一种用于悬浮细胞培养的实时监测系统及方法技术方案

本发明专利技术涉及一种用于悬浮细胞培养的实时监测系统及方法，用于实时监测生物反应器中悬浮细胞培养体系中的生化指标和/或细胞变化，包括数据采集装置和数据处理模块；数据采集装置包括探头式拉曼光谱仪和/或图像采集装置；所述数据处理模块用于对数据采集装置采集的拉曼光谱和/或图像进行数据分析；拉曼光谱的数据分析包括通过相应生化指标的定量校正模型对实时采集的拉曼光谱数据实时计算生化指标的定量结果；图像数据分析包括对实时采集的图像通过多尺度小波分析法获得细胞的密度和直径分布结果。本发明专利技术的监测系统及方法能实时监测悬浮细胞培养体系中的生物量、生化指标浓度，具有实时在线、快速、准确、可靠及灵敏度高的特点。的特点。的特点。

A real-time monitoring system and method for suspension cell culture

【技术实现步骤摘要】
一种用于悬浮细胞培养的实时监测系统及方法


[0001]本专利技术涉及生物工程检测领域，尤其涉及一种用于悬浮细胞培养的实时监测系统、及用于悬浮细胞培养的实时监测方法。

技术介绍

[0002]随着近几十年生物技术的迅猛发展，生物发酵已经广泛应用于制药、食品、能源等诸多领域中，各种发酵产品(如酸奶、抗生素、单克隆抗体等)层出不穷，生物发酵已与人们的生活息息相关。在发酵过程中，通过活体细胞代谢将底物转化为产物是生物反应过程中的关键。由于细胞培养环境及培养策略直接影响细胞培养生产状况，因此为保证细胞正常生长、提高产量及保证产品质量，必须对细胞培养过程中的生化指标(葡萄糖、谷氨酸和乳酸等)和生物量进行准确的检测。目前，针对细胞培养过程中的生化指标和生物量的检测主要采用离线取样分析的方式：采用细胞计数仪离线统计总细胞密度及直径分布，采用生化分析仪离线分析葡萄糖、乳酸、谷氨酸等指标浓度。这些方法存在取样时间间隔较长、分析繁琐、结果滞后等问题，难以满足过程控制的要求。同时，频繁的取样过程会使得发酵罐中的培养体系发生改变，增加染菌的风险(Rathore AS,Bhambure R,Ghare V.Process analytical technology(PAT)for biopharmaceutical products.Anal Bioanal Chem,2010,398(1):137
–
154.)。在线近红外、拉曼光谱仪等过程分析技术已应用于生物发酵过程中主要生化指标浓度的在线检测，但建立的预测模型均误差较大(Vann L,Sheppard J.Use of near
‑
infrared spectroscopy(NIRs)in the biopharmaceutical industry for real
‑
time determination of critical process parameters and integration of advanced feedback control strategies using MIDUS control.J Ind Microbiol Biotechnol,2017,44(12):1589
–
1603；Assawajaruwan S,Reinalter J,Hitzmann B.Comparison of methods for wavelength combination selection from multi
‑
wavelength fluorescence spectra for on
‑
line monitoring of yeast cultivations.Anal Bioanal Chem,2017,409(3):707
–
717)，难以满足细胞培养体系分析和控制的应用。特别是对体系生物量(总细胞密度、活细胞密度和细胞直径分布)的准确实时在线检测一直是一个难题。由于细胞培养体系的复杂性，准确在线获取细胞图像信息，通常需要对细胞进行染色，目前还未见能够实时处理细胞图像获得细胞直径分布的检测技术(王远山,郝文辉,吴哲明,等.原位显微镜在细胞生物量在线监测中的发展与应用.生物工程学报,2019,35(09):1607
‑
1618.)。
[0003]因此，针对上述工业现状：生化指标浓度在线检测方法不准确和细胞图像信息不能实时在线处理的问题，亟需开发细胞培养过程中主要生化指标(主要是葡萄糖、乳酸、谷氨酸和谷氨酰胺4个指标)浓度和生物量(细胞密度和形态)，特别是细胞直径分布的实时在线准确的检测方法及系统。

