การตรวจสอบความหนาแน่นของเซลล์แบบเรียลไทม์เป็นสิ่งสำคัญสำหรับการปรับปรุงการผลิตเนื้อสัตว์ที่เพาะเลี้ยง วิธีการแบบดั้งเดิม เช่น การทดสอบด้วย trypan blue นั้นช้า มีแนวโน้มที่จะเกิดการปนเปื้อน และมักพลาดการเปลี่ยนแปลงอย่างรวดเร็วในการเจริญเติบโตของเซลล์ การวัดแบบเรียลไทม์ให้ข้อมูลอย่างต่อเนื่อง ช่วยให้สามารถปรับสารอาหารได้อย่างแม่นยำ ตรวจพบปัญหาได้เร็ว และรักษาคุณภาพของผลิตภัณฑ์ให้คงที่
วิธีการวิเคราะห์ต่างๆ สำหรับการตรวจสอบเซลล์มีชีวิต ได้แก่:
- เซ็นเซอร์ Biocapacitance: วัดเซลล์ที่มีชีวิตโดยการตรวจจับเยื่อหุ้มที่สมบูรณ์ ระบบความถี่การสแกนช่วยลดข้อผิดพลาดเหลือ 5.5–11%
- เซ็นเซอร์ Optical Turbidity: ติดตามความหนาแน่นของเซลล์ทั้งหมดผ่านการกระเจิงของแสง แต่ไม่สามารถแยกแยะเซลล์ที่มีชีวิตจากเซลล์ที่ตายแล้วได้
- การตรวจสอบ RF Impedance: เหมาะสำหรับระบบความหนาแน่นสูง โดยเน้นที่เซลล์มีชีวิตในรูปแบบไมโครแคร์ริเออร์หรือการตั้งค่าแบบตรึง
- Raman Spectroscopy: ให้การวิเคราะห์ทางเคมีอย่างละเอียด สามารถระบุเซลล์ที่มีชีวิตและเมตาบอไลต์ได้
- NIR Spectroscopy: ติดตามพารามิเตอร์หลายตัวได้อย่างรวดเร็ว แต่มีปัญหากับสัญญาณที่ทับซ้อนกัน
แต่ละวิธีมีจุดแข็งและข้อจำกัด ทำให้การสอบเทียบและการตรวจสอบความถูกต้องเป็นสิ่งสำคัญสำหรับความแม่นยำ แพลตฟอร์มเช่น
Incyte Arc: การตรวจสอบความหนาแน่นของเซลล์ที่มีชีวิตแบบเรียลไทม์สำหรับการควบคุมกระบวนการชีวภาพที่ชาญฉลาด
sbb-itb-ffee270
เทคโนโลยีสำหรับการวัดความหนาแน่นของเซลล์แบบเรียลไทม์
การเปรียบเทียบเทคโนโลยีการวัดความหนาแน่นของเซลล์แบบเรียลไทม์สำหรับเนื้อสัตว์ที่เพาะเลี้ยง
เพื่อตอบสนองความต้องการสำหรับการป้อนกลับของกระบวนการอย่างต่อเนื่อง, เซ็นเซอร์สำหรับเครื่องปฏิกรณ์ชีวภาพเนื้อสัตว์ที่เพาะเลี้ยง ตอนนี้สามารถวัดความหนาแน่นของเซลล์แบบเรียลไทม์ได้อย่างแม่นยำ แต่ละวิธีมีแนวทางเฉพาะตัว, รองรับเซลล์ที่มีชีวิตหรือมวลชีวภาพทั้งหมด, ขึ้นอยู่กับความต้องการเฉพาะของกระบวนการ
เซ็นเซอร์ที่ใช้หลักการ Biocapacitance
เซ็นเซอร์ Biocapacitance ทำงานโดยการใช้สนามไฟฟ้ากับสารแขวนลอยของเซลล์ เซลล์ที่มีชีวิต, ที่มีเยื่อหุ้มที่สมบูรณ์, ทำหน้าที่เหมือนตัวเก็บประจุขนาดเล็ก เยื่อหุ้มของพวกมันป้องกันไม่ให้ไอออนในไซโตพลาสซึมผ่าน, ทำให้เกิดการโพลาไรเซชันและสร้างประจุที่สามารถวัดได้เซลล์ที่ตายแล้วไม่มีเยื่อหุ้มที่สมบูรณ์และไม่ส่งผลต่อสัญญาณ[1].
เทคนิคนี้อาศัยการกระจายตัวของ β ซึ่งเซลล์จะมีการโพลาไรซ์เต็มที่ที่ความถี่ต่ำกว่า 100 kHz ส่งผลให้มีค่าความจุไฟฟ้าสูง โดยการสแกนช่วงความถี่ (50–20,000 kHz) และใช้การวิเคราะห์แบบหลายตัวแปร เซ็นเซอร์เหล่านี้สามารถปรับแก้การเปลี่ยนแปลงขนาดเซลล์ได้ การปรับนี้ช่วยลดข้อผิดพลาดในการวัดจาก 16–23% เหลือช่วงที่ต่ำกว่ามากคือ 5.5–11%[1].
