リアルタイムでの細胞密度のモニタリングは、培養肉の生産を改善するために重要です。トリパンブルーアッセイのような従来の方法は、遅く、汚染のリスクがあり、細胞成長の急速な変化を見逃すことがよくあります。リアルタイム測定は継続的なデータを提供し、栄養素の正確な調整、問題の早期検出、一貫した製品品質を可能にします。
ライブセルモニタリングのための様々な分析方法には以下が含まれます:
- バイオキャパシタンスセンサー: 健全な細胞を検出するために膜の完全性を測定します。スキャン周波数システムは誤差を5.5–11%に減少させます。
- 光学濁度センサー: 光散乱を通じて総細胞密度を追跡しますが、生きている細胞と死んでいる細胞を区別することはできません。
- RFインピーダンスモニタリング: 高密度システムに理想的で、マイクロキャリアや固定化されたセットアップで生きている細胞に焦点を当てます。
- ラマン分光法: 詳細な化学プロファイリングを提供し、生存可能な細胞と代謝物を特定します。
- NIR分光法: 複数のパラメータを迅速に追跡しますが、信号の重なりに苦労します。
各方法には強みと限界があり、精度のためにはキャリブレーションと検証が不可欠です。
Incyte Arc: スマートなバイオプロセス制御のためのリアルタイム生細胞密度モニタリング
sbb-itb-ffee270
リアルタイム細胞密度測定のための技術
培養肉のためのリアルタイム細胞密度測定技術の比較
連続的なプロセスフィードバックの需要を満たすために、様々な培養肉バイオリアクター用センサーが、細胞密度の正確なリアルタイム測定を可能にしています。各方法は、プロセスの特定のニーズに応じて、生細胞または総バイオマスのいずれかに対応する独自のアプローチを提供します。
バイオキャパシタンスベースのセンサー
バイオキャパシタンスセンサーは、細胞懸濁液に電場を適用することで動作します。生きた細胞は、膜が無傷であるため、小さなコンデンサーのように機能します。膜は細胞質内のイオンが通過するのを防ぎ、分極を引き起こし、測定可能な電荷を生成します。死んだ細胞は、しかし、完全な膜を欠いており、信号に寄与しません[1].
この技術はβ分散に依存しており、細胞は100 kHz未満の周波数で完全に分極し、高い誘電率をもたらします。50–20,000 kHzの範囲の周波数をスキャンし、多変量解析を適用することにより、これらのセンサーは細胞サイズの変化を補正できます。この調整により、測定誤差が16–23%から5.5–11%というはるかに低い範囲に減少します[1].
正確さを確保するために、プローブはまず無菌培地でゼロに設定され、接種前に既知の細胞濃度を使用してキャリブレーションされる必要があります。Aber FUTURA picoのようなデバイスは、バイオリアクターにシームレスに統合され、30秒ごとに新しい読み取り値を提供します。これらのセンサーは、懸濁液中の細胞、マイクロキャリアに付着した細胞、または固定床に固定された細胞に対して非常に効果的です。これらのシナリオでは、従来のカウント方法がしばしば不十分です[1][2].
全体的なバイオマスを測定するために、光学的方法は別の有効なオプションを提供します。
光学濁度センサー
光学濁度センサーは、培養中のすべての粒子（生細胞、死細胞、デブリを含む）によって散乱される光を測定することにより、総細胞密度を決定します。これらのセンサーは、生存バイオマスと非生存バイオマスを区別することはできませんが、プロセス全体で生細胞と死細胞の比率が安定している場合に特に有用です。キャリブレーションは、培養のさまざまな段階でのオフライン細胞カウントと濁度の読み取り値を相関させることによって行われます。これらのセンサーは、インラインまたはバイパスループに設置でき、最適な収穫タイミングを決定するのに役立つ継続的なモニタリングを提供します。
無線周波数インピーダンスモニタリング
無線周波数（RF）インピーダンスモニタリングは、生体容量センサーといくつかの原理を共有しており、死んだ細胞や破片を無視しながら、膜が無傷の細胞を検出することに焦点を当てています[1][2]. この方法は、固定化細胞やマイクロキャリア培養, を含むシステムに特に適しており、オフラインサンプリングが困難な場合があります。RFインピーダンスは、フィードバッチプロセスで1,000万細胞/mLを超える生細胞濃度を処理できるため、高密度の培養肉生産に最適な選択肢です[1]. RFインピーダンスプローブや専門のモニタリング機器を調達するには、
