摘要：細胞培養和機器學習上的紫外線“指紋”可以在30分鐘內提供明確的是/否污染評估。
新加坡 - 麻省理工學院科研與技術聯盟（SMART，麻省理工學院在新加坡的研究機構）下屬的個性化醫療制造關鍵分析（CAMP）跨學科研究小組的研究人員，與麻省理工學院、新加坡科技研究局（A*STAR）皮膚研究實驗室以及新加坡國立大學合作，開發出了一種新方法，能夠在細胞治療產品（CTP）的生產過程早期，快速且自動地檢測和監測微生物污染情況。通過測量細胞培養液的紫外線吸光度，并利用機器學習識別與微生物污染相關的光吸收模式，這種初步檢測方法旨在縮短無菌檢測的整體時間，進而減少患者等待細胞治療產品劑量的時間。這一點尤為關鍵，因為對于絕癥患者而言，及時接受治療可能會挽救他們的生命。
圖1機器學習輔助的紫外吸收光譜技術用于細胞治療產品中的微生物污染檢測細胞治療代表了醫學領域一個充滿前景的新前沿，尤其是在治療癌癥、炎癥性疾病和慢性退行性疾病等方面，它通過操縱或替換細胞來恢復功能或對抗疾病。然而，細胞治療產品生產過程中的一個主要挑戰是，在將細胞給予患者之前，要快速有效地確保細胞沒有受到污染。
現有的基于微生物學方法的無菌檢測方法勞動強度大，檢測污染情況可能需要長達 14 天的時間，這可能會對急需治療的重癥患者產生不利影響。雖然像快速微生物檢測方法（RMMs）這樣的先進技術可以將檢測周期縮短至 7 天，但它們仍然需要復雜的流程，如細胞提取和生長富集培養基，而且在樣品提取、測量和分析等操作過程中高度依賴技術熟練的工人。這就迫切需要新的方法，既能在不影響細胞治療產品質量的前提下更快得出檢測結果，滿足患者的使用時間要求，又能采用簡單的工作流程，無需額外的準備工作。
在發表于《科學報告》雜志上的一篇題為《機器學習輔助的紫外吸收光譜法檢測細胞治療產品中的微生物污染》的論文中，SMART CAMP 的研究人員介紹了他們如何結合紫外吸收光譜法，開發出一種機器學習輔助的方法，用于在生產早期對細胞污染進行無標記、非侵入性的實時檢測。
這種方法相較于傳統的無菌檢測方法和快速微生物檢測方法具有顯著優勢，因為它無需對細胞進行染色以識別標記的生物體，避免了細胞提取的侵入性過程，并且能在半小時內得出檢測結果。它提供了一種直觀、快速的 “是 / 否” 污染評估，通過簡單的工作流程便于實現細胞培養采樣的自動化。此外，所開發的這種方法不需要專門的設備，從而降低了成本。
圖2平均吸光光譜
“這種快速、無標記的方法被設計為細胞治療產品生產過程中的一個初步步驟，作為一種持續安全檢測的形式，它使用戶能夠盡早檢測到污染，并及時采取糾正措施，包括僅在檢測到可能的污染時才使用快速微生物檢測方法。這種方法節省了成本，優化了資源配置，并最終加快了整個生產進程。” SMART CAMP 的高級研究工程師、該論文的第一作者什魯蒂?潘迪?切爾瓦姆（Shruthi Pandi Chelvam）說道。
“傳統上，細胞治療產品的生產勞動強度大，且受操作人員差異的影響。通過引入自動化和機器學習技術，我們希望簡化細胞治療產品的生產流程，并降低污染風險。具體來說，我們的方法支持在指定的時間間隔自動進行細胞培養采樣以檢查污染情況，這減少了諸如樣品提取、測量和分析等手動操作任務。這使得能夠持續監測細胞培養情況，并在早期階段檢測到污染。” 麻省理工學院電氣工程與計算機科學系的克拉倫斯?J?勒貝爾教授（Clarence J. LeBel）、SMART CAMP 的首席研究員、該論文的通訊作者拉杰夫?拉姆（Rajeev Ram）說道。
展望未來，后續的研究將集中于擴大該方法的應用范圍，以涵蓋更廣泛的微生物污染物，特別是那些代表當前良好生產規范環境以及先前已確定的細胞治療產品污染物的微生物。此外，除了間充質干細胞（MSCs）之外，還可以在更多的細胞類型上測試該模型的穩健性。除了細胞治療產品的生產領域，這種方法還可以應用于食品和飲料行業，作為微生物質量控制檢測的一部分，以確保食品產品符合安全標準。
參考資料
[1]Machine learning aided UV absorbance spectroscopy for microbial contamination in cell therapy products
