WO2024252556A1 - 最適化システム、最適化装置、最適化方法およびプログラム - Google Patents

最適化システム、最適化装置、最適化方法およびプログラム Download PDF

Info

Publication number
WO2024252556A1
WO2024252556A1 PCT/JP2023/021152 JP2023021152W WO2024252556A1 WO 2024252556 A1 WO2024252556 A1 WO 2024252556A1 JP 2023021152 W JP2023021152 W JP 2023021152W WO 2024252556 A1 WO2024252556 A1 WO 2024252556A1
Authority
WO
WIPO (PCT)
Prior art keywords
culture
optimized
optimization
candidate
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2023/021152
Other languages
English (en)
French (fr)
Inventor
伸明起 遠藤
和宏 高谷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to PCT/JP2023/021152 priority Critical patent/WO2024252556A1/ja
Publication of WO2024252556A1 publication Critical patent/WO2024252556A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M1/00—Apparatus for enzymology or microbiology
    • C12M1/36—Apparatus for enzymology or microbiology including condition or time responsive control, e.g. automatically controlled fermentors

Definitions

  • This disclosure relates to an optimization system, an optimization device, an optimization method, and a program.
  • the optimization device includes a calculation unit that calculates optimized candidate culture conditions for a microchannel device based on culture data acquired from the microchannel device; and a setting unit that sets candidate optimized culture conditions for the microchannel device in the microchannel device.
  • This disclosure provides a technology that can optimize the culture conditions of culture strains.
  • FIG. 1 is a diagram showing the overall configuration of an optimization system according to an embodiment.
  • FIG. 2 is a functional block diagram showing the configuration of the microchannel device and the optimization device according to the embodiment.
  • FIG. 3 is a diagram showing an example of culture data.
  • FIG. 4 is a diagram illustrating an example of input amount data.
  • FIG. 5 shows an example of the optimization calculation result data.
  • FIG. 6 is a diagram illustrating an example of cost information data.
  • FIG. 7 is a flowchart showing an example of the optimization process.
  • FIG. 8 is a diagram showing a hardware configuration.
  • the environmental control unit 27 controls the culture environment conditions of the culture unit 28.
  • the culture environment conditions controlled by the environmental control unit 27 are not particularly limited, but include, for example, temperature, culture gas concentration, pressure (and partial pressures of CO 2 , oxygen, nitrogen, etc.), culture solution flow rate, light illuminance, light wavelength, etc.
  • the number of culture environment condition parameters changed by the environmental control unit 27 is not limited, but it is preferable that the number of parameters, together with the parameters of the culture conditions set by the liquid delivery unit 21, is such that the Bayesian optimization calculation is likely to converge.
  • the waste fluid reservoir 25E is a reservoir for storing waste fluid containing the culture after the measurement of culture data by the measurement unit 26 is completed.
  • the optimization device 3 calculates optimized candidate culture conditions based on the culture data acquired from the microchannel device 2, and sets the optimized candidate culture conditions in the microchannel device 2.
  • the optimization device 3 may set the optimized culture conditions calculated from the optimized candidate culture conditions in the mass culture device 1.
  • the optimization device 3 performs optimization using black-box optimization such as Bayesian optimization or a genetic algorithm by repeatedly setting parameters calculated using the culture data acquired from the microchannel device 2 in the microchannel device 2, and calculates the optimized candidate culture conditions.
  • 3 is a diagram showing an example of the culture data.
  • the illustrated culture data is expressed in a table format and includes the culture results of the microchannel device 2 and the culture conditions of the microchannel device 2 for each culture.
  • the culture results include an identification number, measurement date and time, number of individuals, other activity, size, size of specific parts, amount of by-products, amount of remaining food, amount of excrement, water quality, and the like.
  • the culture conditions include a culture condition pattern number for the set parameters and various parameters set for that pattern number, including temperature, nutrient concentration, chemical concentration, pH, salinity, culture gas concentration, pressure (and partial pressures of CO2 , oxygen, nitrogen, etc.), culture flow rate, feed amount, light illuminance, light wavelength, etc.
  • the optimization device 3 shown in the figure includes a calculation unit 31, a setting unit 32, and a storage unit 33.
  • the calculation unit 31 receives culture data from the control unit 22 of the microchannel device 2.
  • the setting unit 32 sets the optimized candidate culture conditions calculated by the calculation unit 31 in the microchannel device 2. Specifically, the setting unit 32 transmits the optimized candidate culture conditions to the microchannel device 2.
  • the control unit 22 of the microchannel device 2 controls the environment control unit 27, the first liquid-feed pump 23, and the second liquid-feed pump 24 so as to achieve the optimized candidate culture conditions.
  • the setting unit 32 may set optimized culture conditions in the mass culture apparatus in the mass culture apparatus 1.
  • Various types of data are stored in the storage unit 33.
  • the storage unit 33 stores culture data, input amount data, optimization calculation result data, and the like.
  • Figure 6 shows an example of the structure of cost information data.
  • the cost information data is represented, for example, in a table format, and includes the recording date and time, the unit price of the culture, the unit prices of various culture medium inputs, and the unit prices of various culture environment control inputs.
  • Culture medium inputs include, for example, water, seawater, nutrients, chemicals, culture medium gas, feed, etc.
  • Culture environment control inputs include consumables necessary for culture, such as electricity and culture environment control gas.
  • step S1 the setting unit 32 of the optimization device 3 sets the culture conditions in the control unit 22 of the microchannel device 2.
  • Initial culture conditions are set as the culture conditions first, and in the repetitions after the optimized culture candidate conditions are calculated in step S6, the optimized culture candidate conditions calculated previously are set as the culture conditions.
  • step S2 the microchannel device 2 acquires the target strain being cultured from the mass culture device 1 via the liquid delivery unit 21.
  • the target strain is, for example, first delivered to the sample reservoir 25A and then delivered to the culture unit 28.
  • the solutions contained in the other reservoirs 25B to 25D are also delivered to the culture unit 28.
  • the target strain and the solutions are mixed in the culture unit 28.
  • the culture strain is cultured under the culture conditions set in S1.
  • the culture environment conditions are controlled by the environment control unit 27.
  • the culture environment conditions controlled by the environment control unit 27 are not particularly limited, and include, for example, temperature, culture gas concentration, pressure (and partial pressures of CO 2 , oxygen, nitrogen, etc.), culture solution flow rate, light illuminance, and light wavelength.
  • the measurement unit 26 measures the culture cultivated in the culture unit 28 and acquires culture data.
  • the culture data measured by the measurement unit 26 may include, for example, image data acquired by a microscope or imaging system, and sensor data acquired by a thermometer, a pressure gauge, a partial pressure gauge, a pH meter, a thermometer, etc.
  • step S4 the microchannel device 2 transmits the culture data to the optimization device 3.
  • step S8 the optimized culture candidate conditions calculated in steps S1 to S7 are converted into optimized culture conditions in the mass culture apparatus 1, and set in the mass culture apparatus 1.
  • the optimization device 3 appropriately converts the input amounts in the optimized culture candidate conditions in the microchannel device 2 calculated into input amounts in the mass culture apparatus 1.
  • the optimization device 3 can perform such conversion by storing, in the memory unit 33 of the optimization device 3, predetermined values (coefficients, etc.) corresponding to the culture in the mass culture apparatus 1 for each culture condition parameter of the microchannel device 2, and using these values in the calculation.
  • step S9 the mass culture device 1 performs mass culture of the culture strain using the optimized culture conditions set in step S8.
  • the optimized candidate culture conditions may be culture conditions that optimize the value of a predetermined objective function.
  • This objective function may represent, but is not limited to, the relationship between the culture parameters and the culture yield, the absolute value of the difference between the desired culture yield and the culture yield, or an expected profit (Fig. 8).
  • Objective function 1 As an objective function used in calculating the optimized candidate culture conditions, the following function that represents the relationship between the culture parameters and the culture yield can be used.
  • the target culture product is an individual itself, for example, the culture yield can be measured by measuring the number of individuals with the measuring unit 26 of the microchannel device 2 using a counter function of a microscope system, and the measured value can be used to calculate the optimized candidate culture conditions.
  • the program of the optimization device 3 may be stored in a computer-readable recording medium such as a HDD, SSD, a Universal Serial Bus (USB) memory, a Compact Disc (CD), or a Digital Versatile Disc (DVD), or may be distributed via a network.
  • a computer-readable recording medium such as a HDD, SSD, a Universal Serial Bus (USB) memory, a Compact Disc (CD), or a Digital Versatile Disc (DVD), or may be distributed via a network.
  • the computer-readable recording medium is, for example, a non-transitory recording medium.
  • the present invention is not limited to the above-described embodiment, and various modifications are possible within the scope of the present invention.
  • a computer includes a calculation unit that calculates optimal candidate culture conditions based on the culture data acquired from the microfluidic device; A setting unit that sets the optimized candidate culture conditions in the microfluidic device; A program to function as a (Item 9) 7.
  • Item 10) Item 8.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Zoology (AREA)
  • Wood Science & Technology (AREA)
  • Organic Chemistry (AREA)
  • Biotechnology (AREA)
  • General Health & Medical Sciences (AREA)
  • Sustainable Development (AREA)
  • Microbiology (AREA)
  • Biochemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)