| 技術 | 測定 | 主な強み | 制限 |
|---|---|---|---|
| バイオキャパシタンス（単一周波数） | 生存細胞量 | 簡単な実装 | 直径の変化に敏感（16–23%の誤差）[1] |
| バイオキャパシタンス（スキャニング） | 生存細胞濃度 | サイズの変化に対応（5.5–11% エラー)[1] | 多変量解析が必要 |
| 光学濁度 | 総細胞密度 | 全体のバイオマスを検出 | 生細胞と死細胞を区別できない[2] |
| RFインピーダンス | 生細胞バイオボリューム | マイクロキャリアや固定床でうまく機能 | プローブ固有のキャリブレーションが必要 |
多パラメータ分析のための分光法
分光法は、キャパシタンスや濁度センサーが提供する単一パラメータ測定を超えて、プロセスモニタリングを次のレベルに引き上げます。これらの技術は、培養中の分子と光の相互作用を分析し、細胞数だけでなく、栄養素レベル、代謝物濃度、その他の重要なプロセス変数に関するリアルタイムの洞察を提供します。詳細な化学プロファイルを作成することで、キャパシタンスセンサーや濁度センサーを補完し、より良い意思決定のための豊富なデータを提供します。
ラマン分光法
ラマン分光法は、光の非弾性散乱を測定することで機能します。レーザー（通常は785 nm）がサンプルに当たると、散乱光は遭遇する分子の化学結合に基づいて波長が変化します。この方法の精密な化学プロファイリングにより、生存細胞と死細胞を区別し、グルコース、乳酸、グルタミン、グルタミン酸、アンモニウムなどの個々の代謝物を特定することが可能です - システムを乱すことなく[3] [5].
ラマンの主な利点の一つは、水に対する感度が低いことであり、これは赤外線法における一般的な干渉です。これにより、培養肉生産における栄養豊富な環境に特に適しています[3][5]. この技術は、光ファイバー浸漬プローブを使用するか、バイオリアクターのビュー ポートを通して測定することで実装でき、プロセス全体で無菌状態が維持されます[4][5].
2010年から2011年にかけて、Bristol-Myers Squibbの研究者たちは、500Lバイオリアクターにおけるインラインラマン分光法の可能性を実証しました。Kaiser Optical SystemsのRamanRXN3装置を使用して、実行可能な細胞密度（VCD）の決定係数（R²）が0.928、総細胞密度（TCD）が0.927のキャリブレーションモデルを開発しました。平均誤差は約14でした。9%、基準法自体の10%の誤差範囲に匹敵[3].
"ラマン分光法... は、複雑な細胞培養システムのインライン分析に最も有望な分光法であるように見える。" - Nicholas R. Abu-Absi, Process Sciences, Bristol-Myers Squibb[3]
正確な結果を確保するために、システムはオフラインデータとPLS回帰を使用してキャリブレーションされるべきです。一次微分とSNV補正を適用することで、ベースラインのシフトと蛍光干渉を減少させることができます[3][4]. 新しいデータが利用可能になると、キャリブレーションモデルはラン間の変動を考慮するために更新されるべきです[3][4]. 培養肉の用途には、
近赤外線（NIR）分光法
ラマン分光法は詳細な化学プロファイリングや生存細胞と死細胞の区別に優れている一方で、NIR分光法は迅速かつ効率的な多パラメータ追跡を提供します。オーバートーンと組み合わせバンドを分析することにより、NIRは流動セルまたは固定パス長（通常1.0 mm）の浸漬プローブを使用して分析物濃度を検出し、信号内の水の干渉を最小限に抑えます [6]. この技術は、グルコース、乳酸、アンモニア、グルタミン、pH、細胞密度を同時に測定することができます[6].
NIRシステムは主に光散乱によって引き起こされるベースライン効果を通じて細胞密度信号をキャプチャします[6]. HEK293細胞培養の研究では、NIRは8.5–9.0 × 10⁶ cells/mLの密度で生存細胞集団を追跡することに成功し、相関係数は0.926から0の範囲でした。995 across various parameters[6].
