Overvågning af celletæthed i realtid er afgørende for at forbedre produktionen af dyrket kød. Traditionelle metoder, som trypanblå assays, er langsomme, tilbøjelige til kontaminering og overser ofte hurtige ændringer i cellevækst. Realtidsmåling giver kontinuerlige data, der muliggør præcise næringsjusteringer, tidlig opdagelse af problemer og ensartet produktkvalitet.
Forskellige analytiske metoder til overvågning af levende celler inkluderer:
- Biokapacitanssensorer: Måler levedygtige celler ved at detektere intakte membraner. Scanningsfrekvenssystemer reducerer fejl til 5,5–11%.
- Optiske turbiditetssensorer: Sporer total celletæthed gennem lysspredning, men kan ikke skelne levende fra døde celler.
- RF Impedansovervågning: Ideel til høj-densitetssystemer, med fokus på levende celler i mikro-bærer eller immobiliserede opsætninger.
- Raman-spektroskopi: Tilbyder detaljeret kemisk profilering, identificerer levedygtige celler og metabolitter.
- NIR-spektroskopi: Sporer flere parametre hurtigt, men har problemer med overlappende signaler.
Hver metode har styrker og begrænsninger, hvilket gør kalibrering og validering afgørende for nøjagtighed. Platforme som
Incyte Arc: Real-Time Viable Cell Density Monitoring for Smarter Bioprocess Control
sbb-itb-ffee270
Teknologier til realtidsmåling af celletæthed
Sammenligning af teknologier til realtidsmåling af celletæthed for dyrket kød
For at imødekomme behovet for kontinuerlig procesfeedback tillader forskellige sensorer til bioreaktorer for dyrket kød nu præcis realtidsmåling af celletæthed. Hver metode tilbyder en unik tilgang, der henvender sig til enten levedygtige celler eller total biomasse, afhængigt af processens specifikke behov.
Biokapacitans-baserede sensorer
Biokapacitanssensorer fungerer ved at anvende et elektrisk felt til en cellesuspension. Levende celler, med intakte membraner, fungerer som små kondensatorer. Deres membraner forhindrer ioner i cytoplasmaet i at passere igennem, hvilket forårsager polarisering og skaber en målbar ladning.Døde celler mangler dog intakte membraner og bidrager ikke til signalet[1].
Denne teknik er afhængig af β-dispersion, hvor celler fuldt polariserer ved frekvenser under 100 kHz, hvilket resulterer i høj permittivitet. Ved at scanne et frekvensområde (50–20.000 kHz) og anvende multivariat analyse, kan disse sensorer korrigere for ændringer i celle størrelse. Denne justering reducerer målefejl fra 16–23% til et meget lavere område på 5,5–11%[1].
For at sikre nøjagtighed skal proben først nulstilles i sterilt medium før inokulation, efterfulgt af kalibrering ved hjælp af den kendte koncentration af celler i starten. Enheder som Aber FUTURA pico integreres problemfrit i bioreaktorer og giver friske aflæsninger hvert 30. sekund.Disse sensorer er yderst effektive til celler i suspension, fastgjort til mikro-carriers eller immobiliseret i faste senge - scenarier hvor traditionelle tællemetoder ofte kommer til kort[1][2].
Til måling af den samlede biomasse tilbyder optiske metoder en anden levedygtig mulighed.
Optiske Turbiditetssensorer
Optiske turbiditetssensorer bestemmer den totale celletæthed ved at måle det lys, der spredes af alle partikler i kulturen, inklusive levende celler, døde celler og affald. Selvom disse sensorer ikke kan skelne mellem levedygtig og ikke-levedygtig biomasse, er de særligt nyttige, når forholdet mellem levende og døde celler forbliver stabilt gennem processen. Kalibrering involverer korrelation af turbiditetsmålinger med offline celletællinger på forskellige stadier af kulturen. Disse sensorer kan installeres inline eller i bypass-sløjfer, hvilket giver kontinuerlig overvågning for at hjælpe med at bestemme det optimale høsttidspunkt.
