本发明专利技术涉及用于预测样品细胞的细胞培养性能数据的方法、用于分离所述细胞的方法和用于预测样品细胞的细胞培养性能数据的装置。
【技术实现步骤摘要】
【国外来华专利技术】本专利技术涉及用于预测样品细胞的细胞培养性能数据的方法、用于分离所述细胞的方法和用于预测样品细胞的细胞培养性能数据的装置。根据现有技术，用于分离具有所需制造性质的重组哺乳动物细胞系的方法在来源和分离具有所需特征的特异性组合的能力两方面有所不足。例如，Adrichem等人(Anal.Chem., 1998, 70, 923-930)公开了通过基质辅助激光解吸/电离质谱法(MALDI质谱法)研究培养上清液中的蛋白质图谱和哺乳动物细胞。所述MALDI质谱法可用于通过监控已分泌至培养基中或位于细胞溶解产物中的蛋白质进行蛋白质分析(protein profiling)。MALDI质谱法可检测的质量范围为16000至几十万道尔顿，优选由几百至几千道尔顿。由此获得的结果与标准SDS-PAGE电泳法互补。因此，这些方法可用于例如监控表达IgG型抗体的杂交瘤细胞的大规模培养。Zhang 等人(J.Am.Soc.Mass Spectrom., 2006, 17, 490-499)公开了 使用MALD1-T0F和LC-ES1-MS/MS质谱法识别哺乳动物细胞系。其描述了 MALD1-T0F质谱法可以直接由单细胞进行有效的肽分析。LC-ES1-MS/MS分析可以在胰蛋白酶消化样品细胞后提供有用的序列信息。人们发现该分析产生了独特和可再现的MALD1-MS图谱，这可用作识别和区分测得的不同细胞系的指纹特征。但是，在清晰可见的MS峰基础上，通过肉眼比较获得的MS谱以区分三种不同的哺乳动物细胞类型。或者，Zhang等人示范了一种不同的技术——液相色谱法后接着进行电喷雾电离-串联质谱法的结合(LC-ESI MS/MS)，为此必须消化该样品——也可用于阐明蛋白质组特性差异。Feng等人(Rapid Commun.Mass Spectrom., 2010, 24, 1226-1230)公开了使用基质辅助激光解吸/电离飞行时间(MALD1-T0F)进行高/低产CHO细胞的快速表征。其中公开的方法能够通过使用两种统计方法(即主成分分析(PCA)和线性偏最小二乘法(PLS))分析该MALD1-T0F图谱，在相同规模下在相同培养基中生产时区分高产和低产细胞。特别地，Feng等人的方法能够区别以相同规模(即低规模下生长)生产重组蛋白质IFN-Y的不同细胞系之间的生产率数据。根据Feng等人，这种方法有可能用于预测细胞生产率。所用线性PLS的用处来自于分析具有许多变量的数据的能力，所述数据与寻找给定规模的细胞系亚族有关。如上所述，现有技术的方法(尤其是Feng等人的方法)仅教导了通过统计程序(即PLS和PCA)分析的MALD1-T0F数据可用于在给定的培养规模下区分低产和高产细胞。但是，现有技术未能教导当未知细胞仍在培养基中以低量培养时，预测这些细胞在放大规模的后期阶段(特别是在大体积生物反应器中)的细胞特征的方法。特别是已知的PCA和PLS的统计学程序产生的数据不足以用作精确和可靠地预测放大规模的后期阶段的细胞特性的基础。在早期阶段表达蛋白质特定平衡的细胞系可以在这一阶段表现出例如高生产率，但是在放大规模至生物反应器阶段后，这种生产率会因不同的因素而下降，所述因素尤其是剪切力、体积效应、不同的发酵罐类型或格式、培养参数，例如PH，以及气体控制的细胞密度差异等。因此，需要能够快速筛选处于细胞系发展早期并仅在小体积中培养的大量细胞系的方法，该方法能够预测在给定和所需培养规模(特别是生物反应器规模，这意味着大体积规模)下所述细胞的生长和特定的生产特性，例如提高的体积生产率。由此，本专利技术所解决的技术问题在于提供克服上述难题的方法，特别是提供一种在放大规模的早期预测具有未知细胞特性的细胞的细胞培养(特别是生物反应器)性能的方法，该方法能够额外地节约时间并降低成本，并在大体积规模培养中和/或在高生产率条件下，特别是在生物反应器规模下对所述性能具有高的预测准确度。 