Abstract

マイクロ流路装置２と、最適化装置３とを備える最適化システムであって、前記マイクロ流路装置２は、培養中の培養対象株を大量培養装置１から送液する送液部２１と、送液された前記培養対象株を、所定の培養条件で培養する培養部２８と、前記培養部２８で培養された培養物の培養データを計測する計測部２６と、を備え、前記最適化装置３は、前記培養データに基づいて、最適化培養候補条件を算出する算出部３１と、前記最適化培養候補条件を、前記マイクロ流路装置２に設定する設定部３２と、を備える。

Description

最適化システム、最適化装置、最適化方法およびプログラム
　本開示は、最適化システム、最適化装置、最適化方法およびプログラムに関する。
　食品、環境浄化、バイオ燃料の生産など様々な用途で培養物が活用されている。従来の培養技術においては、過去のデータの分析、熟練者の経験などに基づいて培養条件を設定、調整することで、大量培養を行う。
ワムシ講座第5回原生動物と細菌、http://ncse.fra.affrc.go.jp/15kouza/15kouza_w05.html
　しかしながら、現在培養中の培養物の状態と、過去のデータ取得時の培養物の状態との間には乖離が存在する。このような乖離の結果、現在の培養物における最適化培養条件は、過去に別の培養物から得られた最適化培養条件とは必ずしも一致しないという問題がある。例えば、コンタミネーションおよび／または細菌叢（そう）のバランスの崩れによる培養状態の変化は、過去のデータに基づく培養条件の最適化を難しくする要因の一つである（非特許文献１）。このような問題が、再現性良く大量培養を行うことを困難にしている。
　本開示は、上記の課題に鑑みてなされたものであり、本開示は、培養株の培養条件を最適化可能な技術を提供することを目的とする。
　本開示の一態様の最適化システムは、マイクロ流路装置と、最適化装置とを備える最適化システムであって、前記マイクロ流路装置は、培養中の培養対象株を大量培養装置から送液する送液部と、送液された前記培養対象株を、所定の培養条件で培養する培養部と、前記培養部で培養された培養物の培養データを計測する計測部と、を備え、前記最適化装置は、前記培養データに基づいて、最適化培養候補条件を算出する算出部と、前記最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える。
　本開示の一態様の最適化装置は、マイクロ流路装置から取得した培養データに基づいて、前記マイクロ流路装置における最適化培養候補条件を算出する算出部と、
　前記マイクロ流路装置における最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える。
　本開示の一態様の最適化方法は、マイクロ流路装置と、最適化装置とを備える最適化システムが行う最適化方法であって、前記マイクロ流路装置は、培養中の培養対象株を大量培養装置から送液する工程と、送液された前記培養対象株を、培養部において所定の培養条件で培養する工程と、前記培養部で培養された培養物の培養データを計測する工程と、を行い、前記最適化装置は、前記培養データに基づいて、最適化培養候補条件を算出する工程と、前記最適化培養候補条件を、前記マイクロ流路装置に設定する工程と、を行い、前記送液する工程から、前記設定する工程を繰り返し行う。
　本開示の一態様のプログラムは、コンピュータをマイクロ流路装置から取得した培養データに基づいて、最適化培養候補条件を算出する算出部と、前記最適化培養候補条件を前記マイクロ流路装置に設定する設定部、として機能させる。
　本開示によれば、培養株の培養条件を最適化可能な技術を提供することができる。
図１は、実施形態の最適化システムの全体構成図である。 図２は、実施形態のマイクロ流路装置および最適化装置の構成を示す機能ブロック図である。 図３は、培養データの一例を示す図である。 図４は、投入量データの一例を示す図である。 図５は、最適化計算結果データの一例を示す。 図６は、コスト情報データの一例を示す図である 図７は、最適化処理の一例を示すフローチャートである。 図８は、ハードウェア構成図である。
　以下、本開示の実施の形態について図面を用いて説明する。
＜最適化システム＞
　図１は、実施形態の最適化システムの一例を示す全体構成図である。同図に示す最適化システムは、大量培養装置１、マイクロ流路装置２、最適化装置３、およびデータベース４を有する。
　大量培養装置１は培養株の大量培養を行う。大量培養装置１で培養される培養株の種類は、限定されない。培養株には、例えば、微細藻類、培養細胞、細菌、酵母等の微生物、原生動物、動物、植物の個体などが含まれる。大量培養装置１における培養の容量は特に限定されないが、マイクロ流路装置２で行われる培養の容量より大きい容量であることが好ましい。大量培養装置１は、培養株を培養するための一般的な構成（例えば、培養部、環境制御部、計測部、送液部、排液部、収獲部など）を備えるものとする。
　マイクロ流路装置２は、大量培養装置１から送液された培養株を、最適化装置３によって設定された所定の培養条件で培養し、これによって得られた培養データを最適化装置３に送信する。所定の培養条件には、初期培養条件、最適化装置３が設定した最適化培養候補条件が含まれる。
　最適化装置３は、マイクロ流路装置２から取得した培養データに基づいて、最適化培養候補条件を算出し、算出した最適化培養候補条件をマイクロ流路装置２に設定する。最適化装置３は、最適化培養候補条件を、大量培養装置１用に変換して最適化培養条件を算出し、大量培養装置１に設定してもよい。
　本実施形態では、大量培養装置１において培養中の培養対象株の微量サンプルを、定期的にマイクロ流路装置２に送液する。マイクロ流路装置２では、このサンプルを様々な培養条件で培養して培養データを取得する。最適化装置３は、培養データを用いて最適化培養条件を算出し、最適化培養条件を大量培養装置の培養条件に反映させる。
　データベース４は、コスト情報が記憶された記憶装置である。最適化装置３は、培養データとともに、コスト情報を用いて最適化培養条件を算出してもよい。培養データおよびコスト情報については後述する。
　図２は、図１に示す最適化システムのマイクロ流路装置２と、最適化装置３の構成例を示す機能ブロック図である。
