CN116888256A - 细胞处理系统、细胞处理方法和学习数据创建方法 - Google Patents
细胞处理系统、细胞处理方法和学习数据创建方法 Download PDFInfo
- Publication number
- CN116888256A CN116888256A CN202180094103.7A CN202180094103A CN116888256A CN 116888256 A CN116888256 A CN 116888256A CN 202180094103 A CN202180094103 A CN 202180094103A CN 116888256 A CN116888256 A CN 116888256A
- Authority
- CN
- China
- Prior art keywords
- cell
- information
- processing
- cells
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 416
- 238000000034 method Methods 0.000 title claims abstract description 114
- 238000003693 cell processing method Methods 0.000 title description 8
- 238000005259 measurement Methods 0.000 claims abstract description 67
- 238000004113 cell culture Methods 0.000 claims abstract description 34
- 238000012258 culturing Methods 0.000 claims abstract description 20
- 210000004027 cell Anatomy 0.000 claims description 879
- 230000010365 information processing Effects 0.000 claims description 96
- 230000003287 optical effect Effects 0.000 claims description 68
- 230000008569 process Effects 0.000 claims description 55
- 238000001514 detection method Methods 0.000 claims description 35
- 210000003819 peripheral blood mononuclear cell Anatomy 0.000 claims description 25
- 230000000638 stimulation Effects 0.000 claims description 24
- 238000010186 staining Methods 0.000 claims description 20
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 18
- 239000000203 mixture Substances 0.000 claims description 14
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 12
- 229910052760 oxygen Inorganic materials 0.000 claims description 12
- 239000001301 oxygen Substances 0.000 claims description 12
- 230000004083 survival effect Effects 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 10
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 108091023040 Transcription factor Proteins 0.000 claims description 8
- 102000040945 Transcription factor Human genes 0.000 claims description 8
- 239000001569 carbon dioxide Substances 0.000 claims description 8
- 230000003204 osmotic effect Effects 0.000 claims description 7
- 239000012531 culture fluid Substances 0.000 claims description 5
- 238000002073 fluorescence micrograph Methods 0.000 claims description 5
- 230000014509 gene expression Effects 0.000 claims description 5
- 230000022532 regulation of transcription, DNA-dependent Effects 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 101710160107 Outer membrane protein A Proteins 0.000 claims description 3
- 239000003147 molecular marker Substances 0.000 claims description 3
- 230000035899 viability Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 46
- 238000007781 pre-processing Methods 0.000 abstract 2
- 238000012805 post-processing Methods 0.000 abstract 1
- 239000000523 sample Substances 0.000 description 66
- 239000012472 biological sample Substances 0.000 description 47
- 239000007788 liquid Substances 0.000 description 32
- 239000012190 activator Substances 0.000 description 28
- 238000003384 imaging method Methods 0.000 description 28
- 239000002609 medium Substances 0.000 description 27
