培養肉のプロセスを構築している場合、代謝経路のマッピングは、何をいつ供給するか、そして細胞状態が変化する前にどのセンサーを使用するかを決定するのに役立ちます。
この記事を要約するとこうなります：増殖中の細胞と分化中の細胞は同じ代謝を行っていない, ことが、栄養素の取り込み、廃棄物の排出、酸素の需要、製品の特性に現れます。また、記事は次の点も指摘しています：プールサイズのメタボロミクスだけでは不十分です. 炭素がどこに行くのかを知る必要がある場合、同位体トレーシング、フラックス分析、および実験室データと比較できるゲノムスケールのモデルが必要です。
この記事の内容の短いバージョンはこちらです:
- 四つの系統: 牛の衛星細胞、豚の骨格筋幹細胞、鶏の筋芽細胞、間葉系ストローマ細胞
- 主要な経路のシフト: 増殖は 解糖系に依存し、; 分化はミトコンドリア酸化的リン酸化に依存する
- 主要な経路グループ: 中央炭素、アミノ酸、ヌクレオチド、脂質
- 有用な読み出し: 乳酸、アンモニア、アミノ酸の取り込み、細胞内代謝物、NAD⁺/NADH関連の状態変化、使用済みメディアマーカー
- フラックスツール: ¹³Cトレーシング と 代謝フラックス解析 によりプールサイズとターンオーバーを分離
- データ品質管理: 一致した継代数、定義されたサンプリングステージ、迅速なクエンチング、メディア背景補正
- モデル層: ゲノムスケールの代謝モデル、牛モデルを含む BtaSBML2986 2024年12月 に公開
- プロセスの使用: メディア設計、給餌タイミング、バッチ対フィードバッチ対パーフュージョンの決定、ライン選択、およびQC
いくつかの数字が際立っています。豚骨格筋幹細胞において、ある研究では94の細胞内代謝物, が報告されており、24は増殖に関連する段階、17は分化に関連する段階 . とされています。これはランダムな変動ではありません。測定して利用できる明確な状態変化を示しています。
この論文を最小マッピングスタック:
のガイドとして使用します。- まず、使用済み培地LC-MSから始めます。
- 次に、細胞内メタボロミクスを追加します。
- プールデータが不十分な場合は、¹³C-グルコースまたは¹³C-グルタミン追跡を使用します。
- データをGEMに投入します。
- 培養でモデルをテストし、更新します。
これが主なメッセージです: 細胞状態によって経路をマッピングし、種や培地だけでなく, データを直接フィード設計、スケールアップ, およびQCにリンクします。
バイオプロセス、細胞培養、または培養肉のR&Dに携わっている場合、この記事は経路生物学から日々のプロセス決定への明確なルートを提供します。
培養肉R&Dのための代謝経路マッピングスタック
培養肉細胞株における主要な代謝経路
中心炭素代謝: 解糖系、TCAサイクル、酸化的リン酸化
増殖中の細胞では、解糖系がATPを供給し、炭素中間体で生合成を促進するという二重の役割を果たします。増殖中の細胞におけるクレアチニンは、クレアチンリン酸の急速なターンオーバーを示し、ATP需要を緩衝するのに役立ちます[3].
細胞が分化を決意し、筋管を形成し始めると、その代謝設定が変化します。酸素消費量が増加し、シトクロムcオキシダーゼ活性が増加し、ミトコンドリアの酸化的リン酸化が主要なATP源となります[3]. この変化の中心にあるのがTCAサイクルです。これはATP生産とアミノ酸代謝を結びつけ、成長と筋原性発達に必要な中間体を提供します[3]. ここでNAD⁺/NADH比は有用な指標です：高い比率はより活発な酸化代謝を示唆します[3]. 簡単に言えば、分化にはより高い酸素要求が伴います。
この同じ状態変化は、アミノ酸、ヌクレオチド、および脂質の需要も変化させます。
アミノ酸、ヌクレオチド、および脂質代謝
アミノ酸の需要は培養期間を通じて変化します。拡張期には、アラニン、アスパラギン酸、およびグルタミン酸代謝がバイオマスの蓄積をサポートします[3]. 分化中、D-グルタミンおよびD-グルタミン酸の代謝がより顕著になり、ミオシンやアクチンなどの収縮タンパク質の合成をサポートします[3].