Radiofrekvens Impedans Overvågning
Radiofrekvens (RF) impedans overvågning deler nogle principper med biokapacitans sensorer, med fokus på at detektere celler med intakte membraner, mens døde celler og affald ignoreres[1][2]. Denne metode er særligt velegnet til systemer, der involverer immobiliserede celler eller mikrobærer kulturer, hvor offline prøvetagning kan være vanskelig. RF impedans kan håndtere levedygtige cellekoncentrationer, der overstiger 10 millioner celler/mL i fed-batch processer, hvilket gør det til et e
| Teknologi | Mål | Nøglestyrke | Begrænsning |
|---|---|---|---|
| Biokapacitans (Enkelt Frekvens) | Levedygtigt Cellevolumen | Enkel implementering | Følsom over for diameterændringer (16–23% fejl)[1] |
| Biokapacitans (Scanning) | Levedygtig Cellekoncentration | Tilpasser sig størrelsesændringer (5.5–11% fejl)[1] | Kræver multivariat analyse |
| Optisk Turbiditet | Total Celletæthed | Registrerer samlet biomasse | Kan ikke skelne mellem levedygtige og døde celler[2] |
| RF Impedans | Levende Celle Bio-volumen | Fungerer godt med mikro-carriers og faste senge | Kræver sonde-specifik kalibrering |
Spektroskopiske Metoder til Multi-Parameter Analyse
Spektroskopiske metoder tager procesovervågning til det næste niveau ved at gå ud over enkelt-parameter målinger som dem, der leveres af kapacitans- og turbiditetssensorer.Disse teknikker analyserer, hvordan lys interagerer med molekyler i kulturen, og tilbyder indsigt i realtid i ikke kun celleantal, men også næringsstofniveauer, metabolitkoncentrationer og andre vigtige procesvariabler. Ved at skabe detaljerede kemiske profiler supplerer de kapacitans- og turbiditetssensorer, hvilket giver rigere data til bedre beslutningstagning.
Raman-spektroskopi
Raman-spektroskopi fungerer ved at måle den uelastiske spredning af lys. Når en laser (normalt ved 785 nm) rammer en prøve, skifter det spredte lys i bølgelængde baseret på de kemiske bindinger af de molekyler, det møder. Denne metodes præcise kemiske profilering gør det muligt at skelne levedygtige celler fra døde og at identificere individuelle metabolitter såsom glukose, laktat, glutamin, glutamat og ammonium - alt sammen uden at forstyrre systemet[3] [5].
En af Ramans vigtigste fordele er dens lave følsomhed over for vand, en almindelig interferens i infrarøde metoder. Dette gør den særligt velegnet til de næringsrige miljøer, der findes i produktionen af dyrket kød[3][5]. Teknologien kan implementeres ved hjælp af fiberoptiske nedsænkningssonder eller ved at måle gennem bioreaktorens udsigtsporte, hvilket sikrer, at steriliteten opretholdes gennem hele processen[4][5].
Mellem 2010 og 2011 demonstrerede forskere hos Bristol-Myers Squibb potentialet af in-line Raman spektroskopi i 500-L bioreaktorer. Ved hjælp af et Kaiser Optical Systems RamanRXN3 instrument udviklede de kalibreringsmodeller med determinationskoefficienter (R²) på 0,928 for levedygtig celletæthed (VCD) og 0,927 for total celletæthed (TCD). Den gennemsnitlige fejl var omkring 14.9%, sammenlignelig med 10% fejlmarginen for referencemetoden selv[3] .
