Jika Anda sedang membangun proses daging budidaya, pemetaan jalur metabolik membantu Anda memutuskan apa yang harus diberi makan, kapan harus memberikannya, dan sensors yang digunakan sebelum keadaan sel menyimpang.
Saya akan merangkum artikel ini menjadi: sel yang berkembang biak dan berdiferensiasi tidak menjalankan metabolisme yang sama, dan itu terlihat dalam penyerapan nutrisi, keluaran limbah, permintaan oksigen, dan sifat produk. Artikel ini juga membuat poin kedua: metabolomik ukuran kolam tidak cukup dengan sendirinya. Jika saya perlu tahu ke mana karbon pergi, saya memerlukan pelacakan isotop, analisis fluks, dan model skala genom yang dapat saya uji terhadap data laboratorium basah.
Berikut adalah versi singkat dari apa yang dibahas dalam artikel:
- Empat garis keturunan: sel satelit sapi, sel induk otot rangka babi, mioblas ayam, dan sel stroma mesenkimal
- Pergeseran jalur utama: proliferasi lebih bergantung pada glikolisis; diferensiasi lebih bergantung pada fosforilasi oksidatif mitokondria
- Kelompok jalur kunci: karbon sentral, asam amino, nukleotida, dan lipid
- Bacaan yang berguna: laktat, amonia, penyerapan asam amino, metabolit intraseluler, perubahan keadaan terkait NAD⁺/NADH, dan penanda media yang telah digunakan
- Alat fluks: pelacakan ¹³C dan analisis fluks metabolik untuk memisahkan ukuran pool dari perputaran
- Kontrol kualitas data: nomor pasase yang cocok, tahap pengambilan sampel yang ditentukan, pendinginan cepat, dan koreksi latar belakang media
- Model layer: model metabolik skala genom, termasuk model sapi BtaSBML2986 diterbitkan pada Desember 2024
- Penggunaan proses: desain media, penentuan waktu pemberian pakan, keputusan batch vs fed-batch vs perfusi, pemilihan lini, dan QC
Beberapa angka menonjol.Dalam sel induk otot rangka babi, satu studi melaporkan 94 metabolit intraseluler, dengan 24 tahap terkait dengan proliferasi dan 17 tahap terkait dengan diferensiasi . Itu bukan variasi acak. Ini menunjukkan perubahan keadaan yang jelas yang dapat Anda ukur dan gunakan.
Saya akan menggunakan artikel ini sebagai panduan untuk tumpukan pemetaan minimum:
- Mulai dengan media bekas LC-MS
- Tambahkan metabolomik intraseluler
- Gunakan pelacakan ¹³C-glukosa atau ¹³C-glutamin ketika data kumpulan tidak cukup
- Masukkan data ke dalam GEM
- Uji model dalam kultur, lalu perbarui
Itu adalah pesan utama: petakan jalur berdasarkan keadaan sel, bukan hanya berdasarkan spesies atau media, dan hubungkan data langsung ke desain pakan, peningkatan skala, dan QC.
Jika Anda bekerja di bioproses, kultur sel, atau R&D daging budidaya, artikel ini memberikan Anda jalur yang jelas dari biologi jalur ke keputusan proses sehari-hari.
Metabolic Pathway Mapping Stack untuk R&D Daging Budidaya
Jalur metabolik inti dalam garis sel daging budidaya
Metabolisme karbon sentral: glikolisis, siklus TCA, dan fosforilasi oksidatif
Dalam sel yang berkembang biak, glikolisis melakukan dua pekerjaan sekaligus: menyediakan ATP dan memberi makan biosintesis dengan perantara karbon. Kreatinin dalam sel yang berkembang biak menunjukkan pergantian kreatin-fosfat yang cepat, yang membantu menyeimbangkan permintaan ATP [3].
