使用机器人和机器学习扩大合成细胞生产规模,以实现治疗应用

科学领域:

• 合成生物学 合成生物学
• 生物技术是生物技术.
• 细胞工程 细胞工程

背景情况:

• 目前的合成细胞 (SC) 生产在很大程度上是人工的,这阻碍了治疗应用的可扩展性和效率.
• 手动的SC合成和表征限制了医学中自下而上的合成生物学的潜力.
• 需要用于SC生产和质量控制的自动化,高吞吐量方法.

研究的目的:

• 开发一种用于治疗应用的大规模生产蛋白质生产合成细胞 (SCs) 的自动化方法.
• 优化SC合成和表征过程,以提高效率,可扩展性和质量控制.
• 在临床前设置中证明自动化SCs的可行性.

主要方法:

• 开发了一种与机器人液体处理系统 (LiHa) 兼容的自动化过程,用于SC合成.
• 包含自动组织分离器,用于增强乳化和增加批量大小.
• 采用基于人工智能 (AI) 的图像分析,用于自动化,高通量SC特征和质量评估.
• 给小鼠大规模的,均的露西法酶表达性SCs,用于体内蛋白质表达的监测.

主要成果:

• 通过流程优化将SC生产时间缩短了50%.
• 使用自动化乳化,SC批量大小增加了30倍,同时保持了SC的特性.
• 使用基于AI的图像分析实现了自动化,准确和高通量SC特征.
• 在体内实时监测蛋白质表达,减少实验变异性.

结论:

• 自动化和计算机化质量控制显著改善了合成细胞的合成.
• 开发的自动化方法提高了生产治疗性SCs的可扩展性和效率.
• 这种方法促进了合成细胞在临床前和临床应用中的进步.