หากคุณกำลังสร้างกระบวนการผลิตเนื้อสัตว์ที่เพาะเลี้ยง การทำแผนที่เส้นทางเมตาบอลิซึมจะช่วยให้คุณตัดสินใจได้ว่าจะให้อะไรเป็นอาหาร เมื่อใดควรให้อาหาร และควรใช้ เซ็นเซอร์อะไร ก่อนที่สถานะของเซลล์จะเปลี่ยนแปลงไป
ฉันจะสรุปบทความนี้ว่า: เซลล์ที่กำลังเพิ่มจำนวนและเซลล์ที่กำลังแยกตัวไม่ได้ใช้เมตาบอลิซึมแบบเดียวกัน, และสิ่งนี้แสดงออกมาในรูปแบบการดูดซึมสารอาหาร การปล่อยของเสีย ความต้องการออกซิเจน และลักษณะของผลิตภัณฑ์ บทความนี้ยังชี้ให้เห็นอีกประเด็นหนึ่งว่า: การวิเคราะห์เมตาบอลิซึมจากขนาดของกลุ่มไม่เพียงพอเพียงอย่างเดียว. หากฉันต้องการทราบว่าคาร์บอนไปที่ไหน ฉันต้องการการติดตามไอโซโทป การวิเคราะห์ฟลักซ์ และโมเดลระดับจีโนมที่ฉันสามารถทดสอบกับข้อมูลจากห้องปฏิบัติการได้
นี่คือเวอร์ชันย่อของสิ่งที่บทความครอบคลุม:
- สี่สายพันธุ์: เซลล์ดาวเทียมของวัว, เซลล์ต้นกำเนิดกล้ามเนื้อลายของหมู, ไมโอบลาสต์ของไก่, และเซลล์สโตรมอลมีเซนไคม์
- การเปลี่ยนแปลงเส้นทางหลัก: การเพิ่มจำนวนพึ่งพา ไกลโคไลซิส; การแยกแยะพึ่งพา การฟอสโฟรีเลชันออกซิเดทีฟของไมโทคอนเดรีย
- กลุ่มเส้นทางหลัก: คาร์บอนกลาง, กรดอะมิโน, นิวคลีโอไทด์, และลิพิด
- การอ่านค่าที่มีประโยชน์: แลคเตท, แอมโมเนีย, การดูดซึมกรดอะมิโน, เมแทบอไลต์ภายในเซลล์, การเปลี่ยนแปลงสถานะที่เชื่อมโยงกับ NAD⁺/NADH, และตัวบ่งชี้ในสื่อที่ใช้แล้ว
- เครื่องมือฟลักซ์: การติดตาม ¹³C และ การวิเคราะห์ฟลักซ์เมแทบอลิก เพื่อแยกขนาดพูลจากการหมุนเวียน
- การควบคุมคุณภาพข้อมูล: หมายเลขพาสเสจที่ตรงกัน, ระยะการสุ่มตัวอย่างที่กำหนด, การทำให้เย็นเร็ว, และการแก้ไขพื้นหลังของสื่อ
- Model layer: โมเดลเมตาบอลิซึมระดับจีโนม รวมถึงโมเดลโค BtaSBML2986 ที่ตีพิมพ์ใน ธันวาคม 2024
- การใช้กระบวนการ: การออกแบบสื่อ, การกำหนดเวลาการให้อาหาร, การตัดสินใจระหว่างแบทช์, เฟดแบทช์ และเพอร์ฟิวชั่น, การเลือกสายพันธุ์, และการควบคุมคุณภาพ
มีตัวเลขบางตัวที่โดดเด่น.ในเซลล์ต้นกำเนิดกล้ามเนื้อลายของสุกร การศึกษาหนึ่งรายงาน 94 เมแทบอไลต์ภายในเซลล์, โดยมี 24 เมแทบอไลต์ที่เชื่อมโยงกับการเพิ่มจำนวนเซลล์ และ 17 เมแทบอไลต์ที่เชื่อมโยงกับการแยกแยะเซลล์ . นั่นไม่ใช่การเปลี่ยนแปลงแบบสุ่ม มันชี้ให้เห็นถึงการเปลี่ยนแปลงสถานะที่ชัดเจนที่คุณสามารถวัดและใช้ได้
ฉันจะใช้บทความนี้เป็นแนวทางสำหรับ สแต็กการทำแผนที่ขั้นต่ำ:
- เริ่มต้นด้วย สื่อที่ใช้แล้ว LC-MS
- เพิ่ม เมแทบอโลมิกส์ภายในเซลล์
- ใช้ การติดตาม ¹³C-glucose หรือ ¹³C-glutamine เมื่อข้อมูลพูลไม่เพียงพอ
- นำข้อมูลเข้าสู่ GEM
- ทดสอบโมเดลในวัฒนธรรม จากนั้นอัปเดตมัน
นั่นคือข้อความหลัก: ทำแผนที่เส้นทางตามสถานะเซลล์ ไม่ใช่แค่ตามชนิดหรือสื่อ, และเชื่อมโยงข้อมูลโดยตรงกับการออกแบบอาหาร การขยายขนาด, และ QC.