Saat sel berkomitmen untuk diferensiasi dan mulai membentuk miotubulus, pengaturan metabolik tersebut berubah.Konsumsi oksigen meningkat, aktivitas sitokrom c oksidase meningkat, dan fosforilasi oksidatif mitokondria menjadi sumber utama ATP [3]. Siklus TCA berada di pusat pergeseran ini. Ini menghubungkan produksi ATP dengan metabolisme asam amino dan menyediakan perantara yang dibutuhkan untuk pertumbuhan dan perkembangan miogenik [3]. Rasio NAD⁺/NADH adalah pembacaan yang berguna di sini: rasio yang lebih tinggi menunjukkan metabolisme oksidatif yang lebih aktif [3]. Sederhananya, diferensiasi datang dengan kebutuhan oksigen yang lebih tinggi.
Perubahan keadaan yang sama ini juga mengubah permintaan asam amino, nukleotida, dan lipid.
Metabolisme asam amino, nukleotida, dan lipid
Permintaan asam amino berubah selama periode kultur. Selama ekspansi, metabolisme alanin, aspartat, dan glutamat mendukung akumulasi biomassa [3]. Selama diferensiasi, metabolisme D-glutamin dan D-glutamat menjadi lebih menonjol dan membantu mendukung sintesis protein kontraktil seperti miosin dan aktin [3].
Kebutuhan nukleotida paling tinggi selama proliferasi, ketika sel membutuhkan sintesis DNA dan RNA untuk mendukung pembelahan. Pool kemudian meningkat selama diferensiasi untuk mendukung pembentukan miofibril [3].
Metabolisme lipid juga bergeser. Lisofosfatidiletanolamin (LysoPE) dan lisofosfatidilkolin (LysoPC) terdeteksi secara spesifik selama diferensiasi [3]. Lipid ini mendukung perombakan membran selama fusi mioblas, yang masuk akal ketika sel bergerak dari pertumbuhan ke pembentukan jaringan.
Metabolisme triptofan juga menonjol.Produk hilirnya, indolelactate, bertindak sebagai antioksidan selama diferensiasi dan membantu melindungi sel dari stres oksidatif selama fusi myotube [3]. Hal ini penting untuk kualitas produk akhir karena pembentukan myotube yang stabil mendukung integritas struktural jaringan daging yang dibudidayakan.
Bagaimana metabolisme berbeda di antara keadaan dan garis keturunan sel
Sebuah studi multi-omik dari sel induk otot rangka babi mengidentifikasi 94 metabolit intraseluler, dengan 24 metabolit yang berbeda berlimpah unik untuk proliferasi dan 17 unik untuk diferensiasi [3] . Itu adalah perpecahan metabolik yang jelas, bukan kebisingan latar belakang. Jenis sel yang sama menjalankan program biokimia yang berbeda tergantung pada tahap.
Garis sel primer vs terabadi berbeda dalam stabilitas metaboliknya, dan jumlah pasase menambah variabel lain.Dalam sel punca otot babi, passage 2 biasanya menunjukkan tingkat pertumbuhan tertinggi, sementara passage 3 menunjukkan penurunan yang signifikan dalam ekspresi gen penanda myogenik bersama dengan perubahan dalam kelimpahan metabolit [5] . Jika semua passage dianggap setara secara metabolik, desain media dan kontrol proses dapat menyimpang dari keadaan sebenarnya sel tersebut.
Perubahan ini dirangkum di bawah ini [3].
| Fitur | Keadaan Proliferasi | Keadaan Diferensiasi |
|---|---|---|
| Jalur energi utama | Glikolisis | Fosforilasi oksidatif mitokondria (OXPHOS) |
| Jalur asam amino kunci | Alanina, aspartat, dan glutamat | D-glutamin dan D-glutamat |
| Metabolit spesifik tahap | Asam aminoadipat, kreatinin | Indolelaktat, LysoPE, LysoPC |
| Kebutuhan oksigen | Lebih rendah | Lebih tinggi |
Keadaan proliferatif dan terdiferensiasi menunjukkan pola pengambilan dan sekresi yang berbeda, sehingga satu peta metabolik tidak akan cocok untuk setiap keadaan proses [1][2]. Tanda tangan jalur ini mendefinisikan pembacaan yang digunakan dalam metabolomik dan analisis fluks.
sbb-itb-ffee270
Alur kerja eksperimental untuk memetakan jalur metabolik
Analisis metabolomik dan media yang telah digunakan
Setelah jalur kunci ditentukan, langkah berikutnya adalah mengukurnya secara langsung.