技术实现思路

[0004]技术问题
[0005]有鉴于此，本专利技术提供一种用于悬浮细胞培养的实时监测系统、及用于悬浮细胞培养的实时监测方法。
[0006]本专利技术的监测系统可以实时、准确检测培养体系中的生化指标浓度、细胞直径分布和生物量。
[0007]解决方案
[0008]为解决以上技术问题，本专利技术提供如下技术方案：
[0009]本专利技术提供一种用于悬浮细胞培养的实时监测系统，用于实时监测生物反应器中悬浮细胞培养体系中的生化指标和/或细胞变化，包括数据采集装置和数据处理模块；
[0010]所述数据采集装置包括探头式拉曼光谱仪和/或图像采集装置；所述图像采集装置用于采集培养体系内细胞的图像；所述探头式拉曼光谱仪的探头用于安装在生物反应器中，所述探头式拉曼光谱仪用于实时采集培养体系中生化指标的拉曼光谱，所述生化指标包括葡萄糖、乳酸、谷氨酸和谷氨酰胺中的至少一种；
[0011]所述数据处理模块用于对数据采集装置采集的拉曼光谱和/或图像进行数据分析；拉曼光谱的数据分析包括通过相应生化指标的定量校正模型对实时采集的拉曼光谱数据实时计算生化指标的定量结果；图像数据分析包括对实时采集的图像通过多尺度小波分析法获得细胞的密度和直径分布结果。
[0012]进一步地，所述相应生化指标的定量校正模型的构建方法包括：
[0013]将反应过程中不同时间节点采集的拉曼光谱数据采用SPXY自动分组的方法分为训练集和验证集；
[0014]对训练集的拉曼光谱数据进行预处理；采用变窗口宽度遗传算法优化的偏最小二乘法将预处理后的训练集拉曼光谱数据与生化指标的离线检测结果进行关联，建立拉曼光谱数据与生化指标实时浓度的定量模型；
[0015]采用验证集光谱数据对定量模型进行验证，确定最佳的定量校正模型。
[0016]进一步地，生化指标的离线检测的方法为：采用生化分析仪离线分析生化指标的浓度。
[0017]进一步地，对训练集的拉曼光谱数据进行预处理方法包括：采用趋势消除技术和多元散射校正组合的方法进行预处理。
[0018]进一步地，建立拉曼光谱数据与生化指标实时浓度的定量模型中进行多元校正，包括：采用变窗口宽度遗传算法对某生化指标的光谱波段进行选择，再采用偏最小二乘法进行多元校正以关联某生化指标的离线检测结果；可选地，遗传算法的窗口宽度选择为1
–
50，可选地窗口宽度选择为1
–
10。
[0019]进一步地，定量模型的验证方法包括：以校正均方根误差、校正相关系数R
C2
、交叉验证均方根误差、交叉验证相关系数R
CV2
、验证集预测均方根误差和预测相关系数R
P2
评价模型的拟合能力，选择模型交叉验证相关系数R
CV2
和校正相关系数R
C2
越接近于1，RMSEC、RMSECV和RMSEP越小的模型。
[0020]进一步地，多元校正方法包括：
[0021]采用变窗口宽度的遗传算法智能选择PLS模型的某生化指标的输入波段：
[0022]约束条件下随机产生多个初始波段种群，并对每个个体进行编码，得到他们的染色体信息；将PLS模型的预测值与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于悬浮细胞培养的实时监测系统，用于实时监测生物反应器中悬浮细胞培养体系中的生化指标和/或细胞变化，其特征在于，包括数据采集装置和数据处理模块；所述数据采集装置包括探头式拉曼光谱仪和/或图像采集装置；所述图像采集装置用于采集培养体系内细胞的图像；所述探头式拉曼光谱仪的探头用于安装在生物反应器中，所述探头式拉曼光谱仪用于实时采集培养体系中生化指标的拉曼光谱，所述生化指标包括葡萄糖、乳酸、谷氨酸和谷氨酰胺中的至少一种；所述数据处理模块用于对数据采集装置采集的拉曼光谱和/或图像进行数据分析；拉曼光谱的数据分析包括通过相应生化指标的定量校正模型对实时采集的拉曼光谱数据实时计算生化指标的定量结果；图像数据分析包括对实时采集的图像通过多尺度小波分析法获得细胞的密度和直径分布结果。2.根据权利要求1所述的实时监测系统，其特征在于，所述相应生化指标的定量校正模型的构建方法包括：将反应过程中不同时间节点采集的拉曼光谱数据采用SPXY自动分组的方法分为训练集和验证集；对训练集的拉曼光谱数据进行预处理，采用变窗口宽度遗传算法优化的偏最小二乘法将预处理后的训练集拉曼光谱数据与生化指标的离线检测结果进行关联，建立拉曼光谱数据与生化指标实时浓度的定量模型；采用验证集光谱数据对定量模型进行验证，确定最佳的定量校正模型。3.根据权利要求2所述的实时监测系统，其特征在于，生化指标的离线检测的方法为：采用生化分析仪离线分析生化指标的浓度；和/或，对训练集的拉曼光谱数据进行预处理方法包括：采用趋势消除技术和多元散射校正组合的方法进行预处理；和/或，建立拉曼光谱数据与生化指标实时浓度的定量模型中进行多元校正，包括：采用变窗口宽度遗传算法对某生化指标的光谱波段进行选择，再采用偏最小二乘法进行多元校正以关联某生化指标的离线检测结果，可选地，遗传算法的窗口宽度选择为1
–
50，可选地窗口宽度选择为1
–
10；和/或，定量模型的验证方法包括：以校正均方根误差、校正相关系数R
C2
、交叉验证均方根误差、交叉验证相关系数R
CV2
、验证集预测均方根误差和预测相关系数R
P2
评价模型的拟合能力，选择模型交叉验证相关系数R
CV2
和校正相关系数R
C2
越接近于1，RMSEC、RMSECV和RMSEP越小的模型。4.根据权利要求2或3所述的实时监测系统，其特征在于，多元校正方法包括：采用变窗口宽度的遗传算法智能选择PLS模型的某生化指标的输入波段：约束条件下随机产生多个初始波段种群，并对每个个体进行编码，得到他们的染色体信息；将PLS模型的预测值与实验值的误差函数作为适应度函数计算个体的适应度；以种群中最优的一个子种群作为后代的父代群体，通过杂交产生后代，再通过变异作用每一个后代产生新的后代集，并计算新后代集的适应度；如此反复操作，直到筛选出最佳的波段范围和校正模型；其中，PLS模型为偏最小二乘法分析模型。5.根据...

【专利技术属性】
技术研发人员：王学重，梁立鹏，吴韬，
申请(专利权)人：北京石油化工学院，
类型：发明
国别省市：