"Raman spektroskopi... ser ud til at være den mest lovende spektroskopiske metode til in-line analyse af komplekse cellekultursystemer." - Nicholas R. Abu-Absi, Process Sciences, Bristol-Myers Squibb[3]
For at sikre nøjagtige resultater bør systemet kalibreres ved hjælp af offline data sammen med PLS-regression. Anvendelse af første afledte og SNV-korrektioner kan hjælpe med at reducere baseline skift og fluorescensinterferens[3][4]. Når nye data bliver tilgængelige, bør kalibreringsmodeller opdateres for at tage højde for variationer mellem kørsler[3][4]. For dyrket kød applikationer, platforme som
Nær-infrarød (NIR) spektroskopi
Mens Raman-spektroskopi er e
NIR-systemer opfanger primært celletæthedssignaler gennem baseline-effekter forårsaget af lysspredning[6]. I studier med HEK293 cellekulturer sporede NIR med succes levedygtige cellepopulationer ved tætheder på 8,5–9,0 × 10⁶ celler/mL, med korrelationskoefficienter fra 0,926 til 0.995 på tværs af forskellige parametre[6].
Men NIR-spektre er brede og overlappende, hvilket gør dem sværere at fortolke sammenlignet med Raman. Mens NIR udmærker sig i hastighed og enkelhed, kan det ikke matche Ramans evne til at skelne mellem levedygtig og total celletæthed baseret på biokemiske forskelle[3]. Valget mellem disse metoder afhænger i sidste ende af dine specifikke behov: NIR er ideel til hurtig, ligetil overvågning, mens Raman er bedre til detaljeret kemisk analyse og sporing af levedygtighed.
Validering og Korrelation af Real-Time Data
Korrelation med Offline Analytiske Data
Real-time sensorer kræver præcis kalibrering ved hjælp af offline referencemetoder for at sikre pålidelige data. For eksempel er enkeltfrekvensmålinger effektive til at spore levedygtigt cellevolumen, takket være deres følsomhed over for ændringer i cellediameter.
Frekvensscanning, som måler permittivitet over et bredt frekvensområde (typisk 50 til 20.000 kHz), tilbyder en mere nuanceret tilgang. Disse data indgår i Multivariat Dataanalyse (MVDA), hvilket muliggør differentiering mellem ændringer i celle størrelse og celle antal. Nøjagtig kalibrering er afgørende for at opretholde produktionskvalitet, især når der foretages justeringer i realtid. Et bemærkelsesværdigt eksempel kommer fra oktober 2019, da forskere hos Sartorius Stedim Biotech validerede en inline kapacitansprobe i 250 mL bioreaktorer ved brug af CHO-celler. De udviklede en Ortogonal Partial Least Squares (OPLS) model baseret på data fra fem standard fed-batch kultiveringer, der scannede permittivitet ved 25 forskellige frekvenser. Denne tilgang gjorde det muligt for modellen at forudsige levedygtige cellekoncentrationer (VCC'er) over 10 millioner celler/mL, hvor frekvensscanning signifikant reducerede fejl sammenlignet med enkeltfrekvensdata [7].
"Modellen gav en forudsigelse af VCC'er med relative fejl fra 5,5 til 11%, hvilket er i god overensstemmelse med acceptkriteriet baseret på offline referencemetodens nøjagtighed (ca. 10% relativ fejl) og stærkt forbedret sammenlignet med enkeltfrekvensresultater (16 til 23% relativ fejl)." – Springer Nature [7]
For yderligere at forbedre nøjagtigheden hjælper anvendelsen af et Savitzky-Golay filter (anden orden) med at minimere signalstøj før sammenligning. Derudover forbedrer udførelse af en enkeltpunktskalibrering ved inokulationsstadiet sensorens præcision [7]. Disse trin lægger samlet set grundlaget for pålidelig validering på tværs af forskellige operationelle scenarier.
Valideringsprotokoller
Når kalibreringen er adresseret, sikrer streng validering, at processen forbliver pålidelig. En effektiv metode er Leave-One-Batch-Out (LOB) validering. Dette involverer at skabe flere modeller ved systematisk at udelukke en batch fra træningsdatasættet og bruge den som et testdatasæt til at evaluere den prædiktive ydeevne.
