CAR-T细胞灌注生物反应器扩增的数字阴影模型：优化自体细胞治疗最佳收获时间的实时预测技术

本文推荐一种创新的数字阴影（digital shadow）模型，通过比例-积分-微分（PID）控制的灌注生物反应器实时监测嵌合抗原受体（CAR）T细胞扩增过程。研究结合非线性常微分方程（ODE）机制模型与葡萄糖/乳酸浓度在线数据，实现细胞浓度的软传感器预测（平均相对误差13%），为自体CAR-T治疗提供个性化收获时间决策支持，显著缩短制造周期并降低成本。

　　

摘要

嵌合抗原受体（CAR）T细胞疗法在癌症治疗中展现出巨大潜力，但其制造过程中体外扩增时长直接影响细胞数量与质量。本研究开发了一种基于比例-积分-微分（PID）控制灌注生物反应器的数字阴影模型，通过非线性常微分方程整合葡萄糖、乳酸浓度及灌注速率等在线数据，实现细胞浓度的实时预测。实验采用Aglaris FACER生物反应器，验证模型在2.5天在线数据输入下可预测未来2.5天的细胞浓度，平均相对误差仅13%，为临床个性化治疗提供精准决策工具。

1 引言

CAR-T疗法当前面临制造周期长（1-2周）、成本高昂（单例数十万美元）及细胞分化导致疗效下降等挑战。传统扩增时间固定化无法适应患者个体差异，而实时监测技术如介电谱（bio-capacitance）在沉降式生物反应器中应用受限。本研究提出通过软传感器结合PID控制的灌注系统，利用葡萄糖代谢动态调整灌注速率，建立数字阴影模型实现细胞生长动态预测，突破传统硬传感器的物理限制。

2 材料与方法

数学模型
核心方程包括：

• 灌注速率控制方程：基于PI控制器调节葡萄糖浓度至设定值（S_sp）
• 代谢方程：描述葡萄糖消耗（d[S]/dt）与乳酸生成（d[P]/dt）的ODE，关联细胞生长速率μ(t)
• 细胞生长模型：修正的Richards方程描述滞后期（t_lag）后特异性生长率μ_max的衰减（参数ν<0），推导出线性（ν≈-1）或二次方（ν≈-0.5）生长曲线

实验系统
Aglaris FACER生物反应器采用双层培养室（13.4/134 mL），通过膜沉降保留细胞。在线传感器每10秒监测葡萄糖/乳酸浓度，Butterworth低通滤波器消除气泡干扰。PID参数（K_p=0.215 L/(mmol·day), K_i=5.16 L/(mmol·day²)）通过实验优化设定。

数据分析
Python实现Levenberg-Marquardt非线性拟合，固定滞后期（均值0.092天）和葡萄糖细胞产率（Y_xs=0.259 cells/pmol），实时拟合乳酸产率（Y_px）、μ_max和ν参数。

3 结果

训练验证
5组训练数据显示：

• 代谢参数稳定：Y_ps（乳酸/葡萄糖产率）均值1.99，符合有氧糖酵解理论（2 mol乳酸/1 mol葡萄糖）
• 生长异质性：最大生长速率μ_max范围0.405-2.14 day^-1，反映供体差异
• 预测效能：2.5天在线数据输入可预测10⁷ cells/mL阈值时间（误差±6%）

独立测试
未参与训练的Run 3数据验证显示，模型能外推预测高细胞浓度（32.5×10⁶ cells/mL），证实泛化能力。

4 讨论

该模型创新性在于：

1. 简化假设：均质化混合虽与沉降式反应器物理状态不符，但通过早期生长阶段（未达承载容量）的Richards方程简化，有效平衡复杂度与实用性。
2. 代谢稳态：乳酸稳态浓度[P_ss]=Y_ps([S_I]-[S_sp])的推导揭示控制器设定值与代谢产物的定量关系。
3. 临床适配：通过固定关键参数（Y_xs, t_lag）提升实时预测稳定性，避免过拟合。

局限性包括未考虑CD4+/CD8+亚群差异及氧传递系数（k_La）的不确定性，未来可通过非稳态气体置换法校准。

5 结论

该数字阴影模型作为非侵入式软传感器，为沉降式CAR-T生物反应器提供：

• 实时细胞浓度"现在播报"（nowcast）与2.5天预测
• 个性化扩增周期优化（较传统缩短3天）
• PID参数调谐基础，推动自动化制造进程