หากคุณทำงานในด้านกระบวนการชีวภาพ การเพาะเลี้ยงเซลล์ หรือการวิจัยและพัฒนาการผลิตเนื้อสัตว์เพาะเลี้ยง บทความนี้จะให้เส้นทางที่ชัดเจนจากชีววิทยาของเส้นทางไปสู่การตัดสินใจในกระบวนการประจำวัน
แผนที่เส้นทางเมตาบอลิซึมสำหรับการวิจัยและพัฒนาการผลิตเนื้อสัตว์เพาะเลี้ยง
เส้นทางเมตาบอลิซึมหลักในสายเซลล์เนื้อสัตว์เพาะเลี้ยง
เมตาบอลิซึมคาร์บอนกลาง: ไกลโคไลซิส วัฏจักร TCA และการฟอสโฟรีเลชันออกซิเดทีฟ
ในเซลล์ที่กำลังแบ่งตัว ไกลโคไลซิสทำงานสองอย่างพร้อมกัน: มันให้พลังงาน ATP และป้อนการสังเคราะห์ชีวภาพด้วยตัวกลางคาร์บอน ครีเอตินีนในเซลล์ที่กำลังแบ่งตัวชี้ให้เห็นถึงการหมุนเวียนครีเอติน-ฟอสเฟตที่รวดเร็ว ซึ่งช่วยบัฟเฟอร์ความต้องการ ATP [3].
เมื่อเซลล์เริ่มเปลี่ยนแปลงและเริ่มสร้างไมโอทูบ การตั้งค่าเมตาบอลิซึมนั้นจะเปลี่ยนไปการบริโภคออกซิเจนเพิ่มขึ้น กิจกรรมของไซโตโครมซีออกซิเดสเพิ่มขึ้น และการฟอสโฟรีเลชันออกซิเดทีฟในไมโทคอนเดรียกลายเป็นแหล่ง ATP หลัก [3]. วัฏจักร TCA นั่งอยู่ที่ศูนย์กลางของการเปลี่ยนแปลงนี้ มันเชื่อมโยงการผลิต ATP กับเมแทบอลิซึมของกรดอะมิโนและให้สารตัวกลางที่จำเป็นสำหรับการเจริญเติบโตและการพัฒนากล้ามเนื้อ [3]. อัตราส่วน NAD⁺/NADH เป็นการอ่านค่าที่มีประโยชน์ที่นี่: อัตราส่วนที่สูงขึ้นบ่งชี้ถึงเมแทบอลิซึมออกซิเดทีฟที่มีความกระตือรือร้นมากขึ้น [3]. พูดง่ายๆ การแยกแยะมาพร้อมกับความต้องการออกซิเจนที่สูงขึ้น
การเปลี่ยนแปลงในสถานะเดียวกันนี้ยังเปลี่ยนความต้องการกรดอะมิโน นิวคลีโอไทด์ และลิพิด
เมแทบอลิซึมของกรดอะมิโน นิวคลีโอไทด์ และลิพิด
ความต้องการกรดอะมิโนเปลี่ยนแปลงตลอดช่วงเวลาการเพาะเลี้ยง ในระหว่างการขยายตัว เมแทบอลิซึมของอะลานีน แอสพาเทต และกลูตาเมตสนับสนุนการสะสมของมวลชีวภาพ [3]. ในระหว่างการแยกแยะ เมแทบอลิซึมของ D-glutamine และ D-glutamate จะเด่นชัดมากขึ้นและช่วยสนับสนุนการสังเคราะห์โปรตีนที่หดตัวเช่น myosin และ actin [3].
ความต้องการนิวคลีโอไทด์สูงสุดในระหว่างการเพิ่มจำนวน เมื่อเซลล์ต้องการการสังเคราะห์ DNA และ RNA เพื่อสนับสนุนการแบ่งตัว จากนั้นปริมาณจะเพิ่มขึ้นในระหว่างการแยกแยะเพื่อสนับสนุนการสร้าง myofibre [3].
