配置进行筛选。同时，分析方法和微流体培养技术的进步，有望解锁能够更高分辨率研究群体和单细胞响应的新一代缩小化模拟。
论文的意义与价值 本文系统地阐述了生物工艺放大过程中面临的根本性挑战——由流体动力学导致的微环境异质性及其对细胞代谢的影响，并提出了一个前沿且具有操作性的解决方案：构建整合计算流体动力学与结构化细胞动力学模型的计算框架。其重要意义在于： * 提供了方法论指导：文章不仅指出了问题，还详细分析了现有工具（CFD、动力学模型、缩小化技术）的潜力与局限，并具体提出了如“代谢物池化”模型简化、基于CFD的“五自由度”缩小化设计等实用化路径。 * 推动了学科交叉：明确倡导将工程学的流体力学分析与生物学的代谢系统分析深度结合，代表了生物过程工程领域从经验驱动向科学驱动、从宏观描述向多尺度机理理解转变的重要发展方向。 * 指出了未来研究方向：文章明确列出了多个“待解决的关键问题”，涵盖了从工业反应器流场因素、细胞响应机制到模型构建所需数据、培养基优化等各个方面，为后续研究者指明了有价值的探索方向。 * 面向工业应用：全文紧扣“加速生物工艺放大、减少性能损失”这一工业核心诉求，所讨论的计算框架旨在实现“基于科学的工业级生物反应器和细胞工厂设计”，并最终服务于生物制造的数字化和自动化（工业4.0），具有明确的实践价值和广阔的应用前景。