　図示するマイクロ流路装置２は、送液部２１、制御部２２、計測部２６、環境制御部２７、培養部２８、および廃液リザーバ２５Ｅを備える。送液部２１は、第１送液ポンプ２３、第２送液ポンプ２４、サンプルリザーバ２５Ａ、バッファリザーバ２５Ｂ、培養液リザーバ２５Ｃ、希釈液リザーバ２５Ｄを備える。
　第１送液ポンプ２３は、例えば陽圧によって、リザーバ２５Ａ～Ｄに含まれる培養株、培養液を培養部２８に送液し、混合するために用いられる。第２送液ポンプ２４は、例えば陰圧によって、大量培養装置１からマイクロ流路装置２の、例えばサンプルリザーバ２５Ａに培養株を送液するために用いられる。
　第１送液ポンプ２３および第２送液ポンプ２４には、例えば、空気圧ポンプまたはシリンジポンプを用いることができるが、これに限定されない。第１送液ポンプ２３および第２送液ポンプ２４は、大量培養装置１からサンプルリザーバ２５Ａへの、またはリザーバ２５Ａ～Ｄから培養部２８への送液を駆動、制御、監視するために、バルブ、流路レギュレータ、流量センサなど様々なデバイスを含んでもよい。
　サンプルリザーバ２５Ａは、大量培養装置１から送液された培養株を含む培養物を貯留する。バッファリザーバ２５Ｂは、ｐＨを調整するための緩衝液を貯留する。培養液リザーバ２５Ｃは、エサ、栄養塩、炭素源などの培養液を貯留する。希釈液リザーバ２５Ｄは、サンプル、緩衝液、培養液などを希釈するための希釈液を貯留する。
　第１送液ポンプ２３によって、これらのリザーバ２５Ａ～Ｄの内容物が培養部２８に送液され、混合されることで、培養部２８における培養条件の一部を設定することができる。ここで設定される培養条件（第１培養条件）のパラメータとしては、たとえばｐＨ、栄養塩濃度、薬品量、塩分濃度、餌量などである。これらリザーバ２５Ａ～Ｄの溶液を送液し、混合することで変化させる培養条件パラメータの数は限定されないが、好ましくは環境制御部２７で設定する培養環境条件（第２培養条件）のパラメータと合わせて、ベイズ最適化計算が収束し易いパラメータ数であることが好ましい。
　制御部２２は、マイクロ流路装置２の各部を制御する。例えば、制御部２２は、第１送液ポンプ２３および第２送液ポンプ２４を制御する。制御部２２は、計測部２６から培養データを取得する。
　計測部２６は、培養部２８において培養された培養物を計測し、計測結果である培養データを制御部２２に送出する。制御部２２は、計測部２６から出力された培養データを、最適化装置３に送信する。計測部２６は、例えば、顕微鏡、イメージングシステム、温度計、圧力計、分圧計、ｐH計、温度計などを含んでもよい。ただし、これらに限定されない。
　環境制御部２７は、培養部２８の培養環境条件を制御する。環境制御部２７によって制御される培養環境条件は特に限定されないが、例えば、温度、培養液用ガス濃度、圧力(およびＣＯ２、酸素、窒素などの分圧)、培養液流速、光照度、光波長などを含む。これら環境制御部２７で変化させる培養環境条件パラメータの数は限定されないが、好ましくは送液部２１によって設定する培養条件のパラメータと合わせて、ベイズ最適化計算が収束し易いパラメータ数であることが好ましい。
　培養部２８は、送液部２１から送液された培養株と溶液を含む培養物を、環境制御部２７で設定された培養環境条件で培養する。培養部２８は、例えば微小な流路を備えた流路チップであってもよい。流路チップは、流路の中に培養株を滞留させて観察するための、補足部位を備えてもよい。流路チップは遮光のための遮光カバー、温度勾配を生じさせるための温度調節部を備えてもよい。培養部２８は、流路チップに限定されない。培養部２８における培養物の容量は、大量培養装置１における培養物の容量より小さいことが好ましい。
　廃液リザーバ２５Ｅは、計測部２６による培養データ測定が終わった後の培養物を含む廃液を貯留するためのリザーバである。
　最適化装置３は、マイクロ流路装置２から取得した培養データに基づいて、最適化培養候補条件を算出し、当該最適化培養候補条件をマイクロ流路装置２に設定する。最適化装置３は、最適化培養候補条件から算出した最適化培養条件を大量培養装置１に設定してもよい。最適化装置３は、マイクロ流路装置２から取得した培養データを用いて算出したパラメータをマイクロ流路装置２に設定することを繰り返すことによって、ベイズ最適化または遺伝的アルゴリズムなどのブラックボックス最適化を用いた最適化を行い、最適化培養候補条件を算出する。
　図３は、培養データの一例を示す図である。図示する培養データは、表形式で表現され、１回の培養毎に、マイクロ流路装置２の培養結果と、マイクロ流路装置２の培養条件とを有する。
　培養結果は、識別番号、計測日時、個体数、その他活性、サイズ、特定部位のサイズ、副産物量、残餌量、排泄物量、水質などを有する。
　培養条件は、設定したパラメータについての、培養条件パターン番号と、当該パターン番号で設定した各種パラメータを有する。パラメータには、温度、栄養塩濃度、薬品濃度、ｐH、塩分濃度、培養液用ガス濃度、圧力（およびＣＯ２、酸素、窒素などの分圧）、培養液流速、餌量、光照度、光波長などのなどが含まれる。
　図示する最適化装置３は、算出部３１と、設定部３２と、記憶部３３とを備える。算出部３１は、マイクロ流路装置２の制御部２２から培養データを受信する。算出部３１は、培養データに基づいて、マイクロ流路装置２における最適化培養候補条件を算出する。また、算出部３１は、算出した前記最適化培養候補条件で培養された培養物の培養データを取得し、当該培養データに基づいて、次の最適化培養候補条件を算出する。設定部３２は、前記次の最適化培養候補条件を、前記マイクロ流路装置に設定する。最適化培養候補条件の算出については後述する。
　算出部３１は、算出されたマイクロ流路装置２の最適化培養候補条件から、大量培養装置１における投入物量の投入量への換算を行う。この換算によって、大量培養装置１における最適化培養条件を算出することができる。
　図４は、算出部３１が算出した投入量データの一例を示す図である。図示する投入量データは、表形式で表現されている。投入量データには、培養データの培養条件パターン番号毎に、各種の投入量が設定されている。培養液投入物としては、例えば、水、海水、栄養塩、薬品、培養液用ガス、餌などが含まれる。培養環境制御投入物としては、例えば、電気、培養環境制御用ガスなどが含まれる。
