【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及用于监测细胞培养的方法，并且具体涉及利用机器学习和非侵入性无标记成像数据来监测细胞培养中在细胞群中发生的细胞状态转变过程并选择要执行的干预措施来控制细胞状态转变过程。本文还描述了相关方法、系统和产品。
技术介绍
1、近年来，在确定体外复制各种细胞状态转变所需的实验条件方面取得了很大进展。例如，现在可以从多能细胞中获得多种分化细胞(称为“定向分化”的过程)或从分化细胞中获得多种分化细胞(称为“直接重编程”的过程)。这对于细胞疗法、组织工程、疾病研究以及药物开发(例如筛选)和测试(例如安全药理学)具有巨大的潜力。其中一个特别有前景的方面是诱导多能干细胞(ipsc)的使用，它们本身是通过引导的细胞状态转变过程在体外从体细胞产生的。事实上，这为生成更相关的遗传疾病模型、生成定制的细胞疗法和患者组织等打开了大门。然而，细胞状态转变过程，例如诱导多能干细胞分化成不同的目标细胞类型，是通过复杂的程序实现的。ipsc分化方案通常涉及在规定的时间点进行实验干预，例如添加生长因子或小分子，以促进分化为目标细胞类型。由于人们对许多基础生物学原理仍然知之甚少，实验程序往往是经过长期艰苦的反复试验才确定的，从而为任何特定的分化方案定义了一组干预措施。这些干预措施的时间点通常是固定的，并根据一组有限的细胞系的经验来设置，通常还要考虑实验室操作员的时间安排(例如，在周末进行计划)。此外，ipsc细胞系之间存在很大差异，这意味着一个细胞系的最佳时间点可能对另一个细胞系而言较差。这些复杂性导致干细胞分化的质量控制和保证非常困难。由于缺乏适当的工具来监测
2、为此，在实验环境中使用了多种荧光标记和标记物。然而，即使在实验环境中，基于标记的方法也被证明是有限的，因为许多细胞状态转变过程没有适当的标记物。此外，如果对样品进行标记和/或分析需要对细胞群进行操作(或通常是破坏)，那么标记只能提供有关培养结果的信息，而不能提供任何可用于指导细胞状态转变过程的信息。即使存在标记物，并且标记物的存在与细胞的存活能力兼容(例如，使用表达荧光标记物的转基因细胞系)，从而可以对培养物进行实时监测，标记物的存在和/或对标记物存在的监测也会影响细胞状态的转变过程(例如，通过影响标记蛋白的功能、光漂白等)。此外，在许多情况下，基因修饰和/或细胞群中标记的存在是不合适的，主要是在治疗过程中出于临床原因，包括安全性，以及在个性化疗法中纯粹为了优化而产生的人力和资源负担。
3、有人已经提出了不依赖标记来监测或表征ipsc分化过程结果的方法。例如，williams等人(front.in bioeng.and biotech.,july 2020,vol.8,article 851)提出了一种基于机器学习的方法，利用与过程相关的特征作为预测变量，包括生物反应器系统在线连续收集的物理化学数据(溶解氧浓度、ph等)以及离线确定的数据，例如细胞密度、细胞聚集体大小和营养物浓度来预测搅拌罐生物反应器中ipsc分化为心肌细胞的过程的结果——心肌细胞的含量。然而，这种方法需要测量大量的物理化学参数，并对培养物进行采样以进行离线分析。因此，该过程仍然具有侵入性和高度复杂性，尤其不适用于高级搅拌罐生物反应器中的大规模培养之外的任何环境。另一个例子是，qian等人(naturecommunications(2021)12:4580)提出了一种方法，利用代谢成像(特别是nad(p)h和fad的自发荧光)来辨别人类多能干细胞(hpsc)向心肌细胞(cm)分化的低效率和高效率相关的实验条件。然而，这种方法仍然很复杂，需要测量荧光信号，而且仅适用于hpsc分化为cm的非常特定的背景，分化过程中会发生巨大的代谢变化，从而影响这些特定代谢物的荧光寿命。