ヌクレオチドの需要は、細胞が分裂をサポートするためにDNAおよびRNA合成を必要とする増殖中に最も高くなります。その後、分化中にプールが増加し、筋線維形成をサポートします[3].
脂質代謝も変化します。リゾホスファチジルエタノールアミン（LysoPE）およびリゾホスファチジルコリン（LysoPC）は、特に分化中に検出されます[3]. これらの脂質は、筋芽細胞の融合中の膜再構築をサポートし、細胞が成長から組織形成に移行する際に理にかなっています。
トリプトファン代謝も際立っています。その下流産物であるインドール乳酸は、分化中に抗酸化物質として作用し、筋管融合中の酸化ストレスから細胞を保護します[3]. これは、安定した筋管形成が培養肉組織の構造的完全性をサポートするため、最終製品の品質にとって重要です。
細胞状態と系統による代謝の違い
豚骨格筋幹細胞のマルチオミクス研究では、94の細胞内代謝物が特定され、24の増殖に特有の差次的に豊富な代謝物と17の分化に特有の代謝物が確認されました[3] . それは明確な代謝の分裂であり、背景ノイズではありません。同じ細胞タイプが段階に応じて異なる生化学プログラムを実行します。
一次細胞株と不死化細胞株は、その代謝安定性が異なり、継代数が別の変数を追加します。豚筋肉幹細胞では、継代2が通常最も高い成長率を示し、継代3では筋原性マーカー遺伝子発現の顕著な低下と代謝物の豊富さの変化が見られます[5] . すべての継代が代謝的に同等であると見なされると、培地設計とプロセス制御が細胞の実際の状態から逸脱する可能性があります。
これらの変化は以下に要約されています[3].
| 特徴 | 増殖状態 | 分化状態 |
|---|---|---|
| 主要エネルギー経路 | 解糖系 | ミトコンドリア酸化的リン酸化 (OXPHOS) |
| 主要アミノ酸経路 | アラニン、アスパラギン酸、グルタミン酸 | D-グルタミンおよびD-グルタミン酸 |
| 段階特異的代謝物 | アミノアジピン酸、クレアチニン | インドールラクタート、LysoPE、LysoPC |
| 酸素需要 | 低い | 高い |
増殖および分化状態は異なる取り込みおよび分泌パターンを示すため、単一の代謝マップではすべてのプロセス状態に適合しません [1][2]. これらの経路シグネチャは、メタボロミクスおよびフラックス分析で使用されるリードアウトを定義します。
sbb-itb-ffee270
代謝経路をマッピングするための実験的ワークフロー
メタボロミクスおよび使用済み培地分析
主要な経路が定義されたら、次のステップはそれらを直接測定することです。
使用済み培地分析は通常、経路の挙動を示す最初の実用的なリードアウトです。新鮮な培地と使用済み培地を比較することで、細胞がどの栄養素を取り込み、どの副産物が蓄積するかを確認できます。ターゲットLC-MSまたはGC-MSワークフローは、特に乳酸、アンモニア、その他の主要栄養素を追跡する際に効果的です。これらのリードアウトは、培養の需要とストレスを直接見ることができます。
使用済み培地はQCマーカーとしても機能します。豚骨格筋幹細胞では、γ-グルタミル-L-ロイシン、シトシン、およびケトロイシンが最適でない増殖の強力なマーカーでした [5]. 細胞内メタボロミクスは、細胞内の経路活動をより直接的に把握することができます。UHPLC-Q-Exactive Orbitrap 質量分析ワークフローを豚骨格筋幹細胞に適用し、筋原性進行段階にわたって94の細胞内代謝物を特定しました [3] .
