中国仓鼠卵巢细胞培养中高通量自动化微生物反应器工艺优化
2020年5月18日
在这里，我们提出了一个详细的过程，在自动化的微生物反应器中运行实验设计，然后使用蛋白质A柱进行细胞收获和蛋白质定量。
在这段视频中，用户通过规划和执行实验或DOE的设计，引入到微生物反应器软件中。还演示了分析仪辅助阀，以优化工艺条件。将 modet 并入自动化微生物反应器软件已正式用于数据分析。
大量的实验可以小规模地同时进行规划和执行。演示这个程序的将是塔曼娜·纳格雷克，一个来自我实验室的博士生。从主要培养中的培养前程序开始，如文本协议中所述。
若要创建新实验，请打开琥珀色自培养软件，并在简介选项卡中单击，创建新实验。在新的实验选项卡中，输入实验的名称以及进行实验的日期。激活培养过程中使用的容器中培养站的检查点。
自动添加 DOE 标记也将激活，以便于 DOE 实验编程期间进行轻松转换。单击下一个"切换到下一个选项卡。要设置有关在容器中添加介质的信息，以及防泡、进料、饲料和葡萄糖，请激活添加介质板"检查点"。
定义包含介质的板的类型、名称和位置。单击向容器添加媒体。输入要添加到容器的介质的体积。
定义介质从板到容器的传输映射。单击下一个"切换到下一个选项卡。将媒体信息输入软件后，分配培养条件。
单击条件介质，并填写温度、目标 DO、PH 上限和搅拌 RPM。然后单击向上搅拌"或向下搅拌。要在容器中添加接种，请激活添加细胞板。
定义包含介质的板的类型、名称和位置。单击向容器添加单元格。输入接种时间和要添加到容器中的介质量。
定义液体处理者将细胞从板转移到容器的路径。单击下一个"切换到下一个选项卡。要设置添加饲料、葡萄糖和防泡，请激活添加的进给板，并定义板类型、名称和位置。
单击向容器添加进给，然后输入要添加到容器的进给量。根据栽培情况，添加饲料添加数量。对于这种栽培，反应堆每24小时喂72小时后。
手动添加送餐之间的时间延迟，通过将数据输入从添加的单元格的延迟。第一天喂养是接种72小时后，下一天是96小时后，等等。定义从板到容器的进给的映射。
若要在栽培过程中设置取样，请激活添加样品板"，并定义板材类型、名称和位置。检查从容器中取出样品"，并输入要从容器中去除的样品体积。确保在整个栽培过程中，体积不会低于 10 英里。
添加栽培过程中要采集的样品数。与进料类似，添加每个输入采样点从容器中移除样品的时间。保存进程。
它现在已准备好执行。最后，定义样品从容器转移到板的映射。打开琥珀色 15 DOE 软件。
单击"调查"并选择新的。在创建调查"对话框"中输入新 DOE 调查的名称。为了将实验分配给 DOE 调查，请打开创建以研究不同参数的配方。
单击浏览，然后选择相应的实验。容器标记已在列中登记。要定义所需的 DOE 因子，请选择参数并单击标记为 DOE 因子的列。
选择"新"并添加单位、缩写以及因子的下限和上限。在"响应"选项卡中，定义要考虑用于分析数据的值。单击编辑 DOE 响应，并定义响应的名称、缩写、单位和最小和最大限制。
定义响应后，为每个响应选择琥珀色变量，然后定义。响应可以自动与微生物生物反应器变量关联。从下拉列表中选择所需的变量。
根据要求更改每个响应的方程。最小数据、最大值、第一个、最后一个和平均数据之间的选择。若要创建设计，请使用"开始设计向导"选择实验设计的类型，并添加或删除复制点和中心点的数量。
选择目标，该目标决定设计和模型的选择。完成并创建可导入琥珀色自培养软件的工作数据包，如文本协议中所述。在实验选项卡中，单击创建 DOE 实验，然后浏览使用 DOE 软件创建的工作包。
通过单击"开始"初始化进程。执行实验后，使用导出 DOE 结果导出数据。"导出 DOE 结果"窗口将打开，指示区域性容器和站的行列在表中。
选择所需的行，然后单击导出选定的行"或导出实验数据"以存储所有结果并保存文件以进行进一步分析。通过切换到结果"选项卡并选择导入结果，将数据导入琥珀色 DOE 模块。浏览所需的数据文件，然后单击分析结果。
自动化微生物生物反应器中的细胞生长可与多用途生物反应器相媲美。在比较三个不同尺度的细胞浓度时，观察到15毫升自动微生物生物反应器模仿两升玻璃生物反应器。摇瓶的结果也比较，以展示琥珀的好处。
研究了不同搅拌速度和PH在自动微生物生物反应器中的影响。此处显示的是不同微生物生物反应器中活性细胞浓度（VCC）和单克隆抗体浓度的比较。可以观察到PH 6.9对VCC的负面影响。
此外，与PH 7.1相比，PH 7.3的培养下细胞的生长显著改善。此处显示VCC和单克隆抗体浓度的响应轮廓图。在 PH 和不同搅拌器速度的容器中，这些值具有可比性，表明为该工艺收集的搅拌器速度对工艺输出没有显著影响。
给机器的每个指令都必须仔细编写，以避免在执行实验时出错。该软件是灵活的，它可以运行一次许多实验，从而减少优化流程所用的时间。实验设计在生物工艺领域是有用的，因为实验结果对基于知识的过程有一定的理解作用，可以在一定程度上扩展到其他生物体。
查看完整文字稿并访问数千部科学视频
概述
本文介绍了在自动化微生物反应器中进行实验设计（DOE）的详细程序，随后使用蛋白质A柱进行细胞收集和蛋白质定量。该视频展示了微生物反应器软件在规划和执行实验中的应用。
关键研究组成部分
科学领域
- 生物技术
- 细胞生物学
- 蛋白质分析
背景
- 自动化微生物反应器促进了高通量实验。
- 实验设计（DOE）允许对变量进行系统的调查。
- 蛋白质A柱常用于蛋白质纯化。
- 高效的数据分析对于优化实验条件至关重要。
研究目的
- 展示在微生物反应器中运行DOE的程序。
- 说明细胞收集过程。
- 展示使用蛋白质A柱进行蛋白质定量的技术。
使用的方法
- 微生物反应器软件介绍。
- DOE的规划和执行。
- 用于过程优化的辅助阀门的演示。
- 使用内置软件工具进行数据分析。
主要结果
- 成功同时规划和执行多个实验。
- 通过辅助阀门的使用展示优化的过程条件。
- 由软件集成促进的有效数据分析。
- 由博士生带领的演示，展示实际应用。
结论
- 自动化微生物反应器是实验设计的强大工具。
- DOE可以显著提高生物过程开发的效率。
- 蛋白质定量方法对下游应用至关重要。
常见问题
Executive Industry Relevance
High throughput automated micro-bioreactors with integrated DOE software enable rapid, parallelized optimization of CHO cell cultivation parameters, directly impacting upstream bioprocess development. This approach increases predictive confidence in process scalability and supports risk-adjusted decision-making at key discovery and development inflection points. The ability to systematically interrogate multiple variables accelerates portfolio advancement and reduces late-stage process uncertainty.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables systematic interrogation of process parameters for biological de-risking.
