数据驱动的细胞培养基优化：机器学习助力生物医学进步
发布时间：2025-06-09 浏览次数：17 分享：
1. 研究背景与挑战
核心问题：哺乳动物细胞培养中，培养基成分的复杂互作导致传统优化方法（如实验设计DoE）效率低下。
现有局限：经验依赖性强，易受人为偏差影响；难以平衡细胞生长速率（96小时）与最终产量（168小时）。
技术机遇：主动机器学习（Active ML）可通过“预测-验证”闭环减少实验量，实现多参数同步优化。
2. 创新方法：从传统DoE到智能ML
本研究技术路线如图1）如所示：
图1 技术路线图
1）模型构建：
细胞模型：HeLa-S3细胞（人宫颈癌细胞系）
基础培养基：EMEM（含31种成分）
算法：梯度提升决策树（GBDT）
2）双模式优化：
常规模式（R）：基于168小时细胞浓度数据优化最终产量
节时模式（TS）：基于96小时数据预测168小时产量（利用早期-晚期浓度相关性）
3）四轮主动学习：
初始生成209种梯度培养基
每轮筛选15-22种高潜力培养基实验验证
迭代更新训练集（共503组数据）
3. 关键结果
1）培养基优化效能
细胞浓度提升：
R模式：11种培养基168小时浓度显著高于EMEM（最高提高50%）
TS模式：10种培养基96小时浓度提升，但仅30%维持至168小时
模型精度：
四轮迭代后预测误差（RMSE）降低40%（ p<0.05）
数据标准化（Fold Change, FC）较原始数据（C）提升模型鲁棒性
图2 R/TS模式效能对比
2）关键成分鉴定
特征重要性分析：9种成分贡献80%生长影响（如谷氨酰胺升高、半胱氨酸降低）
时序差异：甲硫氨酸仅晚期（168小时）关键
图3 培养基成分对细胞培养的关键影响
A.不同模型下细胞培养产量的分布；B.重要性排名前9的成分（累积贡献80%）
规模放大验证：
最优培养基R445：168小时浓度提高50%（p <0.01）
成分共性：R445与失效培养基TS471均缺失磷酸氢钠和硫胺素
3） 转录组机制解析
基因表达重编程：
R445激活增殖通路（如细胞发育相关GO term）
TS471引发表达紊乱（差异基因数↑100倍）
功能富集：
R445特异性富集：细胞周期调控基因（如mTORC1通路）
EMEM富集：代谢调控基因
图4 基因表达变化与培养基优化的关联性研究
4. 讨论与局限
1）模式对比
R模式：稳定提升最终产量（C1簇占比提高）
TS模式：节省50%实验时间，但33%培养基因“生长-产量权衡”失效（C2簇）
2）技术突破
数据驱动闭环：首次整合ML预测→实验验证→转录组反馈
节时策略：利用96/168小时浓度相关性（r=0.82）加速优化
3）局限与展望
细胞普适性：当前仅验证HeLa细胞，需拓展至原代/干细胞
血清依赖：含FBS培养基成分不透明，下一步开发无血清方案
算法升级：引入时间序列数据提升TS模式稳定性
5. 应用价值
生物制药：快速定制单抗生产培养基（成本降低30%）
再生医学：优化干细胞扩增体系
开源资源：
代码库：https://github.com/yuki020527/medium_optimization
RNA-seq数据：DRA017793 (DDBJ)
总之，本研究建立了主动机器学习驱动的培养基优化新范式，通过双模式迭代和转录组验证，突破传统方法瓶颈。其中四轮迭代减少60%实验量，并发现9种核心成分及时序调控规律，为生物制造与精准医疗提供工具包。
参考文献：Y Ozawa, T Hashizume, BW Ying. (2025). A data-driven approach for cell culture medium optimization. Biochemical Engineering Journal, 241, 109591. https://doi.org/10.1016/j.bej.2024.109591
来源：微生物安全与健康网，作者~陈诺。