通过本专利技术的独立权利要求解决该问题。由此，本专利技术提供了用于预测至少一种样品细胞的细胞培养性能数据的方法，优选为体外方法，所述方法包括以下步骤:a)提供至少一种样品细胞的探针(所述样品细胞的探针优选在小体积的培养基中培养)、来自标准细胞的细胞培养性能数据和来自标准细胞的原始标准MS (质谱法)数据，b)对所述至少一种样品细胞的探针施以MS分析以获得其原始样品MS数据，c)对所述原始标准和原始样品MS数据施以至少一种第一MS信号处理法以获得预处理过的标准和样品MS谱(profiles),并d)对来自步骤a)的标准细胞的细胞培养性能数据和步骤c)中获得的预处理过的样品与标准MS谱施以第二 MS信号处理法，所述第二 MS信号处理法优选包括施以基于PLS-DA(偏最小二乘法-判别分析)的比较评估的数据分析，由此预测所述至少一种样品细胞的细胞培养性能数据。本专利技术因此提供一种用于精确可靠地预测具有未知的细胞培养(优选生物反应器)性能数据的至少一种样品细胞的细胞培养(优选生物反应器)性能数据的有利方法，该方法能够节约时间并降低成本地预测特定细胞培养(优选生物反应器)性能数据，如细胞的生产率。本专利技术不仅提供此类有利的方法，还提供了通过所述方法制备，特别是分离的细胞，其中所述细胞特别由所需的细胞培养(优选生物反应器)性能数据，如高生产率来表征。此外，本专利技术提供了能够实施本专利技术方法的用于预测细胞培养性能数据的装置。与通常首先由96孔板放大规模至24孔板，随后至振荡培养瓶并最后至生物反应器规模的现有技术不同，本专利技术省略了在24孔板中和在振荡培养瓶中的培养步骤。在预测以低体积，例如在96孔板中培养的至少一种样品细胞的细胞培养(优选生物反应器)性能数据后，可以直接进行在生物反应器中的培养。根据本专利技术，该PLS-DA允许在一个变量的基础上分离非常特定的观察类别，使得使用PLS-DA克服了细胞系的生产率分级的问题，并可以预测它们在不同规模下的细胞培养(优选生物反应器)性能。在本专利技术的上下文中，该细胞培养性能数据优选为生物反应器性能数据。在本专利技术的上下文中，术语“至少一种样品细胞的探针”具有与术语“至少一种样品细胞的样品”相同的含义。在本专利技术的上下文中，术语“生物反应器性能数据”理解为是指当所述细胞在大体积条件和/或高生产率条件下，特别是在生物反应器中培养或繁殖时对于细胞行为与特性的平均数据。该生物反应器性能数据优选是个体和特定细胞的特定细胞产物(例如蛋白质，特别是抗体、抗体片段或融合抗体、抗生素)的生产率、培养要求、所述细胞的生长或寿命的数据。在优选的实施方案中，该细胞产物是蛋白质(特别是抗体)、肽、蛋白聚糖、糖蛋白、碳水化合物、脂质、抗生素或激素。术语“标准细胞”指的是具有已知的细胞培养性能数据的细胞，特别是在给定规模下，优选在大体积规模和/或在高生产率条件下，特别是在生物反应器规模下的已知特性和行为。这些已知特性可以通过现有技术的方法测量和分析。例如，细胞生产率可以通过ELISA(酶联免疫吸附剂测定)测定。在本专利技术的上下文中，术语“样品细胞”涉及具有至少一种未知的细胞培养性能数据(特别是细胞特性)的细胞。优选地，所述样品细胞的至少一种特性是已知的。在本专利技术的上下文中，术语“低体积培养基”指的是该培养基的体积为优选I本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】...
【专利技术属性】
技术研发人员：迪特马尔·朗，伊莱恩·B·马丁，加里·A·蒙塔古，克里斯托弗·J·奥马利，特蕾西·S·罗特，卡罗尔·M·特里，简·F·波维，克里斯托弗·M·斯梅尔斯，安德鲁·J·拉赫尔，
申请(专利权)人：英国龙沙生物医药股份有限公司，
类型：
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。