深部现场显微镜用于实时分析生物反应器中的哺乳动物细胞群

科学领域:

• 生物技术是生物技术.
• 细胞生物学 细胞生物学
• 过程分析技术 过程分析技术

背景情况:

• 对细胞群的准确实时监测对于优化生物制药生产流程至关重要.
• 传统的细胞分类方法可能耗时,可能不会立即提供反.
• 先进的成像和人工智能的整合为增强的过程控制提供了潜力.

研究的目的:

• 开发和验证一个 in situ 显微镜系统与人工智能结合,用于在线细胞分类.
• 实时监测和区分各种细胞状态,包括可活,死细胞和亡细胞.
• 在不同细胞培养条件下的实验室规模抗体生产环境中评估系统的性能.

主要方法:

• 开发了一种利用光纤传输脉冲光的现场显微镜.
• 卷积神经网络 (CNN) 用于图像分析和细胞分类.
• 通过在各种条件下 (基底限制,pH,氧气耗尽) 在水箱反应堆中培养的混合体培养物生成了848,192张图像的数据库.

主要成果:

• 这种由人工智能驱动的显微镜成功地根据形态特征实时分类了细胞.
• 该系统可以区分活跃细胞,死细胞和亡细胞.
• 发现了一种在"盛宴或饥荒"条件下表现出凸起的新型可活细胞类.
• 该系统展示了准确的实时物体检测和分类能力.

结论:

• 由人工智能驱动的现场显微镜代表了生物处理过程分析工具的重大进步.
• 这项技术使得前所未有的实时监测细胞群及其状态成为可能.
• 该系统对工业生物过程优化和细胞生物学基础研究都有很大的兴趣.