Analisis media yang telah digunakan biasanya merupakan pembacaan praktis pertama dari perilaku jalur. Dengan membandingkan media segar dan yang telah digunakan, Anda dapat melihat nutrisi mana yang diambil oleh sel dan produk sampingan mana yang menumpuk. Alur kerja LC-MS atau GC-MS yang ditargetkan bekerja dengan baik untuk ini, terutama saat melacak laktat, amonia, dan nutrisi inti lainnya. Pembacaan ini memberi Anda pandangan langsung tentang permintaan dan stres kultur.
Media yang telah digunakan juga dapat bertindak sebagai penanda QC. Dalam sel punca otot rangka babi, γ-glutamyl-L-leucine, sitosin, dan ketoleucine adalah penanda kuat dari proliferasi yang tidak optimal [5]. Metabolomik intraseluler memberikan pandangan yang lebih langsung tentang aktivitas jalur di dalam sel. Sebuah UHPLC-Q-Exactive Orbitrap alur kerja spektrometri massa yang diterapkan pada sel punca otot rangka babi mengidentifikasi 94 metabolit intraseluler di berbagai tahap kemajuan miogenik [3] .
Ukuran pool memberi tahu Anda apa yang ada; pelacakan memberi tahu Anda apa yang bergerak.
Pelacakan isotop stabil dan analisis fluks metabolik
Data konsentrasi saja memiliki batas dasar: itu memberi tahu Anda ukuran pool metabolit, bukan seberapa cepat pool tersebut berputar. Sebuah metabolit dapat terlihat melimpah saat melakukan sangat sedikit, atau terlihat langka saat berputar cepat. Analisis fluks metabolik (MFA) menangani ini dengan menggunakan substrat berlabel ¹³C, seperti glukosa atau glutamin, untuk melacak ke mana karbon sebenarnya pergi [6].
Gunakan analisis fluks ketika Anda perlu mengetahui apakah glukosa atau glutamin mendukung produksi energi, pembentukan biomassa, atau keduanya. Ketika glukosa berlabel ¹³C diberikan kepada sel yang berkembang biak, label tersebut menyebar di seluruh perantara glikolisis, metabolit siklus TCA, dan produk biosintetik hilir dalam pola yang menunjukkan titik cabang mana yang aktif. Selama diferensiasi, pelacak yang sama dapat mengukur pergeseran menuju fosforilasi oksidatif. Perbedaan itu penting untuk desain strategi media dan pakan. Jika asam amino dibakar untuk energi alih-alih digunakan untuk sintesis biomassa, formulasi media diferensiasi perlu diubah [2][6].
Gunakan MFA ketika desain media bergantung pada fluks daripada ukuran pool.
Pilihan desain eksperimental yang mempengaruhi kualitas data
Nilai dari kedua pendekatan tergantung pada bagaimana sampel dikumpulkan.
Desain sampling menentukan apakah data dapat diinterpretasikan dengan keyakinan. Nomor passage perlu dicocokkan di seluruh sampel. Dalam sel punca otot rangka babi, passage 2 biasanya mewakili puncak proliferasi, sedangkan passage 3 menunjukkan kehilangan yang terukur dari ekspresi penanda myogenik dan proliferasi yang lebih rendah [5]. Memperlakukan semua passage seolah-olah mereka sama menambahkan kesalahan sistematis pada analisis komparatif.
Sampel juga harus diambil pada tahap yang ditentukan: proliferasi awal, konfluensi, diferensiasi awal, dan pembentukan myotube [3]. Dalam kultur 2D, hari ke-2 hingga hari ke-3 biasanya merupakan jendela terakhir yang dapat diandalkan sebelum stres kontraksi mulai mengacaukan myotube [3]. Sistem berbasis scaffold dan 3D memperpanjang jendela tersebut dan diperlukan jika Anda ingin mempelajari pematangan otot jangka panjang dan integritas struktural [3] .