4、因此，我们需要一种改进的系统和方法，用于监测在细胞培养中经历细胞状态转变过程的细胞群并控制细胞培养条件以实现细胞状态转变，且不存在现有技术的所有缺点。
技术实现思路
1、专利技术人假设，通过分析使用无标记成像技术收集的图像中可见的细胞群的形态特征，可以监测和预测细胞培养中发生的细胞状态转变过程的结果。事实上，专利技术人已经认识到，受过训练的人能够在例如明场或相差显微镜条件下观察细胞培养，并“感受”到细胞状态转变过程的进展。该过程是主观的、劳动密集型的，并且严重缺乏可重复性和客观量化，因此不适合实施严格的质量控制工业过程。然而，专利技术人推测，可以开发更严格的过程来利用这些图像中的信息内容。专利技术人开发了利用计算机对此类显微镜图像进行分析的方法，这些方法能够挑选出细胞状态转变过程中的信息特征并对其进行量化，然后将这些特征集成到统计模型中，以捕获这些特征和与细胞状态转变过程相关的指标(例如分化效率等结果特征)之间的关系。专利技术人进一步表明，在监测ipsc分化为心肌细胞的背景下，这些方法能够在细胞培养过程中预测与细胞状态转变过程相关的指标。这些方法没有目前使用的方法的缺点，因为它们是无标记、非侵入性、简单、可重复、快速、可预测的，并且不需要对细胞进行任何修饰。最后，专利技术人表明这些方法可用于选择要执行的干预措施并控制细胞培养过程，以实现细胞培养中的细胞状态转变。
2、根据本公开的第一方面，本文提供了一种用于监测细胞培养中的细胞群的方法，该方法包括以下步骤：获得在细胞培养过程中的一个或多个时间点通过无标记成像获取的细胞群的一个或多个图像，其中所述无标记成像是提供有关细胞、细胞结构或细胞组的空间构型的信息的成像技术；处理所述一个或多个图像以获得一个或多个无标记图像衍生特征；和使用统计模型来预测指示细胞群中细胞状态转变的一个或多个指标，所述统计模型将所述无标记图像衍生特征作为输入并将指示细胞群中细胞状态转变的一个或多个指标作为输出，其中指示细胞群中细胞状态转变的指标是表征细胞群中发生的细胞状态转变过程的进展和/或结果的指标。细胞培养过程与用于获得细胞状态转变的基本方案相关，所述基本方案包括通过一个或多个过程参数定义的一种或多种干预措施，并且针对至少一种所述干预措施的一个或多个过程参数中的至少一个过程参数的多个候选值重复所述预测指示细胞状态转变过程的一个或多个指标的步骤以获得多组指示细胞状态转变过程的一个或多个指标。比较预测的多组指示细胞状态转变的一个或多个指标提供候选值是否适合实现细胞状态转变的指示。该方法可以包括比较预测的多组指示细胞状态转变过程的一个或多个指标的步骤，以便确定适合实现细胞状态转变的一个或多个候选值。候选值可以包括多个时间点，并且比较预测的多组指示细胞状态转变过程的一个或多个指标可以包括：获得一个或多个指标的组的序列或时间进程。候选值可以包括除干预措施时间点之外的过程参数的多个值，并且比较预测的多组指示细胞状态转变过程的一个或多个指标可以包括：比较与相同的时间点(例如多个时间点中最晚时间点)相关的多组一个或多个指标。
3、ren、edward等人("deep learning-enhanced morphological profilingpr本文档来自技高网...