เมแทบอลิซึมของไขมันก็เปลี่ยนแปลงเช่นกัน Lysophosphatidylethanolamine (LysoPE) และ lysophosphatidylcholine (LysoPC) ถูกตรวจพบเฉพาะในระหว่างการแยกแยะ [3]. ไขมันเหล่านี้สนับสนุนการปรับโครงสร้างเยื่อหุ้มเซลล์ในระหว่างการหลอมรวมของ myoblast ซึ่งมีเหตุผลเมื่อเซลล์กำลังเคลื่อนจากการเจริญเติบโตไปสู่การสร้างเนื้อเยื่อ
เมแทบอลิซึมของ tryptophan ก็โดดเด่นเช่นกันผลิตภัณฑ์ปลายน้ำ indolelactate ทำหน้าที่เป็นสารต้านอนุมูลอิสระระหว่างการแยกแยะและช่วยปกป้องเซลล์จากความเครียดออกซิเดชันระหว่างการหลอมรวมของ myotube [3]. สิ่งนี้มีความสำคัญต่อคุณภาพของผลิตภัณฑ์ขั้นสุดท้ายเนื่องจากการก่อตัวของ myotube ที่เสถียรสนับสนุนความสมบูรณ์ของโครงสร้างของเนื้อเยื่อเนื้อสัตว์ที่เพาะเลี้ยง
การเผาผลาญแตกต่างกันอย่างไรในสถานะเซลล์และสายพันธุ์ต่างๆ
การศึกษาแบบ multi-omics ของ เซลล์ต้นกำเนิดกล้ามเนื้อลายของสุกร ระบุเมตาโบไลต์ภายในเซลล์ 94 ชนิด โดยมีเมตาโบไลต์ที่มีความอุดมสมบูรณ์แตกต่างกัน 24 ชนิดที่เป็นเอกลักษณ์เฉพาะสำหรับการเพิ่มจำนวนและ 17 ชนิดที่เป็นเอกลักษณ์เฉพาะสำหรับการแยกแยะ [3]. นั่นคือการแยกทางเมตาบอลิซึมที่ชัดเจน ไม่ใช่เสียงรบกวนพื้นหลัง เซลล์ประเภทเดียวกันทำงานโปรแกรมทางชีวเคมีที่แตกต่างกันขึ้นอยู่กับขั้นตอน
เซลล์สายพันธุ์หลักเทียบกับเซลล์สายพันธุ์อมตะ แตกต่างกันในความเสถียรของการเผาผลาญ และจำนวนการผ่านเพิ่มตัวแปรอีกตัวหนึ่งในเซลล์ต้นกำเนิดกล้ามเนื้อหมู, passage 2 มักจะแสดงอัตราการเจริญเติบโตสูงสุด, ในขณะที่ passage 3 แสดงการสูญเสียการแสดงออกของยีนเครื่องหมาย myogenic อย่างชัดเจนพร้อมกับการเปลี่ยนแปลงในความอุดมสมบูรณ์ของเมตาบอไลต์ [5]. หากทุก passage ถูกพิจารณาว่าเทียบเท่ากันในเชิงเมตาบอลิก, การออกแบบสื่อและการควบคุมกระบวนการอาจเบี่ยงเบนไปจากสภาวะที่เซลล์อยู่จริงๆ
การเปลี่ยนแปลงเหล่านี้สรุปไว้ด้านล่าง [3].
| คุณสมบัติ | สถานะการแพร่กระจาย | สถานะการแยกแยะ |
|---|---|---|
| เส้นทางพลังงานหลัก | ไกลโคไลซิส | การฟอสโฟรีเลชันออกซิเดทีฟในไมโทคอนเดรีย (OXPHOS) |
| เส้นทางกรดอะมิโนที่สำคัญ | อะลานีน, แอสพาร์เทต, และกลูตาเมต | D-กลูตามีน และ D-กลูตาเมต |
| เมแทบอไลต์เฉพาะระยะ | กรดอะมิโนอะดิปิก, ครีเอตินีน | อินโดลแลคเตท, LysoPE, LysoPC |
| ความต้องการออกซิเจน | ต่ำกว่า | สูงกว่า |
สถานะการแพร่กระจายและการแยกแยะมีรูปแบบการดูดซึมและการหลั่งที่แตกต่างกัน ดังนั้นแผนที่เมแทบอลิซึมเดียวจะไม่เหมาะกับทุกสถานะกระบวนการ [1][2]. ลายเซ็นของเส้นทางเหล่านี้กำหนดการอ่านค่าที่ใช้ในเมตาโบโลมิกส์และการวิเคราะห์ฟลักซ์
sbb-itb-ffee270
เวิร์กโฟลว์การทดลองสำหรับการทำแผนที่เส้นทางเมตาบอลิก
การวิเคราะห์เมตาโบโลมิกส์และสื่อที่ใช้แล้ว
เมื่อกำหนดเส้นทางหลักแล้ว ขั้นตอนต่อไปคือการวัดโดยตรง
การวิเคราะห์สื่อที่ใช้แล้วมักเป็นการอ่านค่าที่ใช้งานได้จริงครั้งแรกของพฤติกรรมเส้นทาง โดยการเปรียบเทียบสื่อใหม่และสื่อที่ใช้แล้ว คุณสามารถเห็นได้ว่าสารอาหารใดที่เซลล์ดูดซับและผลพลอยได้ใดที่สะสมขึ้น เวิร์กโฟลว์ LC-MS หรือ GC-MS ที่มีเป้าหมายทำงานได้ดีสำหรับสิ่งนี้ โดยเฉพาะอย่างยิ่งเมื่อมีการติดตามแลคเตท แอมโมเนีย และสารอาหารหลักอื่นๆ การอ่านค่าเหล่านี้ให้มุมมองโดยตรงเกี่ยวกับความต้องการและความเครียดของการเพาะเลี้ยง
สื่อที่ใช้แล้วสามารถทำหน้าที่เป็นเครื่องหมาย QC ได้เช่นกัน ในเซลล์ต้นกำเนิดกล้ามเนื้อลายหมู γ-glutamyl-L-leucine, cytosine และ ketoleucine เป็นเครื่องหมายที่แข็งแกร่งของการเพิ่มจำนวนที่ไม่เหมาะสม [5] . การวิเคราะห์เมแทบอลิซึมภายในเซลล์ให้มุมมองที่ตรงกว่าเกี่ยวกับกิจกรรมของเส้นทางภายในเซลล์ UHPLC-Q-Exactive Orbitrap เวิร์กโฟลว์ของแมสสเปกโตรเมตรีที่ใช้กับเซลล์ต้นกำเนิดกล้ามเนื้อลายของสุกรระบุเมแทบอลิซึมภายในเซลล์ 94 ชนิดในระยะต่างๆ ของการพัฒนากล้ามเนื้อ [3].