　例えば、培養液投入物の栄養塩は、培養データの栄養塩濃度と、大量培養装置１の培養の容量とを用いて算出することができる。また、例えば、培養環境制御投入物の電気電力量は、あらかじめ実験的または理論的に算出した、マイクロ培養装置における設定パラメータ、培養データおよび電力量のデータのうち一つ以上と、大量培養環境における電気電力量の対応関係を用いて算出することができる。
　図５は、最適化装置３における、最適化計算結果データの構成例を示す。最適化計算結果データは例えば表形式であらわされ、計算日時、最適化された培養条件、最適化された培養条件を用いた培養結果などの項目（列）を有する。このように算出部３１が最適化計算結果を格納して保存することで、例えば実行結果の確認や分析に利用することができる。
　設定部３２は、算出部３１が算出した最適化培養候補条件をマイクロ流路装置２に設定する。具体的には、設定部３２は、マイクロ流路装置２に最適化培養候補条件を送信する。マイクロ流路装置２の制御部２２は、最適化培養候補条件となるように環境制御部２７および第１送液ポンプ２３および第２送液ポンプ２４を制御する。
　設定部３２は、大量培養装置における最適化培養条件を大量培養装置１に設定してもよい。
　記憶部３３には、各種のデータが記憶される。例えば、記憶部３３には、培養データ、投入量データ、最適化計算結果データなどが記憶される。
　図６は、コスト情報データの構成例を示す。コスト情報データは例えば表形式であらわされ、記録日時、培養物単価、各種の培養液投入物の単価と、各種の培養環境制御投入物の単価を有する。培養液投入物には、例えば、水、海水、栄養塩、薬品、培養液用ガス、餌などが含まれる。培養環境制御投入物には、電気、培養環境制御用ガスなど培養に必要な消耗品が含まれる。
＜最適化処理＞
　次に、図７のフローチャートを参照し、実施形態の最適化システムが行う最適化処理の一例について説明する。
　ステップＳ１において、最適化装置３の設定部３２がマイクロ流路装置２の制御部２２に培養条件を設定する。最初に初期培養条件が培養条件として設定され、ステップＳ６において最適化培養候補条件を算出した後の繰り返しにおいては、前回算出した最適化培養候補条件が培養条件として設定される。
　ステップＳ２において、マイクロ流路装置２が、培養中の培養対象株を大量培養装置１から送液部２１を介して取得する。培養対象株は、例えば、まずサンプルリザーバ２５Ａへ送液され、その後、培養部２８に送液される。他のリザーバ２５Ｂ～２５Ｄに含まれる溶液も培養部２８に送液される。培養部２８で、培養対象株と溶液とが混合される。
　ステップＳ３において、Ｓ１で設定された培養条件で、培養株を培養する。培養環境条件の制御は環境制御部２７によって行われる。環境制御部２７によって制御される培養環境条件は特に限定されないが、例えば、温度、培養液用ガス濃度、圧力（およびＣＯ２、酸素、窒素などの分圧)、培養液流速、光照度、光波長を含む。計測部２６は、培養部２８において培養された培養物を計測し、培養データを取得する。計測部２６が測定する培養データは、例えば、顕微鏡、イメージングシステムによって取得される画像データ、温度計、圧力計、分圧計、ｐＨ計、温度計などによって取得されるセンサデータを含んでもよい。
　ステップＳ４において、マイクロ流路装置２は、最適化装置３に培養データを送信する。
　ステップＳ５において、最適化装置３の算出部３１はデータベース４からコスト情報を取得してもよい。
　ステップＳ６において最適化装置３は、培養データに基づいて、最適化培養候補条件を算出する。最適化装置３は、培養データとコスト情報に基づいて、最適化培養条件を算出してもよい。最適化培養候補条件の算出については、後述する。
　ステップＳ７において、最適化装置３が最適化計算の終了条件の判断を行う。最適化計算の終了条件は限定されないが、所定の回数最適化培養候補条件の算出を行ったことおよび／または、最適化する実験値および／または計算値が所定の値を上回った、または下回ったことであってもよい。あるいは目的関数値の前回からの改善が所定の値より小さくなることでもよい。最適化計算の終了条件をみたしている場合は、ステップＳ１～Ｓ７の培養条件の最適化を終え、ステップＳ８に進む。最適化計算の終了条件をみたしていなければステップＳ１に戻って、最適化装置３は、マイクロ流路装置２にステップＳ６で算出した最適化培養候補条件を設定し、ステップＳ２からＳ６を繰り返す。
　ステップＳ８において、ステップＳ１～Ｓ７で算出した最適化培養候補条件を大量培養装置１における最適化培養条件に変換し、前記大量培養装置１に設定する。最適化装置３は、算出されたマイクロ流路装置２における最適化培養候補条件における投入物量から、大量培養装置１における投入物量の投入量への換算を適宜行う。例えば、最適化装置３は、マイクロ流路装置２の培養条件パラメータごとの、大量培養装置１における培養に対応する所定の値（係数など）を最適化装置３の記憶部３３に保持しておき、計算に利用することでこのような換算を行うことができる。
　ステップＳ９において、大量培養装置１は、ステップＳ８で設定された最適化培養条件を用いて培養株の大量培養を行う。
　ステップS１０において、大量培養の終了条件を満たしたかの判断が行われる。大量培養の終了条件は限定されないが、所定の回数最適化および／または大量培養を行ったこと、最適化する実験値および／または計算値が所定の値を上回った、または下回ったことであってもよく、目的関数値の直近の最適化における値の、前回の最適化における値からの改善が、所定の値より小さくなることでもよい。あるいは大量培養の終了条件は、所定の収量が達成されたこと、および／または所定の時間が経過したことであってもよい。大量培養の終了条件を満たした場合は大量培養を終了する。大量培養の終了条件を満たしていなければステップＳ１に戻って培養条件の最適化が繰り返される。
　＜最適化培養候補条件の算出＞
　以下に、図７のステップＳ６の最適化装置３が行う最適化培養候補条件の算出について説明する。最適化培養候補条件は、所定の目的関数の値を最適化する培養条件であってもよい。この目的関数は、培養パラメータと、培養物収量、希望培養物収量と培養物収量との差の絶対値、または予想利益との関係を表すものであってもよいが、限定されない（図８）。
　最適化培養候補条件の算出における培養パラメータは限定されないが、温度、ｐＨ、栄養塩濃度、薬品量、塩分濃度、培養液用ガス濃度、圧力(およびＣＯ２、酸素、窒素などの分圧)、培養液流速、餌量、光照度、光波長を含み得る。これらのパラメータはマイクロ流路装置２で設定あるいは測定し得るパラメータである。
