一组研究人员开发了一种新方法，可以在细胞治疗产品（CTPs）的制造过程中早期快速自动地检测和监测微生物污染。
通过测量细胞培养液的紫外（UV）光吸收，并利用机器学习识别与微生物污染相关的光吸收模式，这种初步测试方法旨在减少无菌测试所需的整体时间，从而缩短患者等待CTP剂量的时间。这对于需要及时治疗的重症患者尤为重要。
细胞治疗代表了医学的一个充满希望的新前沿，特别是在治疗癌症、炎症性疾病和慢性退行性疾病方面，通过操纵或替换细胞来恢复功能或对抗疾病。然而，在CTP制造中，一个主要挑战是在给患者使用前快速有效地确保细胞无污染。
现有的基于微生物学方法的无菌测试劳动强度大，需要长达14天才能检测到污染，这可能对需要立即治疗的重症患者产生不利影响。
虽然先进的技术如快速微生物方法（RMMs）可以将测试周期缩短至7天，但它们仍然需要复杂的步骤，如细胞提取和生长富集介质，并且高度依赖于熟练的人力进行样本提取、测量和分析。
这迫切需要新的方法，能够在不牺牲CTP质量的情况下提供更快的结果，并且具有简单的流程，无需额外准备。
在《科学报告》杂志上发表的一篇题为“机器学习辅助的紫外吸收光谱用于细胞治疗产品中的微生物污染”的论文中，SMART CAMP的研究人员描述了他们如何结合紫外吸收光谱开发了一种机器学习辅助的方法，用于在制造过程的早期阶段进行无标签、非侵入性和实时的细胞污染检测。
该方法相比传统的无菌测试和RMMs具有显著优势，因为它不需要对细胞进行染色来识别标记的生物体，使其成为无标签的，避免了细胞提取的侵入性过程，并且在不到半小时内提供结果。
它提供了一个直观、快速的“是/否”污染评估，促进了细胞培养取样的自动化，具有简单的工作流程，不需要额外的培养期、生长富集介质和人力。此外，所开发的方法不需要专门的设备，从而降低了成本。
“这种快速、无标签的方法被设计为CTP制造过程中的初步步骤，作为一种连续的安全测试形式，使用户能够及早发现污染并及时采取纠正措施，包括仅在检测到可能的污染时使用RMMs。这种方法节省了成本，优化了资源分配，并最终加速了整个制造时间线。”SMART CAMP的高级研究工程师、论文的第一作者Shruthi Pandi Chelvam说。
“传统上，细胞治疗制造是劳动密集型的，并且受操作者变异性的影响。通过引入自动化和机器学习，我们希望简化细胞治疗制造并降低污染风险。
具体来说，我们的方法支持在指定间隔内自动进行细胞培养取样以检查污染，减少了手动任务，如样本提取、测量和分析。这使得细胞培养可以持续监测，并在早期阶段检测到污染。”SMART CAMP首席研究员、麻省理工学院教授、论文的通讯作者Rajeev Ram说。
未来的研究将集中在扩大该方法的应用范围，涵盖更广泛的微生物污染物，特别是那些符合现行良好生产规范（cGMP）环境和先前确定的CTP污染物的微生物。
此外，该模型的鲁棒性可以在更多类型的细胞（不仅仅是间充质干细胞）上进行测试。除了细胞治疗制造外，该方法还可以应用于食品和饮料行业，作为微生物质量控制测试的一部分，以确保食品产品符合安全标准。
这项工作包括来自新加坡-麻省理工学院研究与技术联盟（SMART）的个性化医疗关键分析制造（CAMP）跨学科研究小组（IRG）的研究人员，与麻省理工学院（MIT）、ASTAR皮肤研究实验室（ASRL）和新加坡国立大学（NUS）合作。
更多信息： Shruthi Pandi Chelvam等人，《机器学习辅助的紫外吸收光谱用于细胞治疗产品中的微生物污染》，《科学报告》（2025）。DOI: 10.1038/s41598-024-83114-y
由新加坡-麻省理工学院研究与技术联盟提供
(全文结束)
