主要成果
バイオプロセス開発におけるベイズ最適化（BO）の導入により、実験回数を大幅に削減しつつ、タイター（力価）などの目的変数を最大化できることが明らかになりました。Narayananら（2025）の研究では、末梢血単核細胞用培地およびKomagataella phaffiiでの組換えタンパク質生産に反復的なベイズ実験設計を適用した結果、標準的なDOEよりも3〜30倍少ない実験回数で同等以上の結果を得られたと報告しています。
技術・詳細
ベイズ最適化は、高コストな「ブラックボックス関数」の最大値または最小値を探索する逐次的な戦略です。バイオプロセスにおいては、グルタミン濃度、フィード速度、pH、温度などの設定値を入力し、タイター（g/L）などの応答を得るプロセス自体を関数として扱います。この手法は以下の2つのコンポーネントで構成されます。
- サロゲートモデル（代理モデル）：主にガウス過程（GP）が用いられ、未テストの条件下での応答と不確実性を予測します。
- 獲得関数：期待改善量（EI）などの指標を用い、どの候補条件をテストすることが最も価値が高いかをスコア化します。
具体的なワークフローは、5〜10回の初期実験（空間充填設計）から始まり、「モデル構築」→「獲得関数による次点選定」→「実験実施」→「データの更新」というループを繰り返します。これにより、有望な領域に実験を集中させ、見込みのない領域を迅速に放棄することが可能です。現実的な多因子問題では、初期実験に5〜10回、その後の逐次評価に10〜20回、計15〜30回程度の実験が必要とされます。
背景・業界の文脈
従来の実験計画法（DOE）は、最初の実験前にマトリックスを固定するため、因子の主効果や相互作用を定量化し、規制当局（ICH Q8など）への提出書類を作成する際に適しています。一方、ベイズ最適化は「どこが最適条件か」という問いに答えることに特化しています。シミュレーション例では、OFATが40回の試行で6.5 g/Lに達し、フルファクトリアル設計（27回）やDSD（13回）が全マトリックス完了後に回答を出すのに対し、ベイズ最適化は7回目の試行で最終値の90%（6.75 g/L）に達し、8回目で7.5 g/Lに到達するという効率性の違いが示されています。
今後の展望
実務的なアプローチとしては、DOEとベイズ最適化を組み合わせた逐次的な運用が推奨されます。まずスクリーニング設計で重要な因子を特定し、次にベイズ最適化でそれらを精緻化し、最後に最適点周辺で小規模な確認用DOEを実施するという流れです。また、運用の際は、連続因子1つにつき2〜3点（最低5点）の初期点を設けることや、獲得関数による改善量が現在のベスト値の1〜2%を下回った場合に停止するといった明確な停止ルールを設けることが、収穫逓減の罠を避けるために重要となります。
元記事: https://bioprocesstools.com/blog/bayesian-optimization-bioprocess/
毎週の技術動向レポートを無料でお届け
各分野の分析レポートを読む価値があるかどうか一目で判断できるインフォグラフィックをメールで受け取れます。
📢 メールマガジンに無料登録（週刊・技術動向レポート）
ご登録いただくと、Troy-Technical から週刊で技術動向レポート（メールマガジン）をお届けします。
- 取得したメールアドレス・選択分野は配信目的にのみ使用します。
- 第三者へ提供することはありません。
- 配信はいつでも解除できます（各メール下部のリンクから）。
詳しくはプライバシーポリシーをご覧ください。
登録は1分・いつでも解除できます