เพื่อให้มั่นใจในความแม่นยำ โพรบต้องถูกตั้งค่าเป็นศูนย์ในสื่อปลอดเชื้อก่อนการฉีดเชื้อ จากนั้นทำการสอบเทียบโดยใช้ความเข้มข้นของเซลล์ที่ทราบในตอนเริ่มต้น อุปกรณ์เช่น Aber FUTURA pico สามารถผสานเข้ากับเครื่องปฏิกรณ์ชีวภาพได้อย่างราบรื่น โดยให้การอ่านค่าใหม่ทุกๆ 30 วินาทีเซ็นเซอร์เหล่านี้มีประสิทธิภาพสูงสำหรับเซลล์ในสารแขวนลอย, ติดกับไมโครแคร์ริเออร์, หรือถูกตรึงในเตียงคงที่ - สถานการณ์ที่วิธีการนับแบบดั้งเดิมมักจะไม่เพียงพอ[1][2].
สำหรับการวัดมวลชีวภาพโดยรวม, วิธีการทางแสงเป็นอีกทางเลือกหนึ่งที่มีประสิทธิภาพ.
เซ็นเซอร์ความขุ่นทางแสง
เซ็นเซอร์ความขุ่นทางแสงกำหนดความหนาแน่นของเซลล์ทั้งหมดโดยการวัดแสงที่กระจายโดยอนุภาคทั้งหมดในวัฒนธรรม, รวมถึงเซลล์ที่มีชีวิต, เซลล์ที่ตายแล้ว, และเศษซาก. แม้ว่าเซ็นเซอร์เหล่านี้จะไม่สามารถแยกแยะระหว่างมวลชีวภาพที่มีชีวิตและไม่มีชีวิตได้, แต่ก็มีประโยชน์อย่างยิ่งเมื่ออัตราส่วนของเซลล์ที่มีชีวิตต่อเซลล์ที่ตายแล้วคงที่ตลอดกระบวนการ. การสอบเทียบเกี่ยวข้องกับการเชื่อมโยงการอ่านค่าความขุ่นกับการนับเซลล์แบบออฟไลน์ในขั้นตอนต่างๆ ของวัฒนธรรม. เซ็นเซอร์เหล่านี้สามารถติดตั้งได้ทั้งแบบอินไลน์หรือในวงจรบายพาส, ให้การตรวจสอบอย่างต่อเนื่องเพื่อช่วยกำหนดเวลาการเก็บเกี่ยวที่เหมาะสม.
การตรวจสอบอิมพีแดนซ์ความถี่วิทยุ
การตรวจสอบอิมพีแดนซ์ความถี่วิทยุ (RF) มีหลักการบางอย่างร่วมกับเซ็นเซอร์ชีวภาพที่เน้นการตรวจจับเซลล์ที่มีเยื่อหุ้มที่สมบูรณ์ในขณะที่ไม่สนใจเซลล์ที่ตายแล้วและเศษซาก[1][2]. วิธีนี้เหมาะสมอย่างยิ่งสำหรับระบบที่เกี่ยวข้องกับเซลล์ที่ถูกตรึงหรือการเพาะเลี้ยงบนไมโครแคเรียร์, ซึ่งการสุ่มตัวอย่างแบบออฟไลน์อาจทำได้ยาก RF อิมพีแดนซ์สามารถจัดการกับความเข้มข้นของเซลล์ที่มีชีวิตเกิน 10 ล้านเซลล์/มล. ในกระบวนการป้อนอาหารแบบแบทช์ ทำให้เป็นตัวเลือกที่ยอดเยี่ยมสำหรับการผลิตเนื้อสัตว์ที่เพาะเลี้ยงความหนาแน่นสูง[1]. สำหรับการจัดหาโพรบอิมพีแดนซ์ RF และอุปกรณ์ตรวจสอบเฉพาะทาง แพลตฟอร์มเช่น
| เทคโนโลยี | มาตรการ | จุดแข็งหลัก | ข้อจำกัด |
|---|---|---|---|
| Biocapacitance (ความถี่เดียว) | ปริมาตรเซลล์ที่มีชีวิต | การใช้งานที่ง่าย | ไวต่อการเปลี่ยนแปลงของเส้นผ่านศูนย์กลาง (ข้อผิดพลาด 16–23%)[1] |
| Biocapacitance (การสแกน) | ความเข้มข้นของเซลล์ที่มีชีวิต | ปรับสำหรับการเปลี่ยนแปลงขนาด (5.5–11% error)[1] | ต้องการการวิเคราะห์หลายตัวแปร |
| ความขุ่นทางแสง | ความหนาแน่นของเซลล์ทั้งหมด | ตรวจจับมวลชีวภาพโดยรวม | ไม่สามารถแยกแยะเซลล์ที่มีชีวิตจากเซลล์ที่ตายแล้ว[2] |
| RF Impedance | ปริมาตรชีวภาพของเซลล์ที่มีชีวิต | ทำงานได้ดีกับไมโครแคร์ริเออร์และเตียงคงที่ | ต้องการการสอบเทียบเฉพาะโพรบ |
วิธีการทางสเปกโทรสโกปีสำหรับการวิเคราะห์หลายพารามิเตอร์