　（目的関数１）
　最適化培養候補条件の算出に用いられる目的関数として、培養パラメータと培養物収量との関係を表す以下の関数を用いることができる。
　　目的関数ｆ（ｘ）＝培養物収量
　　パラメータｘ＝（x1,x2,…,xn): 温度、ｐＨ、栄養塩濃度、薬品量、塩分濃度、培養液用ガス濃度、圧力(およびＣＯ２、酸素、窒素などの分圧)、培養液流速、餌量、光照度、光波長など
　例えば、このような目的関数を最大化するパラメータを求めることによって、培養物収量を最大化する培養条件を算出することができる。培養物収量は、例えば目的培養物が個体そのものであれば、例えば顕微鏡システムのカウンタ機能などで個体数をマイクロ流路装置２の計測部２６で測定することによって計測し、最適化培養候補条件の算出に用いることができる。
　（目的関数２）
　最適化培養候補条件の算出に用いられる目的関数として、以下の関数を用いることができる。
　　目的関数ｆ（ｘ）＝abs(希望培養物収量－培養物収量)
　　パラメータｘ＝（x1,x2,…,xn): 温度、ｐＨ、栄養塩濃度、薬品量、塩分濃度、培養液用ガス濃度、圧力(およびＣＯ２、酸素、窒素などの分圧)、培養液流速、餌量、光照度、光波長など
　この関数は、希望培養物収量と培養物収量との差の絶対値を最小にする関数である。このような目的関数を最小化するパラメータを求めることによって、希望する培養量に最も近い培養量を実現する培養条件を算出することができる。培養物収量は、例えば目的培養物が個体そのものであれば、例えば顕微鏡システムのカウンタ機能などで個体数をマイクロ流路装置２で測定することによって計測し、最適化培養候補条件の算出に用いることができる。希望培養物収量は、例えば最適化装置３に希望する収量を手動で設定することにより最適化培養候補条件の算出に用いることができる。
　（目的関数３）
　最適化培養候補条件の算出に用いられる目的関数として、以下の関数を用いることができる。
　　目的関数ｆ（ｘ）＝予想培養物売り上げ－培養物生産コスト
　　パラメータｘ＝（x1,x2,…,xn): 温度、ｐＨ、栄養塩濃度、薬品量、塩分濃度、培養液用ガス濃度、圧力(およびＣＯ２、酸素、窒素などの分圧)、培養液流速、餌量、光照度、光波長など
　この関数は、予想利益（＝予想培養物売上-培養物生産コスト）を最大化する関数である。このような目的関数を最大化するパラメータを求めることによって、予想利益を最大化する培養条件を算出することができる。予想培養物売上は例えば、培養物収量に予想培養物売値単価を乗じることで算出することができる。培養物生産コストは例えば、培養液コストに培養環境制御コストを加えることで算出することができる。培養物収量は、例えば目的培養物が個体そのものであれば、例えば顕微鏡システムのカウンタ機能などで個体数をマイクロ流路装置２で測定することによって計測し、最適化培養候補条件の算出に用いることができる。培養物単価は事前あるいはリアルタイムに、自前のデータあるいは外部から提供されたデータを用意し、データベース４にデータを保持する。培養液コストは水、海水、栄養塩、薬品、培養液用ガス、餌などの培養液投入物のコストである。培養液コストは対象の培養液投入物の投入量とその単価から求められる。培養液コストの対象投入物の投入量については、例えばマイクロ流路の培養条件パラメータごとの、大量培養装置１における培養に対応する値を定め、最適化装置３に保持し計算に利用する。対象投入物の単価については、事前あるいはリアルタイムに自前のデータあるいは外部から提供されたデータを用意し、データベース４に保持する。
　目的関数は、上記に記載した目的関数１～３以外に、培養パラメータと、例えば活性、全体サイズ、特定部位のサイズ、副産物量、残餌量、排泄物量、水質の関係を表すものであってもよい。前記目的関数はこれらのいずれかを最大化あるいは最小化する培養条件を算出するために用いることができる。
　最適化培養候補条件の算出方法は限定されないが、ブラックボックス最適化法によって行い得る。ブラックボックス最適化法を用いて、具体的な形がわからない目的関数において最適な実験値をもたらすパラメータセットを、少ない計算コストで算出することができる。ブラックボックス最適化法の具体的な手法は限定されないが、ベイズ最適化法および／または遺伝的アルゴリズム法によって行い得る。
　最適化培養候補条件の算出にベイズ最適化法を用いる場合、最適化条件の算出にはガウス過程回帰（Gaussian process regression）法を用いることができる。ガウス過程回帰法においては、培養条件パラメータと、最適化したい実験値および／または計算値（限定されないが、培養物収量、希望収量と実現収量の差、コスト、予想利益を含む）との関係を表す目的関数を近似するために、ガウス過程（Gaussian process）で表現された代理モデル(surrogate model)を用いる。この代理モデルの初期モデルは、算出部３１が事前に得られた初期培養条件とその実験値に基づいて、ガウス過程回帰によって算出することができる。
　この代理モデルから、パラメータ空間において探索するべき（培養条件の改善が見込まれる）次の点を決定するための指標となる獲得関数(acquisition function)を算出する。獲得関数に基づいて、次の探索点を決定する。使用する獲得関数の種類は特に限定されないが、例えば信用上限（upper confidence bound）、改善確率(probability of improvement)、改善期待値(expected improvement)を用いることができる。
　決定された培養パラメータは、最適化培養候補条件としてマイクロ流路装置２に設定され、マイクロ流路装置２において新たな培養データの取得が行われる。このようにして得られた培養データを算出部３１がさらに取得し、ガウス過程で表現された、新たな代理モデルのガウス過程回帰による算出に用いる。新たな代理モデルから、新たな獲得関数が算出され、これに基づいて新たな探索点が決定される。最適化計算に用いるサンプル数が増えるにつれて、代理モデルがうまく目的関数f(x)を近似していき、最終的に代理モデルから算出される代理関数を最大にする点が目的関数f(x)をも最大にする点となる。上記のような探索点の決定と培養データ取得のサイクルは、所定の目的（目的関数の特定の値、目的関数値の前回からの改善が所定の値より小さくなることなど）が達成されるまで繰り返される。前記所定の目的が達成された後、最適化培養候補条件は、大量培養装置における最適化培養条件の算出に用いられる。
