前言

GSK和劍橋大學的研究者在預印版發表了自己的研究結果：一種結合機器學習（ML）與動力學模型的混合方法，用于預測CHO細胞在微小型培養體系（包括Beacon®，孔板，flask）中的表現，該模型為生物制藥行業提供數字化決策工具。

其中，在Beacon®單細胞光導系統上完成了單細胞克隆，初始細胞株篩選以及實驗數據（Cp, Qp）的收集。

01研究背景和方法

針對細胞株開發（CLD）流程中“傳統方法需要6-12個月篩選數百個細胞株，早期小規模數據無法預測后期生物反應器性能"的行業痛點，研究者創新性地提出混合模型——用機器學習預測動力學參數，再用動力學模型模擬代謝曲線，即：

步驟1：通過動力學模型（MCKM）將Ambr15™的高維代謝數據壓縮為13個關鍵參數。

步驟2：用ML建立"小規模數據→動力學參數"的映射關系。

步驟3：將ML預測參數反饋至MCKM，生成可解釋的代謝曲線預測。

圖1. 該混合模型的示意圖概覽：以早期CLD數據作為輸入，預測后期CLD結果。(a) 輸入結構及(b) 輸出結構均基于CLD數據構建。細胞株數量(n)代表本研究所用數據集中，針對單個單抗靶點開發執行單次CLD流程的數值。

02核心結論

預測性能：

高精度：VCC細胞生長和mAb抗體滴度預測最佳（R2=0.80?0.88，R2 =0.80?0.88，pRMSE=8.5-11.2%）。

中等精度：銨（AMM）預測合理（R2=0.67，R2=0.67，pRMSE=10.0%）。

低精度：葡萄糖（GLC）、谷氨酰胺（GLN）、乳酸（LAC）誤差較高（pRMSE=20-30%），主因是動力學模型回歸偏差及培養補料策略的細胞株特異性變異。

穩定性預測：AMM曲線預測能力為早期評估細胞株穩定性提供依據。

圖2. 混合模型對代謝物曲線的預測結果圖，繪制了所有測試細胞株在各時間點的實驗值（真實值）與預測值對比。(a) 測試集結果，數據來源于四個歷史CLD項目，訓練集與測試集按80%/20%劃分（訓練樣本量N=112）；(b) 新測試集結果，該數據集為包含15個細胞株的未知CLD數據，呈現多樣化的細胞株行為特征。此預測基于四個歷史CLD項目100%數據訓練的混合模型（訓練樣本量N=140）。

小結

借助Beacon®單細胞光導系統，研究者完成了全自動的單細胞克隆，初始細胞株篩選以及實驗數據（Cp, Qp）的收集，細胞株及實驗數據用于一種新的結合機器學習（ML）與動力學模型的混合方法的數據投喂和驗證。該方法顯著提升篩選效率：僅需早期小規模數據即可預測Ambr15™表現，減少后期實驗負擔，縮短CLD周期20-40%。