วิธีการทางสเปกโทรสโกพีช่วยยกระดับการตรวจสอบกระบวนการไปอีกขั้นโดยการวัดมากกว่าหนึ่งพารามิเตอร์ เช่น ที่เซ็นเซอร์ความจุและความขุ่นให้ได้.เทคนิคเหล่านี้วิเคราะห์ว่าการโต้ตอบของแสงกับโมเลกุลในวัฒนธรรมอย่างไร โดยให้ข้อมูลเชิงลึกแบบเรียลไทม์ไม่เพียงแค่จำนวนเซลล์เท่านั้น แต่ยังรวมถึงระดับสารอาหาร ความเข้มข้นของเมตาบอไลต์ และตัวแปรกระบวนการที่สำคัญอื่นๆ ด้วย การสร้างโปรไฟล์ทางเคมีอย่างละเอียด พวกเขาเสริมเซ็นเซอร์ความจุและความขุ่น ให้ข้อมูลที่สมบูรณ์ยิ่งขึ้นสำหรับการตัดสินใจที่ดีขึ้น
Raman Spectroscopy
Raman spectroscopy ทำงานโดยการวัดการกระเจิงของแสงที่ไม่ยืดหยุ่น เมื่อเลเซอร์ (โดยทั่วไปที่ 785 นาโนเมตร) กระทบกับตัวอย่าง แสงที่กระเจิงจะเปลี่ยนความยาวคลื่นตามพันธะเคมีของโมเลกุลที่พบ วิธีการนี้การสร้างโปรไฟล์ทางเคมีที่แม่นยำทำให้สามารถแยกแยะเซลล์ที่มีชีวิตจากเซลล์ที่ตายแล้วและระบุเมตาบอไลต์แต่ละชนิด เช่น กลูโคส แลคเตท กลูตามีน กลูตาเมต และแอมโมเนียม - ทั้งหมดนี้โดยไม่รบกวนระบบ[3][5] .
ข้อดีหลักอย่างหนึ่งของ Raman คือความไวต่ำต่อการรบกวนจากน้ำ ซึ่งเป็นปัญหาทั่วไปในวิธีอินฟราเรด ทำให้เหมาะสมอย่างยิ่งสำหรับสภาพแวดล้อมที่อุดมไปด้วยสารอาหารที่พบในการผลิตเนื้อสัตว์ที่เพาะเลี้ยง[3][5]. เทคโนโลยีนี้สามารถนำไปใช้ได้โดยใช้โพรบแช่ไฟเบอร์ออปติกหรือโดยการวัดผ่านช่องมองของเครื่องปฏิกรณ์ชีวภาพ เพื่อให้มั่นใจว่าความปลอดเชื้อถูกคงไว้ตลอดกระบวนการ[4][5].
ระหว่างปี 2010 และ 2011 นักวิจัยที่ Bristol-Myers Squibb ได้แสดงให้เห็นถึงศักยภาพของสเปกโทรสโกปี Raman แบบอินไลน์ในเครื่องปฏิกรณ์ชีวภาพขนาด 500 ลิตร โดยใช้เครื่องมือ Kaiser Optical Systems RamanRXN3 พวกเขาได้พัฒนารูปแบบการสอบเทียบที่มีค่าสัมประสิทธิ์การกำหนด (R²) ที่ 0.928 สำหรับความหนาแน่นของเซลล์ที่มีชีวิต (VCD) และ 0.927 สำหรับความหนาแน่นของเซลล์ทั้งหมด (TCD) ค่าเฉลี่ยของข้อผิดพลาดอยู่ที่ประมาณ 149%, เทียบเท่ากับขอบเขตความผิดพลาด 10% ของวิธีการอ้างอิงเอง[3].
"Raman spectroscopy... ดูเหมือนจะเป็นวิธีการสเปกโทรสโกปีที่มีแนวโน้มมากที่สุดสำหรับการวิเคราะห์ในสายของระบบการเพาะเลี้ยงเซลล์ที่ซับซ้อน." - Nicholas R. Abu-Absi, Process Sciences, Bristol-Myers Squibb[3]
เพื่อให้ได้ผลลัพธ์ที่แม่นยำ ระบบควรได้รับการปรับเทียบโดยใช้ข้อมูลออฟไลน์ควบคู่กับการถดถอย PLS การใช้การแก้ไขอนุพันธ์แรกและ SNV สามารถช่วยลดการเปลี่ยนแปลงของเส้นฐานและการรบกวนจากการเรืองแสง[3][4]. เมื่อมีข้อมูลใหม่เข้ามา ควรอัปเดตโมเดลการปรับเทียบเพื่อรองรับความแปรปรวนระหว่างการทำงาน[3][4]. สำหรับการใช้งานเนื้อสัตว์เพาะเลี้ยง แพลตฟอร์มเช่น
สเปกโทรสโกปีใกล้อินฟราเรด (NIR)
ในขณะที่สเปกโทรสโกปีรามานมีความเหมาะสมสำหรับการวิเคราะห์เคมีเชิงลึกและการแยกแยะเซลล์ที่มีชีวิตจากเซลล์ที่ตายแล้ว สเปกโทรสโกปี NIR เสนอการติดตามหลายพารามิเตอร์ที่รวดเร็วและมีประสิทธิภาพ โดยการวิเคราะห์โอเวอร์โทนและแถบผสม NIR ตรวจจับความเข้มข้นของสารวิเคราะห์โดยใช้โพรบแบบไหลหรือโพรบแบบจุ่มที่มีความยาวเส้นทางคงที่ (โดยทั่วไป 1.0 มม.) ซึ่งช่วยลดการรบกวนของน้ำในสัญญาณ [6]. เทคนิคนี้สามารถวัดกลูโคส แลคเตท แอมโมเนีย กลูตามีน ค่า pH และความหนาแน่นของเซลล์ได้พร้อมกัน[6].
