Giám sát mật độ tế bào theo thời gian thực là rất quan trọng để cải thiện sản xuất thịt nuôi cấy. Các phương pháp truyền thống, như thử nghiệm trypan blue, chậm, dễ bị nhiễm bẩn và thường bỏ lỡ những thay đổi nhanh chóng trong sự phát triển của tế bào. Đo lường theo thời gian thực cung cấp dữ liệu liên tục, cho phép điều chỉnh dinh dưỡng chính xác, phát hiện sớm các vấn đề và đảm bảo chất lượng sản phẩm nhất quán.
Các phương pháp phân tích để giám sát tế bào sống bao gồm:
- Cảm biến Biocapacitance: Đo lường tế bào sống bằng cách phát hiện màng nguyên vẹn. Hệ thống tần số quét giảm lỗi xuống còn 5.5–11%.
- Cảm biến Độ đục Quang học: Theo dõi mật độ tế bào tổng thể thông qua tán xạ ánh sáng nhưng không thể phân biệt tế bào sống và chết.
- Giám sát Trở kháng RF: Lý tưởng cho các hệ thống mật độ cao, tập trung vào tế bào sống trong các thiết lập vi hạt hoặc cố định.
- Quang phổ Raman: Cung cấp hồ sơ hóa học chi tiết, xác định các tế bào khả thi và chất chuyển hóa.
- Quang phổ NIR: Theo dõi nhiều thông số nhanh chóng nhưng gặp khó khăn với các tín hiệu chồng chéo.
Mỗi phương pháp có điểm mạnh và hạn chế, làm cho việc hiệu chuẩn và xác nhận là cần thiết để đảm bảo độ chính xác. Các nền tảng như
Incyte Arc: Giám Sát Mật Độ Tế Bào Sống Theo Thời Gian Thực cho Kiểm Soát Quy Trình Sinh Học Thông Minh
sbb-itb-ffee270
Công Nghệ Đo Lường Mật Độ Tế Bào Theo Thời Gian Thực
So Sánh Công Nghệ Đo Lường Mật Độ Tế Bào Theo Thời Gian Thực cho Thịt Nuôi Cấy
Để đáp ứng nhu cầu phản hồi quy trình liên tục, các cảm biến cho các lò phản ứng sinh học thịt nuôi cấy hiện nay cho phép đo lường chính xác mật độ tế bào theo thời gian thực. Mỗi phương pháp cung cấp một cách tiếp cận độc đáo, phục vụ cho tế bào sống hoặc tổng sinh khối, tùy thuộc vào nhu cầu cụ thể của quy trình.
Cảm Biến Dựa Trên Biocapacitance
Cảm biến biocapacitance hoạt động bằng cách áp dụng một trường điện vào một hỗn dịch tế bào. Các tế bào sống, với màng nguyên vẹn, hoạt động như những tụ điện nhỏ. Màng của chúng ngăn cản các ion trong tế bào chất đi qua, gây ra sự phân cực và tạo ra một điện tích có thể đo lường được.Các tế bào chết, tuy nhiên, thiếu màng nguyên vẹn và không đóng góp vào tín hiệu[1].
Kỹ thuật này dựa vào β-dispersion, nơi các tế bào hoàn toàn phân cực ở tần số dưới 100 kHz, dẫn đến độ điện môi cao. Bằng cách quét một dải tần số (50–20,000 kHz) và áp dụng phân tích đa biến, các cảm biến này có thể điều chỉnh cho sự thay đổi kích thước tế bào. Sự điều chỉnh này giảm lỗi đo lường từ 16–23% xuống một phạm vi thấp hơn nhiều là 5.5–11%[1].
Để đảm bảo độ chính xác, đầu dò phải được hiệu chỉnh về không trong môi trường vô trùng trước khi cấy, sau đó hiệu chuẩn bằng cách sử dụng nồng độ tế bào đã biết lúc bắt đầu. Các thiết bị như Aber FUTURA pico tích hợp liền mạch vào các bioreactor, cung cấp các chỉ số mới mỗi 30 giây.Các cảm biến này rất hiệu quả cho các tế bào trong huyền phù, gắn vào vi hạt, hoặc cố định trong các giường cố định - những tình huống mà các phương pháp đếm truyền thống thường không đạt yêu cầu[1][2].
Để đo tổng sinh khối, các phương pháp quang học cung cấp một lựa chọn khả thi khác.
