《Biotechnology and Bioengineering》：Batch-to-Batch Optimization of pH Shifts in CHO Bioreactor Operations
编辑推荐：
培养pH是生产单克隆抗体（monoclonal antibody, mAb）的CHO细胞培养中的一个重要操作参数，因为它直接影响细胞生长和比生产力（specific productivity）。数学模型可用于优化pH转变的幅度和时机，前提是这些模型对模型误差具
培养pH是生产单克隆抗体（monoclonal antibody, mAb）的CHO细胞培养中的一个重要操作参数，因为它直接影响细胞生长和比生产力（specific productivity）。数学模型可用于优化pH转变的幅度和时机，前提是这些模型对模型误差具有鲁棒性。为了解决模型误差，研究人员首次在实验上实施了一种稳健的批间（batch-to-batch）优化程序，该程序通过更新模型参数以及每次迭代中匹配目标函数和约束的预测梯度与测量梯度，来迭代调整模型。使用具有pH依赖性动力学约束的动态代谢通量模型（dynamic metabolic flux model）进行优化。该方法在微生物反应器（micro-bioreactors）系统中进行了实验应用，与标称实验条件相比，滴度（titer）提高了高达18%。通过比较有无梯度匹配（gradient matching）的实验，清楚地证明了梯度匹配在补偿模型误差方面的必要性。该数学模型还使得识别有助于观察到的生产力提高的代谢机制成为可能。
单克隆抗体（monoclonal antibody, mAb）是当前临床使用的主要生物制药，主要由哺乳动物细胞培养系统生产，其中中国仓鼠卵巢（Chinese Hamster Ovary, CHO）细胞是最常见的生产宿主。培养pH是影响CHO细胞生长和比生产力的关键过程参数。已有研究考察了恒定pH和pH转变策略，但对pH转变的幅度和时机的系统优化仍缺乏实验验证。由于数学模型存在参数不确定性和结构误差，直接使用模型优化可能导致次优结果。为此，研究人员首次在实验上实施了一种对模型误差鲁棒的批间（batch-to-batch）优化框架，结合具有pH依赖性动力学约束的动态通量平衡分析（dynamic flux balance analysis, dFBA）模型，在微生物反应器系统中同时优化pH转变的幅度和时间，并识别相关的代谢机制。
研究人员采用NISTCHO细胞系（美国国家标准与技术研究院）在Ambr?15微生物反应器系统中进行为期12天的补料分批培养，以表达单克隆抗体的cNISTmAb为研究对象。研究中使用了两种商业培养基进行预筛选，最终选择CHOLean作为基础培养基。批间优化框架包括三个主要步骤：模型识别——通过最小化归一化平方误差（normalized sum of squared errors, NSSE）估计模型参数；梯度匹配——通过微扰参数使模型预测梯度与实验估计梯度一致；模型优化——求解混合整数非线性规划（mixed-integer nonlinear programming, MINLP）问题以确定下一批次的pH转变条件。通过比较有无梯度匹配的优化结果，验证了梯度匹配的必要性。
研究结果部分：在培养基筛选阶段，CHOLean较CD CHO Fusion支持更高的活细胞密度和mAb滴度，因此被选为后续实验的基础培养基。在第一批次迭代中，8个生物反应器以不同pH转变条件运行，模型校准和验证误差相近，表明模型能描述主要动态趋势。然而，模型预测的目标函数梯度与实验梯度在符号上存在矛盾，反映出模型结构误差显著。应用梯度匹配后，模型梯度与实验梯度在方向和量级上均得到纠正，平均绝对相对误差从约151%降至39%。第二批次迭代中，未校正模型优化得到pH转变至6.9（45小时），而校正模型优化得到pH转变至7.25（74小时）。实验显示，校正模型对应的反应器滴度为335 mg/L，高于未校正模型的318 mg/L和恒定pH对照的302 mg/L。第三批次迭代进一步验证了最优pH策略，使滴度达到357 mg/L，比恒定pH 7.1提高18.6%，比第二批次最优提高6.2%。重复控制实验显示系统变异性约为2%，表明观察到的改善源于优化策略而非随机波动。此外，dFBA模型通量分析揭示，高pH转变增强了糖酵解和磷酸戊糖途径的通量，并降低了氨的积累，从而有利于细胞生长和产物合成。
讨论部分指出，梯度匹配是补偿模型-过程结构失配的关键。尽管只进行了三次迭代，但结果证明了该方法在实际生物过程中的可行性和有效性。实验变异性对梯度估计有影响，但所选扰动幅度足以产生可区分的响应。碱性pH（约7.25）可能通过改善代谢和糖基化特性而提高产量。研究结论如下：本研究展示了批间优化框架在CHO细胞培养中识别改进pH策略的实验实施。通过整合机制建模和模型梯度校正，该方法有效解决了模型-过程结构失配问题。校正后的模型产生了与过程行为匹配的梯度，最优pH谱使滴度达到357 mg/L，比恒定pH 7.1高18.6%。控制实验证实改善来自优化而非变异性。此外，结果提供了pH对CHO代谢的生物学见解：高pH值（约7.25）持续导致更高的mAb滴度和更优的代谢谱，包括增强糖酵解和磷酸戊糖途径、降低氨积累。总体而言，本研究证明了梯度校正的基于模型的优化可成功应用于真实生物过程实验，为系统改进上游生物过程条件提供了可靠有效的框架。未来工作可将更灵活的结构模型与梯度校正方法相结合。