ระบบ NIR จับสัญญาณความหนาแน่นของเซลล์เป็นหลักผ่านผลกระทบของเส้นฐานที่เกิดจากการกระเจิงของแสง[6]. ในการศึกษากับวัฒนธรรมเซลล์ HEK293 NIR สามารถติดตามประชากรเซลล์ที่มีชีวิตที่ความหนาแน่น 8.5–9.0 × 10⁶ เซลล์/มล. โดยมีค่าสัมประสิทธิ์สหสัมพันธ์ตั้งแต่ 0.926 ถึง 0.995 across various parameters[6].
However, NIR spectra are broad and overlapping, making them harder to interpret compared to Raman. While NIR excels in speed and simplicity, it cannot match Raman's ability to differentiate viable from total cell density based on biochemical differences[3]. Ultimately, the choice between these methods depends on your specific needs: NIR is ideal for fast, straightforward monitoring, while Raman is better for detailed chemical analysis and viability tracking.
การตรวจสอบและการเชื่อมโยงข้อมูลแบบเรียลไทม์
การเชื่อมโยงกับข้อมูลการวิเคราะห์แบบออฟไลน์
เซ็นเซอร์แบบเรียลไทม์ต้องการการสอบเทียบที่แม่นยำโดยใช้วิธีการอ้างอิงแบบออฟไลน์เพื่อให้แน่ใจว่าข้อมูลมีความน่าเชื่อถือ ตัวอย่างเช่น การวัดความถี่เดียวมีประสิทธิภาพในการติดตามปริมาตรเซลล์ที่มีชีวิต เนื่องจากมีความไวต่อการเปลี่ยนแปลงในเส้นผ่านศูนย์กลางของเซลล์
การสแกนความถี่ ซึ่งวัดค่าความเป็นฉนวนไฟฟ้าผ่านช่วงความถี่ที่กว้าง (โดยทั่วไป 50 ถึง 20,000 kHz) เสนอวิธีการที่ละเอียดมากขึ้น ข้อมูลนี้จะถูกป้อนเข้าสู่การวิเคราะห์ข้อมูลหลายตัวแปร (MVDA) ช่วยให้สามารถแยกแยะระหว่างการเปลี่ยนแปลงในขนาดเซลล์และจำนวนเซลล์ การปรับเทียบที่แม่นยำเป็นสิ่งสำคัญสำหรับการรักษาคุณภาพการผลิต โดยเฉพาะเมื่อทำการปรับกระบวนการแบบเรียลไทม์ ตัวอย่างที่น่าสังเกตมาจากเดือนตุลาคม 2019 เมื่อทีมนักวิจัยที่ Sartorius Stedim Biotech ได้ตรวจสอบความถูกต้องของโพรบความจุไฟฟ้าแบบอินไลน์ในไบโอรีแอคเตอร์ขนาด 250 มล. โดยใช้เซลล์ CHO พวกเขาได้พัฒนาโมเดล Orthogonal Partial Least Squares (OPLS) โดยอิงจากข้อมูลจากการเพาะเลี้ยงแบบ fed-batch มาตรฐานห้าครั้ง โดยสแกนค่าความเป็นฉนวนไฟฟ้าที่ความถี่ 25 ระดับ วิธีการนี้ทำให้โมเดลสามารถทำนายความเข้มข้นของเซลล์ที่มีชีวิต (VCCs) ที่เกิน 10 ล้านเซลล์/มล. โดยการสแกนความถี่ช่วยลดข้อผิดพลาดได้อย่างมากเมื่อเทียบกับข้อมูลความถี่เดียว [7].
"โมเดลได้ให้การทำนาย VCCs ที่มีข้อผิดพลาดสัมพัทธ์ตั้งแต่ 5.5 ถึง 11% ซึ่งสอดคล้องกับเกณฑ์การยอมรับตามความแม่นยำของวิธีการอ้างอิงแบบออฟไลน์ (ข้อผิดพลาดสัมพัทธ์ประมาณ 10%) และปรับปรุงอย่างมากเมื่อเทียบกับผลลัพธ์ความถี่เดียว (ข้อผิดพลาดสัมพัทธ์ 16 ถึง 23%)." – Springer Nature [7]
เพื่อปรับปรุงความแม่นยำเพิ่มเติม การใช้ตัวกรอง Savitzky-Golay (ลำดับที่สอง) ช่วยลดสัญญาณรบกวนก่อนการเปรียบเทียบ นอกจากนี้ การทำการสอบเทียบจุดเดียวในขั้นตอนการฉีดวัคซีนช่วยเพิ่มความแม่นยำของเซ็นเซอร์ [7]. ขั้นตอนเหล่านี้ร่วมกันวางรากฐานสำหรับการตรวจสอบความถูกต้องที่เชื่อถือได้ในสถานการณ์การดำเนินงานที่หลากหลาย.