Cảm biến Độ đục Quang học
Cảm biến độ đục quang học xác định mật độ tế bào tổng thể bằng cách đo ánh sáng tán xạ bởi tất cả các hạt trong môi trường nuôi cấy, bao gồm tế bào sống, tế bào chết và mảnh vụn. Mặc dù các cảm biến này không thể phân biệt giữa sinh khối khả thi và không khả thi, chúng đặc biệt hữu ích khi tỷ lệ tế bào sống và chết duy trì ổn định trong suốt quá trình. Hiệu chuẩn liên quan đến việc tương quan các chỉ số độ đục với số lượng tế bào ngoại tuyến ở các giai đoạn khác nhau của môi trường nuôi cấy. Các cảm biến này có thể được lắp đặt trực tuyến hoặc trong các vòng bỏ qua, cung cấp giám sát liên tục để giúp xác định thời điểm thu hoạch tối ưu.
Giám sát trở kháng tần số vô tuyến
Giám sát trở kháng tần số vô tuyến (RF) chia sẻ một số nguyên tắc với cảm biến điện dung sinh học, tập trung vào việc phát hiện các tế bào có màng nguyên vẹn trong khi bỏ qua các tế bào chết và mảnh vụn[1][2]. Phương pháp này đặc biệt phù hợp cho các hệ thống liên quan đến tế bào cố định hoặc nuôi cấy vi hạt, nơi mà việc lấy mẫu ngoại tuyến có thể khó khăn. Trở kháng RF có thể xử lý nồng độ tế bào sống vượt quá 10 triệu tế bào/mL trong các quy trình fed-batch, làm cho nó trở thành một lựa chọn tuyệt vời cho sản xuất thịt nuôi cấy mật độ cao[1]. Để tìm nguồn cung cấp đầu dò trở kháng RF và thiết bị giám sát chuyên dụng, các nền tảng như
| Công nghệ | Biện pháp | Điểm mạnh chính | Hạn chế |
|---|---|---|---|
| Biocapacitance (Tần số đơn) | Thể tích tế bào khả thi | Triển khai đơn giản | Nhạy cảm với thay đổi đường kính (lỗi 16–23%)[1] |
| Biocapacitance (Quét) | Nồng độ tế bào khả thi | Điều chỉnh cho sự thay đổi kích thước (5.5–11% lỗi)[1] | Yêu cầu phân tích đa biến |
| Độ đục quang học | Mật độ tế bào tổng | Phát hiện sinh khối tổng thể | Không thể phân biệt tế bào sống và chết[2] |
| Trở kháng RF | Thể tích sinh học tế bào sống | Hoạt động tốt với vi hạt và giường cố định | Yêu cầu hiệu chuẩn cụ thể cho đầu dò |
Phương pháp quang phổ cho phân tích đa thông số
Phương pháp quang phổ đưa việc giám sát quy trình lên một tầm cao mới bằng cách vượt ra ngoài các phép đo đơn lẻ như những gì được cung cấp bởi cảm biến điện dung và độ đục.Các kỹ thuật này phân tích cách ánh sáng tương tác với các phân tử trong môi trường nuôi cấy, cung cấp thông tin chi tiết theo thời gian thực không chỉ về số lượng tế bào, mà còn về mức độ dinh dưỡng, nồng độ chất chuyển hóa, và các biến số quan trọng khác của quy trình. Bằng cách tạo ra các hồ sơ hóa học chi tiết, chúng bổ sung cho các cảm biến điện dung và độ đục, cung cấp dữ liệu phong phú hơn để đưa ra quyết định tốt hơn.
Quang phổ Raman
Quang phổ Raman hoạt động bằng cách đo sự tán xạ không đàn hồi của ánh sáng. Khi một tia laser (thường ở 785 nm) chiếu vào mẫu, ánh sáng tán xạ thay đổi bước sóng dựa trên các liên kết hóa học của các phân tử mà nó gặp phải. Hồ sơ hóa học chính xác của phương pháp này giúp phân biệt tế bào sống với tế bào chết và xác định các chất chuyển hóa riêng lẻ như glucose, lactate, glutamine, glutamate, và ammonium - tất cả mà không làm gián đoạn hệ thống[3][5] .
