Sistema de control basado en machine learning para cultivo celular en modo fed-batch considerando datos de un modelo cinético mecanístico para el metabolismo central de una línea celular de alta proliferación

Abstract

El presente trabajo de memoria trata sobre el estudio de la viabilidad e implementación de diversas herramientas de aprendizaje de maquina para el modelamiento y control de cultivos de células animales proliferantes en modo de operación fedbatch. Para esto se estudió un modelo mecanistico de células mamíferos con el objetivo de usarlo para simular datos experimentales de entrenamiento, para desarrollar un modelo híbrido y para implementar sistemas de control en lazo abierto y lazo cerrado. Los principales resultados obtenidos fueron la importancia de evaluar los requerimientos mininos para poder desarrollar métodos de control en base a entrenamiento por refuerzo o un controlador proporcional, integral y derivativo auto ajustable, la importancia y los limites presentes de los conjuntos de datos disponibles para entrenar herramientas como support vector machine, sus limitaciones y capacidades al momento de extrapolar datos desconocidos, logrando obtener en al menos uno de los experimentos realizado, un SVM confiable en base al caso hipotético de desconocer la tasa de crecimiento. Se concluye que este estudio reafirma la importancia de cumplir los requerimientos mínimos de las propuestas a realizar con el fin de poder desarrollar las herramientas sin encontrar con una redundancia hacia los métodos clásicos, además de demostrar la posibilidad de generar modelos híbridos para casos mas favorables en cantidad de datos, y que sucede cuando esto no se cumple.