プールサイズは何が存在するかを示し、トレーシングは何が動いているかを示します。
安定同位体トレーシングと 代謝フラックス解析
濃度データだけでは基本的な限界があります：それは代謝物プールのサイズを示すだけで、そのプールがどれだけ速く回転するかは示しません。代謝物は豊富に見えてもほとんど活動していない場合もあれば、少なく見えても高速で循環している場合もあります。代謝フラックス解析（MFA）は、グルコースやグルタミンなどの¹³C標識基質を使用して、炭素が実際にどこに行くのかを追跡することでこれに対処します [6].
グルコースまたはグルタミンがエネルギー生産、バイオマス形成、またはその両方をサポートしているかどうかを知る必要がある場合、フラックス分析を使用します。¹³C標識グルコースが増殖中の細胞に供給されると、ラベルは解糖系中間体、TCAサイクル代謝物、および下流の生合成産物に広がり、どの分岐点が活性化されているかを示すパターンを形成します。分化中には、同じトレーサーが酸化的リン酸化へのシフトを定量化できます。この違いは培地およびフィード戦略設計. にとって重要です。アミノ酸がバイオマス合成に使用されるのではなくエネルギーとして燃焼されている場合、分化培地の配合を変更する必要があります[2][6].
プールサイズではなくフラックスに依存する培地設計にはMFAを使用します。
データ品質に影響を与える実験デザインの選択
両方のアプローチの価値は、サンプルの収集方法に依存します。
サンプリングデザインは、データが自信を持って解釈できるかどうかを決定します。サンプル間でパッセージ番号を一致させる必要があります。豚の骨格筋幹細胞では、パッセージ2は通常、ピークの増殖を示し、パッセージ3は筋原性マーカーの発現の測定可能な低下と増殖の低下を示します[5]. すべてのパッセージを同じであるかのように扱うと、比較分析に体系的な誤差が加わります。
サンプルはまた、定義された段階で採取されるべきです：初期増殖、コンフルエンス、初期分化、筋管形成[3]. 2D培養では、通常、収縮ストレスが筋管を不安定にし始める前の最後の信頼できるウィンドウは、2日目から3日目です[3]. 足場ベースおよび3Dシステムはそのウィンドウを拡張し、長期的な筋肉の成熟と構造的完全性を研究したい場合に必要です[3].
細胞内サンプルにおいて、クエンチングは非常に重要です。代謝活動はサンプリングポイントで迅速に停止しなければならず、そうでないと酵素が収穫後も代謝物を変換し続け、スナップショットを歪めてしまいます。培地の背景差し引きも同様に重要です。使用済み培地は、新鮮な同じバッチの培地と比較することで、培地に既に存在していた化合物から真の細胞分泌物を分離することができます。
意思決定のための計算モデルとデータ統合
ゲノムスケールの代謝モデルと制約ベースの分析
経路データが測定されると、GEMsはそれらのデータを予測に変換し、培地やプロセス設計を導くことができます。ゲノムスケールの代謝モデルは、細胞の代謝ネットワークをマッピングするための数学的枠組みを提供します。通常、ゲノムアノテーションから始まり、トランスクリプトミクス、プロテオミクス、定常状態での測定されたバイオマス組成と整合することで改善されます[1]. 培養肉細胞において、GEMsは培地選択、ボトルネック予測、条件間比較に役立ちます。
フラックスバランス解析（FBA）および代謝フラックス解析（MFA）は、細胞内フラックスを予測し、制限されている培地成分を特定するためによく使用されます[1] [6]. これにより、無血清培地の最適化に直接役立ちます[1].