しかし、NIRスペクトルは広く重なり合っているため, 解釈が難しく、ラマンと比較すると劣ります。NIRは速度と簡便さに優れていますが、生化学的な違いに基づいて生存細胞密度と総細胞密度を区別するラマンの能力には及びません[3]. 最終的に、これらの方法の選択は特定のニーズに依存します。NIRは迅速で簡単なモニタリングに理想的ですが、ラマンは詳細な化学分析と生存率の追跡に優れています。
リアルタイムデータの検証と相関
オフライン分析データとの相関
リアルタイムセンサーは、信頼性のあるデータを確保するためにオフライン参照法を使用した正確なキャリブレーションが必要です。例えば、単一周波数測定は、細胞直径の変化に対する感度のおかげで、生存細胞体積の追跡に効果的です。
周波数スキャンは、広範囲の周波数（通常50から20,000 kHz）にわたって誘電率を測定し、より微妙なアプローチを提供します。このデータは多変量データ解析（MVDA）に供給され、細胞サイズと細胞数の変化を区別することができます。特にリアルタイムでのプロセス調整を行う際には、生産品質を維持するために正確なキャリブレーションが不可欠です。注目すべき例として、2019年10月にSartorius Stedim Biotechの研究者が、CHO細胞を使用して250 mLのバイオリアクターでインラインキャパシタンスプローブを検証しました。彼らは、5つの標準的なフィードバッチ培養からのデータに基づいて直交部分最小二乗（OPLS）モデルを開発し、25の異なる周波数で誘電率をスキャンしました。このアプローチにより、モデルは1,000万細胞/mLを超える生存細胞濃度（VCC）を予測することができ、周波数スキャンは単一周波数データと比較してエラーを大幅に削減しました[7].
"モデルは、VCCの予測を5.5%から11%の相対誤差で提供し、オフライン参照法の精度に基づく受入基準（約10%の相対誤差）と良好に一致し、単一周波数の結果（16%から23%の相対誤差）と比較して大幅に改善されました。" – Springer Nature [7]
精度をさらに向上させるために、Savitzky-Golayフィルター（2次）を適用して比較前に信号ノイズを最小限に抑えることが役立ちます。さらに、接種段階での1点校正を行うことで、センサーの精度が向上します[7]. これらのステップは、多様な運用シナリオにわたる信頼性のある検証の基盤を築きます。
検証プロトコル
校正が完了したら、厳格な検証によりプロセスの信頼性が維持されます。効果的な方法の一つは、Leave-One-Batch-Out（LOB）検証です。これは、トレーニングデータセットから1つのバッチを体系的に除外し、それをテストセットとして使用して予測性能を評価する複数のモデルを作成することを含みます。
ロバストネス試験は、もう一つの重要なステップです。2019年の研究では、研究者が意図的にプロセスの逸脱を導入し、30%の希釈ステップや給餌戦略の変更などを行い、非標準条件下でのMVDAモデルの信頼性をテストしました。これらの変動があっても、モデルは正確な予測を提供し、相対誤差は6.7%から13.2%の範囲でした。このレベルの信頼性は、培養肉生産, のスケールアップ中にプロセスの変動性が一般的であるため、特に重要です。
最後に、トリパンブルーアッセイのようなオフライン手法の固有の10%の誤差範囲に合わせた現実的な受け入れ基準を設定します。標準化された培養肉の投入物を利用することで、これらのベースラインをさらに安定させることができます。10%の相対誤差の閾値をリアルタイムセンサーに設定することで、達成不可能な精度を追求するのではなく、実用的な基準に対して検証を行うことができます。[7].
リアルタイムモニタリングのプロセス制御への統合
ソフトセンサーモデルの開発
キャリブレーションが設定されたら、次の重要なステップはセンサー出力をプロセス制御に組み込むことです。リアルタイムセンサーを検証した後、焦点はソフトセンサーモデルの開発に移ります。これらのモデルは、生のセンサーデータを実用的な洞察に変換し、しばしば部分最小二乗法（PLS）や直交部分最小二乗法（OPLS）などのアルゴリズムを使用します。これらの方法は、多周波数容量スキャンのような複雑なオンライン信号を、生細胞濃度（VCC）などの重要なプロセスメトリクスにリンクするのに役立ちます。
これらのモデルを構築するには、オンラインデータとオフラインデータのペアが必要です。モデルを標準的な培養データでトレーニングする前に、平均中心化やスケーリングなどの前処理ステップが不可欠です。注目すべき例として、Sartorius Stedim Cellca GmbHの研究者がCHO細胞培養にAber Instruments FUTURA picoプローブを使用したケースがあります。彼らの予測モデルは、相対誤差が5.5%から11%の範囲で、通常16%から23%の誤差を示す単一周波数測定よりも明らかに改善されました。[7].