ขนาดของพูลบอกคุณว่ามีอะไรอยู่; การติดตามบอกคุณว่าอะไรเคลื่อนไหว
การติดตามไอโซโทปที่เสถียรและ การวิเคราะห์การไหลของเมแทบอลิซึม
ข้อมูลความเข้มข้นเพียงอย่างเดียวมีข้อจำกัดพื้นฐาน: มันบอกคุณถึงขนาดของพูลเมแทบอลิซึม ไม่ใช่ว่าพูลนั้นหมุนเวียนเร็วแค่ไหน เมแทบอลิซึมอาจดูมีมากในขณะที่ทำงานน้อย หรือดูมีน้อยในขณะที่หมุนเวียนเร็ว การวิเคราะห์การไหลของเมแทบอลิซึม (MFA) จัดการกับสิ่งนี้โดยใช้สารตั้งต้นที่ติดฉลาก ¹³C เช่น กลูโคสหรือกลูตามีน เพื่อติดตามว่าคาร์บอนไปที่ไหนจริงๆ [6].
ใช้การวิเคราะห์ฟลักซ์เมื่อคุณต้องการทราบว่ากลูโคสหรือกลูตามีนสนับสนุนการผลิตพลังงาน การสร้างชีวมวล หรือทั้งสองอย่าง เมื่อกลูโคสที่มีการติดฉลาก ¹³C ถูกจัดหาให้กับเซลล์ที่กำลังเพิ่มจำนวน ป้ายจะกระจายไปทั่วตัวกลางไกลโคไลติก เมแทบอไลต์ของวงจร TCA และผลิตภัณฑ์ชีวสังเคราะห์ที่ตามมาในรูปแบบที่แสดงให้เห็นว่าจุดแยกใดที่กำลังทำงานอยู่ ในระหว่างการแยกแยะ ตัวติดตามเดียวกันสามารถหาปริมาณการเปลี่ยนแปลงไปสู่การฟอสโฟรีเลชันออกซิเดชัน ความแตกต่างนั้นมีความสำคัญต่อ การออกแบบกลยุทธ์สื่อและการให้อาหาร. หากกรดอะมิโนถูกเผาเพื่อพลังงานแทนที่จะใช้สำหรับการสังเคราะห์ชีวมวล การกำหนดสูตรของสื่อการแยกแยะจำเป็นต้องเปลี่ยนแปลง [2][6].
ใช้ MFA เมื่อการออกแบบสื่อขึ้นอยู่กับฟลักซ์แทนที่จะเป็นขนาดของพูล
ตัวเลือกการออกแบบการทดลองที่ส่งผลต่อคุณภาพของข้อมูล
มูลค่าของทั้งสองวิธีขึ้นอยู่กับวิธีการเก็บตัวอย่าง
การออกแบบการสุ่มตัวอย่างกำหนดว่าข้อมูลสามารถตีความได้ด้วยความมั่นใจหรือไม่ หมายเลขการผ่านต้องตรงกันระหว่างตัวอย่าง ในเซลล์ต้นกำเนิดกล้ามเนื้อลายของสุกร การผ่านครั้งที่ 2 มักจะแสดงถึงการเพิ่มจำนวนสูงสุด ในขณะที่การผ่านครั้งที่ 3 แสดงถึงการสูญเสียการแสดงออกของเครื่องหมาย myogenic ที่วัดได้และการเพิ่มจำนวนที่ต่ำลง [5]. การปฏิบัติต่อการผ่านทั้งหมดราวกับว่ามันเหมือนกันจะเพิ่มข้อผิดพลาดเชิงระบบในการวิเคราะห์เปรียบเทียบ
ตัวอย่างควรถูกเก็บในระยะที่กำหนด: การเพิ่มจำนวนในระยะแรก, การรวมตัว, การแยกแยะในระยะแรก, และการสร้าง myotube [3]. ในวัฒนธรรม 2 มิติ, วันที่ 2 ถึงวันที่ 3 มักจะเป็นหน้าต่างที่เชื่อถือได้ครั้งสุดท้ายก่อนที่ความเครียดจากการหดตัวจะเริ่มทำให้ myotube ไม่เสถียร [3]. ระบบที่ใช้โครงและ 3 มิติ ขยายหน้าต่างนั้นและจำเป็นหากคุณต้องการศึกษาการเจริญเติบโตของกล้ามเนื้อในระยะยาวและความสมบูรณ์ของโครงสร้าง [3].
