今天，许多审批合格投放市场的药品都是按照生物工程技术生产制造出来的药品。结合应用化学计量学的技术使得近红外光谱分析技术成为实时观察，了解药品生产过程中最准确信息、优化生产过程的窗口了。

“红色的生物工程技术”也被称之为利用生物工程技术生产药物有效成分的技术。这一技术将利用转基因组织实现生产单克隆抗体、治疗性蛋白和治疗疫苗等三大系列产品的目标。

在红色生物工程技术中，可以通过像对细菌或者类似生物质的核细胞进行“改造”，而简简单单地生产出具有治疗药效的药品。在生产像抗体类复杂结构的蛋白质时就需要改性的哺乳动物细胞。因此，人们采用了基于生物组织微生物酶化（MO）的和动物细胞（CC）酶化的生物工程技术方法。而这两种生物工程技术方法的生产过程和与之有关的，对生物工程技术设备和过程监控则有着非常大的差别。

MO生物组织酶化过程，例如像大肠埃希杆菌或者杆状菌等类细菌的转基因细菌的酶化，因其分裂和代谢率的原因会很快地在几天时间内完成酶化。大多数情况下，它们所使用的培育营养质体也是非常复杂的，含有原糖（Primärzucker）和二次糖（Sekundärzucker）等碳源。同时，这里使用的酵母菌或者蛋白胨则是氮源。由于其很高的代谢率，这样的生物工程系统会发出强热，需要大量的氧。

而CC动物细胞在酶化过程中就相对“惬意”多了。动物细胞的结构生长过程通常要好几天或者几周的时间。作为它们的培养基可以是全部化学技术规定的化学介质。基于酸碱度缓冲，就需要添加、使用一些与酶化组织相适应的微量元素、维生素和氨基酸。使用的营养基为葡萄糖和谷氨酰胺。而对它们的搅动则要非常适度，因为大多数有机组织的大小和细胞膜都非常易于破碎。

寻求多功能检测分析技术

NIR近红外光谱分析技术是一种可靠的检测多种参数的质量检测方法，而且也可以在酶化过程中同时采集多种不同的参数，并在预测细胞参数性能方面有着很强的能力。因为检测到的各种参数信息都是从近红外射线中获取的。例如，有着很好的测定被培育动物细胞总量的可能性，甚至可以在设计好的数字化模型的帮助下实现比实验室分析更佳可靠的准确预测。因为在实验室分析时会因计数分析方法本身以及样本取样、准备过程中的波动而带来一定的偏差。而且细胞的存活率，即存活细胞占细胞总量的百分比，也可以在NIR近红外光谱分析技术的帮助下精确到百分之几。这一百分比数据在确定培育终止时刻时有着重要的意义。因为随着存活率的提高生物产品的提纯将更加困难。

除了细胞的参数以外，利用NIR近红外光谱分析技术还可以完成例如葡萄糖这类单一营养基的测定——只要它们的浓度到达了每升几克的水平。预测的准确性不仅仅只是依靠外部实验室检测分析方法来确定了，相反可以利用近红外光谱检测分析方法实现实时的准确测定，这在培育战略的应用中有着非常重要的意义。同时，这也带来了利用NIR近红外光谱技术进行养料供应监控的可能性。这种养料供应监控在细菌类生物制剂的酶化过程中有着非常重要的意义，因为在生物工程技术这样的动态过程中实验室检测分析的结果往往滞后很长时间，得到的结果往往是马后炮。利用近红外光谱技术的在线预测对于最佳的生物工程控制有着非常重要的意义。

定性和定量检测

近红外光谱使用的是波长在900~2500nm的激发光。在这一波长范围内，谐波和大多数有机化学化合物（例如OH、CH、NH等等）都会吸收这些光，而且会因它们的化学成分不同而有不同的光谱吸收。

由于复合波和高次谐波的类型很多，并有很多相似激发能，因此吸收带有很大的叠加、重叠。宽幅的NIR近红外光谱带包含了大量的生物酶化信息，因此通常情况下可以毫无问题地直接进行光谱类型的分类分析，也就提供了利用化学计量学的数学统计方法分析光谱的可能性。