Robusthedsprøver er et andet kritisk skridt. I 2019-studiet introducerede forskere bevidste procesafvigelser, såsom et 30% fortyndingstrin og ændrede fodringsstrategier, for at teste MVDA-modellens pålidelighed under ikke-standardiserede forhold. Selv med disse variationer leverede modellen nøjagtige forudsigelser, med relative fejl mellem 6,7% og 13,2%. Dette niveau af pålidelighed er særligt vigtigt for dyrket kødproduktion, hvor procesvariabilitet er almindelig under opskalering.
Endelig skal der fastsættes realistiske acceptkriterier, der er i overensstemmelse med den iboende 10% fejlmargin for offline metoder som trypan blue assays. Anvendelse af standardiserede dyrkede kødsinput kan yderligere hjælpe med at stabilisere disse baselines.Ved at etablere en 10% relativ fejlgrænse for realtids sensorer sikrer du validering mod en praktisk standard fremfor at jagte uopnåelige præcisionsniveauer [7].
Integration af realtids overvågning i proceskontrol
Udvikling af soft sensormodeller
Når kalibreringen er sat, er det næste afgørende skridt at inkorporere sensorudgange i proceskontrol. Efter validering af realtids sensorer skifter fokus til udvikling af soft sensormodeller. Disse modeller omdanner rå sensor data til handlingsrettede indsigter, ofte ved hjælp af algoritmer som Partial Least Squares (PLS) eller Orthogonal Partial Least Squares (OPLS). Disse metoder hjælper med at forbinde komplekse online signaler, såsom multifrekvens kapacitans scanning, til kritiske procesmål som levedygtig cellekoncentration (VCC).
For at bygge disse modeller har du brug for parrede online og offline data.Forbehandlingsskridt - som middelcentrering og skalering - er essentielle, før modellen trænes med standard dyrkningsdata. Et bemærkelsesværdigt eksempel kommer fra Sartorius Stedim Cellca GmbH, hvor forskere brugte en Aber Instruments FUTURA pico probe med CHO-cellekulturer. Deres prædiktive modeller opnåede relative fejl mellem 5,5% og 11%, en klar forbedring i forhold til enkeltfrekvensmålinger, som typisk viser fejl i området fra 16% til 23% [7].
Implementeringen af disse modeller muliggør automatiske procesjusteringer. For eksempel, i produktionen af dyrket kød ved brug af mikro-carriers eller faste senge, radiofrekvensimpedanssensorer tilbyder en unik fordel. De understøtter dynamisk næringsstofindføring og affaldsfjernelse, baseret på levedygtigt cellevolumen. Som John P. Carvell og Jason E.Dowd fremhævede:
"RF Impedans anvendes til at overvåge koncentrationen af levende celler immobiliseret på mikro-carriers eller pakkede senge i cGMP-processer, hvor traditionelle offline metoder til tælling af levende celler er unøjagtige eller umulige at udføre" [2].
Dette niveau af integration forbedrer ikke kun proceskontrollen, men baner også vejen for at opfylde regulatoriske rammer, som udforskes næste.
Tilpasning til PAT-rammer
Inden for produktion af dyrket kød sikrer kombinationen af realtidsmonitorering med Process Analytical Technology (PAT) og Quality-by-Design (QbD) principper både overholdelse af regler og operationel effektivitet. Processen begynder med at identificere Kritiske Kvalitetsattributter (CQAs) og Kritiske Procesparametre (CPPs). Dette kræver tværfunktionelt samarbejde blandt R&D, kvalitetskontrol og regulatoriske teams [8]. En faseopdelt tilgang fungerer bedst: definér klare mål, vælg passende værktøjer, udfør fejlanalyse, integrér med SCADA/MES-systemer, træn personale, og skalér op med validering [8].