- 102000004127 Cytokines Human genes 0.000 description 23
- 108090000695 Cytokines Proteins 0.000 description 23
- 239000002245 particle Substances 0.000 description 22
- 108090000623 proteins and genes Proteins 0.000 description 20
- 238000010586 diagram Methods 0.000 description 19
- 229920000642 polymer Polymers 0.000 description 19
- 230000008859 change Effects 0.000 description 17
- 230000007613 environmental effect Effects 0.000 description 17
- 239000000243 solution Substances 0.000 description 15
- 238000003860 storage Methods 0.000 description 14
- 238000002360 preparation method Methods 0.000 description 13
- 239000000126 substance Substances 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 12
- 238000000926 separation method Methods 0.000 description 12
- 238000011084 recovery Methods 0.000 description 10
- 230000001225 therapeutic effect Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 108010002586 Interleukin-7 Proteins 0.000 description 8
- 239000003153 chemical reaction reagent Substances 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 230000035755 proliferation Effects 0.000 description 8
- 238000005406 washing Methods 0.000 description 8
- 239000002699 waste material Substances 0.000 description 8
- 102000003812 Interleukin-15 Human genes 0.000 description 7
- 108090000172 Interleukin-15 Proteins 0.000 description 7
- 108010002350 Interleukin-2 Proteins 0.000 description 7
- 210000004748 cultured cell Anatomy 0.000 description 7
- 239000007850 fluorescent dye Substances 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 210000001744 T-lymphocyte Anatomy 0.000 description 6
- 230000003321 amplification Effects 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 6
- 230000021164 cell adhesion Effects 0.000 description 6
- 238000002659 cell therapy Methods 0.000 description 6
- 238000003199 nucleic acid amplification method Methods 0.000 description 6
- 230000010287 polarization Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 108091023037 Aptamer Proteins 0.000 description 5
- 239000002202 Polyethylene glycol Substances 0.000 description 5
- 210000000662 T-lymphocyte subset Anatomy 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 5
- 239000000427 antigen Substances 0.000 description 5
- 108091007433 antigens Proteins 0.000 description 5
- 102000036639 antigens Human genes 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000005284 excitation Effects 0.000 description 5
- 238000011534 incubation Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- -1 p-hydroxybenzoyl Chemical group 0.000 description 5
- 238000010827 pathological analysis Methods 0.000 description 5
- 229920001223 polyethylene glycol Polymers 0.000 description 5
- 102000017420 CD3 protein, epsilon/gamma/delta subunit Human genes 0.000 description 4
- 230000001464 adherent effect Effects 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 239000003814 drug Substances 0.000 description 4
- 239000000975 dye Substances 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 239000001963 growth medium Substances 0.000 description 4
- 210000002865 immune cell Anatomy 0.000 description 4
