Basta aggiungere un po' d'acqua...

“Dammi retta Paul, raddoppia il volume iniziale del brodo di fermentazione e vedrai che la produttività del reattore aumenterà del 10 %”, implorai.

Paul, a capo dello sviluppo del processo di fermentazione, mi guardò con aria interrogativa. Dai suoi occhi traspariva un certo scetticismo divertito. Sembrava voler dire “Ci risiamo, ecco che mi ammorba con un'altra delle sue idee strampalate tirate fuori da chissà dove”. Tuttavia, aveva una mentalità molto aperta, per cui mi rispose: “Certo, perché no? Ti concedo due fermentatori della prossima batch di 12 serie da due litri. Se non funziona, sarà un motivo in più per prenderti in giro”.

E va bene, l'ultima frase me la sono inventata: Paul è troppo gentile per dire una cosa simile.

Qualche settimana più tardi, mi comunicò i dati delle serie. “Beh, guarda un po', pare abbia funzionato”.  Alcuni mesi dopo, l'azienda utilizzava reattori da 200 000 litri con un volume iniziale del brodo raddoppiato, ottenendo il 5-10 % in più di prodotto per una serie da due settimane.

È bastato aggiungere un po' d'acqua per ottenere un guadagno operativo dal valore di centinaia di migliaia di dollari per singola batch.

Ho avuto la fortuna di assistere ad alcune rare scoperte nel mondo della scienza, ma questa è stata una delle più memorabili. Sicuramente non avrebbe mai fatto notizia, ma è l'emblema del valore dei dati come risorse, dell'impatto di metodologie statistiche collaudate e della modellizzazione di primo principio. Non c'è stato bisogno di IA ricercate o genialità misteriose. Si è trattato solo di applicare antichi metodi quali disegno di esperimenti (DoE), analisi della regressione e modellizzazione mediante equazioni differenziali, il tutto reso possibile da alcune ore di pratica con JMP e da colleghi ben disposti e desiderosi di testare un data set aggregato di straordinaria qualità e accessibilità.

È bastato aggiungere un po' d'acqua per ottenere un guadagno operativo dal valore di centinaia di migliaia di dollari per singola batch.

Il modello alla base di questa previsione era tutt'altro che complesso. In totale, le equazioni che descrivevano la fisiologia dei lieviti accoppiati e le dinamiche dei reattori erano meno di 10. La vera magia però era all'interno del fenomeno: una relazione empirica tra metabolismo dei ceppi e tasso di trasferimento dell'ossigeno del reattore derivata da una regressione lineare applicata a uno storico di 500 esperimenti di fermentazione. Alcune settimane prima, Jake, un talentuoso scienziato esperto in fermentazione, aveva presentato alcune serie di fermentazione dal comportamento curioso, in cui aveva osservato una strana relazione tra consumo di ossigeno e prestazioni dei ceppi. Da lì siamo giunti alla nostra ipotesi, rapidamente convalidata alla luce di quello storico di 500 esperimenti. Quindi, abbiamo effettuato alcuni esperimenti a impostazione multifattoriale per confermare tale relazione.

Mi sentivo come se avessi trovato la stele di Rosetta. Potevo portare a termine esperimenti della durata di due settimane in pochi secondi, esaminare gli spazi parametrici e verificare le mie ipotesi in un istante.

Successivamente, sono ricorso a JMP per realizzare rapidamente un modello statistico di confronto tra accoppiamento metabolico e accoppiamento dell'ossigeno derivato dagli studi sul disegno di esperimenti. Quindi, l'ho dato in pasto alla simulazione del reattore per lieviti preventivamente realizzata. Era l'anello mancante. L'aggiunta al modello di quella singola relazione aveva dato vita a una simulazione quasi perfetta delle prestazioni dei ceppi.

Con rinnovata fiducia, iniziai a giocare con le condizioni del reattore simulato. Soltanto uno smanettone della modellizzazione avrebbe potuto comprendere il mio entusiasmo. Mi sentivo come se avessi trovato la stele di Rosetta. Potevo portare a termine esperimenti della durata di due settimane in pochi secondi, esaminare gli spazi parametrici e verificare le mie ipotesi in un istante. Quella sera andai a letto con la sensazione di poter vedere letteralmente il battito cardiaco di ogni singola cellula di lievito. Come se il lievito fosse me e io fossi il lievito.

A un certo punto, mi venne l'idea di giocare con il volume iniziale del reattore. Non ricordo se fu voluto o se fu una coincidenza, ma il risultato era convincente. Bastava aggiungere un po' d'acqua, senza apportare altre modifiche, per ottenere una quantità maggiore di prodotto nello stesso tempo. A posteriori, la ragione era ovvia. Ma a volte servono dati, statistica e matematica per eliminare gli elementi di disturbo che ci impediscono di andare davvero al nocciolo di una questione.

E questa è la storia di come dati, disegno di esperimenti, modellizzazione mediante equazioni differenziali, un team collaborativo e un pizzico di JMP hanno cambiato la mia vita per sempre. Ora sono a capo di Riffyn, un'organizzazione che si occupa di rendere accessibili a tutti splendidi dati aggregati di alta qualità.

JMP Foreword

Leggi l'ultimo numero.

Teniamoci in contatto! Iscriviti.