特許7756155IP Force 特許公報全文掲載

ホーム > 特許ランキング > バイエル・ヘルスケア・エルエルシー > 特許7756155

課題を解決するための手段[発明の詳細な説明]から抜粋

概要 そのような努力および資源を低減するために、本過去の実験に基づいて（新しい）病原体クリアランスプロセスの性能を予測するためのツールを提供する。

この特許の権利範囲[特許請求の範囲]

知財ポータルサイト IP Force にログインして確認する (無料)

この特許公報に記載されている図面[図面の簡単な説明]から抜粋

【図1】 図１は、例示的な精製プロセスの概略図である。
【図2】 図２は、縮小された次元空間において実行された実験の概要を提供するＰＣＡ分析から得られたスコアプロットの例である。スコアプロット中の各データ点は、単一の実験を表す。スコアプロットは、強調表示された領域（グループ－１およびグループ－２）によって示されるように、グループ分けを識別するのにも役立つ。
【図3】 図３は、実験ランのグループ分けに関与するプロセスパラメータの識別を可能にする寄与率プロットの例である。
【図4】 図４は、縮小された次元空間におけるスコアベクトルとプロセスパラメータとの間の関係を表すローディングプロットの一例である。
【図5A】 図５は、５つの異なる機械学習アルゴリズム：（Ａ）ＯＰＬＳ－ＤＡ、（Ｂ）ＬＲ、（Ｃ）ＳＶＭ、（Ｄ）ＤＴ、および（Ｅ）ＲＦ機械学習アルゴリズムの精度を得ることができる混同行列の例である。
【図5B】 図５は、５つの異なる機械学習アルゴリズム：（Ａ）ＯＰＬＳ－ＤＡ、（Ｂ）ＬＲ、（Ｃ）ＳＶＭ、（Ｄ）ＤＴ、および（Ｅ）ＲＦ機械学習アルゴリズムの精度を得ることができる混同行列の例である。
【図5C】 図５は、５つの異なる機械学習アルゴリズム：（Ａ）ＯＰＬＳ－ＤＡ、（Ｂ）ＬＲ、（Ｃ）ＳＶＭ、（Ｄ）ＤＴ、および（Ｅ）ＲＦ機械学習アルゴリズムの精度を得ることができる混同行列の例である。
【図5D】 図５は、５つの異なる機械学習アルゴリズム：（Ａ）ＯＰＬＳ－ＤＡ、（Ｂ）ＬＲ、（Ｃ）ＳＶＭ、（Ｄ）ＤＴ、および（Ｅ）ＲＦ機械学習アルゴリズムの精度を得ることができる混同行列の例である。
【図5E】 図５は、５つの異なる機械学習アルゴリズム：（Ａ）ＯＰＬＳ－ＤＡ、（Ｂ）ＬＲ、（Ｃ）ＳＶＭ、（Ｄ）ＤＴ、および（Ｅ）ＲＦ機械学習アルゴリズムの精度を得ることができる混同行列の例である。
【図6】 図６は、例示的なＯＰＬＳ－ＤＡ分類モデルのローディングプロットの例である。
【図7】 図７は、例示的なランダムフォレスト分類モデルからの決定木の例である。
【図8】 図８は、病原体クリアランススコアに関する特定の基準が満たされるプロセスパラメータの決定方法の概略図である。
【図9】 図９は、表２に与えられるパラメータ境界の下で標的ＬＲＶを達成するための温度およびｐＨの範囲のグラフ表示を示す。
【図10】 図１０は、タンパク質クロマトグラフィーＯＰＬＳ回帰モデルの、測定された対モデル予測された全体的なＬＲＶの比較を示す。プロット中の各データ点は、単一の実験を表す。
【図11】 図１１は、プロテイン－ＡクロマトグラフィーＯＰＬＳ回帰モデルの、測定された対モデル予測されたタンパク質回収の比較を示す。プロット中の各データ点は、単一の実験を表す。
【図12】 図１２は、少なくとも２つのプロセスパラメータに基づいて、病原体クリアランスプロセスについて１つまたは複数の病原体クリアランススコアを決定するのに適した本開示の例示的なコンピュータシステムのブロック図である。

代表図 図1本件の代表的な図

全ての図面はログインすると無料で閲覧できます。ログイン・ユーザー登録

［広告欄］

ログインすれば広告は減ります

ログインすれば広告は減ります

Copyright © Science Impact Inc. All Rights Reserved.