これらのモデルを展開することで、自動プロセス調整が可能になります。例えば、マイクロキャリアまたは固定床, を使用した培養肉生産では、無線周波数インピーダンスセンサーがユニークな利点を提供します。これらは、生存細胞体積に基づいた動的な栄養供給と廃棄物除去をサポートします。John P. CarvellとJason E.ダウドは次のように強調しました:
"RFインピーダンスは、従来のオフラインの生細胞カウント方法が不正確または実施不可能なcGMPプロセスにおいて、マイクロキャリアまたはパックドベッドに固定された生細胞の濃度を監視するために使用されています" [2].
このレベルの統合は、プロセス制御を強化するだけでなく、次に探る規制フレームワークを満たすための舞台を整えます。
PATフレームワークとの整合性
培養肉の生産において、リアルタイムモニタリングをプロセス分析技術（PAT）および品質設計（QbD）の原則と組み合わせることで、規制遵守と運用効率の両方を確保します。プロセスは、重要品質特性（CQA）と重要プロセスパラメータ（CPP）の特定から始まります。これは、研究開発、品質保証、および規制チーム間のクロスファンクショナルな協力を必要とします [8]. 段階的なアプローチが最適です：明確な目標を定義し、適切なツールを選択し、故障モード分析を実施し、SCADA/MESシステムと統合し、スタッフを訓練し、検証と共にスケールアップ [8].
例えば、2026年1月に、あるグローバルなバイオ医薬品会社がこのPAT統合戦略を大陸間の技術移転に成功裏に適用しました。その結果は？商業規模のバッチ逸脱率が2%未満で、以前のキャンペーンと比較してバッチ処分のタイムラインが30%短縮されました[8] .
連続プロセス検証（CPV）への移行は、事後テストからプロアクティブでリアルタイムの制御へと焦点を移します。例えば、バイオキャパシタンスセンサーは、生細胞密度と成長動態を監視しながら栄養供給を管理します。このアプローチはCPV基準を満たすだけでなく、プロセスの理解を深めます[8]. 化学およびバイオプロセスエンジニアのアカンクシャ・プラサドは次のようにまとめています:
"PATはもはや単なる便利なものではありません。次世代の医薬品を安全に、効率的に、大規模に製造するための基盤となっています"[8].
この同じ原則は培養肉の生産にも当てはまります。安定した細胞成長と製品品質は、プロセス制御とコンプライアンスに対する厳格なアプローチを要求します。
培養肉セクターにいる人々にとって、
実装のための実用的な考慮事項
適切な技術の選択
適切なモニタリングシステムの選択は、特定の測定目標に依存します。例えば、単一周波数のキャパシタンスセンサーは、Viable Cell Concentration (VCC) よりも Viable Cell Volume (VCV) に関連付けられることが多いです。これは、センサーの信号が細胞数と細胞サイズの変化の両方を反映するためであり、特に細胞がストレスを受けている場合や老化している場合に、読み取り値が過大になることがあるためです。
一方、周波数スキャンシステムは、50から20,000 kHzの範囲の周波数でキャパシタンスを測定します。これらのシステムは、多変量モデルに依存して、細胞サイズの変化を実際の細胞密度から分離し、単一周波数システムと比較して予測誤差を大幅に削減します。
ラジオ周波数インピーダンスは、その手頃な価格と生細胞に対する感度のため、依然として人気のある選択肢です。死細胞や不純物は分極しないため、信号に干渉しません。システムを決定する際には、無菌バイオリアクター環境との統合のしやすさや、使い捨てバイオリアクターと再利用可能なバイオリアクター. のどちらに対応しているかを考慮してください。ラマン分光法や周波数スキャン容量法のような先進技術は、複雑なデータセットを解釈するために多変量モデリングアプローチ（e.g. OPLSまたはPLS）が必要です[7].
培養肉の生産者にとって、
システムを選択したら、正確なキャリブレーションと効果的なトラブルシューティングが信頼性のある測定を維持するための鍵となります。
キャリブレーションとトラブルシューティング
正確な読み取りを確保するために、接種前に無菌培地で容量プローブをゼロにすることから始めてください。このステップは、成長に関連する変化のみが検出されることを保証します。次に、既知の接種細胞濃度とオンライン軌道オフセットを一致させることで、ワンポイントキャリブレーションを実行します。信頼できる予測を行うには、異なる培地ロットのような変動を考慮するために、少なくとも5つの標準培養からのデータを使用して多変量モデルをトレーニングします。サヴィツキー–ゴレイフィルター（2次多項式）を適用することで、信号ノイズを低減し、変動を平滑化することができます。オンラインシステムは強力ですが、日々のオフライン測定は依然として重要です。オフラインの結果が設定された閾値を超えて逸脱した場合（pHで0.05単位）、オンラインシステムを再校正してください。[7].