　以上説明した本実施形態の最適化システムは、マイクロ流路装置２と、最適化装置３とを備える、マイクロ流路装置２は、培養中の培養対象株を大量培養装置１から送液する送液部２１と、送液された前記培養対象株を、所定の培養条件で培養する培養部２８と、培養部２８で培養された培養物の培養データを計測する計測部２６と、を備え、最適化装置３は、前記培養データに基づいて、最適化培養候補条件を算出する算出部３１と、前記最適化培養候補条件を、前記マイクロ流路装置に設定する設定部３２と、を備える。
　これにより、本実施形態では、コンタミネーションおよび／または細菌叢バランスの変化などにより培養状態が変化しても、その培養状態に最適化した培養条件を算出し培養することができる。したがって、本実施形態によれば、大量培養の効率的な最適化を実現することができる。
　また、本実施形態のマイクロ流路装置２は、小規模のサンプルで培養および計測が可能な装置であるため、本実施形態は、低コストで培養条件の最適化が可能である。
　上記説明した最適化装置３は、例えば、図８に示すような汎用的なコンピュータシステムを用いることができる。図示するコンピュータシステムは、CPU（Central Processing Unit、プロセッサ）９０１と、メモリ９０２と、ストレージ９０３（HDD：Hard Disk Drive、SSD：Solid State Drive）と、通信装置９０４と、入力装置９０５と、出力装置９０６とを備える。メモリ９０２およびストレージ９０３は、記憶装置である。このコンピュータシステムにおいて、CPU９０１がメモリ９０２上にロードされた所定のプログラムを実行することにより、最適化装置３の機能が実現される。
　最適化装置３は、１つのコンピュータで実装されてもよく、あるいは複数のコンピュータで実装されても良い。また、最適化装置３は、コンピュータに実装される仮想マシンであっても良い。最適化装置３のプログラムは、HDD、SSD、USB（Universal Serial Bus）メモリ、CD (Compact Disc)、DVD (Digital Versatile Disc)などのコンピュータ読取り可能な記録媒体に記憶することも、ネットワークを介して配信することもできる。コンピュータ読取り可能な記録媒体は、例えば非一時的な（non-transitory）記録媒体である。
　なお、本発明は上記実施形態に限定されるものではなく、その要旨の範囲内で数々の変形が可能である。
（項目１）
　マイクロ流路装置と、最適化装置とを備える最適化システムであって、
　前記マイクロ流路装置は、
　　培養中の培養対象株を大量培養装置から送液する送液部と、
　　送液された前記培養対象株を、所定の培養条件で培養する培養部と、
　　前記培養部で培養された培養物の培養データを計測する計測部と、を備え、
　前記最適化装置は、
　　前記培養データに基づいて、最適化培養候補条件を算出する算出部と、
　　前記最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える
　最適化システム。
（項目２） 
　大量培養装置を備え、
　前記算出部は前記最適化培養候補条件に基づいて最適化培養条件を算出し、
　前記設定部は、前記大量培養装置に前記最適化培養条件を設定する、
　項目１に記載の最適化システム。
（項目３）
　コスト情報が記憶されたデータベースを備え、
　前記算出部は、前記培養データと前記コスト情報と基づいて、前記最適化培養候補条件を算出する
　請求項1または２に記載の最適化システム。
（項目４）
　前記算出部は、前記最適化培養候補条件で培養された培養物の培養データを取得し、当該培養データに基づいて、次の最適化培養候補条件を算出し、
　前記設定部は、前記次の最適化培養候補条件を、前記マイクロ流路装置に設定する
　項目１～３のいずれか一項に記載の最適化システム。
（項目５）
　前記算出部は、ベイズ最適化または遺伝的アルゴリズムを用いて、前記培養データから前記最適化培養候補条件を算出する
　項目１～４のいずれか一項に記載の最適化システム。
（項目６）
　マイクロ流路装置から取得した培養データに基づいて、前記マイクロ流路装置における最適化培養候補条件を算出する算出部と、
　前記マイクロ流路装置における最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える
　最適化装置。
（項目７）
　マイクロ流路装置と、最適化装置とを備える最適化システムが行う最適化方法であって、
　前記マイクロ流路装置は、
　　培養中の培養対象株を大量培養装置から送液する工程と、
　　送液された前記培養対象株を、培養部において所定の培養条件で培養する工程と、
　　前記培養部で培養された培養物の培養データを計測する工程と、を行い、
　前記最適化装置は、
　　前記培養データに基づいて、最適化培養候補条件を算出する工程と、
　　前記最適化培養候補条件を、前記マイクロ流路装置に設定する工程と、を行い、
　前記送液する工程から、前記設定する工程を繰り返し行う
　最適化方法。
（項目８）
　コンピュータを
　マイクロ流路装置から取得した培養データに基づいて、最適化培養候補条件を算出する算出部と、
　前記最適化培養候補条件を前記マイクロ流路装置に設定する設定部、
　として機能させるためのプログラム。
（項目９）
　項目１～５のいずれか一項に記載の最適化システムに用いるための項目６に記載の最適化装置。
（項目１０）
　項目８のプログラムが記録された記憶部を備える、項目１～５のいずれか一項に記載の最適化システム。
（項目１１）
　項目８のプログラムが記録された記憶部を備える、項目６または９に記載の最適化装置。
１　大量培養装置
２　マイクロ流路装置
３　最適化装置
４　データベース
２１　送液部
２２　制御部
２３　第１送液ポンプ
２４　第２送液ポンプ
２５Ａ　サンプルリザーバ
２５Ｂ　バッファリザーバ
２５Ｃ　培養液リザーバ
２５Ｄ　希釈液リザーバ
２５Ｅ　廃液リザーバ
２６　計測部
２７　環境制御部
２８　培養部
３１　算出部
３２　設定部
３３　記憶部

