工程化智能iPSC生物制造:整合机器人自动化、人工智能与过程控制

《Advanced Intelligent Systems》:Engineering Intelligent iPSC Biomanufacturing: Integrating Robotic Automation, AI, and Process Control

【字体: 大 中 小 】 时间:2026年09月23日 来源:Advanced Intelligent Systems 6.7

编辑推荐:

  人类诱导多能干细胞(iPSCs)的可规模化制造对于再生医学、高通量药物发现与筛选、以及先进的器官芯片系统和类器官模型日益关键。然而,传统的手工培养劳动密集、依赖操作人员且变异性大,限制了其可扩展性和可重复性。自动化iPSC培养平台通过整合机器人技术、液体处理、

  
人类诱导多能干细胞(iPSCs)的可规模化制造对于再生医学、高通量药物发现与筛选、以及先进的器官芯片系统和类器官模型日益关键。然而,传统的手工培养劳动密集、依赖操作人员且变异性大,限制了其可扩展性和可重复性。自动化iPSC培养平台通过整合机器人技术、液体处理、成像和受控孵育,最大限度地减少人为干预,同时提高过程一致性和细胞质量,从而解决了这些局限性。人工智能(AI)和机器学习方法进一步为自动化工作流程增添了智能决策层。深度学习模型能够实现集落形态和融合度的自动评估、自发分化的检测,以及生长动力学和最佳传代时机的预测。AI驱动的成像与传感器数据分析也增强了实时质量评估和过程监控,尽管完全自主的闭环控制仍是一项新兴能力。主要挑战包括iPSC细胞系间的变异性、生长与分化行为的差异、平台互操作性,以及工作流程和质量控制标准化的有限性。本综述考察了商业化和新兴的自动化iPSC培养技术,比较了手动与自动化制造工作流程,并评估了与下游过程的整合。机器人技术、先进传感和AI的融合为可扩展、可重复且智能化的iPSC生物制造奠定了基础。

论文主体内容总结

1 引言

诱导多能干细胞(iPSCs)是通过使用特定转录因子对成体体细胞(如成纤维细胞或外周血细胞)进行重编程而生成的一类多能干细胞。然而,维持高质量的iPSC培养需要多个严格控制的过程,包括频繁的培养基更换、传代、细胞形态与多能性的常规评估,以及严格的污染控制。传统上这些过程均为手工操作,导致iPSC培养劳动密集、耗时且易受操作人员相关变异影响。随着iPSC技术从实验室规模研究向临床和商业转化推进,这些局限性日益显著。常规的二维(2D)平面培养系统可扩展性有限。此外,大规模生产中细胞聚集体尺寸需严格控制,过大聚集体会限制营养和氧气扩散。手动培养中pH、温度、溶解氧(O2)、二氧化碳(CO2)和渗透压等关键培养参数的精确控制也较为困难。据报道,手动生产231个细胞系的成本高达836万美元,每年需超过1800小时训练有素的人员工时,且收获后细胞再贴壁率低于65%。自动化iPSC培养系统通过整合机器人技术、流体学、成像、孵育和基于软件的控制,可减少人为干预、提高通量并改善过程标准化和可重复性。卷积神经网络(CNNs)等深度学习方法已被应用于iPSC集落形态、融合度和早期分化特征的自动评估。机器学习模型可预测生长动力学和最佳传代时机。然而,由于供体和组织来源、重编程方法、遗传和表观遗传差异以及培养相关应激等因素,iPSC细胞系间存在显著的生物学变异性,这仍是实施自动化制造的主要挑战。

2 自动化iPSC培养系统的当前格局

自动化iPSC培养系统正日益发展,以克服传统手工培养的劳动强度、操作人员依赖性和变异性。这些平台整合了机器人处理、自动化液体处理、受控孵育、成像、环境监测和基于软件的过程管理,以标准化和规模化常规培养操作。新兴系统越来越多地融入AI和数据驱动分析,用于自动化图像分析、培养状态评估、过程监控和决策支持。

2.1 自动化iPSC培养系统中的核心工作流程

自动化iPSC培养系统不仅通过机器人和自动化仪器复制传统手工处理过程,还通过整合AI、先进成像和数据分析扩展了这些能力。这些平台自动化了iPSC培养的多个关键方面,包括细胞接种、培养基更换、传代、环境监测和分化评估。在细胞接种过程中,自动化分配可实现跨培养孔或培养板的细胞密度一致性。自动化培养基更换以精确控制的间隔补充新鲜营养配方。在传代过程中,集成成像系统可监测集落形态和融合度,而基于AI的图像分析可辅助确定合适的传代时机。此外,温度、CO2、O2和湿度等关键培养条件的连续监测可辅以基于传感器的pH和代谢物活性测量。这些过程通过整合工作流调度、过程监控、多模态数据采集与分析以及AI辅助反馈控制的软件平台进行协调。

