Новые технологии в разработке клеточных линий для более быстрого производства биологических препаратов

Биологические препараты — терапевтические белки, моноклональные антитела и рекомбинантные вакцины — представляют собой доминирующий и быстро растущий сегмент фармацевтического трубопровода. Производство этих сложных молекул в основном зависит от развития стабильных высокопродуцирующих клеточных линий. Исторически этот процесс был шагом, ограничивающим скорость, потребляющим месяцы к годам и требующим значительных ресурсов. Однако волна инноваций в настоящее время трансформирует развитие клеточной линии (CLD), обусловленная прорывами в редактировании генома, автоматизации, искусственном интеллекте и разработке систем экспрессии. Эти новые методы сжимают временные рамки от лет до месяцев, позволяя быстрее входить в клинические испытания, ускоряя ответные меры на глобальные чрезвычайные ситуации в области здравоохранения и снижая стоимость товаров. В этой статье рассматриваются конкретные технологии, меняющие CLD, их количественное влияние на производство биологических препаратов и интегрированные рабочие процессы, которые обещают определить будущее биопроизводства.

Бутылочные узлы в развитии традиционной клеточной линии

Чтобы оценить масштабы последних достижений, важно понять ограничения традиционных методов. Традиционный ХЛД обычно начинается с трансфекции клеток-хозяев — чаще всего клеток яичников китайского хомяка — с плазмидой, кодирующей терапевтический ген. Поскольку плазмида случайным образом интегрируется в геном хозяина, результирующая популяция клеток проявляет огромную неоднородность с точки зрения производительности, скорости роста и стабильности. Следующий шаг включает в себя несколько раундов отбора, часто с использованием маркеров устойчивости к антибиотикам, за которыми следует ограничение клонирования разбавления для изоляции отдельных клеток с желательными признаками.

Этот процесс по своей сути занимает много времени. Период от первоначальной трансфекции до идентификации клона свинца, пригодного для производства, может охватывать от шести до двенадцати месяцев или даже дольше. Каждый раунд субклонирования требует недель культуры, а тестирование стабильности - проверка того, что клон поддерживает постоянную производительность в течение многих поколений - добавляет дальнейшие задержки. Случайный характер интеграции также означает, что многие клоны не отвечают требованиям для высокого титра, правильных моделей гликозилирования или долгосрочной стабильности, что требует скрининга сотен или тысяч клонов. Труд, материалы и время установки делают этот подход дорогим и непредсказуемым. Для разработчика лекарств, стремящегося лечить неудовлетворенную медицинскую потребность, эти задержки несостоятельны.

Технологии Cutting-Edge меняют ландшафт

Каждый метод решает конкретную болевую точку — от точности интеграции до скорости отбора клонов — и вместе они образуют набор инструментов, который может уменьшить общую временную линию CLD на 50% или более.

CRISPR/Cas9-Mediated Genome Engineering для целевой интеграции

Возможно, самым преобразующим инструментом в недавнем развитии клеточной линии является система CRISPR/Cas9. Вместо того, чтобы полагаться на случайную интеграцию плазмид, исследователи теперь могут использовать CRISPR для направления терапевтического гена к конкретному, хорошо охарактеризованному локусу «безопасной гавани» в геноме клетки-хозяина. Эта целенаправленная интеграция устраняет большую часть клональной гетерогенности, которая поражает традиционные методы. Поскольку каждая сконструированная клетка содержит ген в том же геномном месте, уровни экспрессии более однородны и предсказуемы. Результатом является резкое сокращение числа клонов, которые необходимо отсеивать.

Помимо простых вводов, CRISPR позволяет вносить более сложные модификации. Например, исследователи могут использовать Cas9-никазы или базовые редакторы для внесения тонких изменений в метаболические пути, которые повышают производительность, такие как повышение регуляции белков шаперона или подавление ферментов, которые приводят к токсичным побочным продуктам. Точность CRISPR также улучшает стабильность; когда трансген вставляется в транскрипционно активную область со стабильной архитектурой хроматина, риск замалчивания генов по сравнению с длительной культурой минимизирован. Исследование 2022 в Nature Communications продемонстрировало, что линии клеток CHO, спроектированные с использованием интеграции, ориентированной на CRISPR, поддерживают высокий титр в течение более 100 поколений, что значительно превышает стабильность случайно интегрированных линий. Эта технология сама по себе может сократить фазу отбора клонов от месяцев до недель.

Автоматическое клонирование одной клетки и высокопроизводительный скрининг

Другим важным шагом вперед является автоматизация клонирования отдельных клеток. Метод золотого стандарта — ограничение разбавления — является трудоемким, с низкой пропускной способностью и подвержен статистике Пуассона, которая часто требует нескольких раундов для обеспечения клональности. Новые платформы теперь объединяют проточную цитометрию, микрофлюидику и робототехнику для изоляции отдельных клеток с высокой эффективностью и откладывания их в многолуночные пластины в течение нескольких часов.