Pendinginan sangat penting untuk sampel intraseluler. Aktivitas metabolik harus dihentikan dengan cepat pada titik pengambilan sampel, atau enzim akan terus mengubah metabolit setelah panen dan mengubah snapshot. Pengurangan latar belakang media sama pentingnya. Media yang telah digunakan harus dibandingkan dengan batch media segar yang sama sehingga Anda dapat memisahkan sekresi seluler yang sebenarnya dari senyawa yang sudah ada di media.
Model komputasi dan integrasi data untuk pengambilan keputusan
Model metabolik skala genom dan analisis berbasis kendala
Setelah data jalur diukur, GEM mengubah data tersebut menjadi prediksi yang dapat mengarahkan desain media dan proses. Model metabolik skala genom menyediakan kerangka matematika untuk memetakan jaringan metabolik sel.Mereka biasanya dimulai dengan anotasi genom, kemudian meningkat ketika disejajarkan dengan transkriptomik, proteomik, dan komposisi biomassa yang diukur pada keadaan mantap [1]. Untuk sel daging yang dibudidayakan, GEM dapat membantu dengan pemilihan media, prediksi hambatan, dan perbandingan kondisi-ke-kondisi.
Flux Balance Analysis (FBA) dan Metabolic Flux Analysis (MFA) sering digunakan untuk memprediksi aliran intraseluler dan menandai komponen media yang membatasi [1] [6]. Hal ini membuatnya langsung berguna untuk optimasi media bebas serum [1] .
Pada bulan Desember 2024, peneliti dari KAIST dan CJ BIO Research Institute menerbitkan GEM spesifik sapi pertama, BtaSBML2986, dengan 2.986 gen, 13.278 reaksi, dan 8.652 metabolit [4]. Model tersebut divalidasi terhadap pertumbuhan sel satelit sapi dalam enam kondisi kultur [4]. Dalam istilah praktis, itu memberikan tim titik awal yang sesuai spesies untuk pemilihan lini sel sapi, desain media, dan penyaringan kondisi.
Ketika tidak ada GEM spesifik spesies, peneliti sering memulai dengan model yang sudah ada seperti human1 atau CHO GEMs, kemudian menyempurnakannya dengan anotasi spesifik spesies [1] [4]. Ini adalah solusi yang masuk akal: gunakan apa yang sudah ada, kemudian sesuaikan dengan biologi yang benar-benar Anda pedulikan.
Menggabungkan metabolomik, transkriptomik, dan proteomik
Mengintegrasikan transkriptomik, proteomik, dan metabolomik menghubungkan kelimpahan enzim dengan kumpulan metabolit dan dapat mengungkap hambatan yang terlewatkan oleh dataset single-omik [1][2]. Itu penting dalam kultur sel, di mana perubahan ekspresi gen saja tidak selalu memberi tahu Anda apa yang dilakukan jaringan . Suatu jalur mungkin terlihat aktif pada tingkat transkrip, namun tetap terhenti karena kelimpahan enzim atau ketersediaan metabolit mengatakan sebaliknya.
Optimasi media berbasis model versus percobaan dan kesalahan eksperimental
Percobaan dan kesalahan lebih mudah untuk memulai karena hanya membutuhkan metrik pertumbuhan dasar. Itu membuatnya berguna untuk penyaringan awal. Namun setiap kondisi masih membutuhkan satu siklus kultur penuh, dan hasilnya bersifat empiris daripada mekanistik [1].