2024年12月、KAISTとCJ BIO研究所の研究者たちは、初のウシ特異的GEM、BtaSBML2986 , を発表しました。このGEMには2,986の遺伝子、13,278の反応、8,652の代謝物が含まれています [4]. モデルは、6つの培養条件にわたるウシ衛星細胞の成長に対して検証されました[4]. 実際的には、それによりチームはウシ細胞株の選択、培地設計、および条件スクリーニングのための種に一致した出発点を得ることができます, 。
種特異的なGEMが存在しない場合、研究者はしばしば既存のモデル、例えばhuman1やCHO GEMを使用し、それを種特異的な注釈で洗練します[1] [4]. それは賢明な回避策です：既に存在するものを使用し、実際に関心のある生物学にフィットするように調整します
。メタボロミクス、トランスクリプトミクス、プロテオミクスの統合
トランスクリプトミクス、プロテオミクス、メタボロミクスの統合は、酵素の存在量と代謝物プールをリンクし、単一オミクスデータセットが見逃すボトルネックを明らかにすることができます[1][2]. 。 それは細胞培養において重要です。遺伝子発現の変化だけではネットワークが何をしている. のかを必ずしも示してくれません。経路は転写レベルで活性に見えるかもしれませんが、酵素の豊富さや代謝物の利用可能性が異なることを示しているため、依然として停滞する可能性があります。
モデルガイドによるメディア最適化と実験的な試行錯誤
試行錯誤は基本的な成長指標だけが必要なので、始めるのが簡単です。それは初期スクリーニングに役立ちます。しかし、各条件は完全な培養サイクルを必要とし、出力は機械的ではなく経験的です[1].
モデルガイドによる最適化は、事前により多くのものを要求します：ゲノム注釈、オミクスデータ、測定されたバイオマス組成。しかし、一度動作するGEMが整えば、ウェットラボテストを開始する前にインシリコで数千の処方をスクリーニングできます[1] [2]. それは開発のペースをかなり変えます。特に、血清不使用培地のスペースが急速に大きくなるときに。
| 特徴 | モデルガイド最適化 | 実験的試行錯誤 |
|---|---|---|
| 速度 | 高 - インシリコ 数千の配合のスクリーニング | 低 - 細胞の倍加時間と実験室の容量に制限される |
| データ要件 | 高 - ゲノム注釈とオミクスデータが必要 | 低 - 基本的な成長と収量の指標のみが必要 |
| 培養肉に適合 | 複雑な無血清培地やあまり研究されていない種に理想的 | 初期スクリーニングや小さな調整により適している |
実際には、モデルはウェットラボの検証の前に設計空間を絞り込むべきです。 モデル予測は実験空間を縮小することができ、ウェットラボデータを使用してモデルを洗練し再検証することができます[1]. シンプルなワークフローが最良の場合が多いです：インシリコスクリーニングを使用して条件を絞り込み、それを培養でテストし、その結果をモデルにフィードバックします。モデル、テスト、更新、繰り返し。
IGF1は無血清培地での培養肉の増殖を促進します
経路マップを細胞株、バイオプロセス、製品特性評価に適用する
経路マップとモデルが整ったら、仕事は記述からバイオプロセス制御. に移行します。同じデータセットは、チームがより性能の良い株を選び、培養段階に応じてフィードを調整し、収量や表現型に現れる前にドリフトをキャッチするQCマーカーを設定するのに役立ちます。
経路データからの細胞株エンジニアリングと選択ターゲット
経路データは、細胞株の選択を試行錯誤ではなく機械的な作業に変えます。候補株を比較する際、最も有用な特性は乳酸とアンモニアの出力率、アミノ酸消費プロファイル、そして細胞が増殖から分化へどれだけスムーズに移行するかです。その移行をスムーズに完了する株は、途中で停滞する株よりも強力な生産候補です。
継代数も重要です。2024年4月にFood Research Internationalに発表された研究で、ソウル大学の研究者たちは、継代3で豚筋肉幹細胞にのみ変化する3つの使用済み培地バイオマーカー - γ-グルタミル-L-ロイシン、シトシン、ケトロイシン - を特定し、筋原性遺伝子発現の著しい喪失と一致しました。使用済み培地の定期的なLC-MSは、最適でないバッチを早期に検出できます。
バイオリアクターの操作、スケールアップおよび培養モードの選択