2.2 自动化iPSC培养系统的关键组件

现代自动化iPSC培养平台由相互连接的硬件和软件模块组成,旨在提高通量、可重复性、可扩展性和过程控制。机器人手臂和自动化液体处理系统以高精度执行细胞接种、移液、培养基更换、培养板转移和传代等重复操作。集成成像和监测系统(通常包含相差和/或荧光显微镜)可实现集落形态、融合度和生长动力学的纵向评估。受控孵育模块维持稳定的温度、CO2、O2和湿度,而日益复杂的平台可整合环境和代谢传感器以监测pH、耗氧量、葡萄糖利用和乳酸产生等参数。集中式软件平台通过统一控制界面协调机器人操作、孵育条件、传感器读数、成像数据和工作流调度。自动化质量控制模块整合了基于成像的多能性和分化评估与分子、表型和基因组质量测量。基于AI的异常检测可识别集落形态、生长动力学、分化模式或其他质量属性的偏差。基因组稳定性评估(包括核型分析)通常仍是大多数自动化培养平台的补充性质控程序。

3 自动化iPSC培养和制造技术的最新进展

自动化iPSC培养系统在药物发现、疾病建模、组织工程和再生医学等应用中日益受到关注。越来越多的自动化和半自动化平台支持iPSC工作流程的多个阶段,包括重编程、扩增、传代、分化、监测和冷冻保存。

3.1 目前可用的自动化iPSC培养系统

CellCelector系统可实现细胞集落的自动识别、分离和选择性收获,支持未分化多能干细胞集落的自动分离和传代。Cell X精密机器人平台整合成像、培养基更换、集落挑选、选择性集落去除、克隆扩增、重编程和分化等多种操作,其与Biospherix Xvivo系统的整合可在密闭、HEPA过滤环境中运行。StemCellFactory(SCF)模块化系统整合约30个独立仪器,实现自动化重编程、克隆选择、扩增和纵向监测,自动化处理实现了超过95%的脱落和转移效率,再贴壁效率达94.8%(手动为65%)。Biomek工作站是支持贴壁和悬浮细胞培养工作流程的模块化自动化平台,整合自动化液体处理与孵育、离心、细胞计数和机器人样品转移。Tecan Fluent平台是模块化液体处理工作站,可整合孵育器、成像系统和机器人离心机。CELLMATIC是全封闭式贴壁细胞培养自动化平台,整合试剂储存、液体处理、成像、孵育和自动化实验室器具运输。Cellerity和BioCel系统是安捷伦科技开发的模块化机器人平台,用于高通量细胞培养和检测制备。AI.CELLHOST整合机器人系统与荧光成像,用于高通量基因组和转录组表型分析。纽约干细胞基金会(NYSCF)开发的自动化平台可并行生成数千个iPSC细胞系,整合自动化液体处理、孵育、离心、成像和冷冻管处理。

3.2 iPSC培养系统中的AI驱动自动化

基于AI的成像将显微镜数据转化为iPSC培养状态的定量测量。CNN(包括U-Net、ResNet和EfficientNet)已被应用于分割集落边界、区分未分化和分化区域、估计融合度以及识别形态异常细胞。CellX平台整合明场和荧光成像与基于CNN的分割,以识别集落挑选位点。SCF将机载显微镜与基于图像的分类器相结合,以监测融合度和多能性。NYSCF全球干细胞阵列将Cell Painting与深度学习分析相结合,以识别与疾病表型相关的形态学特征。在AI驱动的决策和自适应调度方面,SCF将基于图像的融合度估计与液体处理调度器相连接,实现自动化分裂和重新接种。StemCellDiscovery流程结合成像、融合度预测和机器人调度以优化培养基更换和传代间隔。Maholo LabDroid展示了闭环机器人培养自动化的实例,整合贝叶斯优化实现了可重复的肌源性分化。AI辅助质量控制将自动化成像与基于机器学习的分析相结合,将定性检查转化为定量和可追溯的测量。

3.3 自动化下游处理:成像、分选、冷冻保存和回收系统

随着iPSC生产规模的扩大,自动化成像和分选对于维持过程一致性和减少操作人员相关变异性日益重要。PHANTAST等自动化工具使用相差成像进行实时融合度评估,而CNN、支持向量机(SVMs)和基于U-Net的方法可实现形态、融合度和表型特征的自动识别。COPAS FP-1000等自动化分选技术可基于大小和光学特性对iPSC聚集体进行非侵入性分选。荧光激活细胞分选(FACS)仍广泛用于基于标志物的特定iPSC和iPSC衍生细胞群的富集或去除。冷冻保存对于iPSC建库和长期制造工作流程至关重要,KRYO 10 Series III和Cryomed等商业系统提供可编程的控速冷冻。电子记录和数据管理系统正日益整合到冷冻保存工作流程中,以维持细胞系信息、患者相关文档、温度历史和批次标识符的可追溯记录。