Optimasi berbasis model meminta lebih banyak di awal: anotasi genom, data -omik, dan komposisi biomassa yang terukur. Namun setelah GEM yang berfungsi ada, Anda dapat menyaring ribuan formulasi in silico sebelum pengujian laboratorium basah dimulai [1] [2]. Itu mengubah kecepatan pengembangan cukup banyak, terutama ketika ruang media bebas serum menjadi besar dengan cepat.
| Fitur | Optimasi Berpanduan Model | Uji Coba Eksperimental |
|---|---|---|
| Kecepatan | Tinggi - in silico penyaringan ribuan formulasi | Rendah - dibatasi oleh waktu penggandaan sel dan kapasitas laboratorium |
| Kebutuhan data | Tinggi - memerlukan anotasi genom dan data -omik | Rendah - hanya memerlukan metrik pertumbuhan dan hasil dasar |
| Kesesuaian untuk daging budidaya | Ideal untuk media bebas serum yang kompleks dan spesies yang kurang dipelajari | Lebih baik untuk penyaringan awal atau penyesuaian kecil |
Dalam praktiknya, model harus mempersempit ruang desain sebelum validasi laboratorium basah.Prediksi model dapat mengurangi ruang eksperimen, dan data laboratorium basah kemudian dapat digunakan untuk menyempurnakan dan memvalidasi ulang model [1]. Alur kerja yang sederhana seringkali adalah yang terbaik: gunakan penyaringan in silico untuk membuat daftar pendek kondisi, uji kondisi tersebut dalam kultur, lalu masukkan kembali hasilnya ke dalam model. Model, uji, perbarui, ulangi.
IGF1 mempromosikan proliferasi daging kultur dalam media bebas serum
Menerapkan peta jalur ke lini sel, bioproses, dan karakterisasi produk
Setelah peta jalur dan model tersedia, pekerjaan beralih dari deskripsi ke kontrol bioproses. Dataset yang sama dapat membantu tim memilih lini yang berkinerja lebih baik, menyesuaikan pakan berdasarkan tahap kultur, dan menetapkan penanda QC yang menangkap penyimpangan sebelum muncul dalam hasil atau fenotipe.
Rekayasa dan pemilihan garis sel dari data jalur
Data jalur mengubah pemilihan garis sel menjadi latihan mekanistik daripada sekadar coba-coba. Saat membandingkan garis kandidat, sifat yang paling berguna adalah tingkat keluaran laktat dan amonia, profil konsumsi asam amino, dan seberapa bersih sel bergerak dari proliferasi ke diferensiasi. Garis yang menyelesaikan pergeseran tersebut dengan bersih adalah kandidat produksi yang lebih kuat daripada yang terjebak di tengah jalan.
Jumlah pasase juga penting. Dalam sebuah studi April 2024 yang diterbitkan di Food Research International, peneliti di Seoul National University mengidentifikasi tiga biomarker media bekas - γ-glutamyl-L-leucine, cytosine, dan ketoleucine - yang berubah secara eksklusif pada sel induk otot babi pada pasase 3, bertepatan dengan hilangnya ekspresi gen myogenik yang signifikan. LC-MS rutin dari media bekas dapat menandai batch suboptimal lebih awal.
Operasi bioreaktor, peningkatan skala, dan pilihan mode kultur
Hasil yang sama digunakan untuk meranking garis sel juga membantu menentukan cara meningkatkan skala garis sel untuk budidaya bioreaktor. Saat sel bergerak dari glikolisis menuju fosforilasi oksidatif selama diferensiasi, strategi pemberian makan perlu bergeser sesuai dengan tahap kultur [3]. Mode batch memberikan baseline yang bersih untuk mengidentifikasi tingkat penipisan nutrisi primer. Fed-batch dan perfusi memungkinkan penyesuaian input pemberian makan dengan keadaan metabolik, yang penting setelah laktat dan amonia mulai menumpuk.
