研究：将低保真数据纳入ML训练集可提升生物工艺模型准确性

墨尔本大学数字生物工艺中心研究人员指出，将反映工艺总体趋势的低保真数据与少量高保真实验数据结合，可提升机器学习工艺模型的预测准确性。其团队一项研究将20,000个模拟CHO补料分批数据点与65次生物反应器运行的实验数据结合，多保真高斯过程模型对最终单克隆抗体滴度的预测比仅用实验数据训练的模型更准确。