Die kontinuierliche und markerfreie Überwachung biologischer Prozesse bildet die Grundlage für eine datengetriebene Bioverfahrenstechnik der nächsten Generation. Im Rahmen dieses PhD-Projekts wird die Raman-Spektroskopie als live-fähiges Messverfahren für mikrobiologische Kultivierungen in Mikrobioreaktor-Plattformen etabliert. Das Ziel ist die Bereitstellung einer non-invasiven, zeitlich hochaufgelösten Prozessanalytik (PAT), die relevante Prozess- und Produktparameter direkt im Hochdurchsatz ohne Probennahme in Echtzeit erfasst.
Die Integration optischer Spektroskopie in miniaturisierte Reaktorsysteme generiert umfangreiche und hochdimensionale Datenströme. Um diese Datenmengen effizient zu strukturieren und Modellunsicherheiten zu minimieren, kombinieren wir experimentelle Spektren mit in-silico Spiking-Methoden zur gezielten Datenerweiterung. Auf dieser Basis werden Machine-Learning-Modelle trainiert, die eine automatisierte Mustererkennung, Rauschunterdrückung und präzise Quantifizierung komplexer Substanzen im Kulturmedium ermöglichen.
Anwendungsseitig liegt der Schwerpunkt auf der Dynamik von Bakteriophagen und deren Interaktion mit Wirtsorganismen in Kultur. Aufgrund der schnellen Infektionszyklen stellt die Phagenkultivierung hohe Anforderungen an die Zeitauflösung der Analytik. Die Synergie aus automatisiertem Hochdurchsatz, Raman-Sensorik und maschinellem Lernen schafft hier ein tiefgreifendes Verständnis der Phagendynamik und eröffnet neue Wege zur Prozessoptimierung in der Biotechnologie.
Projektverantwortlicher: Leon Pastwa
Ausgeschrieben Abschlussarbeiten: Abschlussarbeiten