ИИ учится биологической вариабельности для разработки высокоэффективной бессывороточной среды для культивирования клеток

Культивирование клеток — фундаментальная технология, широко используемая в производстве фармацевтических препаратов, регенеративной медицине, пищевой науке и материаловедении. Ключевым компонентом успешного культивирования является питательная среда, содержащая необходимые для роста клеток вещества.

Оптимизация состава среды под конкретные задачи крайне важна. Машинное обучение стало мощным инструментом для такой оптимизации. Однако экспериментальные данные для обучения моделей часто содержат биологическую вариабельность, вызванную колебаниями в поведении клеток и шумом экспериментальных процедур. Эта вариабельность может значительно снижать точность прогнозов моделей.

В исследовании, опубликованном в New Biotechnology, учёные из Университета Цукубы разработали модель машинного обучения, которая явно учитывает биологическую вариабельность, и применили её для поиска оптимальных составов бессывороточных сред.

Клетки CHO-K1 (линия клеток яичника китайского хомячка) культивировали в различных средах и измеряли их концентрацию для количественной оценки биологической вариабельности. Данные о составе среды, вариабельности и плотности клеток интегрировали в модель машинного обучения, сочетающую несколько алгоритмов. Также использовали активное обучение — итеративный цикл обучения модели и экспериментальной проверки.

В результате удалось разработать бессывороточную среду, которая обеспечила примерно в 1.6 раза более высокую плотность клеток по сравнению с коммерчески доступными продуктами. Поскольку среда была оптимизирована специально для клеток CHO-K1, работа показала способность модели учитывать уникальные потребности конкретных типов клеток.

Эти результаты могут помочь в создании более эффективных сред для фармацевтического производства и регенеративной медицины. Учитывая, что биологическая вариабельность присуща любым биологическим экспериментам, предложенный подход имеет широкую применимость в различных областях биологических исследований.