การหยุดปฏิกิริยาเป็นสิ่งสำคัญสำหรับตัวอย่างภายในเซลล์ กิจกรรมเมตาบอลิซึมต้องหยุดอย่างรวดเร็วที่จุดเก็บตัวอย่าง มิฉะนั้นเอนไซม์จะยังคงเปลี่ยนแปลงเมตาบอไลต์หลังการเก็บเกี่ยวและบิดเบือนภาพรวม การลบพื้นหลังของสื่อมีความสำคัญเช่นเดียวกัน สื่อที่ใช้แล้วควรถูกเปรียบเทียบกับสื่อใหม่จากชุดเดียวกันเพื่อให้คุณสามารถแยกการหลั่งของเซลล์ที่แท้จริงออกจากสารประกอบที่มีอยู่แล้วในสื่อ
แบบจำลองเชิงคำนวณและการบูรณาการข้อมูลสำหรับการตัดสินใจ
แบบจำลองเมตาบอลิซึมระดับจีโนมและการวิเคราะห์ตามข้อจำกัด
เมื่อข้อมูลเส้นทางถูกวัดแล้ว GEMs จะเปลี่ยนข้อมูลเหล่านั้นเป็นการคาดการณ์ที่สามารถนำทางการออกแบบสื่อและกระบวนการ แบบจำลองเมตาบอลิซึมระดับจีโนมให้กรอบทางคณิตศาสตร์สำหรับการทำแผนที่เครือข่ายเมตาบอลิซึมของเซลล์พวกเขามักจะเริ่มต้นด้วยการใส่คำอธิบายประกอบจีโนม จากนั้นปรับปรุงเมื่อสอดคล้องกับทรานสคริปโตมิกส์ โปรตีโอมิกส์ และองค์ประกอบของชีวมวลที่วัดได้ในสภาวะคงที่ [1]. สำหรับเซลล์เนื้อสัตว์ที่เพาะเลี้ยง GEMs สามารถช่วยในการเลือกสื่อ การทำนายคอขวด และการเปรียบเทียบสภาวะต่อสภาวะ
การวิเคราะห์สมดุลฟลักซ์ (FBA) และการวิเคราะห์ฟลักซ์เมตาบอลิก (MFA) มักใช้ในการทำนายฟลักซ์ภายในเซลล์และระบุส่วนประกอบของสื่อที่จำกัด [1][6] . ซึ่งทำให้มีประโยชน์โดยตรงสำหรับ การเพิ่มประสิทธิภาพสื่อที่ปราศจากเซรั่ม [1].
ในเดือนธันวาคม 2024 นักวิจัยจาก KAIST และ สถาบันวิจัย CJ BIO ได้ตีพิมพ์ GEM เฉพาะสำหรับโคเป็นครั้งแรก BtaSBML2986, ที่มี 2,986 ยีน 13,278 ปฏิกิริยา และ 8,652 เมตาบอไลต์ [4] . โมเดลได้รับการตรวจสอบกับการเจริญเติบโตของเซลล์ดาวเทียมของวัวในสภาพการเพาะเลี้ยงหกแบบ [4]. ในทางปฏิบัติ นั่นให้จุดเริ่มต้นที่ตรงกับสายพันธุ์สำหรับ การเลือกสายเซลล์ของวัว, การออกแบบสื่อ และการคัดกรองสภาพ
เมื่อไม่มี GEM ที่เฉพาะเจาะจงสำหรับสายพันธุ์ นักวิจัยมักเริ่มต้นด้วยโมเดลที่มีอยู่แล้ว เช่น human1 หรือ CHO GEMs จากนั้นปรับปรุงด้วยการใส่คำอธิบายที่เฉพาะเจาะจงสำหรับสายพันธุ์ [1][4] . มันเป็นวิธีแก้ปัญหาที่สมเหตุสมผล: ใช้สิ่งที่มีอยู่แล้ว จากนั้นปรับให้เข้ากับชีววิทยาที่คุณสนใจจริงๆ
การรวมกันของเมตาโบโลมิกส์ ทรานสคริปโตมิกส์ และโปรตีโอมิกส์
การรวมทรานสคริปโตมิกส์ โปรตีโอมิกส์ และเมตาโบโลมิกส์เชื่อมโยงความอุดมสมบูรณ์ของเอนไซม์กับกลุ่มเมตาโบไลต์และสามารถเปิดเผยคอขวดที่ชุดข้อมูลแบบ single-omics พลาดไป [1][2]. สิ่งนี้มีความสำคัญในวัฒนธรรมเซลล์ ซึ่งการเปลี่ยนแปลงในการแสดงออกของยีนเพียงอย่างเดียวไม่ได้บอกคุณเสมอไปว่าเครือข่ายกำลังทำอะไร. เส้นทางอาจดูเหมือนทำงานอยู่ในระดับการถอดรหัส แต่ยังคงหยุดชะงักเนื่องจากความอุดมสมบูรณ์ของเอนไซม์หรือความพร้อมใช้งานของเมตาโบไลต์บอกเป็นอย่างอื่น
การปรับสื่อให้เหมาะสมด้วยการใช้แบบจำลองเทียบกับการทดลองและข้อผิดพลาด
การทดลองและข้อผิดพลาดเริ่มต้นได้ง่ายกว่าเพราะต้องการเพียงเมตริกการเจริญเติบโตพื้นฐานเท่านั้น ทำให้มีประโยชน์สำหรับการคัดกรองในระยะแรก แต่ละเงื่อนไขยังคงใช้วงจรการเพาะเลี้ยงเต็มรูปแบบ และผลลัพธ์เป็นเชิงประจักษ์มากกว่ากลไก[1].