- 125000001117 oleyl group Chemical group [H]C([*])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])/C([H])=C([H])\C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])C([H])([H])[H] 0.000 description 4
- 229920005989 resin Polymers 0.000 description 4
- 239000011347 resin Substances 0.000 description 4
- 239000007787 solid Substances 0.000 description 4
- 239000000758 substrate Substances 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 102000015696 Interleukins Human genes 0.000 description 3
- 108010063738 Interleukins Proteins 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 239000011324 bead Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000005556 hormone Substances 0.000 description 3
- 229940088597 hormone Drugs 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000001678 irradiating effect Effects 0.000 description 3
- 210000003071 memory t lymphocyte Anatomy 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000001172 regenerating effect Effects 0.000 description 3
- 230000004936 stimulating effect Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 108091033409 CRISPR Proteins 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 2
- 101001018097 Homo sapiens L-selectin Proteins 0.000 description 2
- 102100033467 L-selectin Human genes 0.000 description 2
- 210000004102 animal cell Anatomy 0.000 description 2
- 210000003719 b-lymphocyte Anatomy 0.000 description 2
- 239000000872 buffer Substances 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol group Chemical group [C@@H]1(CC[C@H]2[C@@H]3CC=C4C[C@@H](O)CC[C@]4(C)[C@H]3CC[C@]12C)[C@H](C)CCCC(C)C HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000003162 effector t lymphocyte Anatomy 0.000 description 2
- 238000005401 electroluminescence Methods 0.000 description 2
- 210000002919 epithelial cell Anatomy 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 238000000684 flow cytometry Methods 0.000 description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000002540 macrophage Anatomy 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 150000007523 nucleic acids Chemical group 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 125000006850 spacer group Chemical group 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 210000000130 stem cell Anatomy 0.000 description 2
- 229940124597 therapeutic agent Drugs 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 239000013603 viral vector Substances 0.000 description 2
- OZFAFGSSMRRTDW-UHFFFAOYSA-N (2,4-dichlorophenyl) benzenesulfonate Chemical compound ClC1=CC(Cl)=CC=C1OS(=O)(=O)C1=CC=CC=C1 OZFAFGSSMRRTDW-UHFFFAOYSA-N 0.000 description 1
- ZSZRUEAFVQITHH-UHFFFAOYSA-N 2-(2-methylprop-2-enoyloxy)ethyl 2-(trimethylazaniumyl)ethyl phosphate Chemical compound CC(=C)C(=O)OCCOP([O-])(=O)OCC[N+](C)(C)C ZSZRUEAFVQITHH-UHFFFAOYSA-N 0.000 description 1
- JKMHFZQWWAIEOD-UHFFFAOYSA-N 2-[4-(2-hydroxyethyl)piperazin-1-yl]ethanesulfonic acid Chemical compound OCC[NH+]1CCN(CCS([O-])(=O)=O)CC1 JKMHFZQWWAIEOD-UHFFFAOYSA-N 0.000 description 1