信号ドリフトは、栄養制限、ストレス、または老化による細胞直径の変化によって引き起こされることが多い、もう一つの課題です。多周波数スキャンシステムは、これらの変動を考慮するために多変量解析を使用して対処することができます。
オフライン参照方法、例えばトリパンブルーアッセイは、通常約10％の測定誤差があります。ゼロの偏差を期待するのではなく、この範囲に対してオンラインシステムの精度を検証してください。さらに、バッチ進化モデル（BEM）を実装することで、「ゴールデンバッチ」の軌跡を確立するのに役立ちます。これらのモデルは自動アラームとして機能し、リアルタイムでプロセスの偏差を警告します[7].
結論
リアルタイムの細胞密度モニタリングは、培養肉生産の重要な要素へと進化しました。生存細胞濃度を継続的に追跡することは、培地コストの削減、自動給餌によるプロセス偏差の迅速な特定、汚染リスクの最小化といった明確な利点を提供します。ある研究チームが指摘したように、「VCCは製品の収量と強く関連しており、プロセス属性とも見なされています。 VCCの監視は、プロセスの最適化と制御を可能にし、高い収率と効率的なプロセスを実現します" [1].
今日の技術環境は、いくつかの信頼できるソリューションを提供しています。その中でも、周波数スキャンシステムと多変量モデルを組み合わせたものは、オフライン手法に匹敵する精度を提供することで際立っています。
これらのシステムを効果的に実装するには、慎重な計画が不可欠です。成功は、複数のトレーニングランを通じた堅牢なキャリブレーションと一貫したオフライン検証に依存します。
細胞培養肉の生産者が 細胞株特有の監視ツール,
運用が拡大するにつれて、リアルタイムデータの価値が増します。バッチ進化モデルは「ゴールデンバッチ」の軌跡を定義し、製品品質に影響を与える前に逸脱を自動的に特定します。[1]. この変化により、細胞密度のモニタリングがプロセス改善とリスク低減のための戦略的資産に変わります。
よくある質問
生細胞密度と総バイオマスのどちらにどのセンサーを使用すべきですか？
キャパシタンスセンサーは、生細胞密度を測定するための優れたオプションです。これは、極性を持つ細胞膜によって生成されるキャパシタンスを検出します。 これにより、生細胞の存在に直接結びつき、効果的なリアルタイムモニタリングが可能になります。
とはいえ、これらのセンサーは総バイオマスの測定には最適ではありません。主に生細胞に焦点を当てているため、死細胞や全体のバイオマスを考慮していません。しかし、生細胞密度に関しては、キャパシタンスセンサーが最適なソリューションです。
インラインキャパシタンスプローブをどのようにキャリブレーションし、検証しますか？
インラインキャパシタンスプローブをキャリブレーションするには、細胞数カウントなどのオフライン手法から得られた既知の細胞濃度を使用して開始します。これにより、キャパシタンスの読み取り値を実際の細胞数と一致させることができます。検証には、異なる細胞密度や培地条件下でプローブをテストし、その精度と一貫性を確認することが含まれます。また、特に生産をスケールアップする場合や培地条件を変更する場合には、オフライン測定に対する定期的なキャリブレーションチェックを行うことが重要です。 これにより、プローブは生細胞密度の信頼できる測定を継続して提供します。
オンライン信号をフィード制御用のソフトセンサーに変換するにはどうすればよいですか？
培養肉生産においてオンライン信号をフィード制御用のソフトセンサーに変換するには、リアルタイムセンサーデータ, （例えば、キャパシタンス周波数スキャン）に依存できます。これらの信号を多変量モデルで処理することにより、生細胞密度. などの重要なパラメータを推定できます。
キャパシタンスベースのセンサーはここで重要な役割を果たします。これらは細胞膜のキャパシタンスを測定し、細胞の健康状態を直接反映します。これらのセンサー出力を制御アルゴリズムに統合することで、栄養調整を自動化し、プロセス全体を通じて理想的な成長条件を維持することが可能になります。
