打破细胞“黑箱”：Gibco™ Multi-omics 培养基优化策略

2023-06-21

Gibco™ Multi-omics 培养基优化策略打破生物工艺“黑箱”，知其然，更知其所以然。培养基是生产生物药的基础，工艺开发者们日以继夜对现有培养基配方进行改进，期望细胞可以获得更好的表现。但细胞内部反应和调控机制异常复杂，难以追踪和观测，是传统培养基配方开发和优化过程中的难以突破的“黑箱”。由于“黑箱”的存在，传统培养基优化策略被迫采用分析培养上清液中的成分消耗，或者寻找成分与产品属性间相关性等间接方法，指导配方开发及优化。该策略在过去改善了绝大多数目录和定制培养基的培养效果，但溶解度问题和可供分析数据的缺乏，极大的限制了该策略在工艺中后期的使用，通常表现为难以发现进一步优化方向或者优化效果不明显。如今，Gibco™ 的工艺开发人员使用组学技术与细胞对话，实现对“黑箱”内部的观察，结合行业领先的培养基开发经验，针对生物制药行业推出了新一代多组学技术驱动培养基优化解决方案（Gibco™ Multi-omics Media Development），真正做到知其然，知其所以然，最大程度发挥您细胞系的潜力。打破细胞“黑箱” 发挥细胞系潜力1Gibco™ Multi-omics 培养基开发策略组学（Omics）是系统生物学的概念，指研究某一类分子集合及其相互调控关系的学科，通常根据研究目标的可分为以 DNA 为目标的基因组学、针对 RNA 的转录组学、研究蛋白的蛋白组学和研究代谢物的代谢组学四个大类。组学研究的优势在于该策略不再依赖人为选择研究靶标，在单次分析中获取大量的分子水平变化，因此可以给开发人员提供更加全面、客观的分子变化及通路调控有关的数据集。图1 传统研究策略 vs 组学研究策略[1]在 Gibco 工艺开发人员手中，组学技术成为了解析细胞“黑箱”的强大工具，使我们可以更好理解细胞的需求，并从需求出发对培养基配方进行理性设计和优化。Gibco™ Multi-omics 培养基优化解决方案选择使用代表细胞功能的蛋白组学和代表细胞表型的代谢组学两种组学联合分析，该种组合策略可以很好的阐明细胞培养过程中的相关通路和代谢机制。基于分析结果，开发人员可以通过调整培养基成分实现抑制冗余代谢功能、激活药物生产相关通路或者补足代谢缺口等策略，挖掘细胞系潜力，提升药物产量和质量。图2 传统策略 vs Gibco™ Multi-omics 策略*通路图片源自 reactome.org2Gibco™ Multi-omics 技术平台常见的组学研究出于对数据量的追求，几乎都基于高通量检测平台开展。诸如当前基因组学和转录组学的研究通常基于新一代测序（Next-Generation Sequencing，NGS）平台开展实验，而蛋白组学和代谢组学则更多利用液相质谱联用系统（Liquid Chromatograph Mass Spectrometer, LC-MS）进行分析，这类技术平台使得研究者可以同时对生物样本中的成千上万的分子进行定性和定量。Gibco™ 培养基开发的多组学平台选择Thermofisher™ 超高分辨率质谱 Obritrap 系列（如图 3 所示）对样本中的蛋白和代谢物进行，目前已经可以在细胞样本中实现 7000+蛋白和 1000+代谢物的定性和定量。图3 Gibco™ 培养基优化组学平台仪器3Gibco™ Multi-omics 驱动的培养基优化技术流程Gibco™ Multi-omics 培养基开发策略是一种理性设计，其核心是通过精确分析细胞内部调控机制，发现于生产功能相关的靶点或者通路，再通过调整培养基施加控制。通过组学分析比较不同生长和生产情况下的细胞株，可以快速获得目标特征对应的调控机制。首先基于 Gibco 的培养基开发经验，针对目标的细胞株设计差异化的培养基 Panel 并行培养。如图 4 所示，记录细胞的生长情况后获取样本，然后对细胞样本进行多组学分析，对培养基上清液样本进行代谢组学分析。为保证充分考察目标细胞株在不同环境中的表现，我们通常会使用 100 份以上的细胞样本以及数百份的培养基上清用于组学分析。图4 Gibco™ Multi-omics 培养基优化策略开发流程利用生物信息学处理与整合上百份的样本产生的海量数据，如图 5 所示即为 CHO 细胞在某种培养基中蛋白表达热图，开发者可以通过其快速筛选与生产相关蛋白模块，并以此为基础，输出候选方案、构建和验证培养基配方。图5 CHO 细胞在某种工艺下的蛋白表达热图*源自 Gibco™ Multi-omics 培养基优化实际项目通过 Gibco™ Multi-omics 培养基优化策略，最终我们可以实现向客户提供配方开发、配方优化及优化后配方的 GMP/非 GMP 生产服务。4Gibco™ Multi-omics 培养基优化实际案例本案例中，客户使用CHO细胞进行抗体药物生产，为控制生产成本提升生产效率，在自有开发平台开展传统培养基优化实验，产量未能得到提升。现希望通过Gibco™ Multi-omics培养基优化服务提升抗体产量。Gibco™研究团队根据细胞系和工艺特征设计了Panel培养基对细胞进行培养基，记录不同情况下的细胞生长参数，并分别制备用于Multi-omics分析使用的细胞与培养基样本。如图6所示，借助生物信息学对8000+蛋白及代谢物组成的数据集进行呈现，发现在不同培养基和不同培养阶段中，CHO细胞的调控和代谢模式表现出显著差异，这些差异出现在分子表达、通路及代谢物流动方向等各个方面。图6 案例中部分Multi-omics数据如图7和图8所示，在对数据进行分析和解释前，需要对数据质量进行评估，结果显示代谢和蛋白数据分布稳定可控，可以进行数据分析。图7 案例中部分代谢物质控数据图8 案例中部分蛋白质控数据如图9所示，团队结合Gibco™内部数据库，对Multi-omics数据进行了解释和筛选，最终确定了一类与产量有关的分子/通路，而这一类指标几乎很少在传统优化策略中被考虑到。图9 部分候选分子与产量的关系如图10所示，通过以新分子作为靶点，研究团队对培养基配方进行了优化，相比原配方，新的5种配方使产量实现了3倍提升。图10 优化配方VS原配方赛默飞培养基优化服务赛默飞生物工艺部门基于 Gibco 行业领先的培养基开发经验，现对外提供多种类型的培养基优化服务：Gibco™ Multi-omics Media Development；CHO、HEK293 细胞株优化 panel 培养基；Gibco™ Rapid Prototype（配方快速生产服务）；传统策略优化服务；以满足您在任何工艺阶段的个性化培养基开发需求，期待您的咨询。引用文献：Fields S . Proteomics in Genomeland[J]. Science, 291.识别微信二维码，添加生物制品圈小编，符合条件者即可加入生物制品微信群！请注明：姓名+研究方向！版权声明本公众号所转载文章系传递更多信息之目的，仅为传递更多信息之目的，且明确注明来源和作者，不希望被转载的媒体或个人可与我们联系(cbplib@163.com)，我们将立即进行删除处理。所有文章仅代表作者观点，不代表本站立场。