- JMMZCWZIJXAGKW-UHFFFAOYSA-N 2-methylpent-2-ene Chemical compound CCC=C(C)C JMMZCWZIJXAGKW-UHFFFAOYSA-N 0.000 description 1
- 229920000178 Acrylic resin Polymers 0.000 description 1
- 239000004925 Acrylic resin Substances 0.000 description 1
- 210000001266 CD8-positive T-lymphocyte Anatomy 0.000 description 1
- 238000010354 CRISPR gene editing Methods 0.000 description 1
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 108020004414 DNA Proteins 0.000 description 1
- 108091008102 DNA aptamers Proteins 0.000 description 1
- 230000012746 DNA damage checkpoint Effects 0.000 description 1
- 239000012591 Dulbecco’s Phosphate Buffered Saline Substances 0.000 description 1
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 239000007995 HEPES buffer Substances 0.000 description 1
- 101000914514 Homo sapiens T-cell-specific surface glycoprotein CD28 Proteins 0.000 description 1
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 description 1
- 229920000877 Melamine resin Polymers 0.000 description 1
- 239000004640 Melamine resin Substances 0.000 description 1
- NQTADLQHYWFPDB-UHFFFAOYSA-N N-Hydroxysuccinimide Chemical group ON1C(=O)CCC1=O NQTADLQHYWFPDB-UHFFFAOYSA-N 0.000 description 1
- 239000004677 Nylon Substances 0.000 description 1
- 108010079855 Peptide Aptamers Proteins 0.000 description 1
- BELBBZDIHDAJOR-UHFFFAOYSA-N Phenolsulfonephthalein Chemical compound C1=CC(O)=CC=C1C1(C=2C=CC(O)=CC=2)C2=CC=CC=C2S(=O)(=O)O1 BELBBZDIHDAJOR-UHFFFAOYSA-N 0.000 description 1
- 239000004743 Polypropylene Substances 0.000 description 1
- 108091008103 RNA aptamers Proteins 0.000 description 1
- 239000012980 RPMI-1640 medium Substances 0.000 description 1
- 102100027213 T-cell-specific surface glycoprotein CD28 Human genes 0.000 description 1
- 239000007983 Tris buffer Substances 0.000 description 1
- BZHJMEDXRYGGRV-UHFFFAOYSA-N Vinyl chloride Chemical compound ClC=C BZHJMEDXRYGGRV-UHFFFAOYSA-N 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 229920000122 acrylonitrile butadiene styrene Polymers 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000098 azimuthal photoelectron diffraction Methods 0.000 description 1
- 229920000249 biocompatible polymer Polymers 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 229910052791 calcium Inorganic materials 0.000 description 1
- 239000011575 calcium Substances 0.000 description 1
- UBAZGMLMVVQSCD-UHFFFAOYSA-N carbon dioxide;molecular oxygen Chemical compound O=O.O=C=O UBAZGMLMVVQSCD-UHFFFAOYSA-N 0.000 description 1
- 210000004413 cardiac myocyte Anatomy 0.000 description 1
- 230000022131 cell cycle Effects 0.000 description 1
- 230000030833 cell death Effects 0.000 description 1
- 230000010261 cell growth Effects 0.000 description 1
- 230000006727 cell loss Effects 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 230000003833 cell viability Effects 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 231100000135 cytotoxicity Toxicity 0.000 description 1
- 230000003013 cytotoxicity Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 239000012636 effector Substances 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 210000001808 exosome Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 210000002950 fibroblast Anatomy 0.000 description 1