โปรโตคอลการตรวจสอบความถูกต้อง
เมื่อการสอบเทียบได้รับการจัดการแล้ว การตรวจสอบความถูกต้องอย่างเข้มงวดจะทำให้กระบวนการยังคงเชื่อถือได้ วิธีที่มีประสิทธิภาพวิธีหนึ่งคือการตรวจสอบความถูกต้องแบบ Leave-One-Batch-Out (LOB).This involves creating multiple models by systematically excluding one batch from the training dataset and using it as a test set to evaluate predictive performance.
การทดลองความทนทานเป็นอีกขั้นตอนสำคัญ ในการศึกษาปี 2019 นักวิจัยได้แนะนำการเบี่ยงเบนกระบวนการโดยเจตนา เช่น ขั้นตอนการเจือจาง 30% และกลยุทธ์การให้อาหารที่เปลี่ยนแปลงไป เพื่อทดสอบความน่าเชื่อถือของโมเดล MVDA ภายใต้สภาวะที่ไม่เป็นมาตรฐาน แม้จะมีความแปรปรวนเหล่านี้ โมเดลก็ยังให้การทำนายที่แม่นยำ โดยมีข้อผิดพลาดสัมพัทธ์อยู่ระหว่าง 6.7% ถึง 13.2% ระดับความน่าเชื่อถือนี้มีความสำคัญอย่างยิ่งสำหรับ การผลิตเนื้อสัตว์เพาะเลี้ยง, ที่ความแปรปรวนของกระบวนการเป็นเรื่องปกติในระหว่างการขยายขนาด
สุดท้าย กำหนดเกณฑ์การยอมรับที่เป็นจริงซึ่งสอดคล้องกับขอบข้อผิดพลาด 10% ของวิธีการออฟไลน์ เช่น การทดสอบ trypan blue การใช้ วัตถุดิบเนื้อสัตว์เพาะเลี้ยง ที่ได้มาตรฐานสามารถช่วยรักษาเสถียรภาพของฐานเหล่านี้ได้เพิ่มเติมโดยการกำหนดเกณฑ์ข้อผิดพลาดสัมพัทธ์ที่ 10% สำหรับเซ็นเซอร์แบบเรียลไทม์ คุณจะมั่นใจได้ว่าการตรวจสอบความถูกต้องเป็นไปตามมาตรฐานที่ใช้งานได้จริงแทนที่จะไล่ตามระดับความแม่นยำที่ไม่สามารถบรรลุได้ [7].
การผสานการตรวจสอบแบบเรียลไทม์เข้ากับการควบคุมกระบวนการ
การพัฒนารูปแบบเซ็นเซอร์แบบซอฟต์
เมื่อการปรับเทียบถูกตั้งค่า ขั้นตอนสำคัญถัดไปคือการรวมผลลัพธ์ของเซ็นเซอร์เข้ากับการควบคุมกระบวนการ หลังจากตรวจสอบความถูกต้องของเซ็นเซอร์แบบเรียลไทม์แล้ว จุดสนใจจะเปลี่ยนไปที่การพัฒนารูปแบบเซ็นเซอร์แบบซอฟต์ รูปแบบเหล่านี้จะแปลงข้อมูลเซ็นเซอร์ดิบให้เป็นข้อมูลเชิงลึกที่สามารถดำเนินการได้ โดยมักใช้การวิเคราะห์เชิงอัลกอริทึม เช่น Partial Least Squares (PLS) หรือ Orthogonal Partial Least Squares (OPLS) วิธีการเหล่านี้ช่วยเชื่อมโยงสัญญาณออนไลน์ที่ซับซ้อน เช่น การสแกนความจุหลายความถี่ ไปยังเมตริกกระบวนการที่สำคัญ เช่น ความเข้มข้นของเซลล์ที่มีชีวิต (VCC)
ในการสร้างรูปแบบเหล่านี้ คุณจะต้องมีข้อมูลออนไลน์และออฟไลน์ที่จับคู่กันขั้นตอนการเตรียมข้อมูลล่วงหน้า เช่น การทำให้ค่าเฉลี่ยเป็นศูนย์และการปรับขนาด เป็นสิ่งสำคัญก่อนการฝึกอบรมโมเดลด้วยข้อมูลการเพาะปลูกมาตรฐาน ตัวอย่างที่น่าสังเกตมาจาก Sartorius Stedim Cellca GmbH ซึ่งนักวิจัยใช้โพรบ Aber Instruments FUTURA pico กับการเพาะเลี้ยงเซลล์ CHO โมเดลการทำนายของพวกเขาประสบความสำเร็จในการลดข้อผิดพลาดสัมพัทธ์ระหว่าง 5.5% ถึง 11% ซึ่งเป็นการปรับปรุงที่ชัดเจนเมื่อเทียบกับการวัดความถี่เดียวซึ่งมักจะแสดงข้อผิดพลาดตั้งแต่ 16% ถึง 23% [7].
การปรับใช้โมเดลเหล่านี้ช่วยให้สามารถปรับกระบวนการอัตโนมัติได้ ตัวอย่างเช่น ในการผลิตเนื้อสัตว์เพาะเลี้ยงโดยใช้ ไมโครแคเรียร์หรือเตียงคงที่, เซ็นเซอร์อิมพีแดนซ์ความถี่วิทยุมีข้อได้เปรียบที่ไม่เหมือนใคร พวกเขาสนับสนุนการให้อาหารสารอาหารแบบไดนามิกและการกำจัดของเสียตามปริมาตรเซลล์ที่มีชีวิต ตามที่ John P. Carvell และ Jason E.ดาวด์เน้น:
"RF Impedance กำลังถูกใช้เพื่อตรวจสอบความเข้มข้นของเซลล์ที่มีชีวิตที่ถูกตรึงบนไมโครแคร์ริเออร์หรือเตียงบรรจุในกระบวนการ cGMP ที่วิธีการนับเซลล์ที่มีชีวิตแบบออฟไลน์แบบดั้งเดิมไม่ถูกต้องหรือไม่สามารถทำได้" [2].
