2. 生物过程监测对象与测量需求分析

生物过程PAT（Process Analytical Technology）监测系统的设计，第一步不是选传感器，而是把“要测什么、测到什么程度、多久测一次”讲清楚。细胞培养与发酵过程本质上是一个多相、多组分、时变的复杂反应体系，可观测的状态变量数量远超工程上能够实时测量的数量。因此，测量需求分析的核心任务，是在过程理解的基础上，把关键状态变量从众多变量中筛选出来，并为每一个变量确定测量方式、测量频率与精度要求。

一、关键状态变量：物理、化学与生物三层

细胞培养与发酵过程的状态变量通常可分为三层。物理变量包括温度、压力、搅拌转速、通气流量、液位与泡沫高度，它们直接决定传质与混合条件，测量技术成熟、响应快，一般实现在线闭环控制。化学变量包括pH、溶解氧（DO）、溶解二氧化碳（dCO₂）、氧化还原电位以及尾气中的O₂和CO₂分压，它们反映细胞代谢的即时环境，是过程控制的核心。生物变量包括活细胞密度（VCD）、细胞活率、葡萄糖、谷氨酰胺、乳酸、氨、产物滴度、糖基化谱等，它们直接表征细胞状态与产品质量，但多数难以直接在线测量。

这三层变量之间存在明确的因果链：物理条件影响传质，传质决定化学环境，化学环境驱动细胞代谢，代谢结果又反过来改变化学环境。理解这条链，才能判断哪些变量必须高频在线测量，哪些可以低频离线补充。

二、在线与离线测量的差异

在线测量指传感器直接浸入反应体系或连接在管路、尾气路上，在不取样或仅微量取样条件下连续输出信号，典型对象是pH、DO、温度、尾气O₂/CO₂。其优势是时间分辨率高、可闭环控制，但传感器长期处于灭菌、剪切、蛋白吸附环境中，存在漂移、污染和寿命问题。离线测量则需要人工或自动取样，在反应器外完成分析，典型对象是细胞计数、生化分析、糖基化检测。其优势是精度高、可测组分多，但存在取样延迟、样品代表性偏差，且无法直接用于闭环控制。

介于两者之间的是在线取样自动分析（at-line）与在线光谱/软测量（in-situ）。前者通过自动取样器把样品送到分析仪，兼顾精度与频率；后者利用拉曼、近红外等光谱结合化学计量学模型，实现无取样连续估计。工程上常采用“在线控制变量 + at-line补测生物变量 + 离线确认质量属性”的组合策略。

三、测量频率与精度需求

测量频率由过程时间常数决定。温度、pH、DO的控制回路时间常数在秒到分钟级，采样周期通常取1～10 s，控制精度要求pH±0.05、DO±3%空气饱和度、温度±0.2 ℃。尾气分析用于计算OUR、CER和RQ，采样周期可取10～30 s，精度要求O₂和CO₂浓度±0.1%体积分数。生物变量变化慢，VCD和活率可每12～24 h测一次，葡萄糖、乳酸等代谢物可每4～12 h测一次，产物滴度按天测。若用于代谢通量分析或补料控制，代谢物测量频率需提高到每1～4 h。

精度需求要与用途匹配。用于闭环控制的变量，精度不足会直接引起振荡或偏离设定点；用于趋势判断和批次放行的变量，可接受较大误差但要求重复性好。以葡萄糖为例，若用于补料反馈控制，测量误差应控制在±0.2 g/L以内；若仅用于绘制代谢曲线，±0.5 g/L通常可接受。

四、以CHO细胞培养为例的测量需求清单

下面以典型CHO细胞流加培养（工作体积200 L，培养周期14天，温度37 ℃，pH 7.0，DO 40%空气饱和度）为例，给出一份可直接参考的测量需求清单。表中参数为教学示例，实际项目应根据工艺表征和风险评估调整。

完成这份清单后，下一步才是选择具体传感器、确定取样点位置、设计数据采集与信号处理链路。测量需求分析做得越清楚，后续PAT系统的架构就越不容易出现“测了很多但用不上”或“关键变量没有覆盖”的问题。