Grant: Collaborative Science, Technology and Innovation Program - Collaborative R&D Initiatives

This agreement has been amended 1 time(s). The end date of this agreements has been modified by 121 days.

Cet accord a été modifié 1 fois La date de fin du présent accord a été changé de 121 jours.

Digital-twin of bioreactor for accelerated design and optimal operations in production of complex biologics- AI and machine learning for development of insilico digital twin

Jumelage numérique d’un bioréacteur pour la conception accélérée et des conditions d’exploitation optimales dans le cadre de la production de produits biologiques complexes — IA et apprentissage automatique appliqués au développement de jumeaux numériques in silico

Bioreactors play major role in manufacturing processes of biologics. While their design has been well documented for traditional fermentations for production of simple biomolecules, their use for production of complex biologics using eukaryotic systems such as HEK-293 human cells remains very empirical. Biologics production in bioreactors is performed in a high dimensional design space requiring a high and broad level of expert knowledge not necessary captured systematically in the prevailing scientific and technical literature. Additionally, biological products such as exosomes and viral vectors (AAV) are complex biological structures that have demonstrated recently significant value in the treatment of a number of cancers and hereditary diseases. Their manufacturing in bioreactor at scale in quantity and quality that meets the preclinical and clinical needs significantly limits their use and growth potential as therapeutic tools. This create an opportunity to integrate the expert knowledge accumulated in the databases and exploit the advances in AI to accelerate the design and optimization of the production of these two key biologics (exosomes and AAV) through the implementation and operation of a digital-twin bioreactor connected to a physical bioreactor using a series of sensors in constant communication and feed-back. This project will focus on AI and machine learning for development of insillico digital twin.

Les bioréacteurs jouent un rôle de premier plan dans la fabrication des produits biologiques. Leur conception a été bien décrite pour les fermentations traditionnelles axées sur la production de biomolécules simples, mais leur exploitation reste très empirique pour ce qui est de la production de produits biologiques complexes à partir de systèmes eucaryotes tels que des cellules humaines HEK-293. La production de produits biologiques en bioréacteur s’effectue dans un contexte complexe nécessitant des expertises étendues et approfondies qui ne sont pas systématiquement décrites dans la littérature scientifique ou technique reconnue. De plus, les produits biologiques tels que les exosomes et les vecteurs viraux (virus adéno-associés ou VAA) sont des structures biologiques complexes qui se sont récemment avérées très utiles dans le traitement d’un certain nombre de cancers et de maladies héréditaires. Leur production en bioréacteur sur le plan des quantités et qualités requises pour les besoins précliniques et cliniques limite considérablement leur utilisation et leur développement en tant qu’outils thérapeutiques. C’est donc l’occasion d’intégrer les connaissances cumulées dans les bases de données et d’exploiter les progrès réalisés dans le domaine de l’IA pour accélérer la conception et l’optimisation du système de production de ces deux importants produits biologiques (exosomes et VAA) par l’installation et l’exploitation du jumeau numérique d’un bioréacteur physique, relié à celui-ci par un ensemble de capteurs assurant une communication constante entre les deux systèmes.

In the short term, anticipated outcomes will be strengthened collaborations across industry, academia, and government to support research excellence. In the medium term, anticipated outcomes will be the development of new and potentially disruptive technologies with collaborators. In the long term, find collaborative solutions to public policy challenges and create stronger innovation systems.

À court terme, les résultats prévus seront des collaborations renforcées entre l'industrie, le milieu universitaire et le gouvernement pour soutenir l'excellence en recherche. À moyen terme, les résultats attendus seront le développement de nouvelles technologies potentiellement perturbatrices avec des collaborateurs. À long terme, trouver des solutions collaboratives aux défis des politiques publiques et créer des systèmes d'innovation plus solides.

Collaborate on multiparty research and development programs to catalyze transformative, high-risk, high-reward research with the potential for game-changing scientific discoveries and technological breakthroughs in priority areas.

Collaborer à des programmes multipartites de recherche-développement dans le but de profiter de la synergie entre la recherche transformatrice à haut risque et à haut rendement et le potentiel de découvertes scientifiques et de percées technologiques révolutionnaires dans des secteurs d’intervention prioritaires.