Такие системы, как маяк Berkeley Lights или одноклеточные принтеры Cytena, используют микрофлюидные каналы для захвата, изображения и сортировки клеток на основе измерений скорости секреции, жизнеспособности или флуоресцентных репортерских сигналов в реальном времени. Эти платформы могут обрабатывать тысячи кандидатов в день, по сравнению с несколькими сотнями ручными методами. Важно отметить, что многие из этих систем включают интегрированную визуализацию для обеспечения документации клональности, которая удовлетворяет нормативным требованиям для четко определенной клеточной подложки. Результатом является не только скорость, но и богатство данных. Высокосоставная визуализация и автоматизированный анализ изображений позволяют исследователям соотносить морфологию колонии с производительностью, обеспечивая ранние прогностические маркеры для производительности клонов. Этот брак робототехники и аналитики эффективно сжимает временную шкалу от трансфекции до выбора клонов от шести месяцев до менее трех.

Искусственный интеллект и машинное обучение в предиктивном моделировании

Искусственный интеллект (ИИ) и машинное обучение (МЛ) применяются на нескольких этапах разработки клеточных линий для замены пробно-ошибочных экспериментов предсказанием на основе данных. Одно из наиболее эффективных применений заключается в разработке экспрессионных векторов и генных последовательностей. Алгоритмы, обученные на больших наборах данных экспрессии и информации о последовательностях, могут предсказать, какие промоторы, энхансеры или оптимизированные кодоном варианты дадут самую высокую экспрессию в клетках CHO. Этот вычислительный скрининг уменьшает количество конструкций, которые необходимо проверить экспериментально.

ИИ также играет роль в отборе клонов. При сочетании с высокопроизводительными данными скрининга, такими как титр с питанием, производительность клеток, скорость роста и профили метаболитов, модели ML могут идентифицировать несколько клонов, которые, скорее всего, будут хорошо работать в производственном масштабе. Этот подход позволяет избежать общей ловушки выбора клонов, которые хорошо работают в небольших статических культурах, но не справляются с крупномасштабными биореакторами с перемешанным резервуаром. Кроме того, оптимизация процесса на основе ИИ использует данные из исторических прогонов, чтобы рекомендовать стратегии питания, сдвиги температуры и точки рН, которые максимизируют конечный титр. Обзор 2023 в Biotechnology Advances ] подчеркнул, что компании, использующие ИИ для отбора клонов и оптимизации медиа, сообщили о сокращении до 40% числа необходимых экспериментов по масштабированию. Технология превращает CLD из искусства с низкими данными, основанного на интуиции, в науку, богатую данными.

Использование переходного выражения для быстрого прототипирования

В то время как стабильные клеточные линии остаются рабочей лошадкой для коммерческого производства, переходные экспрессионные системы стали незаменимыми на ранних стадиях разработки лекарств. В переходных системах экспрессионная плазмида вводится в клетки в виде эписомы — она не интегрируется в геном и теряется с течением времени. Однако в течение первых нескольких дней после трансфекции клеточная популяция может производить миллиграмм-граммовое количество белка. Это позволяет быстро тестировать различные генные конструкции, варианты последовательностей или партнеров по слиянию без недель отбора, необходимых для стабильных линий.

Например, во время открытия антител ученые могут использовать переходную экспрессию в клетках HEK293 или CHO для получения небольших партий десятков кандидатных антител для связывания и анализа активности. Только наиболее перспективные кандидаты переходят к стабильному развитию клеточной линии. Этот подход «неудачно быстро, неудачно рано» сохраняет ресурсы и фокусирует усилия на конструкциях с наибольшей вероятностью успеха. Достижения в трансфекции реагентов и клеточных культуральных средах улучшили переходные выходы до уровней, которые когда-то были достижимы только со стабильными линиями. В сочетании с высокой пропускной способностью автоматизация, одна команда может оценить сотни конструкций в неделю. Трансляционное преимущество ясно: более быстрая идентификация кандидатов-лидеров означает более быстрое прогрессирование в доклинические и клинические исследования.

Количественные преимущества: от года к месяцу

Кумулятивное влияние этих новых методов является драматическим сжатием временной шкалы разработки клеточной линии. Там, где обычная программа может потребовать от 12 до 18 месяцев от трансфекции до доставки главного банка клеток, интегрированные подходы с использованием таргетинга CRISPR, автоматического клонирования и скрининга ИИ могут достичь той же вехи за 4-6 месяцев. Это представляет собой сокращение времени на 60-70% с соответствующим сокращением затрат на рабочую силу и материалы.

Например, организация по разработке и производству биологических препаратов (CDMO), которая приняла полностью интегрированную платформу, сообщила в отраслевой white paper за 2023 год, что они смогли доставить стабильную клеточную линию CHO для моноклонального антитела менее чем за пять месяцев, с титром, превышающим 5 г / л, - уровень производительности, традиционно связанный с более длительными циклами разработки. Такие временные рамки позволяют разработчикам лекарств инициировать клинические испытания на целый год раньше, чем это было возможно десять лет назад. В контексте пандемии или вспышки устойчивости к противомикробным препаратам, эта скорость может напрямую переводиться в спасенные жизни. Кроме того, снижение затрат на разработку может снизить общую стоимость биологических препаратов, улучшая доступ пациентов к этим жизненно важным методам лечения.

