Bioprocesy mammalia, hodowle drobnoustrojów, perfuzja, scale-up z 50 do 1000 litrów — to środowiska, w których spektroskopia Ramana coraz częściej pełni rolę głównego sensora do monitorowania glukozy, mleczanu, gęstości komórek, tytułu produktu i parametrów krytycznych jakości. W ostatnich kwartałach pojawiły się publikacje, które przesunęły granicę tego, co Raman in-line potrafi w reaktorze biologicznym — od modeli „rdzeniowych” przenośnych między liniami komórkowymi, przez transfer learning z istniejących zbiorów, aż po monitoring 27 składników jednocześnie. W Gekko Photonics śledzimy te prace, bo wiele z nich wprost przenosi się na nasze projekty — chemia procesowa i bioprocesy korzystają z tej samej fizyki i z tej samej platformy chemometrycznej, choć z innymi macierzami i innymi wymaganiami jałowości.

Ten przegląd zbiera publikacje i wdrożenia z 2025 i początku 2026 roku, które są praktycznie istotne dla zespołów PAT, R&D bioprocesów oraz manufacturing science. Pominęliśmy materiały konkurencyjne wprost — opisujemy funkcje i wyniki, nie nazwy firm.

Dlaczego bioprocesy są wymagającym terenem dla Ramana

Sygnał Ramana w pożywce komórkowej jest słaby z dwóch powodów. Po pierwsze, sama matryca jest wodnista — woda jest dla Ramana relatywnie cicha, ale rozpuszczone w niej składniki są w stężeniach milimolarnych, co wymaga dłuższych czasów akwizycji i czulszego detektora niż w typowej chemii procesowej. Po drugie, w pożywce równolegle występuje wiele anality o podobnych pasmach — glukoza, glutamina, glutaminian, mleczan, amoniak — i nakładających się modach drgań węglowo-tlenowych i węglowo-azotowych, więc kluczem jest dobra chemometria, nie tylko hardware.

Do tego dochodzą wymogi jałowości (sondy autoklawowalne lub do reaktorów jednorazowego użytku), kompatybilność z platformami DCS/BPC, śledzenie dryfu modelu przez wiele kampanii oraz wymagania regulacyjne wokół PAT i Quality by Design. O ich aktualnym statusie pisaliśmy szerzej w artykule o zmianach regulacyjnych w farmacji i chemii — tu skupiamy się na warstwie pomiarowej.

Co nowego w publikacjach 2025–2026

Transfer learning na pre-istniejących zbiorach widm

Schini i wsp. opublikowali w lutym 2026 w Biotechnology Progress metodę automatycznego transfer learningu, która pozwala wykorzystać widma Ramana zebrane wcześniej w innym kontekście (inna linia komórkowa, inne pożywki, inne feedy, inny instrument, inny czas akwizycji) do zbudowania użytecznego modelu predykcyjnego dla nowej kampanii. Kluczowy wkład: brak manualnego strojenia hiperparametrów. To istotne dla zespołów scale-up, które dotychczas musiały każdorazowo budować bibliotekę kalibracyjną od zera dla każdej nowej kampanii.

Z punktu widzenia inżynierów PAT to przesunięcie z pojedynczego modelu pod jeden proces w stronę modeli przenośnych — co jest doskonale spójne z tym, co od dawna jest standardem w monitorowaniu fermentacji i hodowli mikroalg.

Skalowalność modeli — 50 L jako klucz do 1000 L

Lang i wsp. w AIChE Journal (2025) pokazali, że dodanie danych z biegu w skali 50 L do oryginalnego datasetu zebranego na skali laboratoryjnej znacząco poprawia dokładność predykcji w skali komercyjnej 1000 L. To bardzo praktyczna wskazówka dla planowania kampanii kalibracyjnych: jeden „run pomostowy” w skali pilotażowej oszczędza znacząco czas w fazie scale-up i ogranicza ryzyko, że model laboratoryjny przestanie działać po przejściu do produkcji.

Monitoring 27 składników jednocześnie

W jednej z prac opublikowanych w Process Biochemistry (2024) przedstawiono real-time monitoring 27 komponentów w hodowli CHO za pomocą Ramana inline: aminokwasy, kwasy organiczne, lipidy, alkohole, sacharydy, biomasa, parametry fizykochemiczne, jony i tytuł białka. Modele zbudowano metodą PLS i CNN — i to jest dokładnie ten kierunek, który mocno akcentujemy w naszej warstwie chemometrycznej Spectrally OS.