- 238000001506 fluorescence spectroscopy Methods 0.000 description 1
- 238000002189 fluorescence spectrum Methods 0.000 description 1
- 102000034287 fluorescent proteins Human genes 0.000 description 1
- 108091006047 fluorescent proteins Proteins 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000010362 genome editing Methods 0.000 description 1
- 210000004602 germ cell Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 239000000017 hydrogel Substances 0.000 description 1
- 230000002209 hydrophobic effect Effects 0.000 description 1
- 230000002055 immunohistochemical effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910010272 inorganic material Inorganic materials 0.000 description 1
- 239000011147 inorganic material Substances 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 229940047122 interleukins Drugs 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 229910052749 magnesium Inorganic materials 0.000 description 1
- 239000011777 magnesium Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000000813 microcontact printing Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229920000344 molecularly imprinted polymer Polymers 0.000 description 1
- 239000013642 negative control Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 125000006502 nitrobenzyl group Chemical group 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 231100001083 no cytotoxicity Toxicity 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 238000012758 nuclear staining Methods 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 229920001778 nylon Polymers 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 210000002220 organoid Anatomy 0.000 description 1
- 239000012188 paraffin wax Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000005011 phenolic resin Substances 0.000 description 1
- 229960003531 phenolsulfonphthalein Drugs 0.000 description 1
- 238000006303 photolysis reaction Methods 0.000 description 1
- 239000002504 physiological saline solution Substances 0.000 description 1
- 239000013600 plasmid vector Substances 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 229920005668 polycarbonate resin Polymers 0.000 description 1
- 239000004431 polycarbonate resin Substances 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 229920013716 polyethylene resin Polymers 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229920005990 polystyrene resin Polymers 0.000 description 1
- 229920005749 polyurethane resin Polymers 0.000 description 1
- 210000004986 primary T-cell Anatomy 0.000 description 1
- 108090000765 processed proteins & peptides Proteins 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000001179 sorption measurement Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 239000012128 staining reagent Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001954 sterilising effect Effects 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
- LENZDBCJOHFCAS-UHFFFAOYSA-N tris Chemical compound OCC(N)(CO)CO LENZDBCJOHFCAS-UHFFFAOYSA-N 0.000 description 1