【技术保护点】
1.一种用于监测细胞培养中的细胞群的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，还包括：使用预测的多组指示细胞状态转变过程的一个或多个指标来针对所述至少一种干预措施从多个候选值中选择候选值。
3.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括所述至少一种干预措施的时间点，
4.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括选自以下的参数：细胞的物理环境的特征和细胞的生化环境的特征，
5.根据前述权利要求中任一项所述的方法，其中所述统计模型进一步将所述一个或多个过程参数中的至少一个过程参数作为输入，和/或其中所述统计模型包括输入和/或输出彼此不同的多个统计模型。
6.根据前述权利要求中任一项所述的方法，其中比较预测的多组指示细胞状态转变过程的一个或多个指标的步骤包括：获得一个或多个指标的组的序列，其中每个组与时间点序列中的时间点相关，以及确定一个或多个指标的组的变化率和/或变化方向随时间的变化，
7.根据前述权利要求中任一项所述的方法，其中比较预测的多组指
8.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括干预措施的时间点，并且多组指示细胞状态转变过程的一个或多个指标包括所述一个或多个指标的组的序列，并且所述方法还包括通过一个或多个指标的组的序列来确定获取细胞群的其他图像的时间或速率。
9.根据前述权利要求中任一项所述的方法，其中所述细胞状态转变是分化、去分化、从非活动性到活动性的转变、细胞激活、生理处理能力的变化、成熟或从非衰老细胞到衰老细胞的转变，可选地，其中细胞群是多能细胞群并且细胞状态转变是分化；和/或
10.根据前述权利要求中任一项所述的方法，其中指示细胞群中的细胞状态转变的一个或多个指标选自：指示细胞状态转变进展的指标，以及指示细胞状态转变结果的指标，和/或其中指示细胞群中的细胞状态转变的一个或多个指标与细胞状态转变的最后阶段和/或细胞培养的结束相关，和/或其中一个或多个无标记图像衍生特征通过处理在细胞培养结束之前获取的无标记图像来获得，
11.根据前述权利要求中任一项所述的方法，其中处理所述一个或多个图像以获得一个或多个无标记图像衍生特征：
12.根据前述权利要求中任一项所述的方法，其中处理所述一个或多个图像以获得一个或多个无标记图像衍生特征包括：使用计算机视觉算法来获得多个值，其中每个值与图像中的像素相关，
13.根据前述权利要求中任一项所述的方法，其中所述统计模型是回归模型和/或其中所述统计模型是通过训练统计模型以利用包括无标记图像衍生特征在内的预测特征来预测指示细胞状态转变的一个或多个指标而获得的；可选地，其中所述统计模型是线性回归模型或非线性回归模型，和/或其中所述统计模型选自：简单线性回归模型、多元线性回归模型、偏最小二乘回归模型、正交偏最小二乘回归模型、随机森林回归模型、决策树回归模型、支持向量回归模型、k近邻回归模型；和/或
14.一种提供已经历细胞状态转变的细胞群的方法，所述方法包括：
15.一种用于监测细胞培养和/或用于提供已经历细胞状态转变的细胞群和/或用于控制细胞培养的系统，所述系统包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种用于监测细胞培养中的细胞群的方法，所述方法包括以下步骤：
2.根据权利要求1所述的方法，还包括：使用预测的多组指示细胞状态转变过程的一个或多个指标来针对所述至少一种干预措施从多个候选值中选择候选值。
3.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括所述至少一种干预措施的时间点，
4.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括选自以下的参数：细胞的物理环境的特征和细胞的生化环境的特征，
5.根据前述权利要求中任一项所述的方法，其中所述统计模型进一步将所述一个或多个过程参数中的至少一个过程参数作为输入，和/或其中所述统计模型包括输入和/或输出彼此不同的多个统计模型。
6.根据前述权利要求中任一项所述的方法，其中比较预测的多组指示细胞状态转变过程的一个或多个指标的步骤包括：获得一个或多个指标的组的序列，其中每个组与时间点序列中的时间点相关，以及确定一个或多个指标的组的变化率和/或变化方向随时间的变化，
7.根据前述权利要求中任一项所述的方法，其中比较预测的多组指示细胞状态转变过程的一个或多个指标的步骤包括：获得多组与相同时间点和除干预措施的时间点之外的至少一个过程参数的相应候选值相关的一个或多个指标，以及比较多组一个或多个指标的值以确定适合于实现细胞状态转变的至少一个过程参数的候选值；可选地，其中所确定的候选值是与多组一个或多个指标中的一个或多个指标的最佳值相关的候选值。
8.根据前述权利要求中任一项所述的方法，其中所述一个或多个过程参数包括干预措施的时间点，并且多组指示细胞状态转变过程的一个或多个指标包括所述一个或多个指标的组的序列，并且所述方法还包括通过一个或多个指标的组的序列来确定获取细胞群的其他图像的...
【专利技术属性】
技术研发人员：埃尔莎·索尔曼·保罗森，里卡德·乔格伦，卡尔帕纳·巴尔内斯，理查德·威尔士，贝伦德·范·梅尔，玛塞拉·迪亚斯·布雷西亚，克里斯汀·马默里，
申请(专利权)人：赛多利斯司特蒂姆数据分析公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。