摘要：細胞培養和機器學習上的紫外線“指紋”可以在30分鐘內提供明確的是/否污染評估。
新加坡 - 麻省理工學院科研與技術聯盟（SMART，麻省理工學院在新加坡的研究機構）下屬的個性化醫療制造關鍵分析（CAMP）跨學科研究小組的研究人員，與麻省理工學院、新加坡科技研究局（A*STAR）皮膚研究實驗室以及新加坡國立大學合作，開發出了一種新方法，能夠在細胞治療產品（CTP）的生產過程早期，快速且自動地檢測和監測微生物污染情況。通過測量細胞培養液的紫外線吸光度，并利用機器學習識別與微生物污染相關的光吸收模式，這種初步檢測方法旨在縮短無菌檢測的整體時間，進而減少患者等待細胞治療產品劑量的時間。這一點尤為關鍵，因為對于絕癥患者而言，及時接受治療可能會挽救他們的生命。
圖1機器學習輔助的紫外吸收光譜技術用于細胞治療產品中的微生物污染檢測細胞治療代表了醫學領域一個充滿前景的新前沿，尤其是在治療癌癥、炎癥性疾病和慢性退行性疾病等方面，它通過操縱或替換細胞來恢復功能或對抗疾病。然而，細胞治療產品生產過程中的一個主要挑戰是，在將細胞給予患者之前，要快速有效地確保細胞沒有受到污染。
現有的基于微生物學方法的無菌檢測方法勞動強度大，檢測污染情況可能需要長達 14 天的時間，這可能會對急需治療的重癥患者產生不利影響。雖然像快速微生物檢測方法（RMMs）這樣的先進技術可以將檢測周期縮短至 7 天，但它們仍然需要復雜的流程，如細胞提取和生長富集培養基，而且在樣品提取、測量和分析等操作過程中高度依賴技術熟練的工人。這就迫切需要新的方法，既能在不影響細胞治療產品質量的前提下更快得出檢測結果，滿足患者的使用時間要求，又能采用簡單的工作流程，無需額外的準備工作。
在發表于《科學報告》雜志上的一篇題為《機器學習輔助的紫外吸收光譜法檢測細胞治療產品中的微生物污染》的論文中，SMART CAMP 的研究人員介紹了他們如何結合紫外吸收光譜法，開發出一種機器學習輔助的方法，用于在生產早期對細胞污染進行無標記、非侵入性的實時檢測。
這種方法相較于傳統的無菌檢測方法和快速微生物檢測方法具有顯著優勢，因為它無需對細胞進行染色以識別標記的生物體，避免了細胞提取的侵入性過程，并且能在半小時內得出檢測結果。它提供了一種直觀、快速的 “是 / 否” 污染評估，通過簡單的工作流程便于實現細胞培養采樣的自動化。此外，所開發的這種方法不需要專門的設備，從而降低了成本。
圖2平均吸光光譜
“這種快速、無標記的方法被設計為細胞治療產品生產過程中的一個初步步驟，作為一種持續安全檢測的形式，它使用戶能夠盡早檢測到污染，并及時采取糾正措施，包括僅在檢測到可能的污染時才使用快速微生物檢測方法。這種方法節省了成本，優化了資源配置，并最終加快了整個生產進程。” SMART CAMP 的高級研究工程師、該論文的第一作者什魯蒂?潘迪?切爾瓦姆（Shruthi Pandi Chelvam）說道。
“傳統上，細胞治療產品的生產勞動強度大，且受操作人員差異的影響。通過引入自動化和機器學習技術，我們希望簡化細胞治療產品的生產流程，并降低污染風險。具體來說，我們的方法支持在指定的時間間隔自動進行細胞培養采樣以檢查污染情況，這減少了諸如樣品提取、測量和分析等手動操作任務。這使得能夠持續監測細胞培養情況，并在早期階段檢測到污染。” 麻省理工學院電氣工程與計算機科學系的克拉倫斯?J?勒貝爾教授（Clarence J. LeBel）、SMART CAMP 的首席研究員、該論文的通訊作者拉杰夫?拉姆（Rajeev Ram）說道。
展望未來，后續的研究將集中于擴大該方法的應用范圍，以涵蓋更廣泛的微生物污染物，特別是那些代表當前良好生產規范環境以及先前已確定的細胞治療產品污染物的微生物。此外，除了間充質干細胞（MSCs）之外，還可以在更多的細胞類型上測試該模型的穩健性。除了細胞治療產品的生產領域，這種方法還可以應用于食品和飲料行業，作為微生物質量控制檢測的一部分，以確保食品產品符合安全標準。
參考資料
[1]Machine learning aided UV absorbance spectroscopy for microbial contamination in cell therapy products