Một trong những lợi thế chính của Raman là độ nhạy thấp với nước, một sự can thiệp phổ biến trong các phương pháp hồng ngoại. Điều này làm cho nó đặc biệt phù hợp với môi trường giàu dinh dưỡng được tìm thấy trong sản xuất thịt nuôi cấy[3][5]. Công nghệ này có thể được triển khai bằng cách sử dụng các đầu dò ngâm sợi quang hoặc bằng cách đo qua các cửa sổ quan sát của bioreactor, đảm bảo duy trì vô trùng trong suốt quá trình[4][5].
Giữa năm 2010 và 2011, các nhà nghiên cứu tại Bristol-Myers Squibb đã chứng minh tiềm năng của quang phổ Raman in-line trong các bioreactor 500-L. Sử dụng thiết bị Kaiser Optical Systems RamanRXN3, họ đã phát triển các mô hình hiệu chuẩn với hệ số xác định (R²) là 0.928 cho mật độ tế bào sống (VCD) và 0.927 cho tổng mật độ tế bào (TCD). Sai số trung bình khoảng 14.9%, tương đương với sai số 10% của phương pháp tham chiếu[3].
"Quang phổ Raman... dường như là phương pháp quang phổ hứa hẹn nhất cho phân tích trực tuyến các hệ thống nuôi cấy tế bào phức tạp." - Nicholas R. Abu-Absi, Khoa học Quy trình, Bristol-Myers Squibb[3]
Để đảm bảo kết quả chính xác, hệ thống nên được hiệu chuẩn bằng dữ liệu ngoại tuyến cùng với hồi quy PLS. Áp dụng các hiệu chỉnh đạo hàm bậc nhất và SNV có thể giúp giảm sự dịch chuyển đường cơ sở và nhiễu huỳnh quang[3][4]. Khi có dữ liệu mới, các mô hình hiệu chuẩn nên được cập nhật để tính đến sự biến đổi giữa các lần chạy[3][4]. Đối với các ứng dụng thịt nuôi cấy, các nền tảng như
Quang phổ cận hồng ngoại (NIR)
Trong khi quang phổ Raman là e
Các hệ thống NIR chủ yếu thu tín hiệu mật độ tế bào thông qua các hiệu ứng đường cơ sở gây ra bởi sự tán xạ ánh sáng[6]. Trong các nghiên cứu với các nền văn hóa tế bào HEK293, NIR đã theo dõi thành công các quần thể tế bào sống ở mật độ 8.5–9.0 × 10⁶ tế bào/mL, với hệ số tương quan dao động từ 0.926 đến 0.995 across various parameters[6].
Tuy nhiên, phổ NIR rộng và chồng chéo, khiến chúng khó giải thích hơn so với Raman. Trong khi NIR vượt trội về tốc độ và sự đơn giản, nó không thể sánh với khả năng của Raman trong việc phân biệt mật độ tế bào khả thi từ tổng mật độ tế bào dựa trên sự khác biệt hóa học[3]. Cuối cùng, lựa chọn giữa các phương pháp này phụ thuộc vào nhu cầu cụ thể của bạn: NIR lý tưởng cho việc giám sát nhanh chóng và đơn giản, trong khi Raman tốt hơn cho phân tích hóa học chi tiết và theo dõi khả năng sống sót.
Xác thực và Tương quan Dữ liệu Thời gian Thực
Tương quan với Dữ liệu Phân tích Ngoại tuyến
Các cảm biến thời gian thực đòi hỏi hiệu chuẩn chính xác bằng cách sử dụng các phương pháp tham chiếu ngoại tuyến để đảm bảo dữ liệu đáng tin cậy. Ví dụ, các phép đo tần số đơn hiệu quả trong việc theo dõi thể tích tế bào khả thi, nhờ vào độ nhạy của chúng đối với sự thay đổi đường kính tế bào.
Quét tần số, đo độ điện môi trên một dải tần số rộng (thường từ 50 đến 20.000 kHz), cung cấp một phương pháp tiếp cận tinh tế hơn. Dữ liệu này được đưa vào Phân Tích Dữ Liệu Đa Biến (MVDA), cho phép phân biệt giữa thay đổi kích thước tế bào và số lượng tế bào. Hiệu chuẩn chính xác là cần thiết để duy trì chất lượng sản xuất, đặc biệt khi thực hiện điều chỉnh quy trình theo thời gian thực. Một ví dụ đáng chú ý đến từ tháng 10 năm 2019, khi các nhà nghiên cứu tại Sartorius Stedim Biotech xác nhận một đầu dò điện dung inline trong các bioreactor 250 mL sử dụng tế bào CHO. Họ đã phát triển một mô hình Phân Tích Bình Phương Nhỏ Từng Phần (OPLS) dựa trên dữ liệu từ năm lần nuôi cấy fed-batch tiêu chuẩn, quét độ điện môi ở 25 tần số khác nhau. Phương pháp này cho phép mô hình dự đoán nồng độ tế bào sống (VCCs) vượt quá 10 triệu tế bào/mL, với quét tần số giảm đáng kể lỗi so với dữ liệu tần số đơn [7].