細胞株をランク付けするために使用される同じ読み出しは、バイオリアクター培養のために細胞株をスケールアップする方法を決定するのにも役立ちます. 細胞が分化中に解糖系から酸化的リン酸化に移行する際、培養段階に応じて供給戦略をシフトする必要があります[3]. バッチモードは、主要な栄養素の枯渇率を特定するためのクリーンなベースラインを提供します。フィードバッチとパーフュージョンは、乳酸とアンモニアが蓄積し始めたときに、代謝状態に合わせて供給入力を調整することを可能にします。
| フォーマット / モード | 代謝制御の視点 | データ解釈の課題 |
|---|---|---|
| 2D培養 | 高栄養アクセス; 構造的忠実度が限られる | 3D代謝勾配を反映しない |
| マイクロキャリア | 高表面積対体積比; 勾配リスク | 局所的枯渇を監視するために使用済み培地の分析が必要[1] |
| 足場 | 3D構造を模倣; 複雑な拡散動態 | 細胞内代謝物の抽出が困難; GEM予測に依存[1] |
| バッチ | シンプル; 栄養素が枯渇し、乳酸とアンモニアが蓄積 | 主要栄養素の枯渇率を特定するためのベースライン |
| フェッドバッチ / パフュージョン | グルコース/乳酸フラックスの正確な制御を可能にする | 消費に合わせて供給速度を調整するためにリアルタイムMFAが必要 |
大規模では、一つの容器が一様な環境として振る舞うことは稀です。栄養素の勾配はバイオリアクター内に異なる代謝ゾーンを作り出します。GEMsは、異なる局所条件下でのフラックスの変化をモデル化し、プロセスデータに現れる前に栄養素の制限がどこに現れるかを指摘することができます。これにより、モデルの出力は直接的にフィード戦略、酸素需要、廃棄物管理に役立ちます。
結論：培養肉のための最小経路マッピングスタック R&D
これらの読み出しは、培養肉のための最小制御スタックを形成します R&D。
中心的な経路仮説から始めます：解糖系、TCAサイクル、アミノ酸消費。その後、標準的なLC-MSを用いて使用済み培地データセットを構築します。炭素源がTCAサイクルに入っているか、グルタミンが酸化的または還元的に消費されているかを確認する必要がある場合は、安定同位体トレーシングを追加します。その後、GEMを層に組み込みます。例えば、BtaSBML2986をウシ細胞に使用し、ウェットラボでの検証が始まる前にメディア設計空間を絞り込みます。[4],
重要なのは、結果をモデルにフィードバックし続け、仮定を更新し、各データのラウンドが次の選択肢を鋭くすることです。細胞株の選択、フィード戦略、品質評価から独立したマッピングプログラムは興味深いデータセットを生成できますが、生産にはほとんど寄与しません。
よくある質問
なぜプールサイズメタボロミクスだけでは不十分なのですか？
プールサイズメタボロミクスは、定常状態の代謝物濃度を測定します。つまり、細胞の静的なスナップショットを提供するだけで、フラックス - 実際に代謝反応が進行している速度 - の読み取りはできません。
培養肉のR&Dにおいて、その制限は重要です。濃度マップだけでは、代謝のボトルネックがどこにあるのか、また特定の栄養素が成長と分化をどのようにサポートしているのかを知ることはできません。これらの質問に答えるには、代謝フラックス解析のような動的な方法が必要です。
チームはいつ13Cトレーシングを使用すべきですか？
チームは、培養肉の生産効率を妨げ、価格の均衡に向けた進捗を遅らせる代謝のボトルネックを特定し、修正する必要があるときに、13C-代謝フラックス解析（MFA）を使用すべきです。
システム生物学とゲノムスケールの代謝モデルは、培地の最適化に役立ちます。しかし、13C-MFAは、ほとんどの関連種においてまだ未開拓の分野であり、これまでのところ限られた細胞タイプでしか使用されていません。
経路マップはどのように飼料設計を改善しますか？
ゲノムスケールの代謝モデルから構築された経路マップは、研究者が培養肉の生産中に細胞が培地から必要とするもの、代謝がどこで遅くなり始めるか、エネルギーがどのように消費されているかを特定するのに役立ちます。
これらのマップをフラックスバランス解析と組み合わせると、さらに有用になります。それにより、増殖や分化などの段階におけるよりターゲットを絞った培地設計を導くことができます。それは、チームがバイオマスの蓄積を改善し、生産をより効率的に行い、最終的な栄養と感覚の質をよりコントロールしやすくするのに役立ちます。