การปรับให้เหมาะสมด้วยการใช้แบบจำลองต้องการข้อมูลล่วงหน้ามากขึ้น: การใส่คำอธิบายประกอบจีโนม ข้อมูล -omics และองค์ประกอบชีวมวลที่วัดได้ แต่เมื่อ GEM ที่ใช้งานได้ถูกนำมาใช้ คุณสามารถคัดกรองสูตรหลายพันรายการในซิลิโกก่อนที่จะเริ่มการทดสอบในห้องปฏิบัติการเปียก[1][2] . สิ่งนี้เปลี่ยนแปลงความเร็วในการพัฒนาอย่างมาก โดยเฉพาะเมื่อพื้นที่ของสื่อที่ปราศจากเซรั่มขยายตัวอย่างรวดเร็ว
| คุณสมบัติ | การเพิ่มประสิทธิภาพที่มีการนำทางด้วยโมเดล | การทดลองและข้อผิดพลาดเชิงทดลอง |
|---|---|---|
| ความเร็ว | สูง - การคัดกรองในซิลิโก ของสูตรหลายพันรายการ | ต่ำ - ถูกจำกัดด้วยเวลาการเพิ่มจำนวนเซลล์และความสามารถของห้องปฏิบัติการ |
| ข้อกำหนดของข้อมูล | สูง - ต้องการการบรรยายลำดับจีโนมและข้อมูล -omics | ต่ำ - ต้องการเพียงเมตริกการเจริญเติบโตและผลผลิตพื้นฐาน |
| เหมาะสำหรับเนื้อสัตว์ที่เพาะเลี้ยง | เหมาะสำหรับสื่อที่ปราศจากเซรั่มที่ซับซ้อนและสายพันธุ์ที่ศึกษาน้อยกว่า | ดีกว่าสำหรับการคัดกรองเบื้องต้นหรือการปรับเปลี่ยนเล็กน้อย |
ในทางปฏิบัติ โมเดลควรจำกัดพื้นที่การออกแบบก่อนการตรวจสอบในห้องปฏิบัติการเปียก การทำนายของโมเดลสามารถลดพื้นที่การทดลองได้ และข้อมูลจากห้องปฏิบัติการสามารถใช้ในการปรับปรุงและยืนยันโมเดลอีกครั้ง [1]. กระบวนการทำงานที่เรียบง่ายมักจะเป็นสิ่งที่ดีที่สุด: ใช้การคัดกรอง in silico เพื่อคัดเลือกเงื่อนไข ทดสอบในวัฒนธรรม จากนั้นป้อนผลลัพธ์กลับเข้าไปในโมเดล โมเดล ทดสอบ ปรับปรุง ทำซ้ำ.
IGF1 ส่งเสริมการเพิ่มจำนวนของเนื้อสัตว์เพาะเลี้ยงในสื่อที่ปราศจากเซรั่ม
การใช้แผนที่เส้นทางกับสายเซลล์ กระบวนการชีวภาพ และการวิเคราะห์ลักษณะผลิตภัณฑ์
เมื่อแผนที่เส้นทางและโมเดลถูกจัดวางแล้ว งานจะเปลี่ยนจากการบรรยายไปสู่ การควบคุมกระบวนการชีวภาพ. ชุดข้อมูลเดียวกันสามารถช่วยทีมเลือกสายที่มีประสิทธิภาพดีกว่า ปรับการให้อาหารตามขั้นตอนการเพาะเลี้ยง และตั้งค่าตัวบ่งชี้ QC ที่จับการเบี่ยงเบนก่อนที่จะแสดงในผลผลิตหรือฟีโนไทป์.