"Mô hình đã cung cấp dự đoán VCCs với sai số tương đối từ 5,5 đến 11%, điều này phù hợp tốt với tiêu chí chấp nhận dựa trên độ chính xác của phương pháp tham chiếu ngoại tuyến (khoảng 10% sai số tương đối) và được cải thiện mạnh mẽ so với kết quả tần số đơn (16 đến 23% sai số tương đối)." – Springer Nature [7]
Để tinh chỉnh độ chính xác hơn nữa, áp dụng bộ lọc Savitzky-Golay (bậc hai) giúp giảm thiểu nhiễu tín hiệu trước khi so sánh. Ngoài ra, thực hiện hiệu chuẩn một điểm tại giai đoạn cấy giống cải thiện độ chính xác của cảm biến [7]. Những bước này cùng nhau đặt nền tảng cho việc xác nhận đáng tin cậy trong các kịch bản hoạt động đa dạng.
Quy trình Xác nhận
Một khi hiệu chuẩn được giải quyết, xác nhận nghiêm ngặt đảm bảo quá trình vẫn đáng tin cậy. Một phương pháp hiệu quả là xác nhận Leave-One-Batch-Out (LOB).Điều này bao gồm việc tạo ra nhiều mô hình bằng cách loại bỏ có hệ thống một lô khỏi tập dữ liệu huấn luyện và sử dụng nó như một tập kiểm tra để đánh giá hiệu suất dự đoán.
Các thử nghiệm độ bền vững là một bước quan trọng khác. Trong nghiên cứu năm 2019, các nhà nghiên cứu đã giới thiệu các sai lệch quy trình có chủ ý, chẳng hạn như bước pha loãng 30% và thay đổi chiến lược cho ăn, để kiểm tra độ tin cậy của mô hình MVDA dưới các điều kiện không tiêu chuẩn. Ngay cả với những biến đổi này, mô hình vẫn đưa ra dự đoán chính xác, với sai số tương đối dao động từ 6,7% đến 13,2%. Mức độ tin cậy này đặc biệt quan trọng đối với sản xuất thịt nuôi cấy, nơi mà sự biến đổi quy trình là phổ biến trong quá trình mở rộng quy mô.
Cuối cùng, đặt ra các tiêu chí chấp nhận thực tế phù hợp với sai số 10% vốn có của các phương pháp ngoại tuyến như thử nghiệm trypan blue. Sử dụng đầu vào thịt nuôi cấy tiêu chuẩn hóa có thể giúp ổn định các cơ sở này.Bằng cách thiết lập ngưỡng sai số tương đối 10% cho các cảm biến thời gian thực, bạn đảm bảo xác nhận theo một tiêu chuẩn thực tế thay vì theo đuổi mức độ chính xác không thể đạt được [7].
Tích hợp Giám sát Thời gian Thực vào Kiểm soát Quy trình
Phát triển Mô hình Cảm biến Mềm
Một khi hiệu chuẩn được thiết lập, bước quan trọng tiếp theo là tích hợp đầu ra của cảm biến vào kiểm soát quy trình. Sau khi xác nhận các cảm biến thời gian thực, trọng tâm chuyển sang phát triển các mô hình cảm biến mềm. Những mô hình này chuyển đổi dữ liệu cảm biến thô thành thông tin có thể hành động, thường sử dụng các thuật toán như Partial Least Squares (PLS) hoặc Orthogonal Partial Least Squares (OPLS). Những phương pháp này giúp liên kết các tín hiệu trực tuyến phức tạp, chẳng hạn như quét điện dung đa tần số, với các chỉ số quy trình quan trọng như nồng độ tế bào khả thi (VCC).