Z perspektywy operacyjnej kluczowe jest, że jedna sonda i jeden analizator wystarczają, żeby pokryć kilkanaście parametrów. To znacząco redukuje liczbę pobrań próbek do offline’owej referencji.

Pomiar w fazie gazowej — Raman off-gas

Pojawiła się także grupa prac (m.in. publikacja w MDPI Fermentation, 2025) opisująca Raman w strumieniu off-gas reaktora — predykcja CO₂ w czasie rzeczywistym oraz, w wersji rozszerzonej, estymacja pH w fazie ciekłej z odczytów gazowych. To wymaga innej konfiguracji optycznej (komora gazowa zamiast sondy imersyjnej), ale daje pomiar „bezdotykowy”, w pełni nieinwazyjny dla pożywki.

Mikroalgi i pożywki niestandardowe

Karnachoriti i wsp. w Journal of Raman Spectroscopy (2025) opisali zastosowanie Ramana z modelami PLS do monitorowania składników odżywczych w hodowli mikroalg. R² powyżej 0,99 dla wybranych analitów to wynik dobry, ale autorzy uczciwie zwracają uwagę, że jakość modelu zależy od specyfiki matrycy — co w bioprocesach jest regułą, a nie wyjątkiem.

Wyzwania techniczne, których publikacje nie zawsze podkreślają

Wdrożenie Ramana w bioreaktorze ma kilka praktycznych pułapek, które warto znać przed startem projektu.

Fluorescencja tła pożywek. Bogate w aminokwasy, witaminy i ekstrakty drożdżowe pożywki dają silne tło fluorescencyjne przy 785 nm. W części przypadków warto rozważyć dłuższą falę wzbudzenia — pisaliśmy o tym kompromisie w artykule o wyborze 785 nm vs 1064 nm. Dłuższa fala redukuje fluorescencję, ale daje słabszy sygnał Ramana i wymaga droższego detektora InGaAs lub deep-cooled CCD, co podnosi CAPEX.

Dryf modelu między kampaniami. Każda nowa partia pożywki, każdy nowy bank komórek, każda mała zmiana feedu — to potencjalny powód, dla którego model PLS zbudowany trzy miesiące temu zaczyna dawać przesunięte wartości. W praktyce zespoły PAT pracują z systemem alertów monitorującym statystyki residuów (Q, T²) i procedurami re-kalibracji.

Kompatybilność z reaktorami jednorazowego użytku. Klasyczne sondy imersyjne wymagają portu mechanicznego — w single-use bioreactorach (SUB) trzeba użyć adapterów, okienek optycznych w portach standardowych albo konfiguracji back-scatter przez ścianę worka. To rozwiązania „niesymetryczne” do klasycznej chemii procesowej i wymagają indywidualnego studium feasibility.

Walidacja w środowisku GMP. Część projektów ma cel komercyjny od początku — wówczas Raman musi być zwalidowany pod IQ/OQ/PQ, z dokumentacją chemometryczną zgodną z ICH Q14. To dłuższa droga niż w typowej chemii specjalistycznej i wymaga partnerów rozumiejących wymogi regulacyjne.

Spectrally X1 — możliwości adaptacji do bioprocesów

Nasza platforma — Spectrally X1 INLINE, Spectrally X1 LAB, Spectrally X1 PORTABLE i warstwa Spectrally OS z modelami PLS, PCA i CNN — to platforma ogólno-przemysłowa Ramana, którą można adaptować w trybie projektowym do bioprocesów. Twardych specyfikacji nie zmieniamy: laser 785 nm, moc 600 mW (30 mW w wersji ATEX), zakres 300–1650 cm⁻¹, rozdzielczość 8 cm⁻¹, czas akwizycji 5–300 s. To są parametry, z którymi nasze analizatory pracują w chemii żywic, kosmetykach, Düngemitteln, i ściekach od kilku lat.

Konfigurację pod bioprocesy realizujemy w trybie projektowym po feasibility na próbkach klienta — kalibracja pożywek i feedów, dobór czasu akwizycji pod docelowy SNR, walidacja modeli chemometrycznych dla kluczowych analitów (glukoza, mleczan, glutamina, gęstość komórek, tytuł produktu). Część decyzji architektonicznych (sonda imersyjna vs back-scatter przez okno, port w wlocie głównym vs odgałęzieniu, single-use vs reusable) jest zależna od konfiguracji reaktora — i to omawiamy na etapie konsultacji inżynierskiej.