Claims (8)

  1. 　マイクロ流路装置と、最適化装置とを備える最適化システムであって、
    　前記マイクロ流路装置は、
    　　培養中の培養対象株を大量培養装置から送液する送液部と、
    　　送液された前記培養対象株を、所定の培養条件で培養する培養部と、
    　　前記培養部で培養された培養物の培養データを計測する計測部と、を備え、
    　前記最適化装置は、
    　　前記培養データに基づいて、最適化培養候補条件を算出する算出部と、
    　　前記最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える
    　最適化システム。
  2. 　大量培養装置を備え、
    　前記算出部は前記最適化培養候補条件に基づいて最適化培養条件を算出し、
    　前記設定部は、前記大量培養装置に前記最適化培養条件を設定する、
    　請求項１に記載の最適化システム。
  3. 　コスト情報が記憶されたデータベースを備え、
    　前記算出部は、前記培養データと前記コスト情報と基づいて、前記最適化培養候補条件を算出する
    　請求項1に記載の最適化システム。
  4. 　前記算出部は、前記最適化培養候補条件で培養された培養物の培養データを取得し、当該培養データに基づいて、次の最適化培養候補条件を算出し、
    　前記設定部は、前記次の最適化培養候補条件を、前記マイクロ流路装置に設定する
    　請求項１に記載の最適化システム。
  5. 　前記算出部は、ベイズ最適化を用いて、前記培養データから前記最適化培養候補条件を算出する
    　請求項１に記載の最適化システム。
  6. 　マイクロ流路装置から取得した培養データに基づいて、前記マイクロ流路装置における最適化培養候補条件を算出する算出部と、
    　前記マイクロ流路装置における最適化培養候補条件を、前記マイクロ流路装置に設定する設定部と、を備える
    　最適化装置。
  7. 　マイクロ流路装置と、最適化装置とを備える最適化システムが行う最適化方法であって、
    　前記マイクロ流路装置は、
    　　培養中の培養対象株を大量培養装置から送液する工程と、
    　　送液された前記培養対象株を、培養部において所定の培養条件で培養する工程と、
    　　前記培養部で培養された培養物の培養データを計測する工程と、を行い、
    　前記最適化装置は、
    　　前記培養データに基づいて、最適化培養候補条件を算出する工程と、
    　　前記最適化培養候補条件を、前記マイクロ流路装置に設定する工程と、を行い、
    　前記送液する工程から、前記設定する工程を繰り返し行う
    　最適化方法。
  8. 　コンピュータを
    　マイクロ流路装置から取得した培養データに基づいて、最適化培養候補条件を算出する算出部と、
    　前記最適化培養候補条件を前記マイクロ流路装置に設定する設定部、
    　として機能させるためのプログラム。
PCT/JP2023/021152 2023-06-07 2023-06-07 最適化システム、最適化装置、最適化方法およびプログラム Ceased WO2024252556A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/021152 WO2024252556A1 (ja) 2023-06-07 2023-06-07 最適化システム、最適化装置、最適化方法およびプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2023/021152 WO2024252556A1 (ja) 2023-06-07 2023-06-07 最適化システム、最適化装置、最適化方法およびプログラム