- 238000004148 unit process Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/48—Automatic or computerized control
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
- C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Sustainable Development (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Computer Hardware Design (AREA)
- Cell Biology (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明的目的是提供一种用于提高细胞的培养效率并且以较低成本获得期望的细胞的观察方法。本技术提供了一种细胞处理系统,包括能够培养细胞群的细胞培养单元、能够测量细胞群的测量单元、以及估计单元,其中,估计单元基于与细胞群的处理前细胞相关的信息、以及与在细胞群的处理之后应到达的特定细胞相关的信息以及对于处理前细胞群的特定处理条件中的至少一个来估计使得可以在与特定细胞相关的信息中导出细胞群的处理条件,或者估计与经由特定处理条件导出的细胞群的处理后细胞相关的信息。
Description
技术领域
本发明涉及细胞处理系统、细胞处理方法和学习数据创建方法。
背景技术
通常,用于评价细胞的培养状态的技术用于诸如再生医疗和细胞治疗的先进医疗领域。
例如,下面的专利文献1公开了能够在一个空间中进行细胞分选、培养、细胞处理等并且能够将空间的容积改变为适合于每个步骤的大小的样本保持单元。
此外,下面的专利文献2公开了用于使用通过形成细胞粘附光控制材料的膜而获得的产物来分析和分级细胞的方法,在该细胞粘附光控制材料中,细胞粘附材料经由光离解基团结合至细胞非粘附材料。根据下面的专利文献2,由于通过光离解反应可以将基材从细胞粘附性不可逆地改变为非粘附性,因此基材在细胞与基材之间具有优异的粘附选择性,并且可以提高细胞的纯度、回收率等。
此外,下面的专利文献3公开了一种培养辅助设备,包括:成像单元,其每隔规定时间间隔捕获培养中的细胞的图像;记录控制单元,其存储关于诸如培养基更换、传代以及该设备内部的清洗的培养的事件信息;以及学习单元,其使得学习捕获图像与事件信息之间的相关性。
引用列表
专利文献
专利文献1:国际公开第2017/169259号。
专利文献2:国际公开第2011/058721号。
专利文献3:国际公开第2018/142702号。
发明内容
本发明要解决的问题
例如,上述培养容器的观察方法需要在细胞培养之后进行随时间的观察,并且因此存在以下情况:在处理复杂的细胞生产的情况下需要成本。因此,需要一种用于提高细胞的培养效率并且无成本地获得期望的细胞的观察方法。
问题的解决方案
本发明人发现,通过从关于处理之前的细胞的信息中必须到达预定细胞的培养条件或预定培养条件估计关于处理之后的细胞的信息,提高了培养效率。
即,本技术提供了一种细胞处理系统,包括:
细胞培养单元,能够培养细胞群;
测量单元,能够测量细胞群;以及
估计单元,其中,
估计单元基于关于细胞群的处理之前的细胞的信息以及关于细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于由预定处理条件导出的细胞群的处理之后的细胞的信息。
估计单元可以基于关于被商品化的细胞的批准的信息来设置关于预定细胞的信息和/或预定处理条件。
测量单元可以被配置为获取关于处理之前的细胞的信息、关于处理之后的细胞的信息以及关于细胞群被处理时的细胞的信息中的至少一个。
测量单元可以包括图像获取单元和信号检测单元中的至少一个。
由图像获取单元获取的图像可以是染色图像和/或非染色图像。
染色图像可以包括荧光图像。
非染色图像可以包括明视场图像、相位差图像、偏振图像以及根据从非染色图像或荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像中的至少一个。
图像获取单元可以从CMOS、信号处理传感器以及事件检测传感器中的至少一个获取图像。
还可以包括控制单元,该控制单元执行控制以基于预定处理条件或由估计单元估计的处理条件分选细胞。
还可以包括控制单元,该控制单元执行控制以基于预定处理条件或由估计单元估计的处理条件培养细胞。
还可以包括控制单元,该控制单元执行控制以基于预定处理条件或由估计单元估计的处理条件分选和培养细胞。
控制单元可以设置所估计的处理条件或关于所处理的细胞的信息的阈值,并且根据阈值或根据由用户指定的信息执行停止细胞的生产和/或重新采集细胞的处理。
控制单元可以处理经由光选择性接头固定至培养容器的细胞,使得该细胞通过光学控制进行分选。
培养控制可以控制物理化学环境和生理环境中的至少一个。
物理化学环境的控制可以包括对湿度、pH、渗透压、氧分压以及二氧化碳分压中的至少的控制。
生理环境的控制可以包括对培养液、刺激因子、转录因子以及细胞密度中的至少一个的控制。
细胞处理系统可以进一步包括:第一学习器,通过使用在由估计单元估计的处理条件下处理的细胞和关于使用细胞的治疗的信息作为输入信息来学习细胞与关于治疗的信息之间的相关性。
估计单元可以基于第一学习器和关于处理之前的细胞的信息来估计关于在由处理条件导出的细胞群的处理之后的细胞的治疗的信息。
细胞处理系统可以进一步包括:第二学习器,通过使用关于处理之前的细胞的信息、由估计单元估计的处理条件以及在处理条件下处理的处理之前的细胞作为输入信息来学习关于处理之前的细胞的信息与处理条件之间的相关性。
估计单元可以基于第二学习器和关于处理之前的细胞的信息来估计能够从关于预定细胞的信息中导出细胞群的处理条件。
关于处理之前的细胞的信息可以包括处理之前的细胞的构成、状态、数量、比例、类型、增加率、存活率、遗传信息以及关于分子的信息中的至少一个。
关于分子的信息可以包括诸如转录因子或转录控制因子的基因表达控制因子、关于分子标记的信息以及关于细胞表面抗原的信息中的至少一个。
关于处理之后的细胞的信息可以包括处理之后的细胞的构成、状态、数量、比例、增加率、存活率、有效率、复发率以及副作用中的至少一个。
处理条件可以包括与刺激因子和培养天数中的至少一个相关的培养条件。
细胞群可以包括从患者或供体采集的外周血单核细胞组分。
此外,本技术还提供了一种信息处理装置,包括:
估计单元,基于关于细胞群的处理之前的细胞的信息以及关于细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于由预定处理条件导出的细胞群的处理之后的细胞的信息。
此外,本技术还提供了一种学习数据创建方法,包括通过使用在由信息处理装置估计的处理条件下处理的细胞和关于使用细胞的治疗的信息作为输入信息来学习细胞与关于治疗的信息之间的相关性。
此外,本技术还提供了一种学习数据创建方法,包括通过使用关于处理之前的细胞的信息、由信息处理装置估计的处理条件以及在处理条件下处理的处理之前的细胞作为输入信息来学习关于处理之前的细胞的信息与处理条件之间的相关性。
此外,本技术还提供了一种细胞处理方法,包括:
估计步骤,基于关于包括在样本中的细胞群的处理之前的细胞的信息以及关于预先设定的细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于在预定处理条件下导出的细胞群的处理之后的细胞的信息。
附图说明
图1是根据本技术的细胞处理系统的示例的示意图。
图2示出了细胞培养单元、信息处理单元和测量单元中的每一个的框图的示例。
图3是根据本技术的细胞处理容器的示意图。
图4是根据本技术的固定的第一分子的示意图。
图5是示出根据本技术的细胞处理容器的配置的示例的示意图。
图6是示出根据本技术的光学控制单元的配置的示例的示意图。
图7是示意性地示出显微镜系统的整体配置的示图。
图8是示意性地示出生物样本分析器的整体配置的示图。
图9是根据本技术的细胞处理方法的流程图。
图10是根据本技术的样本制备步骤的流程图。
图11是根据本技术的获取关于处理之前的细胞的信息的步骤的流程图。
图12是根据本技术的估计步骤的流程图。
图13是根据本技术的处理步骤的流程图。
图14是用于描述本技术的细胞处理系统的配置示例的示意图。
图15是用于描述本技术的细胞处理系统的配置示例的示意图。
图16是用于描述本技术的细胞处理系统的配置示例的示意图。
图17是示出添加至每个阱的培养基的添加剂的量的示图。
图18是示出在通过流式细胞仪测量中使用的荧光标记抗体的示图。
图19是用于描述实验的概要的示图。
图20是示出测量的细胞组分的变化的示例的曲线图。
图21A示出了用于创建学习模型的数据集的一部分。
图21B示出了用于创建学习模型的数据集的一部分。
图22A是用于描述所生成的学习模型的预测精度的示图。
图22B是示出关于解释变量的贡献度数据的示例的示图。
图23A是用于描述所生成的学习模型的预测精度的示图。
图23B是示出关于解释变量的贡献度数据的示例的示图。
具体实施方式
在下文中,将描述用于实现本技术的优选模式。注意,在下文中描述的实施例是本技术的代表性实施例,并且本技术的范围不仅限于这些实施例。注意,将按以下顺序描述本技术。
1.第一实施例(细胞处理系统)
(1)发明问题的细节
(2)第一实施例的描述
(3)第一实施例的示例
(3-1)细胞培养单元
(3-2)信息处理单元
(3-3)测量单元
2.第二实施例(细胞处理方法)
(1-1)样本制备步骤
(1-2)获取关于处理之前的细胞的信息的步骤
(1-3)估计步骤
(1-4)处理步骤
(1-5)获取关于处理之后的细胞的信息的步骤
(1-6)学习步骤
3.细胞处理系统的配置示例
4.示例
1.第一实施例(细胞处理系统)
(1)发明问题的细节
如上所述,通常,用于评价细胞的培养状态的技术用于诸如再生医疗和细胞治疗的先进医疗领域。例如,已经提出一种选择细胞、培养和观察特定细胞并且容易地回收细胞而不损害培养的细胞的方法。
例如,上面的专利文献1公开了能够在一个空间中进行细胞分选、培养、细胞处理等并且能够将空间的容积改变为适合于每个步骤的大小的样本保持单元。
此外,上面的专利文献2公开了用于使用通过形成细胞粘附光控制材料的膜而获得的产物来分析和分级细胞的方法,在该细胞粘附光控制材料中,细胞粘附材料经由光离解基团结合至细胞非粘附材料。
然而,在上述专利文献1和2中,已经提出能够通过光控制细胞粘附/非粘附基材来执行细胞分选、培养、回收和细胞处理的方法,但是没有提出与细胞观察方法相关的方法。
顺便提及,在细胞治疗领域中,培养处理之前的细胞群的初始细胞配置不均匀,并且取决于患者、采集日期、处理历史等而变化,并且因此即使当在相同条件下执行培养处理时,最终细胞群构成、状态、数量等也变化。例如,可以培养和扩增和/或转染从患者或供体采集的外周血单核细胞(PBMC)以产生攻击特定癌细胞的细胞。然而,从患者或供体采集的PBMC的细胞构成和/或状况取决于患者或供体而变化,并且甚至对于同一患者或供体,取决于采集时患者或供体的状况而变化,并且因此是异质的。在目前的细胞治疗中,在相同的条件下产生培养处理之前的甚至不同的细胞群,使得可以以异质状态向患者给予完成培养处理之后的最终细胞构成和/或状态。因此,认为存在由于细胞群的异质性而不能获得治疗效果的患者和具有较大副作用的患者。
如上所述,为了通过使用细胞群(特别是免疫细胞群)作为治疗剂来提高癌症治疗等的有效率,需要将治疗剂的成分(诸如细胞构成和细胞状态)在一定范围内均质化。可以使用磁珠或细胞分选仪通过物理细胞分选取出培养中的细胞群并调节成分。然而,成分调整可能导致细胞状态的改变、细胞存活率的降低、以及细胞数量的损失,并且可以进一步使复杂和高成本的细胞生产更复杂并且增加复杂和高成本的细胞生产的成本。
作为针对以上问题的方法,例如,专利文献3公开了一种培养观察设备,包括:成像单元,其每隔规定时间间隔捕获培养中的细胞的图像;记录控制单元,其存储关于培养的事件(培养基更换、传代、装置内清洗)信息;以及学习单元,其学习捕获图像与事件信息之间的相关性。
然而,专利文献3仅公开了在单细胞类型的培养环境下的观察方法,而没有公开用于观察如上所述的细胞群的细胞构成、状态和数量的方法。
基于以上内容,本技术的目的是根据处理之前的细胞群的细胞构成、状态和数量来执行包括培养控制和细胞分选的处理,并且使处理之后的细胞群的细胞构成/状态/数量均匀化。
(2)第一实施例的描述
根据本技术的细胞处理系统包括估计单元,该估计单元基于关于包括在样本中的细胞群的处理之前的细胞的信息以及关于预先设定的细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于在预定处理条件下导出的细胞群的处理之后的细胞的信息。根据本系统,可以从关于细胞群中的处理之前的细胞的信息以及关于由用户等设置的预定细胞和处理条件的信息来估计关于期望细胞群和用于实现期望细胞群的处理条件的信息,并且可以在不执行诸如特定培养步骤的处理的情况下高效且无成本地均衡处理之后的最终细胞群的细胞构成/状态/数量。
在本技术的一个实施例中,估计单元可以估计能够从关于预定细胞的信息中导出细胞群的处理条件。具体地,可以基于关于包括在样本中的细胞群的处理之前的细胞的信息和关于预先设定的细胞群的处理之后要达到的预定细胞的信息来执行估计。
在本技术的另一个实施例中,估计单元可以估计关于在预定处理条件下导出的细胞群的治疗细胞的信息。具体地,可以基于关于包括在样本中的处理之前的细胞群的细胞的信息和针对处理之前的细胞群的预定处理条件来执行估计。
在本技术的优选的实施例中,细胞处理系统可以包括控制单元,该控制单元基于预定处理条件或由估计单元估计的处理条件执行控制以分选和/或培养细胞。因此,可以处理细胞群,并且通过在由估计单元估计的处理条件或由用户等指定的处理条件下处理细胞,可以使最终处理之后的细胞群的细胞构成/状态/数量均匀化。
在本技术的优选的实施例中,细胞处理方法可以进一步包括随时间获取关于处理中的细胞的信息的测量步骤。这使得可以获取每个处理步骤中关于随时间的细胞群的信息,以观察随时间的细胞群的处理情况,并且提高处理步骤的效率。
(3)第一实施例的示例
本技术的细胞处理系统的示例在图1中示出。如图1所示,细胞处理系统1000包括细胞培养单元1、信息处理单元2和测量单元3。信息处理单元2可以包括估计单元300。估计单元300执行在以上(2)中描述的估计处理。