Để xây dựng các mô hình này, bạn sẽ cần dữ liệu trực tuyến và ngoại tuyến được ghép đôi.Các bước tiền xử lý - như trung bình hóa và chuẩn hóa - là cần thiết trước khi huấn luyện mô hình với dữ liệu nuôi cấy tiêu chuẩn. Một ví dụ đáng chú ý đến từ Sartorius Stedim Cellca GmbH, nơi các nhà nghiên cứu đã sử dụng đầu dò Aber Instruments FUTURA pico với các nuôi cấy tế bào CHO. Các mô hình dự đoán của họ đạt được sai số tương đối từ 5,5% đến 11%, một sự cải thiện rõ rệt so với các phép đo tần số đơn, thường cho thấy sai số dao động từ 16% đến 23% [7].
Triển khai các mô hình này cho phép điều chỉnh quy trình tự động. Ví dụ, trong sản xuất thịt nuôi cấy sử dụng vi hạt hoặc giường cố định, các cảm biến trở kháng tần số vô tuyến mang lại lợi thế độc đáo. Chúng hỗ trợ cung cấp dinh dưỡng động và loại bỏ chất thải, dựa trên thể tích tế bào khả dụng. Như John P. Carvell và Jason E.Dowd đã nhấn mạnh:
"RF Impedance đang được sử dụng để giám sát nồng độ của các tế bào sống được cố định trên các vi hạt hoặc giường đóng gói trong các quy trình cGMP nơi mà các phương pháp đếm tế bào sống truyền thống ngoại tuyến không chính xác hoặc không thể thực hiện được" [2].
Mức độ tích hợp này không chỉ nâng cao kiểm soát quy trình mà còn tạo tiền đề cho việc đáp ứng các khung pháp lý, sẽ được khám phá tiếp theo.
Đồng bộ với Khung PAT
Trong sản xuất thịt nuôi cấy, việc kết hợp giám sát thời gian thực với Công nghệ Phân tích Quy trình (PAT) và các nguyên tắc Thiết kế theo Chất lượng (QbD) đảm bảo tuân thủ quy định và hiệu quả hoạt động. Quy trình bắt đầu bằng việc xác định Các Thuộc tính Chất lượng Quan trọng (CQAs) và Các Thông số Quy trình Quan trọng (CPPs). Điều này đòi hỏi sự hợp tác đa chức năng giữa các nhóm R&D, đảm bảo chất lượng và các nhóm pháp lý [8]. Một cách tiếp cận theo giai đoạn hoạt động tốt nhất: xác định các mục tiêu rõ ràng, chọn công cụ phù hợp, tiến hành phân tích chế độ hỏng hóc, tích hợp với hệ thống SCADA/MES, đào tạo nhân viên, và mở rộng quy mô với xác nhận [8].
Ví dụ, vào tháng 1 năm 2026, một công ty dược phẩm sinh học toàn cầu đã áp dụng thành công chiến lược tích hợp PAT này trong quá trình chuyển giao công nghệ giữa các châu lục. Kết quả? Tỷ lệ sai lệch lô hàng ở quy mô thương mại dưới 2% và giảm 30% thời gian xử lý lô hàng so với các chiến dịch trước đó [8].
Việc chuyển sang Xác minh Quy trình Liên tục (CPV) chuyển trọng tâm từ kiểm tra hồi cứu sang kiểm soát chủ động, theo thời gian thực. Các cảm biến sinh học, chẳng hạn, giám sát mật độ tế bào sống và động học tăng trưởng trong khi quản lý nguồn dinh dưỡng. Cách tiếp cận này không chỉ đáp ứng các tiêu chuẩn CPV mà còn làm sâu sắc thêm sự hiểu biết về quy trình [8]. Kỹ sư hóa học và quy trình sinh học Akanksha Prasad đã tóm tắt rất rõ ràng:
"PAT không còn là thứ chỉ đơn thuần là tốt để có. Nó đã trở thành nền tảng để sản xuất các loại thuốc thế hệ tiếp theo một cách an toàn, hiệu quả và quy mô lớn" [8].
Nguyên tắc này cũng áp dụng cho sản xuất thịt nuôi cấy. Sự phát triển tế bào nhất quán và chất lượng sản phẩm đòi hỏi một cách tiếp cận nghiêm ngặt đối với kiểm soát quy trình và tuân thủ.
Đối với những người trong ngành thịt nuôi cấy, các nền tảng như
Các Cân Nhắc Thực Tiễn cho Việc Triển Khai
Chọn Công Nghệ Phù Hợp
Việc chọn hệ thống giám sát phù hợp phụ thuộc vào mục tiêu đo lường cụ thể của bạn.Ví dụ, các cảm biến điện dung tần số đơn thường được liên kết với Thể Tích Tế Bào Sống (VCV) hơn là Nồng Độ Tế Bào Sống (VCC). Điều này là do tín hiệu của chúng phản ánh cả số lượng tế bào và sự thay đổi kích thước tế bào, điều này đôi khi có thể dẫn đến các chỉ số bị thổi phồng - đặc biệt khi tế bào bị căng thẳng hoặc lão hóa.
Mặt khác, các hệ thống quét tần số đo điện dung trên một dải tần số (thường từ 50 đến 20.000 kHz). Các hệ thống này dựa vào các mô hình đa biến để tách biệt sự thay đổi kích thước tế bào khỏi mật độ tế bào thực tế, giảm đáng kể lỗi dự đoán so với các hệ thống tần số đơn.
Trở kháng tần số vô tuyến vẫn là một lựa chọn phổ biến do giá cả phải chăng và độ nhạy của nó đối với các tế bào sống. Các tế bào chết và tạp chất không phân cực, có nghĩa là chúng không can thiệp vào tín hiệu.Khi quyết định chọn một hệ thống, hãy cân nhắc xem nó có dễ dàng tích hợp với môi trường lò phản ứng sinh học vô trùng và liệu nó có hoạt động với lò phản ứng sinh học dùng một lần so với lò phản ứng sinh học tái sử dụng. Các công nghệ tiên tiến, như quang phổ Raman hoặc điện dung quét tần số, yêu cầu các phương pháp mô hình hóa đa biến (e.g. , OPLS hoặc PLS) để diễn giải các tập dữ liệu phức tạp của chúng [7].
Đối với các nhà sản xuất thịt nuôi cấy, các nền tảng như
Một khi bạn đã chọn một hệ thống, hiệu chuẩn chính xác và khắc phục sự cố hiệu quả là chìa khóa để duy trì các phép đo đáng tin cậy.
Hiệu chuẩn và Khắc phục sự cố
Để đảm bảo các phép đo chính xác, hãy bắt đầu bằng cách đặt lại đầu dò điện dung trong môi trường vô trùng trước khi cấy.Bước này đảm bảo rằng chỉ những thay đổi liên quan đến tăng trưởng mới được phát hiện. Sau đó, thực hiện hiệu chuẩn một điểm bằng cách căn chỉnh độ lệch quỹ đạo trực tuyến với nồng độ tế bào cấy đã biết của bạn. Để có dự đoán đáng tin cậy, hãy huấn luyện các mô hình đa biến sử dụng dữ liệu từ ít nhất năm lần nuôi cấy tiêu chuẩn để tính đến các biến thể như các lô môi trường khác nhau. Áp dụng bộ lọc Savitzky–Golay (bậc đa thức thứ hai) có thể giúp giảm nhiễu tín hiệu và làm mượt các dao động. Mặc dù các hệ thống trực tuyến rất mạnh mẽ, nhưng các phép đo ngoại tuyến hàng ngày vẫn rất cần thiết. Nếu kết quả ngoại tuyến lệch quá ngưỡng đã đặt (e.g. , 0.05 đơn vị cho pH), hãy hiệu chuẩn lại hệ thống trực tuyến của bạn [7].
Trôi tín hiệu là một thách thức khác, thường do thay đổi đường kính tế bào do hạn chế dinh dưỡng, căng thẳng hoặc lão hóa. Các hệ thống quét đa tần số có thể giải quyết vấn đề này bằng cách sử dụng phân tích đa biến để tính đến các biến thể này.
Các phương pháp tham chiếu ngoại tuyến, chẳng hạn như thử nghiệm trypan blue, thường có sai số đo lường khoảng 10%. Thay vì mong đợi không có sai lệch, hãy xác nhận độ chính xác của hệ thống trực tuyến của bạn so với biên độ này. Ngoài ra, việc triển khai Các Mô Hình Tiến Hóa Lô (BEM) có thể giúp thiết lập các quỹ đạo "lô vàng". Các mô hình này hoạt động như các cảnh báo tự động, đánh dấu các sai lệch quy trình trong thời gian thực [7].
Kết luận
Giám sát mật độ tế bào theo thời gian thực đã phát triển thành một thành phần quan trọng của sản xuất thịt nuôi cấy. Theo dõi liên tục nồng độ tế bào khả thi mang lại những lợi ích rõ ràng: giảm chi phí môi trường với việc cho ăn tự động, nhanh chóng xác định các sai lệch quy trình và giảm thiểu rủi ro ô nhiễm. Như một nhóm nghiên cứu đã nhấn mạnh, "VCC có liên quan chặt chẽ đến các chỉ số sản phẩm và cũng được coi là thuộc tính quy trình.Giám sát VCC cho phép tối ưu hóa và kiểm soát quy trình dẫn đến nồng độ cao hơn và quy trình hiệu quả hơn" [1].
Cảnh quan công nghệ ngày nay cung cấp nhiều giải pháp đáng tin cậy. Trong số đó, các hệ thống quét tần số kết hợp với các mô hình đa biến nổi bật nhờ độ chính xác tương đương với các phương pháp ngoại tuyến.
Để triển khai các hệ thống này một cách hiệu quả, việc lập kế hoạch cẩn thận là điều cần thiết. Thành công phụ thuộc vào hiệu chuẩn mạnh mẽ thông qua nhiều lần chạy đào tạo và xác minh ngoại tuyến nhất quán.
Đối với các nhà sản xuất thịt nuôi cấy đang tìm kiếm công cụ giám sát theo dòng tế bào cụ thể,
Khi hoạt động phát triển, giá trị của dữ liệu thời gian thực tăng lên. Các Mô hình Tiến hóa Lô cho phép bạn xác định các quỹ đạo "lô vàng", tự động xác định các sai lệch trước khi chúng có thể ảnh hưởng đến chất lượng sản phẩm [1] . Sự thay đổi này biến việc giám sát mật độ tế bào thành một tài sản chiến lược để cải thiện quy trình và giảm thiểu rủi ro.
Câu hỏi thường gặp
Tôi nên sử dụng cảm biến nào cho mật độ tế bào khả thi so với tổng sinh khối?
Cảm biến điện dung là một lựa chọn tuyệt vời để đo mật độ tế bào khả thi vì chúng phát hiện điện dung được tạo ra bởi màng tế bào phân cực.Điều này làm cho chúng gắn liền trực tiếp với sự hiện diện của các tế bào sống, cho phép giám sát hiệu quả theo thời gian thực.
Tuy nhiên, các cảm biến này không phải là lựa chọn tốt nhất để đo tổng sinh khối. Vì chúng chủ yếu tập trung vào các tế bào sống, chúng không tính đến các tế bào chết hoặc tổng sinh khối. Tuy nhiên, đối với mật độ tế bào khả thi, cảm biến điện dung vẫn là giải pháp hàng đầu.
Làm thế nào để hiệu chuẩn và xác nhận một đầu dò điện dung inline?
Để hiệu chuẩn một đầu dò điện dung inline, bắt đầu bằng cách sử dụng nồng độ tế bào đã biết thu được từ các phương pháp ngoại tuyến như đếm tế bào. Điều này cho phép bạn khớp các chỉ số điện dung với số lượng tế bào thực tế. Việc xác nhận bao gồm kiểm tra đầu dò dưới các mật độ tế bào và điều kiện môi trường khác nhau để xác nhận độ chính xác và tính nhất quán của nó. Cũng rất quan trọng để thực hiện các kiểm tra hiệu chuẩn thường xuyên so với các phép đo ngoại tuyến, đặc biệt khi mở rộng sản xuất hoặc thay đổi điều kiện môi trường.Điều này đảm bảo đầu dò tiếp tục cung cấp các phép đo đáng tin cậy về mật độ tế bào sống.
Làm thế nào để chuyển đổi tín hiệu trực tuyến thành cảm biến mềm cho điều khiển cấp liệu?
Để chuyển đổi tín hiệu trực tuyến thành cảm biến mềm cho điều khiển cấp liệu trong sản xuất thịt nuôi cấy, bạn có thể dựa vào dữ liệu cảm biến thời gian thực, như quét tần số điện dung. Bằng cách xử lý các tín hiệu này thông qua các mô hình đa biến, bạn có thể ước tính các thông số quan trọng như mật độ tế bào sống.
Cảm biến dựa trên điện dung đóng vai trò quan trọng ở đây. Chúng đo điện dung màng tế bào, phản ánh trực tiếp sức khỏe của tế bào. Khi các đầu ra của cảm biến này được tích hợp vào các thuật toán điều khiển, có thể tự động điều chỉnh dinh dưỡng, duy trì điều kiện tăng trưởng lý tưởng trong suốt quá trình.