Publications (1)

Publication Number Publication Date
WO2024252556A1 true WO2024252556A1 (ja) 2024-12-12

Family

ID=93795406

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2023/021152 Ceased WO2024252556A1 (ja) 2023-06-07 2023-06-07 最適化システム、最適化装置、最適化方法およびプログラム

Country Status (1)

Country Link
WO (1) WO2024252556A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019163551A1 (ja) * 2018-02-26 2019-08-29 富士フイルム株式会社 細胞培養デバイスの管理方法、及び細胞培養デバイスの管理システム
WO2022168774A1 (ja) * 2021-02-08 2022-08-11 株式会社島津製作所 推定装置、学習装置、最適化装置、推定方法、学習方法、および最適化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019163551A1 (ja) * 2018-02-26 2019-08-29 富士フイルム株式会社 細胞培養デバイスの管理方法、及び細胞培養デバイスの管理システム
WO2022168774A1 (ja) * 2021-02-08 2022-08-11 株式会社島津製作所 推定装置、学習装置、最適化装置、推定方法、学習方法、および最適化方法

Similar Documents

Publication Publication Date Title
Helleckes et al. Machine learning in bioprocess development: from promise to practice
JP7560037B2 (ja) 細胞培養プロセス探索方法、細胞培養プロセス探索プログラム、及び細胞培養プロセス探索装置
JPWO2021166824A5 (ja)
Butean et al. A review of artificial intelligence applications for biorefineries and bioprocessing: from data-driven processes to optimization strategies and real-time control
US11728008B2 (en) Machine learning and control systems and methods for learning and steering evolutionary dynamics
Morrell et al. The experiment data depot: a web-based software tool for biological experimental data storage, sharing, and visualization
Lachance et al. Minimal cells, maximal knowledge
US20220328128A1 (en) Downscaling parameters to design experiments and plate models for micro-organisms at small scale to improve prediction of performance at larger scale
CN111615674B (zh) 缩放工具
CN110945593A (zh) 用于预测生物反应器中的过程的产出和对生物反应器中的过程建模的方法
Zulkower et al. Robust reconstruction of gene expression profiles from reporter gene data using linear inversion
JP2025503486A (ja) 培養プロセスにおける培養条件を最適化するための方法およびシステム
Becker et al. Early‐stage sustainability assessment of biotechnological processes: A case study of citric acid production
Gupta et al. Plant reactome and PubChem: the Plant pathway and (Bio) chemical entity knowledgebases
Hans et al. Monitoring parallel robotic cultivations with online multivariate analysis
Nelson et al. Models for wine fermentation and their suitability for commercial applications
CN106415561A (zh) 多因素评分方法和系统
Moser et al. A new concept for the rapid development of digital twin core models for bioprocesses in various reactor designs
Whitford Bioprocess intensification: technologies and goals
JP7142501B2 (ja) バイオガスの発生量を予測するための予測情報の作成方法、および、当該予測情報の利用
Gogna et al. Predicting enviromically adapted varieties with big data
WO2024252556A1 (ja) 最適化システム、最適化装置、最適化方法およびプログラム
Grant Next-Generation Amplicon Sequencing: A cost-effective method for exploring microbial biodiversity
Zhang et al. Biofuser: a multi-source data fusion platform for fusing the data of fermentation process devices
Mohanty et al. Biochemical Reaction Engineering

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23940660

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE