AI驱动的紫外线技术提供了细胞培养的快速污染检查

一组研究人员开发了一种新颖的方法，可以在制造过程中早期快速自动检测和监测细胞治疗产品（CTP）中的微生物污染。

通过测量细胞培养液的紫外线（UV）光吸光度并利用机器学习识别与之相关的光吸收模式微生物污染，这种初步测试方法旨在减少不育测试所需的整体时间，随后，患者需要等待CTP剂量的时间。对于及时治疗可以为绝症患者挽救生命，这一点尤其至关重要。

细胞疗法代表了医学方面有希望的新领域，尤其是通过操纵或替换细胞恢复功能或抗击疾病的治疗疾病，例如癌症，炎症性疾病和慢性退行性疾病。但是，CTP制造中的主要挑战是快速有效地确保在对患者施用之前在给患者施用之前没有污染。

基于微生物方法的现有无菌测试方法是劳动密集型的，需要长达14天才能检测污染，这可能会对需要立即治疗的严重患者产生不利影响。

虽然诸如快速微生物方法（RMM）之类的先进技术可以将测试期降低到7天，但它们仍然需要复杂的过程，例如提取细胞和生长富集培养基，并且高度依赖于熟练的人力来进行类型提取，测量，测量和分析。

这迫切需要新方法，这些方法提供了更快的结果，而不会损害满足患者使用时间表的CTP的质量，并且具有简单的工作流程，而不需要其他准备工作。

在一篇题为“机器学习辅助紫外线吸光度光谱方面用于细胞治疗产品中微生物污染”的论文中出版在日记中科学报告，智能营的研究人员描述了他们如何将UV吸光度光谱谱图组合起来，以开发一种机器学习辅助方法，用于在制造的早期阶段对细胞污染的无标签，非侵入性和实时检测。

该方法比传统的无菌测试和RMM具有显着优势，因为它消除了细胞染色以识别标记的生物的需求，使其无标记，避免了细胞提取的侵入性过程，并在半小时内提供了结果。

它提供了直观的，快速的“是/否”污染评估，促进了细胞培养抽样的自动化，简单的工作流程不需要额外的孵化期，生长富集培养基和人力。此外，开发的方法不需要专门的设备，从而降低了成本。

“这种快速，无标签的方法设计为CTP的初步步骤制造过程作为连续安全测试的一种形式，允许用户尽早检测污染并实施及时的纠正措施，包括仅在检测到可能的污染时使用RMM。这种方法节省了成本，优化资源分配最终，加速了整体制造时间表，” Smart Camp的高级研究工程师，论文的第一作者Shruthi Pandi Chelvam说。

“传统上，细胞疗法的制造是劳动密集型的，并且会受到操作员的可变性。通过引入自动化和机器学习，我们希望简化细胞疗法制造并降低污染的风险。

具体而言，我们的方法支持以指定间隔的自动细胞培养抽样来检查是否污染，从而减少了手动任务，例如提取，测量和分析。这使得能够连续监测细胞培养物，并在早期阶段检测到污染物。”

向前迈进，未来的研究将着重于扩大该方法涵盖更广泛的微生物污染物的应用，特别是那些代表当前良好制造实践（CGMP）环境和先前确定的CTP污染物的方法。

此外，除MSC以外，还可以在更多的细胞类型上测试模型的鲁棒性。超过细胞疗法制造方法，该方法也可以作为微生物质量控制测试的一部分应用于食品和饮料行业，以确保食品符合安全标准。

这项工作包括来自制造个性化中等医学中关键分析（CAMP）的研究人员，这是新加坡新加坡新加坡研究与技术研究与技术联盟的跨学科研究小组（IRG），与马萨诸塞州技术研究所（MASCACHUSETTS Institute of Technology）（MIT）合作，A*Star Skin Research Labs（A*Srl）和Nations Sillians Sillians Silliance of Massachusetts Institute of Massachusetts of Massachusetts of Massachusetts（MASSACHUSETT）。