การออกแบบและคัดเลือกสายเซลล์จากข้อมูลเส้นทาง
ข้อมูลเส้นทางทำให้การคัดเลือกสายเซลล์กลายเป็นการออกแบบเชิงกลไกแทนที่จะเป็นการลองผิดลองถูก เมื่อเปรียบเทียบสายเซลล์ที่เป็นผู้สมัคร ลักษณะที่มีประโยชน์ที่สุดคืออัตราการผลิตแลคเตทและแอมโมเนีย โปรไฟล์การบริโภคกรดอะมิโน และวิธีที่เซลล์เคลื่อนจากการเพิ่มจำนวนไปสู่การแยกแยะได้อย่างสะอาด สายเซลล์ที่สามารถเปลี่ยนแปลงได้อย่างสะอาดจะเป็นผู้สมัครที่แข็งแกร่งกว่าสายเซลล์ที่ติดขัดระหว่างทาง
จำนวนการผ่านก็มีความสำคัญเช่นกัน ในการศึกษาที่ตีพิมพ์ในเดือนเมษายน 2024 ใน Food Research International, นักวิจัยที่ มหาวิทยาลัยแห่งชาติโซล ได้ระบุไบโอมาร์คเกอร์ในสื่อที่ใช้แล้วสามตัว - γ-glutamyl-L-leucine, cytosine, และ ketoleucine - ที่เปลี่ยนแปลงเฉพาะในเซลล์ต้นกำเนิดกล้ามเนื้อหมูที่การผ่านครั้งที่ 3 ซึ่งสอดคล้องกับการสูญเสียการแสดงออกของยีน myogenic อย่างมีนัยสำคัญ การใช้ LC-MS ของสื่อที่ใช้แล้วเป็นประจำสามารถระบุชุดที่ไม่เหมาะสมได้ตั้งแต่เนิ่นๆ
การดำเนินงานของไบโอรีแอคเตอร์, การขยายขนาดและการเลือกโหมดการเพาะเลี้ยง
การอ่านค่าเดียวกันที่ใช้ในการจัดอันดับสายเซลล์ยังช่วยในการกำหนดวิธีการ ขยายสายเซลล์สำหรับการเพาะเลี้ยงในไบโอรีแอคเตอร์. เมื่อเซลล์เคลื่อนจากไกลโคไลซิสไปสู่การฟอสโฟรีเลชันออกซิเดทีฟในระหว่างการแยกตัว, กลยุทธ์การให้อาหารจำเป็นต้องเปลี่ยนไปตามขั้นตอนการเพาะเลี้ยง [3]. โหมดแบทช์ให้ฐานข้อมูลที่ชัดเจนสำหรับการระบุอัตราการหมดของสารอาหารหลัก โหมดเฟดแบทช์และเพอร์ฟิวชั่นทำให้สามารถปรับการป้อนอาหารให้ตรงกับสภาวะเมตาบอลิก ซึ่งมีความสำคัญเมื่อแลคเตทและแอมโมเนียเริ่มสะสมขึ้น
| รูปแบบ / โหมด | มุมมองการควบคุมเมตาบอลิซึม | ความท้าทายในการตีความข้อมูล |
|---|---|---|
| การเพาะเลี้ยงแบบ 2 มิติ | การเข้าถึงสารอาหารสูง; ความซื่อสัตย์เชิงโครงสร้างจำกัด | ไม่สะท้อนถึงความชันเมตาบอลิซึมแบบ 3 มิติ |
| ไมโครแคร์ริเออร์ | อัตราส่วนพื้นผิวต่อปริมาตรสูง; ความเสี่ยงจากความชัน | ต้องการการวิเคราะห์สื่อที่ใช้แล้วเพื่อตรวจสอบการขาดแคลนในท้องถิ่น [1] |
| โครงสร้างรองรับ | เลียนแบบสถาปัตยกรรม 3 มิติ; พลศาสตร์การแพร่กระจายที่ซับซ้อน | ยากที่จะสกัดเมตาบอไลต์ภายในเซลล์; อาศัยการทำนาย GEM [1] |
| แบทช์ | ง่าย; สารอาหารหมดไปในขณะที่แลคเตทและแอมโมเนียสะสม | เกณฑ์พื้นฐานสำหรับการระบุอัตราการลดลงของสารอาหารหลัก |
| การป้อนอาหารแบบต่อเนื่อง / การไหลเวียน | ช่วยให้ควบคุมการไหลของกลูโคส/แลคเตทได้อย่างแม่นยำ | ต้องการ MFA แบบเรียลไทม์เพื่อปรับสมดุลอัตราการป้อนกับการบริโภค |
ในระดับใหญ่ ภาชนะหนึ่งมักจะไม่ทำงานเหมือนสภาพแวดล้อมที่เป็นเนื้อเดียวกันความชันของสารอาหารสร้างโซนเมตาบอลิซึมที่แตกต่างกันในไบโอรีแอคเตอร์ GEMs สามารถจำลองการเปลี่ยนแปลงของฟลักซ์ภายใต้สภาวะท้องถิ่นที่แตกต่างกันและชี้ให้เห็นถึงจุดที่การจำกัดสารอาหารมีแนวโน้มที่จะปรากฏก่อนที่จะปรากฏในข้อมูลกระบวนการ ซึ่งทำให้ผลลัพธ์ของโมเดลมีประโยชน์โดยตรงสำหรับกลยุทธ์การป้อนอาหาร ความต้องการออกซิเจน และการควบคุมของเสีย
บทสรุป: สแต็กการทำแผนที่เส้นทางขั้นต่ำสำหรับเนื้อสัตว์ที่เพาะเลี้ยง R&D
ร่วมกัน, การอ่านค่าเหล่านี้สร้างสแต็กการควบคุมขั้นต่ำสำหรับเนื้อสัตว์ที่เพาะเลี้ยง R&D.