ระดับของการบูรณาการนี้ไม่เพียงแต่เพิ่มการควบคุมกระบวนการ แต่ยังเป็นการเตรียมพร้อมสำหรับการปฏิบัติตามกรอบการกำกับดูแล ซึ่งจะถูกสำรวจต่อไป.
การสอดคล้องกับกรอบ PAT
ในการผลิตเนื้อสัตว์ที่เพาะเลี้ยง การรวมการตรวจสอบแบบเรียลไทม์กับเทคโนโลยีการวิเคราะห์กระบวนการ (PAT) และหลักการคุณภาพโดยการออกแบบ (QbD) ช่วยให้มั่นใจได้ถึงการปฏิบัติตามกฎระเบียบและประสิทธิภาพในการดำเนินงาน กระบวนการเริ่มต้นด้วยการระบุคุณลักษณะคุณภาพที่สำคัญ (CQAs) และพารามิเตอร์กระบวนการที่สำคัญ (CPPs) ซึ่งต้องการความร่วมมือข้ามหน้าที่ระหว่างทีม R&D, การประกันคุณภาพ, และทีมกำกับดูแล [8]. วิธีการแบบเป็นขั้นตอนทำงานได้ดีที่สุด: กำหนดวัตถุประสงค์ที่ชัดเจน เลือกเครื่องมือที่เหมาะสม วิเคราะห์โหมดความล้มเหลว ผสานรวมกับระบบ SCADA/MES ฝึกอบรมพนักงาน และ ขยายขนาดด้วยการตรวจสอบความถูกต้อง [8].
ตัวอย่างเช่น ในเดือนมกราคม 2026 บริษัทชีวเภสัชภัณฑ์ระดับโลกได้ประยุกต์ใช้กลยุทธ์ที่ผสานรวม PAT นี้อย่างสำเร็จในระหว่างการถ่ายโอนเทคโนโลยีข้ามทวีป ผลลัพธ์? อัตราการเบี่ยงเบนของชุดการผลิตในระดับการค้าอยู่ต่ำกว่า 2% และลดระยะเวลาในการจัดการชุดการผลิตลง 30% เมื่อเทียบกับแคมเปญก่อนหน้า [8].
การเคลื่อนไปสู่การตรวจสอบกระบวนการอย่างต่อเนื่อง (CPV) เปลี่ยนโฟกัสจากการทดสอบย้อนหลังไปสู่การควบคุมแบบเชิงรุกและเรียลไทม์ เซ็นเซอร์ Biocapacitance ตัวอย่างเช่น ตรวจสอบความหนาแน่นของเซลล์ที่มีชีวิตและจลนศาสตร์การเจริญเติบโตในขณะที่จัดการการให้อาหารสารอาหาร วิธีการนี้ไม่เพียงแต่ตรงตามมาตรฐาน CPV แต่ยังเพิ่มความเข้าใจในกระบวนการ [8]. วิศวกรเคมีและกระบวนการชีวภาพ Akanksha Prasad สรุปได้ดี:
"PAT ไม่ใช่สิ่งที่เพียงแค่ดีที่จะมีอีกต่อไป มันได้กลายเป็นพื้นฐานสำหรับการผลิตยารุ่นต่อไปอย่างปลอดภัย มีประสิทธิภาพ และในขนาดใหญ่" [8].
