1. 生物工艺放大工程导论
生物工艺放大工程，是把实验室规模验证过的工艺，转移到中试乃至商业化生产规模，并保证产品质量、产量和经济性不因规模变化而失控的一门工程学科。它研究的不是“把反应体积乘以倍数”这么简单，而是当罐体从 2 L 变成 2000 L 时，混合时间、传质速率、剪切环境、pH 与溶氧控制回路、补料分布等条件同时发生非线性变化，细胞所处的微环境随之改变，最终表现为效价下降、副产物上升或批间波动。放大的本质，是在不同尺度之间寻找可迁移的工程判据，而不是复制一套几何尺寸。
放大的目标：不是放大体积，而是放大“细胞感受到的环境”
一个可执行的放大目标通常包含三层。第一层是性能目标：在目标规模下达到规定的单位体积产量、产品浓度、收率与纯度，例如某单抗工艺在 2000 L 规模下表达量不低于 3.5 g/L、聚体不高于 2%。第二层是质量目标：关键质量属性（CQA）落在既定范围内，且批间一致性可接受，如糖型分布、电荷异构体、宿主细胞蛋白残留。第三层是工程目标：在满足前两者的前提下，使单位产品成本、设备利用率和操作窗口处于可接受区间。
这三层目标之间存在张力。提高搅拌转速可以改善传质、缩短混合时间，但会增大剪切和气泡破裂强度，对剪切敏感的细胞株不利；降低转速则可能造成溶氧不足和代谢副产物积累。因此放大不是单目标优化，而是在多个约束下寻找可行操作窗口。工程上常用“关键工艺参数（CPP）—关键质量属性（CQA）”的关系来描述这一窗口，放大任务就是在新尺度上重新定位这个窗口的位置和宽度。
传统放大的核心挑战
传统放大主要依赖经验关联式和几何相似原则，常见判据包括等 P/V（单位体积功率输入）、等叶端线速度、等混合时间、等 kLa（体积传质系数）和等雷诺数。问题在于，这些判据在尺度变化时无法同时满足。以常见的几何相似放大为例，若罐径放大 10 倍，在保持等 P/V 的条件下，叶端线速度会显著上升，剪切应力随之增大；若改为等叶端线速度，则 P/V 下降，kLa 和混合性能可能不足。也就是说，几何相似并不等于环境相似。
更棘手的是，实验室规模下混合时间往往只有几秒，而 2000 L 罐可能达到数十秒。补料策略在实验室里近似“瞬时均匀”，在放大后却可能出现局部葡萄糖浓度过高，触发溢流代谢、积累乳酸或乙酸。类似地，pH 和溶氧的电极响应、控制回路滞后、气体分布不均，都会在大罐中被放大成可观测的批间差异。传统方法通常需要多轮中试试错，周期长、成本高，而且一旦细胞株或培养基变更，经验参数往往需要重新摸索。
数字孪生的定义：与物理工艺同步演化的可计算镜像
数字孪生（Digital Twin）在这里指：以生物反应器、细胞代谢和下游单元为对象，建立与其物理实体在结构、参数和运行状态上对应的多尺度模型，并通过实时或准实时数据持续校正，使模型能够反映当前工艺状态、预测未来演化，并支持决策。它包含三个必要成分：物理实体、虚拟模型、以及两者之间的双向数据连接。缺少数据校正的模型只是离线仿真，不能称为数字孪生。
在生物工艺中，数字孪生通常由若干层组成：设备与流体层（搅拌、通气、传质、混合）、细胞代谢层（生长、产物生成、代谢副产物）、控制层（pH、DO、温度、补料回路）以及数据层（在线传感器、离线检测、批次记录）。这些层通过参数和状态变量耦合，例如 kLa 影响溶氧，溶氧影响代谢通量，代谢通量又影响产物浓度和副产物。数字孪生的价值，正是把这种跨层耦合关系显式化，使放大决策从“试错”转向“预测—验证—修正”。
价值定位：从“事后解释”到“事前预测”
数字孪生在放大工程中的价值可以落在四个具体场景。第一，放大前的方案筛选：用 CFD 与代谢模型组合，比较不同搅拌桨型、通气策略和补料曲线在目标规模下的混合时间、kLa 与代谢副产物趋势，把中试轮次从“必须做”压缩为“验证性做”。第二，放大中的状态估计：在线可测的只有温度、pH、DO、尾气等少数变量，活细胞密度、产物浓度、代谢通量往往需要离线取样。数字孪生通过状态观测器把这些不可测变量估计出来，使操作人员能看到“罐内正在发生什么”。第三，异常预警：当模型预测的代谢走向偏离正常轨迹时，提前提示补料过量或溶氧不足，而不是等到效价下降才发现。第四，知识沉淀：每个批次的数据反过来校正模型参数，使下一次放大不必从零开始。
需要强调的是，数字孪生不是替代实验，而是改变实验的组织方式。它把“做一批、测一批、猜一批”的循环，变成“模型预测—设计关键实验—用数据校正—再预测”的循环。对放大工程而言，这意味着更少的试错批次、更清晰的操作窗口和更可解释的批间差异来源。
本课程后续将展开的主线
围绕上述定位，后续内容将沿着“放大判据—模型构建—数据同化—操作决策”的主线展开：先建立混合、传质、剪切与代谢的量化关系，再讨论如何用有限数据校正模型参数，最后落到补料策略、控制回路和放大方案的制定。本章需要记住的核心判断是：放大的难点不在体积，而在不同尺度下环境与细胞响应的非线性耦合；数字孪生的作用，是把这种耦合变成可计算、可校正、可用于决策的对象。