For eksempel anvendte et globalt biofarmaceutisk firma i januar 2026 med succes denne PAT-integrerede strategi under en teknologioverførsel på tværs af kontinenter. Resultaterne? Kommerciel skala batchafvigelsesrater under 2% og en 30% reduktion i batchdispositionstidslinjer sammenlignet med tidligere kampagner [8].
Overgangen til Kontinuerlig Procesverifikation (CPV) flytter fokus fra retrospektiv testning til proaktiv, realtidskontrol. Biokapacitanssensorer, for eksempel, overvåger levedygtig celletæthed og vækstkinetik, mens de styrer næringsstofindførsel. Denne tilgang opfylder ikke kun CPV-standarder, men uddyber også procesforståelsen [8]. Kemisk og bioprocesingeniør Akanksha Prasad opsummerede det godt:
"PAT er ikke længere noget, der blot er rart at have. Det er blevet fundamentet for at fremstille næste generations medicin sikkert, effektivt og i stor skala" [8].
Det samme princip gælder for produktion af dyrket kød. Konsistent cellevækst og produktkvalitet kræver en streng tilgang til proceskontrol og overholdelse.
For dem i sektoren for dyrket kød kan platforme som
Praktiske overvejelser for implementering
Valg af den rigtige teknologi
Valget af det rigtige overvågningssystem afhænger af dine specifikke målmål.For eksempel er enkeltfrekvens kapacitanssensorer ofte forbundet med levedygtigt cellevolumen (VCV) snarere end levedygtig cellekoncentration (VCC). Dette skyldes, at deres signal afspejler både celleantal og ændringer i cellestørrelse, hvilket nogle gange kan resultere i oppustede aflæsninger - især når celler er under stress eller aldring.
På den anden side måler frekvensscanningssystemer kapacitans over et frekvensområde (typisk 50 til 20.000 kHz). Disse systemer er afhængige af multivariate modeller til at adskille ændringer i cellestørrelse fra den faktiske celletæthed, hvilket betydeligt reducerer forudsigelsesfejl sammenlignet med enkeltfrekvenssystemer.
Radiofrekvensimpedans forbliver et populært valg på grund af dets overkommelige pris og dets følsomhed over for levedygtige celler. Døde celler og urenheder polariserer ikke, hvilket betyder, at de ikke forstyrrer signalet.Når du beslutter dig for et system, skal du tænke på, hvor nemt det integreres med sterile bioreaktor-miljøer, og om det fungerer med engangs- vs genanvendelige bioreaktorer. Avancerede teknologier, som Raman-spektroskopi eller frekvens-scannings kapacitans, kræver multivariate modelleringsmetoder (e.g. , OPLS eller PLS) for at fortolke deres komplekse datasæt [7].
For producenter af dyrket kød kan platforme som
Når du har valgt et system, er nøjagtig kalibrering og effektiv fejlfinding nøglen til at opretholde pålidelige målinger.
Kalibrering og Fejlfinding
For at sikre nøjagtige aflæsninger skal du starte med at nulstille kapacitansproben i sterilt medium før inokulation.Dette trin sikrer, at kun vækstrelaterede ændringer opdages. Udfør derefter en enkeltpunktskalibrering ved at justere den online baneoffset med din kendte inokulationscellekoncentration. For pålidelige forudsigelser skal du træne multivariate modeller ved hjælp af data fra mindst fem standardkultiveringer for at tage højde for variationer som forskellige mediepartier. Anvendelse af et Savitzky–Golay-filter (anden polynomisk orden) kan hjælpe med at reducere signalstøj og udjævne udsving. Mens online systemer er kraftfulde, forbliver daglige offline målinger essentielle. Hvis offline resultater afviger ud over en fastsat tærskel (e.g. , 0,05 enheder for pH), skal du kalibrere dit online system igen [7].
Signaldrejning er en anden udfordring, ofte forårsaget af ændringer i cellediameter på grund af næringsbegrænsninger, stress eller aldring. Multifrekvensscanningssystemer kan løse dette ved at bruge multivariat analyse til at tage højde for disse variationer.