หลักการเดียวกันนี้ใช้กับการผลิตเนื้อสัตว์ที่เพาะเลี้ยง การเจริญเติบโตของเซลล์ที่สม่ำเสมอและคุณภาพของผลิตภัณฑ์ต้องการวิธีการที่เข้มงวดในการควบคุมกระบวนการและการปฏิบัติตามข้อกำหนด
สำหรับผู้ที่อยู่ในภาคเนื้อสัตว์ที่เพาะเลี้ยง แพลตฟอร์มเช่น
ข้อควรพิจารณาในการปฏิบัติจริงสำหรับการนำไปใช้
การเลือกเทคโนโลยีที่เหมาะสม
การเลือกระบบการตรวจสอบที่เหมาะสมขึ้นอยู่กับเป้าหมายการวัดเฉพาะของคุณตัวอย่างเช่น เซ็นเซอร์ความจุไฟฟ้าความถี่เดียวมักจะเชื่อมโยงกับปริมาตรเซลล์ที่มีชีวิต (VCV) มากกว่าความเข้มข้นของเซลล์ที่มีชีวิต (VCC) เนื่องจากสัญญาณของพวกเขาสะท้อนถึงทั้งจำนวนเซลล์และการเปลี่ยนแปลงขนาดของเซลล์ ซึ่งบางครั้งอาจส่งผลให้เกิดการอ่านค่าที่สูงเกินไป โดยเฉพาะเมื่อเซลล์อยู่ภายใต้ความเครียดหรือการเสื่อมสภาพ
ในทางกลับกัน ระบบการสแกนความถี่จะวัดความจุไฟฟ้าผ่านช่วงความถี่ (โดยทั่วไป 50 ถึง 20,000 kHz) ระบบเหล่านี้พึ่งพาโมเดลหลายตัวแปรเพื่อแยกการเปลี่ยนแปลงขนาดเซลล์ออกจากความหนาแน่นของเซลล์จริง ซึ่งช่วยลดข้อผิดพลาดในการทำนายได้อย่างมากเมื่อเทียบกับระบบความถี่เดียว
ความต้านทานความถี่วิทยุยังคงเป็นตัวเลือกที่นิยมเนื่องจากความคุ้มค่าและความไวต่อเซลล์ที่มีชีวิต เซลล์ที่ตายแล้วและสิ่งเจือปนจะไม่เกิดการโพลาไรซ์ หมายความว่าพวกมันจะไม่รบกวนสัญญาณเมื่อเลือกระบบ ควรพิจารณาว่าระบบนั้นสามารถรวมเข้ากับสภาพแวดล้อมของไบโอรีแอคเตอร์ที่ปลอดเชื้อได้ง่ายเพียงใด และสามารถใช้งานร่วมกับ ไบโอรีแอคเตอร์แบบใช้ครั้งเดียวหรือใช้ซ้ำ. เทคโนโลยีขั้นสูง เช่น สเปกโทรสโกปีแบบรามานหรือความจุไฟฟ้าแบบสแกนความถี่ ต้องการวิธีการสร้างแบบจำลองหลายตัวแปร (e.g. , OPLS หรือ PLS) เพื่อแปลความหมายของชุดข้อมูลที่ซับซ้อนของพวกเขา [7].
สำหรับผู้ผลิตเนื้อสัตว์ที่เพาะเลี้ยง แพลตฟอร์มเช่น
เมื่อคุณเลือกระบบแล้ว การสอบเทียบที่แม่นยำและการแก้ไขปัญหาที่มีประสิทธิภาพเป็นกุญแจสำคัญในการรักษาการวัดที่เชื่อถือได้
การสอบเทียบและการแก้ไขปัญหา
เพื่อให้แน่ใจว่าการอ่านค่าถูกต้อง ให้เริ่มต้นด้วยการตั้งค่าเป็นศูนย์ของโพรบวัดความจุไฟฟ้าในสื่อที่ปลอดเชื้อก่อนการเพาะเชื้อขั้นตอนนี้ช่วยให้ตรวจพบเฉพาะการเปลี่ยนแปลงที่เกี่ยวข้องกับการเจริญเติบโตเท่านั้น จากนั้นทำการสอบเทียบจุดเดียวโดยการปรับแนวออฟเซ็ตของเส้นทางออนไลน์ให้ตรงกับความเข้มข้นของเซลล์ที่ทราบในการฉีดเชื้อ เพื่อการทำนายที่เชื่อถือได้ ให้ฝึกฝนโมเดลหลายตัวแปรโดยใช้ข้อมูลจากการเพาะเลี้ยงมาตรฐานอย่างน้อยห้าครั้งเพื่อพิจารณาความแปรปรวน เช่น ชุดอาหารเลี้ยงเชื้อที่แตกต่างกัน การใช้ตัวกรอง Savitzky–Golay (ลำดับพหุนามที่สอง) สามารถช่วยลดสัญญาณรบกวนและทำให้ความผันผวนราบรื่นขึ้น แม้ว่าระบบออนไลน์จะมีประสิทธิภาพ แต่การวัดผลแบบออฟไลน์รายวันยังคงมีความสำคัญ หากผลลัพธ์ออฟไลน์เบี่ยงเบนเกินเกณฑ์ที่กำหนด (e.g. , 0.05 หน่วยสำหรับ pH) ให้สอบเทียบระบบออนไลน์ของคุณใหม่ [7].
การลอยของสัญญาณเป็นอีกหนึ่งความท้าทาย ซึ่งมักเกิดจากการเปลี่ยนแปลงของเส้นผ่านศูนย์กลางของเซลล์เนื่องจากข้อจำกัดของสารอาหาร ความเครียด หรือการเสื่อมสภาพ ระบบการสแกนหลายความถี่สามารถแก้ไขปัญหานี้ได้โดยใช้การวิเคราะห์หลายตัวแปรเพื่อพิจารณาความแปรปรวนเหล่านี้
วิธีการอ้างอิงแบบออฟไลน์ เช่น การทดสอบด้วย trypan blue มักมีข้อผิดพลาดในการวัดประมาณ 10% แทนที่จะคาดหวังว่าจะไม่มีการเบี่ยงเบน ให้ตรวจสอบความถูกต้องของระบบออนไลน์ของคุณกับขอบเขตนี้ นอกจากนี้ การใช้โมเดลวิวัฒนาการแบบแบทช์ (BEM) สามารถช่วยสร้างเส้นทาง "แบทช์ทองคำ" โมเดลเหล่านี้ทำหน้าที่เป็นสัญญาณเตือนอัตโนมัติ แจ้งเตือนการเบี่ยงเบนของกระบวนการแบบเรียลไทม์ [7].