4 手动与自动化iPSC培养的比较分析

iPSC培养是生命科学中的基础技术,广泛应用于再生医学、疾病建模和药物发现等领域。本节从重编程、维持、可重复性、可扩展性、时间效率和劳动力需求等关键方面比较了手动和自动化iPSC培养工作流程。在重编程方面,手动操作依赖操作人员移液、可重复性低,而非整合方法的效率低于1%;自动化则使用标准化生物反应器、增强可重复性、实现环境实时控制且可扩展。在维持方面,手动培养每天需熟练人员3-4小时,自动化则每天手动作业时间少于1小时,并提供实时形态监测和污染警报。在一致性和可重复性方面,手动培养用户间变异性高、技术要求高,自动化则减少用户变异性、跨孔结果均匀且实验间可重复性已得到验证。在通量和可扩展性方面,手动培养每年约231个细胞系,需7名技术人员每年工作1824小时;自动化可实现相同年产量并支持96孔或生物反应器平台。在投资方面,手动培养每天3-4小时(每周15-20小时),自动化每天少于1小时(每周3-5小时)且支持隔夜和周末运行。手动培养231个细胞系的总成本为836万美元,自动化总成本为485万美元。

4.1 标准化iPSC重编程:从手动移液向自动化生物反应器系统的转变

将体细胞重编程为iPSC传统上依赖手动程序,使用病毒或非病毒方法引入OCT4、SOX2、KLF4和c-MYC等转录因子。整合型病毒载体提供高转导效率但存在基因组整合问题,而非整合方法(如仙台病毒和附加型载体)降低了整合相关风险,但重编程效率因方法和细胞来源而异。自动化重编程平台可标准化细胞处理和治疗条件,同时减少人为干预。基于生物反应器的系统可在可重复的培养条件下实现重编程细胞的受控和可扩展扩增。集成监测可提供细胞生长和关键过程参数的实时评估。

4.2 通过自动化维持系统确保iPSC身份和稳定性

手动iPSC维持依赖形态学评估和NANOG、TRA-1-60和TRA-1-81等多能性标志物,这些程序主观且劳动密集。自动化系统可结合相差成像和活细胞分析连续监测形态并检测与预期培养状态的偏差。搅拌悬浮生物反应器已被研究用于长期iPSC扩增,但聚集体大小、生长和活力的控制仍是重要的放大挑战。自动化控制培养条件和实时监测可改善放大过程中的一致性。

4.3 实现均匀可靠结果的一致性和可重复性

手动iPSC培养已通过标准化试剂和方案得到改进。例如,化学成分明确的E8培养基和玻连蛋白包被表面实现了使用附加型载体的高效无饲养层iPSC生成,而单细胞传代支持在延长传代过程中向多个谱系的高效分化。自动化通过标准化培养过程(包括传代和分化)进一步减少操作人员相关变异性。研究表明,自动化培养可在多次传代中维持未分化hiPSC,并支持向心肌细胞、肝细胞、神经祖细胞和角质形成细胞的分化,同时减少对操作人员技能的依赖。

4.4 通量和可扩展性:增强大规模、高产量iPSC生产能力

手动iPSC培养劳动密集,限制了可同时维持的细胞系数量。悬浮方法可改善可扩展性,例如在100毫升搅拌罐生物反应器中24天内生成4000-5000万个iPSC来源心肌细胞,纯度超过80%。工业制造商也在建立更大规模、临床合规的生产能力。自动化系统通过机器人处理和并行处理进一步提高通量。台式多通道液体处理机器人已被用于分化方案和遗传操作的高通量筛选,TECAN Fluent平台已被用于多个hiPSC细胞系的自动化培养和分化为视网膜色素上皮细胞。

4.5 时间和成本效率:降低运营负担并改善经济可持续性

自动化大幅减少了常规监测、喂养和传代所需的劳动力。手动中通量培养每天约需3-4小时技术人员时间(每周15-20小时),而Biomek FXP和CompacT SelecT等平台可将每日手动工作减少至不到1小时,每周维护约3-5小时。经济分析表明,在较大生产规模下自动化具有潜在成本优势。手动年产约213个细胞系需7名研究人员和每年1824人员工时,总生产成本接近836万美元。SCF可实现相似年产量,人员成本约76万美元,总自动化生产成本约485万美元(含硬件和软件投资)。分析表明,自动化可降低长期运营成本,报告的回本点约为每年100个细胞系。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号