เริ่มต้นด้วยสมมติฐานเส้นทางกลาง: ไกลโคไลซิส, วัฏจักร TCA, และการบริโภคกรดอะมิโน จากนั้นสร้างชุดข้อมูลสื่อที่ใช้แล้วด้วย LC-MS มาตรฐาน เพิ่มการติดตามไอโซโทปที่เสถียรเมื่อคุณต้องการยืนยันว่าแหล่งคาร์บอนเข้าสู่วัฏจักร TCA หรือไม่ หรือกลูตามีนถูกบริโภคในลักษณะออกซิเดทีฟหรือรีดักทีฟหลังจากนั้น ให้เพิ่ม GEM เช่น BtaSBML2986 สำหรับเซลล์วัว [4], เพื่อจำกัดพื้นที่การออกแบบสื่อก่อนที่จะเริ่มการตรวจสอบในห้องปฏิบัติการเปียก
จุดสำคัญคือการป้อนผลลัพธ์กลับเข้าสู่โมเดล ปรับปรุงสมมติฐาน และให้แต่ละรอบของข้อมูลช่วยปรับปรุงการเลือกในชุดถัดไป โปรแกรมการทำแผนที่ที่แยกออกจากการเลือกสายเซลล์ กลยุทธ์การให้อาหาร และการประเมินคุณภาพสามารถสร้างชุดข้อมูลที่น่าสนใจได้ แต่ไม่ช่วยในการผลิตมากนัก
คำถามที่พบบ่อย
ทำไมการวัดเมตาโบโลมิกส์ขนาดพูลถึงไม่เพียงพอ?
การวัดเมตาโบโลมิกส์ขนาดพูลจะวัดความเข้มข้นของเมตาโบไลต์ในสถานะคงที่ ซึ่งหมายความว่ามันให้ภาพนิ่งของเซลล์ ไม่ใช่การอ่านค่า ฟลักซ์ - อัตราที่ปฏิกิริยาทางเมตาบอลิซึมกำลังเกิดขึ้นจริงๆ
สำหรับการวิจัยและพัฒนาของเนื้อสัตว์ที่เพาะเลี้ยง ข้อจำกัดนั้นมีความสำคัญ&แผนที่ความเข้มข้นเพียงอย่างเดียวไม่สามารถบอกคุณได้ว่าคอขวดทางเมตาบอลิซึมอยู่ที่ไหน หรือสารอาหารเฉพาะใดที่สนับสนุนการเจริญเติบโตและการแยกแยะ เพื่อที่จะตอบคำถามเหล่านั้น คุณจำเป็นต้องใช้วิธีการแบบไดนามิก เช่น การวิเคราะห์การไหลของเมตาบอลิซึม
ทีมควรใช้การติดตาม 13C เมื่อใด
ทีมควรใช้ การวิเคราะห์การไหลของเมตาบอลิซึมด้วย 13C (MFA) เมื่อพวกเขาต้องการระบุและแก้ไขคอขวดทางเมตาบอลิซึมที่ขัดขวางประสิทธิภาพการผลิตและชะลอความก้าวหน้าไปสู่ความเท่าเทียมด้านราคาในเนื้อสัตว์ที่เพาะเลี้ยง
ชีววิทยาระบบและแบบจำลองเมตาบอลิซึมในระดับจีโนมสามารถช่วยในการเพิ่มประสิทธิภาพของสื่อได้ แต่ 13C-MFA ยังคงเป็นช่องว่างในสาขาสำหรับสายพันธุ์ที่เกี่ยวข้องส่วนใหญ่ และจนถึงขณะนี้มันถูกใช้ในเซลล์ประเภทที่จำกัดเท่านั้น
แผนที่เส้นทางช่วยปรับปรุงการออกแบบอาหารสัตว์อย่างไร?
แผนที่เส้นทางที่สร้างจากโมเดลเมตาบอลิซึมระดับจีโนมช่วยให้นักวิจัยระบุสิ่งที่เซลล์ต้องการจากสื่อกลางได้อย่างแม่นยำ จุดที่เมตาบอลิซึมเริ่มช้าลง และวิธีการใช้พลังงานในระหว่างการผลิตเนื้อสัตว์ที่เพาะเลี้ยง
เมื่อคุณจับคู่แผนที่เหล่านี้กับการวิเคราะห์สมดุลฟลักซ์ พวกมันจะมีประโยชน์มากขึ้น พวกมันสามารถนำทางการออกแบบสื่อเพาะเลี้ยงที่มีเป้าหมายมากขึ้นสำหรับขั้นตอนต่างๆ เช่น การเพิ่มจำนวนและการแยกแยะ นั่นช่วยให้ทีมปรับปรุงการสะสมชีวมวล ดำเนินการผลิตได้อย่างมีประสิทธิภาพมากขึ้น และควบคุมคุณภาพทางโภชนาการและประสาทสัมผัสขั้นสุดท้ายได้มากขึ้น