บทสรุป
การตรวจสอบความหนาแน่นของเซลล์แบบเรียลไทม์ได้พัฒนาเป็นส่วนประกอบที่สำคัญของการผลิตเนื้อสัตว์ที่เพาะเลี้ยง การติดตามความเข้มข้นของเซลล์ที่มีชีวิตอย่างต่อเนื่องมีข้อได้เปรียบที่ชัดเจน: ลดต้นทุนของสื่อด้วยการให้อาหารอัตโนมัติ ระบุการเบี่ยงเบนของกระบวนการได้อย่างรวดเร็ว และลดความเสี่ยงของการปนเปื้อน ตามที่ทีมวิจัยทีมหนึ่งได้เน้นว่า "VCC มีความเชื่อมโยงอย่างมากกับปริมาณผลิตภัณฑ์และถือเป็นคุณลักษณะของกระบวนการด้วยการตรวจสอบ VCC ช่วยให้สามารถเพิ่มประสิทธิภาพและควบคุมกระบวนการที่นำไปสู่การเพิ่มปริมาณและกระบวนการที่มีประสิทธิภาพมากขึ้น [1].
ภูมิทัศน์เทคโนโลยีในปัจจุบันมีโซลูชันที่เชื่อถือได้หลายอย่าง ในหมู่พวกเขา ระบบการสแกนความถี่ที่รวมกับโมเดลหลายตัวแปรโดดเด่นในการให้ความแม่นยำที่เทียบเท่ากับวิธีการออฟไลน์
เพื่อให้การใช้งานระบบเหล่านี้มีประสิทธิภาพ การวางแผนอย่างรอบคอบเป็นสิ่งสำคัญ ความสำเร็จขึ้นอยู่กับการสอบเทียบที่แข็งแกร่งผ่านการฝึกอบรมหลายครั้งและการตรวจสอบออฟไลน์อย่างสม่ำเสมอ
สำหรับผู้ผลิตเนื้อสัตว์ที่เพาะเลี้ยงที่กำลังมองหา เครื่องมือการตรวจสอบเฉพาะสายเซลล์,
อย่างไรก็ตาม เซ็นเซอร์เหล่านี้ไม่เหมาะที่สุดสำหรับการวัดมวลชีวภาพทั้งหมด เนื่องจากพวกมันมุ่งเน้นไปที่เซลล์ที่มีชีวิตเป็นหลัก พวกมันจึงไม่คำนึงถึงเซลล์ที่ตายแล้วหรือมวลชีวภาพโดยรวม สำหรับความหนาแน่นของเซลล์ที่มีชีวิต เซ็นเซอร์ความจุยังคงเป็นทางเลือกที่ดีที่สุด.
ฉันจะปรับเทียบและตรวจสอบความถูกต้องของโพรบความจุแบบอินไลน์ได้อย่างไร?
ในการปรับเทียบโพรบความจุแบบอินไลน์ เริ่มต้นด้วยการใช้ ความเข้มข้นของเซลล์ที่ทราบ ซึ่งได้มาจากวิธีการออฟไลน์ เช่น การนับเซลล์ สิ่งนี้ช่วยให้คุณจับคู่การอ่านค่าความจุกับจำนวนเซลล์จริง การตรวจสอบความถูกต้องเกี่ยวข้องกับการทดสอบโพรบภายใต้ความหนาแน่นของเซลล์และสภาวะของสื่อที่แตกต่างกันเพื่อยืนยันความแม่นยำและความสม่ำเสมอ นอกจากนี้ยังจำเป็นต้องทำการตรวจสอบการปรับเทียบเป็นประจำกับการวัดออฟไลน์ โดยเฉพาะอย่างยิ่งเมื่อเพิ่มการผลิตหรือเปลี่ยนแปลงสภาวะของสื่อสิ่งนี้ช่วยให้โพรบยังคงให้การวัดความหนาแน่นของเซลล์ที่มีชีวิตที่เชื่อถือได้ต่อไป
ฉันจะเปลี่ยนสัญญาณออนไลน์ให้เป็นเซ็นเซอร์แบบนุ่มสำหรับการควบคุมการป้อนอาหารได้อย่างไร
ในการเปลี่ยนสัญญาณออนไลน์ให้เป็นเซ็นเซอร์แบบนุ่มสำหรับการควบคุมการป้อนอาหารในการผลิตเนื้อสัตว์ที่เพาะเลี้ยง คุณสามารถพึ่งพา ข้อมูลเซ็นเซอร์แบบเรียลไทม์, เช่น การสแกนความถี่ความจุ โดยการประมวลผลสัญญาณเหล่านี้ผ่านโมเดลหลายตัวแปร คุณสามารถประมาณค่าพารามิเตอร์ที่สำคัญเช่น ความหนาแน่นของเซลล์ที่มีชีวิต.
เซ็นเซอร์ที่ใช้ความจุมีบทบาทสำคัญที่นี่ พวกเขาวัดความจุของเยื่อหุ้มเซลล์ ซึ่งสะท้อนถึงสุขภาพของเซลล์โดยตรง เมื่อผลลัพธ์ของเซ็นเซอร์เหล่านี้ถูกรวมเข้ากับอัลกอริทึมการควบคุม จะสามารถปรับสารอาหารโดยอัตโนมัติ รักษาสภาพการเจริญเติบโตที่เหมาะสมตลอดกระบวนการ