- Supports functional validation of cell lines and process conditions relevant to target product profiles.
- Facilitates rapid triage of candidate strains and conditions based on quantitative outputs.
Screening & Assay Development
- Prepares validated, scalable cultivation systems for downstream screening workflows.
- Standardizes assay conditions through precise control of pH, DO, and feed schedules.
- Delivers reproducible, quantitative data for reliable compound or process evaluation.
Translational & Preclinical Research
- Aligns small-scale process outputs with larger-scale bioreactor performance for translational continuity.
- Enables risk-adjusted advancement by comparing cell growth and product yield across scales.
- Supports mechanistic de-risking by isolating the impact of individual process variables.
Pipeline & Workflow Integration
Automated micro-bioreactor DOE workflows bridge early process development and scale-up, supporting lead identification and preclinical process validation.
- Discovery Biology: Facilitates hypothesis testing and pathway clarification by varying multiple process parameters in parallel.
- Screening: Provides assay-ready, reproducible cultivation conditions with quantitative readouts for downstream analysis.
- Analytics: Generates robust datasets for statistical comparison of process conditions and outputs.
- Translational Research: Ensures continuity between micro-bioreactor and larger-scale bioreactor performance, supporting preclinical process decisions.
- Enterprise Reuse: Establishes a scalable, standardized platform for ongoing process optimization across multiple programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in process development.
- Operational Value: Delivers standardized, reproducible, and scalable process optimization workflows.
- Strategic Value: Enables faster, data-driven go/no-go decisions and improves capital efficiency.
- Portfolio Impact: Supports risk-adjusted prioritization and advancement of bioprocess candidates.
Implementation Considerations
- Requires expertise in DOE design, bioreactor operation, and data analysis.
- Needs access to automated micro-bioreactor platforms and integrated analytical software.
- Demands cross-team standardization of experimental setup and data management.
- May require adaptation of protocols for different cell lines or process scales.
- Dependent on careful programming to avoid execution errors and ensure data integrity.
Biopharma FAQs
Chapters in this video
0:04
Introduction
0:43
Writing the Recipe in the Automated Micro-Bioreactor Software
4:25
Design of Experiment in the Automated Micro Bioreactor
6:22
Execution of the Experiment in the Work Packets and Analysis of Experimental Results
7:25
Results: DOE Experiment and Response Contour Plots
8:44
Conclusion
