La culture cellulaire est une technologie fondamentale largement utilisée dans tous les domaines tels que la production pharmaceutique, la médecine régénérative, les sciences alimentaires et l'ingénierie des matériaux. Une composante essentielle de la culture cellulaire réussie est la culture de la culture du milieu, contenant des nutriments essentiels qui soutiennent la croissance cellulaire. Par conséquent, l'optimisation du support de culture pour des applications spécifiques est vitale. Récemment, l'apprentissage automatique est devenu un outil puissant pour une optimisation efficace des médias. Cependant, les données expérimentales utilisées pour former ces modèles présentent souvent une variabilité biologique causée par des fluctuations du comportement cellulaire et du bruit des procédures ou équipements expérimentaux. Cette variabilité peut réduire considérablement la précision prédictive des modèles d'apprentissage automatique.
Dans cette étude, les chercheurs ont développé un modèle d'apprentissage automatique qui explique explicitement la variabilité biologique et l'a appliqué pour identifier des formulations optimales pour les milieux de culture sans sérum. Les cellules CHO-K1 (dérivées de l'ovaire de hamster chinois) ont été cultivées dans divers milieux, et les concentrations cellulaires ont été mesurées pour quantifier la variabilité biologique. Les chercheurs ont intégré des données sur la composition moyenne, la variabilité biologique et la densité cellulaire dans un cadre d'apprentissage automatique qui combinait plusieurs algorithmes. Ils ont en outre utilisé un cycle itératif de l'apprentissage actif et de la formation des modèles et de la validation expérimentale.
En conséquence, ils ont développé avec succès un milieu de culture sans sérum qui a atteint une densité cellulaire environ 1,6 fois plus élevée par rapport aux produits disponibles dans le commerce. Étant donné que le milieu a été spécifiquement optimisé pour les cellules CHO-K1, l'étude a démontré la capacité du modèle à saisir les besoins nutritionnels uniques des types de cellules individuelles. Ces résultats devraient aider à développer des milieux de culture plus efficaces pour la fabrication pharmaceutique et la médecine régénérative. Étant donné que la variabilité biologique est inhérente aux expériences biologiques, l'approche proposée détient une large applicabilité dans divers domaines de la recherche biologique.
Ce travail a été soutenu par les numéros de subvention JSPS KAKENHI 21K19815 et 25K22838 (à BWY) et JP25KJ0680 (à Th).
