1. 生物过程分析工程导论

生物过程分析工程是一门研究如何对生物反应过程进行实时、在线、原位测量与控制的交叉学科。它的核心任务，是把生物反应器中那些看不见、摸不着的细胞代谢状态，转化为可被仪器读取、被算法解析、被控制系统执行的定量信息。在抗生素发酵、单克隆抗体生产、重组蛋白表达、生物燃料合成等典型场景中，温度、pH、溶氧这些常规参数早已实现闭环控制，但真正决定产量与质量的底物浓度、产物浓度、细胞活性、代谢副产物等关键变量，长期依赖离线取样和实验室分析，存在滞后大、污染风险高、信息稀疏三大痛点。近红外光谱技术正是为解决这一矛盾而进入生物过程分析视野的。

近红外光谱在生物过程分析中的角色

近红外光谱覆盖约780～2526 nm（12800～3959 cm⁻¹）的波段，对应的是含氢基团（O—H、N—H、C—H、S—H）的倍频与合频振动吸收。与中红外基频吸收相比，近红外吸收弱、谱峰宽、重叠严重，这既是缺点也是优点：弱吸收意味着光可以穿透较厚的光程，适合直接插入发酵液或透过管路窗口测量；宽峰重叠则使单一波长难以定量，必须借助化学计量学方法从多波长信息中提取浓度。因此，近红外在生物过程分析中的角色可以概括为三点：原位在线测量的光学探针、多组分同时定量的信息载体、PAT闭环控制的数据源头。

需要强调的是，近红外不是万能的。它对水、葡萄糖、乳酸、乙醇、氨、甘油等含氢组分敏感，但对不含氢或含量极低的离子（如K⁺、Na⁺、SO₄²⁻）几乎无响应；对细胞密度、蛋白构象等复杂状态，往往需要与拉曼、介电谱、荧光等多模态手段互补。理解这一边界，是后续建模与工程部署的前提。

生物过程分析的对象与需求

生物过程分析的对象可分为三类。第一类是物理化学状态量：温度、pH、溶氧、氧化还原电位、电导率，这些通常由成熟传感器直接测量。第二类是生化组分浓度：碳源（葡萄糖、甘油、乳糖）、氮源（氨、谷氨酰胺）、产物（乙醇、乳酸、抗生素、抗体）、副产物（乙酸、甲酸、丙酮酸）。第三类是生物状态量：活细胞密度、细胞活性、代谢通量、蛋白表达水平。近红外主要覆盖第二类，并对第三类提供间接推断能力。

过程分析的需求可以从时间尺度、精度尺度、操作尺度三个维度描述。时间尺度上，离线取样分析周期通常为30 min～数小时，而细胞代谢变化可在数分钟内发生，因此在线测量的目标采样周期应达到1～5 min。精度尺度上，发酵液中葡萄糖浓度常在0.1～50 g/L范围波动，若控制目标为±0.5 g/L，则测量误差需优于5%相对值。操作尺度上，探头必须耐受121 ℃蒸汽灭菌、酸碱清洗、剪切力与泡沫干扰，且不能成为染菌源。这些需求共同决定了近红外在生物过程分析中的工程形态：不是实验室光谱仪，而是灭菌级光纤探头加在线光谱采集系统。

过程分析技术（PAT）框架

PAT（Process Analytical Technology）框架由FDA在2004年提出，核心思想是“质量源于设计”，通过过程理解与实时控制替代终点检验。其技术链条可概括为四层：测量层（光谱/传感器采集原始信号）、建模层（化学计量学与机理模型将信号转为浓度或状态）、控制层（根据实时估计值调整补料、通气、搅拌等操作）、数据层（历史数据追溯、模型维护、批次放行决策）。近红外光谱在这条链条中同时承担测量层与建模层的核心任务，其输出直接进入控制层，形成“光谱—浓度—补料速率”的闭环。

课程学习地图与工程案例概览

本课程围绕“光谱—模型—控制—工程”四条主线展开，共30章。前段建立近红外光谱与生物过程分析的基础认知，中段深入化学计量学建模、预处理、变量选择、模型传递与维护，后段进入在线原位测量系统设计、多模态融合、PAT闭环控制与法规符合性。学习地图的逻辑不是线性罗列知识点，而是以“一个真实发酵过程从取样到控制”的完整任务链为骨架，逐层展开。

工程案例贯穿全课，以下为三个代表性场景的概览。案例一：重组大肠杆菌高密度发酵，目标产物为重组蛋白，关键控制变量为葡萄糖浓度（维持0.5～2 g/L）与乙酸积累（<2 g/L）。近红外探头插入5 L生物反应器，光程2 mm，采集1000～2500 nm透射谱，采样间隔30 s。建模采用PLS回归，葡萄糖模型RMSECV约0.18 g/L，乙酸模型RMSECV约0.25 g/L（示例数据，用于说明量级）。控制策略为基于葡萄糖估计值的指数补料，乙酸超限时自动降低补料速率。案例二：CHO细胞单克隆抗体生产，关键变量为谷氨酰胺、葡萄糖、乳酸、抗体滴度。由于细胞培养周期长（14天）、剪切敏感，采用非接触式光纤探头贴壁测量，建模需处理批次间细胞状态差异。案例三：燃料乙醇连续发酵，关键变量为乙醇、葡萄糖、甘油，强调模型在连续运行中的漂移校正与自动更新。