Sami w Gekko Photonics projektujemy, integrujemy i serwisujemy analizatory Ramana w Polsce, w wariantach inline, laboratoryjnym i przenośnym, z polskim zespołem obsługi w cyklu życia projektu. Pełna lista konfiguracji znajduje się w katalogu analizatorów.

FAQ — często zadawane pytania

Czy Spectrally X1 INLINE nadaje się do bioreaktora?

Mechanicznie tak — sonda imersyjna z portem standardowym (najczęściej 1-calowy NPT lub adapter Ingold) pasuje do typowego reaktora ze stali nierdzewnej. W reaktorach jednorazowych potrzebny jest dedykowany port optyczny lub konfiguracja back-scatter — to decyzja na etapie feasibility. Sam analizator (laser, detektor, software) pozostaje ten sam.

Jakie anality realnie da się monitorować w pożywce komórkowej?

Najczęściej raportowane w literaturze: glukoza, mleczan, glutamina, glutaminian, amoniak, tytuł produktu (mAb), gęstość komórek żywych. Modele PLS lub CNN dla każdego z nich budujemy na próbkach offline w Spectrally OS, z referencjami z laboratorium QC. Zakres i dokładność zależą od matrycy — RMSECV typowo rzędu kilku procent dla głównych analitów, ale zawsze podajemy go „przy zakresach kalibracji X–Y mM”, a nie jako absolutną gwarancję.

Czy Gekko ma wdrożenia w biofarmacji?

Najwięcej wdrożeń mamy w chemii procesowej — żywice fenolowo-formaldehydowe i mocznikowe, kosmetyki i detergenty (SLES, gliceryna), nawozy (mocznik, biuret, AdBlue), kleje, węglowodory, ścieki. W biofarmacji wchodzimy projektowo: na próbkach klienta sprawdzamy w cyklu feasibility, czy Raman jest właściwą metodą dla danego analitu i danej matrycy, zanim klient zaangażuje CAPEX na pełny projekt PAT.

Jak długo trwa typowy projekt feasibility w bioprocesach?

Studium feasibility obejmuje: pobór 20–30 próbek offline reprezentujących zakres pracy procesu, akwizycję widm, budowę wstępnego modelu PLS, walidację krzyżową, raport z rekomendacją (go / no-go / refine). Typowo 6–10 tygodni od dostarczenia próbek do raportu, w zależności od liczby analitów i złożoności matrycy.

Czy modele można później przenieść na produkcję?

Tak — to jest jeden z głównych powodów, dla których architektura Spectrally OS rozdziela warstwę akwizycji widm od warstwy modelu. Modele zbudowane podczas feasibility na próbkach offline z analizatora Spectrally X1 LAB można przenieść na inline’owy Spectrally X1 INLINE po standardowej procedurze model transfer (z korektą offsetu i ewentualnym wzbogaceniem o widma z biegu pomostowego, zgodnie z literaturą cytowaną powyżej).

Pomiar testowy i konsultacja inżynierska

U nas, w Gekko Photonics, dobieramy konfigurację analizatora pod konkretną biochemię i konkretny typ reaktora — nie sprzedajemy „rozwiązania pudełkowego”. Pierwszy krok to 30-minutowa rozmowa z inżynierem aplikacyjnym: omawiamy proces, anality, skalę, wymagania regulacyjne i typ reaktora. Po rozmowie potwierdzamy, czy ma sens przejść do studium feasibility.

Wykonujemy pomiar testowy na próbkach klienta zwykle w terminie do 2 tygodni od otrzymania materiału w laboratorium. Pełny raport feasibility (kalibracje, walidacja, rekomendacja) dostarczamy w cyklu około 6–10 tygodni. Pełne wdrożenie inline w reaktorze — typowo 3–5,5 miesiąca od decyzji projektowej, w zależności od integracji z DCS/BPC i wymagań walidacji.

Zapraszamy do kontaktu — /kontakt/ — z podaniem typu reaktora, analitów do monitorowania i etapu projektu (R&D, scale-up, produkcja). Odpowiemy z propozycją kolejnego kroku.