Интеграция и автоматизация: путь к непрерывной обработке

Наиболее перспективным направлением в развитии клеточной линии является не какая-то единичная методика в изоляции, а интеграция этих инструментов в бесшовные, автоматизированные рабочие процессы. Видение — это «фабрика», которая начинается с генной последовательности и заканчивается стабильным, охарактеризованным клоном, с минимальным вмешательством человека. Такие системы сейчас возникают в виде интегрированных роботизированных рабочих клеток, которые соединяют клеточную культуру, обработку жидкости и аналитические инструменты.

На этих платформах жидкостный обработчик раздает трансфектные реагенты и семенные клетки, затем переносит популяцию в автоматизированный инкубатор. Через заданные интервалы клеточный сандлер удаляет образцы для одноклеточной изоляции, а изолированные клоны визуализируются и отслеживаются машинным зрением. Как только генерируется достаточное количество биомассы, автоматизированные станции отбора проб измеряют уровни титра и метаболита, возвращая данные обратно в модель ML, которая затем выбирает следующий лучший клон для расширения. Эта система замкнутого цикла может работать 24/7, ускоряя развитие при одновременном снижении риска человеческой ошибки и загрязнения. Некоторые CDMO уже пилотируют такие автоматизированные линии CLD, стремясь дополнительно сжать временную шкалу до трех месяцев или менее.

Следующим рубежом является интеграция этих рабочих процессов разработки клеточной линии с непрерывной биообработкой. Когда идентифицируется стабильный клон, та же автоматизированная платформа может быть использована для семенного перфузионного биореактора, что позволяет непрерывное производство без перерыва для пакетных циклов. Это размывание границ между разработкой и производством обещает создать действительно сквозную цифровую экосистему биопроизводства. Перспектива FLT:0]2023 в Trends in Biotechnology утверждала, что такая интеграция может сократить общее время от гена до коммерческого продукта до менее чем двух лет, временная шкала, которая ранее была невообразимой.

Остающиеся вызовы и перспективы на будущее

Несмотря на значительный прогресс, перед этими новыми технологиями остаются несколько проблем, прежде чем эти новые технологии станут универсальными стандартами. Во-первых, первоначальные капиталовложения в автоматизированные высокопроизводительные платформы и роботизированную интеграцию значительны, потенциально ограничивая доступ к крупным фармацевтическим компаниям и хорошо финансируемым CDMO. Во-вторых, в то время как таргетинг CRISPR снижает неоднородность, нецелевые эффекты и потенциал геномных перестановок все еще требуют тщательной проверки. Регулирующие органы, включая FDA и EMA, еще не выпустили конкретные руководящие принципы для геномно-редактированных клеточных линий, используемых в производстве, что приводит к некоторой неопределенности для разработчиков.

Еще одной растущей проблемой является управление данными. Большие наборы данных, генерируемые высококачественной визуализацией и непрерывным мониторингом метаболитов, требуют надежной вычислительной инфраструктуры и специализированных талантов. Многие биотехнологические фирмы не имеют собственного опыта в области науки о данных и должны полагаться на внешние партнерства. Кроме того, сами модели МО должны обучаться высококачественным воспроизводимым данным; модели, которые хорошо работают на одной клеточной линии или типе продукта, не могут обобщать другие без переподготовки.

Заглядывая вперед, мы можем ожидать дальнейшего совершенствования инструментов CRISPR, включая использование прайм-редактирования и связанных с CRISPR транспозиз, которые позволяют вставлять более крупные гены без двухцепочечных разрывов. Модели ИИ будут все чаще включать данные мультиомики - транскриптомики, протеомики и метаболомики - для обеспечения всеобъемлющей картины физиологии клонов. Стремление к модульной автоматизации плагинов и игр означает, что даже небольшие организации смогут принимать лучшие в своем классе компоненты, а не закрытые системы. Наконец, по мере созревания этих технологий регулирующие органы, вероятно, будут разрабатывать более четкие пути для утверждения, повышая доверие отрасли.

Конвергенция геномной инженерии, автоматизации и искусственного интеллекта — это не просто постепенное улучшение; это представляет собой сдвиг парадигмы в том, как создаются биологические препараты. Урезав время и стоимость развития клеточной линии, эти инструменты демократизируют доступ к передовым терапевтическим средствам и позволяют быстро реагировать на возникающие угрозы для здоровья. Производственное сообщество биопрепаратов находится на пороге эпохи, когда доставка нового вирусного вектора, антитела или фермента пациентам измеряется месяцами, а не годами. Описанные здесь методы являются двигателями, которые будут стимулировать эти изменения.