| Format / Mode | Perspektif Kontrol Metabolik | Tantangan Interpretasi Data |
|---|---|---|
| Budaya 2D | Akses nutrisi tinggi; kesetiaan struktural terbatas | Tidak mencerminkan gradien metabolik 3D |
| Mikrocarrier | Rasio permukaan-ke-volume tinggi; risiko gradien | Memerlukan analisis media bekas untuk memantau penipisan lokal [1] |
| Scaffold | Meniru arsitektur 3D; dinamika difusi kompleks | Sulit untuk mengekstrak metabolit intraseluler; bergantung pada prediksi GEM [1] |
| Batch | Sederhana; nutrisi habis sementara laktat dan amonia menumpuk | Dasar untuk mengidentifikasi tingkat penurunan nutrisi utama |
| Fed-batch / Perfusi | Memungkinkan kontrol yang tepat terhadap aliran glukosa/laktat | Memerlukan MFA waktu nyata untuk menyeimbangkan tingkat pemberian makan dengan konsumsi |
Pada skala besar, satu wadah jarang berperilaku seperti satu lingkungan yang seragam.Gradien nutrien menciptakan zona metabolik yang berbeda di seluruh bioreaktor. GEMs dapat memodelkan bagaimana pergeseran fluks di bawah kondisi lokal yang berbeda dan menunjukkan di mana keterbatasan nutrien kemungkinan akan muncul sebelum terlihat dalam data proses. Hal ini membuat keluaran model langsung berguna untuk strategi pemberian makan, permintaan oksigen, dan pengendalian limbah.
Kesimpulan: tumpukan pemetaan jalur minimum untuk daging budidaya R&D
Bersama-sama, pembacaan ini membentuk tumpukan kontrol minimum untuk daging budidaya R&D.
Mulailah dengan hipotesis jalur pusat: glikolisis, siklus TCA, dan konsumsi asam amino. Kemudian bangun dataset media bekas dengan LC-MS standar. Tambahkan pelacakan isotop stabil ketika Anda perlu mengonfirmasi apakah sumber karbon memasuki siklus TCA, atau apakah glutamin dikonsumsi secara oksidatif atau reduktif.Setelah itu, lapiskan sebuah GEM, seperti BtaSBML2986 untuk sel sapi [4], untuk mempersempit ruang desain media sebelum validasi laboratorium basah dimulai.
Poinnya adalah untuk terus memasukkan hasil kembali ke dalam model, memperbarui asumsi, dan membiarkan setiap putaran data mempertajam set pilihan berikutnya. Program pemetaan yang tetap terpisah dari pemilihan lini sel, strategi pemberian makan, dan penilaian kualitas dapat menghasilkan kumpulan data yang menarik, tetapi mereka tidak banyak membantu untuk produksi.
FAQs
Mengapa metabolomik ukuran kolam tidak cukup?
Metabolomik ukuran kolam mengukur konsentrasi metabolit dalam keadaan stabil. Itu berarti memberikan Anda gambaran statis dari sel, bukan pembacaan fluxes - tingkat di mana reaksi metabolik sebenarnya berjalan.
Untuk R&D daging yang dibudidayakan, keterbatasan itu penting.Peta konsentrasi sendiri tidak akan memberi tahu Anda di mana hambatan metabolik berada, atau bagaimana nutrisi spesifik mendukung pertumbuhan dan diferensiasi. Untuk menjawab pertanyaan-pertanyaan tersebut, Anda memerlukan metode dinamis seperti analisis fluks metabolik.
Kapan tim harus menggunakan pelacakan 13C?
Tim harus menggunakan analisis fluks metabolik 13C (MFA) ketika mereka perlu mengidentifikasi dan memperbaiki hambatan metabolik yang menghambat efisiensi produksi dan memperlambat kemajuan menuju paritas harga dalam daging budidaya.
Biologi sistem dan model metabolik skala genom dapat membantu dengan optimasi media. Namun, 13C-MFA masih merupakan celah di bidang ini untuk sebagian besar spesies yang relevan, dan sejauh ini hanya digunakan pada sejumlah jenis sel yang terbatas.
Bagaimana peta jalur meningkatkan desain pakan?
Peta jalur yang dibangun dari model metabolik skala genom membantu peneliti menentukan apa yang dibutuhkan sel dari medium, di mana metabolisme mulai melambat, dan bagaimana energi digunakan selama produksi daging budidaya.
Ketika Anda memasangkan peta ini dengan analisis keseimbangan fluks, mereka menjadi jauh lebih berguna. Mereka dapat memandu desain media kultur yang lebih terarah untuk tahap seperti proliferasi dan diferensiasi. Itu membantu tim meningkatkan akumulasi biomassa, menjalankan produksi lebih efisien, dan mengarahkan kualitas nutrisi dan sensori akhir dengan lebih banyak kontrol.
