ProCellics™拉曼光谱在线监测技术在CHO细胞灌流培养中的应用

在介绍ProCellics™ 拉曼分析仪和 Bio4C™ PAT 拉曼光谱仪软件在CHO细胞灌流培养中的应用前，让我们首先来了解一下拉曼散射效应。所谓“拉曼效应”是指光通过介质时被介质散射后光频及相位发生改变的现象。而且频率的改变量与入射光频无关，而与散射物性质有关。例如，水（H₂O）有三种不同的分子键振动，产生三种不同的拉曼位移（波长改变），则对应三种不同的拉曼信号。如下图所示，拉曼光谱表征了特定拉曼位移的信号强度（AU），从而区分不同振动模式的水分子。这样的分析方法也可应用于溶液中的其他物质（如培养基中的葡萄糖、乳酸等），因此拉曼光谱可以被比作分子指纹。

过程分析技术（PAT）由FDA发起，旨在鼓励药物开发、制造和质量保证方面的创新。PAT的目标是通过实时监测和控制过程，将质量融入生物制药生产过程，使其更加稳健和透明。通过在指定的设计空间内识别和监测CPP和CQA，拉曼光谱可以了解细胞培养过程，并通过实时监测提高产品质量。

以下数据来源于CHOZN^® GS细胞系表达的IgG1克隆在6次N-1培养中的测试结果，其中应用了Cellicon^TM细胞截留装置和一次性膜包，以及ProCellics™拉曼分析仪和Bio4C™ PAT 拉曼光谱仪软件，其工作流程如下图所示。

在前期采样数据经过预运行后，利用5个批次的N-1细胞培养离线数据通过Bio4C^® PAT Chemometric Expert软件进行葡糖糖、乳酸、铵、渗透压、VCD、TCD以及抗体浓度的PLS建模（样本数量为86-101个）。此后PLS校准模型被导入Bio4C® PAT拉曼光谱软件，用于直接集成、可视化和自动预处理传入的实时光谱数据，以监测工艺参数。另外一批独立的N-1细胞培养（n = 1批次，21个过程样品）用以进行模型验证。

PLS模型通过R²、Q²和RMSEcv的评估，其中R²>0.91，Q²>0.87，RMSE值也表明在预测过程中模型拟合良好³。从以下图表可见，在此案例中利用PLS多变量回归模型作为软传感器，对本研究选择的所有7种CPP进行了稳健的在线实时监测，其中平均预测相对误差仅3%，相对误差较大的铵为15%。

实时监测的众多优点之一是它能够连续测量过程参数，从而填补我们对过程的理解空白，尤其是在没有手动样品的时间点。如上图中B、C、D所示，实时监测可以捕捉到数据值升高和下降的全部过程，而离线监测则无法做到这一点。

可见，借助ProCellics^TM 拉曼分析仪和Bio4C^® PAT拉曼软件，我们能够在线和实时的监测CHO细胞灌流培养的中的多个关键细胞培养变量，从而提高我们对灌流培养过程的理解。