Offline reference metoder, såsom trypan blå assays, har typisk en målefejl på omkring 10%. I stedet for at forvente nul afvigelse, valider nøjagtigheden af dit online system mod denne margin. Derudover kan implementering af Batch Evolution Models (BEM) hjælpe med at etablere "gyldne batch" forløb. Disse modeller fungerer som automatiserede alarmer, der markerer procesafvigelser i realtid [7].
Konklusion
Overvågning af celletæthed i realtid er blevet en kritisk komponent i produktionen af dyrket kød. Kontinuerlig sporing af levedygtige cellekoncentrationer tilbyder klare fordele: reduktion af medieomkostninger med automatiseret fodring, hurtig identifikation af procesafvigelser og minimering af kontaminationsrisici. Som et forskerteam fremhævede, "VCC er stærkt forbundet med produkttitre og betragtes også som en procesattribut. Overvågning af VCC muliggør procesoptimering og kontrol, der fører til højere titere og effektive processer" [1].
Dagens teknologilandskab tilbyder flere pålidelige løsninger. Blandt dem skiller frekvensscanningssystemer kombineret med multivariate modeller sig ud ved at levere nøjagtighed, der kan sammenlignes med offline metoder.
For at implementere disse systemer effektivt er omhyggelig planlægning afgørende. Succes afhænger af robust kalibrering gennem flere træningskørsler og konsekvent offline verifikation.
For producenter af dyrket kød, der søger cellelinje-specifikke overvågningsværktøjer,
Efterhånden som operationerne vokser, øges værdien af realtidsdata. Batch Evolution Models gør det muligt for dig at definere "gyldne batch" forløb, automatisk identificere afvigelser før de kan påvirke produktkvaliteten [1] . Denne ændring gør cellemasseovervågning til et strategisk aktiv for at forbedre processer og reducere risici.
Ofte stillede spørgsmål
Hvilken sensor skal jeg bruge til levedygtig celletæthed vs total biomasse?
Kapacitanssensorer er en god mulighed for at måle levedygtig celletæthed, fordi de registrerer kapacitansen genereret af polariserede cellemembraner. Dette gør dem direkte knyttet til tilstedeværelsen af levende celler, hvilket muliggør effektiv overvågning i realtid.
Det sagt, er disse sensorer ikke det bedste valg til måling af total biomasse. Da de primært fokuserer på levende celler, tager de ikke højde for døde celler eller den samlede biomasse. Til levedygtig celletæthed forbliver kapacitanssensorer dog den foretrukne løsning.
Hvordan kalibrerer og validerer jeg en inline kapacitansprobe?
For at kalibrere en inline kapacitansprobe, start med at bruge kendte cellekoncentrationer opnået fra offline metoder som celleoptælling. Dette giver dig mulighed for at matche kapacitansaflæsninger med faktiske celletal. Validering involverer test af proben under forskellige celletætheder og mediebetingelser for at bekræfte dens nøjagtighed og konsistens. Det er også vigtigt at udføre regelmæssige kalibreringstjek mod offline målinger, især når produktionen skaleres op eller mediebetingelser ændres. Dette sikrer, at sonden fortsætter med at levere pålidelige målinger af levedygtig celletæthed.
Hvordan omdanner jeg online signaler til bløde sensorer til foderkontrol?
For at omdanne online signaler til bløde sensorer til foderkontrol i produktion af dyrket kød, kan du stole på real-time sensor data, såsom kapacitans frekvensscanning. Ved at behandle disse signaler gennem multivariate modeller kan du estimere kritiske parametre som levedygtig celletæthed.
Kapacitansbaserede sensorer spiller en nøglerolle her. De måler cellemembranens kapacitans, hvilket direkte afspejler cellens sundhed. Når disse sensorudgange integreres i kontrolalgoritmer, bliver det muligt at automatisere næringsjusteringer og opretholde ideelle vækstbetingelser gennem hele processen.