近红外光谱分析可以是定性的分析，也可以是定量的分析。在定性分析时，无需进行计量检定，因此也无需参考、对照检测。就像样本识别时一样，对检测到的光谱进行比较，通过材料光谱的一致性以及希望的最终产品光谱进行比较就可以了。

通用的方法是显示生物酶化过程的状态，轨迹（也就是批次变化模型BEM）。由PCA（主分量分析）引起的光谱差异以轨迹的形式按照时间序列表示出来。这样生物工程技术的过程控制人员就能对各个时段的生物酶化过程一目了然了，也能在出现异常变化时及时采取调整措施了（参见上图）。

而对各个过程控制仪器设备提出的条件，它们能够胜任这种近红外光谱检测分析任务的前提就是，在生物工程技术环境中传感器系统要非常的坚固耐用。因此，现代化近红外光谱分析仪不带有移动部件，工作时使用的是冗余光源，可以在多年时间里免维护的可靠工作。

每一个近红外光谱检测分析系统的配置原则上都是具有可比性的。主要的组成部件由光源设备、对样本进行检测的检波器组成。其中，检波器能够分离出不同的光波波长。现代技术水平的过程控制用NIR近红外光谱仪工作时利用光学晶体作为显示元件，检波时常常使用光电二级阵列管检测器。

这种设备配置方式的最大优点就是能够同时采集整个光谱范围内的数据和信息。同时也保证了整个光谱都是从同一样本中采集到的。尤其是在布满颗粒物的动态系统中，例如在分布着大量细胞或者像酶化过程中典型的、有着大量气泡的动态系统中，光电二极管矩阵系统有着比其他光谱仪明显的优点。

酶化过程监控、检测分析

现代化NIR近红外光谱分析系统的独有技术不仅仅是其硬件和软件，而且它的数据处理和集成软件也都包含了独特的专业技术和知识。

在定量分析时，数据处理和数据集成的软件系统能够避免光谱叠加带来的复杂影响，进行直接量化，例如通过光谱带的面积或者明暗的评判直接进行量化分析。实验员可以通过不同的统计学方法从NIR光谱带中迅速找出表示量化的本质性光谱带。这些统计学方法都包含在化学计量学这一广义概念之中了。经常使用的方法有，例如主要成分分析PCA（主成分分析）或者PLS（偏最小二乘法）。这些检测分析方法中，某些检测分析方法甚至还能够测定出光谱与被测参数直接的功能性相互关系，例如葡萄糖浓度。它能够对光谱范围内的多种变量进行分析评判，因此NIR近红外光谱分析也常常被称之为多功能的数据分析。在酶化过程中，建立一个稳定的化学梦想是非常困难的，一方面是因为目标参数之间有着强烈的相互影响和关联，另一方面是必需考虑各个批次之间的变化和不同。这一障碍——一次性鉴别的难点以被攻克了，按照稳定的基本数据建立的标定模型。这样，在一个批次中采集10~20个样本就可以建立起一个非常准确的、表示过程变量的数学模型了。另外，对一个批次进行一定数量的检测在确定数学模型输入端的变量数据时是具有决定性意义的。这里所说的数学模型使用的数据是标定模型和不同批次化学统计学模型的变量数据。这样也可以从严格的意义上对变量数据进行检验，对整个新的批次做出有说服力的预测，不像在标定模型组的交叉验证中获得的数据那样了。根据经验，在经过了3~4个循环之后，这一模型就相当稳定了，就能在后续的生物酶化过程中实时、准确地实现多目标参数的预测了。不同溶液之间的相关目标参数，例如葡萄糖消耗与生物质结构，大多数情况下都只能通过实验来测定。此时，在酶化结束后添加足够量分析示踪剂的实验方法是最合适的方法。加入示踪剂后的产品样本除显示了模型中目标分析物的浓度变化之外，与其他的样本分析结果相比较没有任何变化。