在图2中示出了细胞处理系统1000的配置示例。如图2所示,细胞培养单元1可以例如包括样本保持单元100和控制单元200。如图所示,信息处理单元2可以例如包括估计单元300和学习单元400。信息处理单元2可以进一步包括数据库500。如图所示,测量单元3可以例如包括图像获取单元600。
下面将描述这些。
(3-1)细胞培养单元
图3示出了细胞培养单元1的样本保持单元100的示意图。能够结合至目标细胞的第一分子经由可降解接头被固定在样本保持单元100上。可降解接头可以固定到容器101的底面,如图3所示。样本保持单元100可以是可变的,使得其容积增加或减小。当目标细胞被导入培养容器101时,样本保持单元100以固定在其中的第一分子104捕获目标细胞。将捕获的目标细胞在培养容器101中培养。在本说明书中,目标细胞可以指包括在样本中的细胞群中待培养的细胞。
第一分子104例如经由聚合物102和可降解接头103固定在样本保持单元100的培养容器101内部。可降解接头103可以直接被固定而不插入聚合物102。固定不限于培养容器101的底面,也可以在内壁上进行,或者在培养容器101内部存在平面或三维的内部结构的情况下,也可以在该结构的表面上进行固定。期望培养容器101的内表面涂覆适合于细胞存活的物质(例如,胶原、成纤维细胞等)。
在使用聚合物102的情况下,聚合物优选为不应激细胞或无毒或具有生物相容性的聚合物。聚合物的示例例如包括聚乙二醇(PEG)、2-甲基丙烯酰氧基乙基磷酸胆碱聚合物(MPC聚合物)。
在使用聚合物102的情况下,可降解接头103可以结合到与该聚合物和培养容器101结合的位置相对的端部。可降解接头是在特定外部刺激下降解的分子。可降解接头经由聚合物102或在图中将第一分子104连接至容器底面。可降解接头的示例包括通过特定波长的光降解的接头、通过酶降解的接头和通过温度降解的接头等。从可以控制每个单细胞(单细胞)并且分解时间短的角度来看,该可降解接头优选地是可光降解接头。
可光降解接头是具有被特定波长的光分解的结构的分子。可光降解接头可以例如包括作为提供光可降解性的基团的任何以下基团:甲氧基三苄基、硝基苄基(JP 2010-260831 A)、对羟基苯酰基(Tetrahedron Letters,1962,Vol.1,p.1)、7-硝基二氢吲哚基(Journal of American Chemical Society,1976,vol.98,p.843)、2-(2-硝基苯基)乙基(Tetrahedron,1997,vol.53,p.4247)、(香豆素-4-基)甲基(Journal of AmericanChemical Society,1984,vol.106,p.6860)等。此外,在以下表1中示出可以用于本技术的可光降解接头的结构式。
[表1]
可光降解接头被分解的波长近似匹配该分子的吸收波长。例如,在可光降解接头包含甲氧基三苄基的情况下,如果346nm处的吸收为1,则可光降解接头在364nm处表现出吸收为0.89,在406nm处表现出吸收为0.15,并且在487nm处表现出吸收为0.007。即,当使用波长为365nm的光源时,可光降解接头具有良好的分解效率,并且可光降解接头具有几乎不被波长为488nm的光源分解的特性。
如上所述,施加到可光降解接头的光的波长仅需要是对应于每个可光降解接头的波长。例如,波长在330nm至450nm附近。此外,优选例如在30mW/cm2,100秒→3J/cm2进行照射,这不损害细胞。特别地,优选不使用300nm或更小的波长,因为该波长可能损害细胞。关于UV的细胞毒性,取决于细胞的类型,据说DNA在500J/cm2处被损害并且阻碍细胞生长(Callegari,A.J.&Kelly,T.J.Shedding light on the DNA damage checkpoint.CellCycle 6,660-6(2007))。此外,还存在以下报告:在42J/cm2处不发生细胞毒性(Masato T,et al,Optical cell separation from three-dimensional environments inphotodegradable hydrogels for pure culture techniques,Scientific Reports 4,Article number.4793(2014))。
根据本技术的第一分子104具有能够结合至细胞的位点。作为能够结合至细胞的位点,例如可以使用油烯基、胆固醇基、抗体、适体、分子识别聚合物等。
油烯基和胆固醇基是疏水的并且粘附至悬浮的细胞表面。例如,可以将间隔子(诸如PEG)赋予油烯基,并且可以在间隔子的末端包括NHS基团(N-羟基琥珀酰亚胺基团)以形成第一分子。
抗体结合到目标细胞中存在的细胞表面分子抗原。抗体的示例包括针对癌症特异性抗原的抗体、针对主要组织相容性抗原的抗体和针对糖链的抗体等。
适体是特异性结合到目标细胞的分子的核酸分子或肽。适体的示例包括DNA适体、RNA适体、肽适体、将修饰导入核酸骨架或碱基以提高特异性的修饰适体等。
分子识别聚合物即使在具有类似于目标细胞的细胞表面分子的物理化学特性的化合物的存在下以高选择性捕获目标细胞表面分子。分子识别聚合物(也被称为分子印迹聚合物)具有选择性合成的化合物识别区域。
图4示出了第一分子104固定在培养容器101中的状态的示意图。第一分子104经由聚合物102和可降解接头103固定在培养容器101的底面上。在图4中,第一分子104直接结合至可降解接头103,但是可以经由聚合物结合至可降解接头103。通过采用上述构成,当第一分子104接近或接触被导入培养容器101内的细胞时,第一分子104可以捕获细胞。
优选固定第一分子104,使得每个斑点(per spot)结合一个目标细胞。通过每个斑点捕获一个细胞,可以在单个细胞水平分选具有能够结合到第一分子104的分子(抗体、糖链等)的细胞。此外,可以对所有斑点执行这样的选择。
此外,第一分子104优选以阵列固定在培养容器101中。作为以阵列点射第一分子104的方法,可以使用微接触打印法、点射法、或在使用可光降解接头的特性将第一分子布置在整个表面上之后分解不必要部分的方法。对于期望防止细胞被捕获的部分,可以将上述PEG或MPC聚合物涂覆或结合到培养容器101的部分上,由此可以抑制细胞的非特异性吸附。然后,优选用光照射可光降解聚合物以释放不必要的细胞,并且然后PEG或MPC聚合物保留,使得细胞不非特异性地吸附至所释放的斑点。
注意,要被点射的第一分子可以是一种类型,并且例如,可以采用被配置为仅特异性捕获一种类型的细胞的第一分子。可替代地,可以针对每个斑点固定具有不同特异性的第一分子,或者可以针对每个斑点捕获不同的细胞。另外,也可以将培养容器101内部划分为区段,并且针对每个区段固定具有不同特异性的第一分子,由此在同一容器中针对每个区段捕获不同的细胞。可替代地,可以固定捕获所有种类的细胞的第一分子,并且在这种情况下,可以通过稍后描述的标记的第二分子分选细胞。使用多种类型的标记的第二分子能够进行多色分析。
培养容器101可以具有可变的容积。在培养容器101中,优选地变形部由柔性材料形成,并且优选地变形部可以在垂直方向和/或水平方向上伸缩。容积的变化可以通过调整从设置于培养容器101的连接部105导入的液体量、空气量等来进行。另外,也可以控制向培养容器101内供应的液体或空气的流量,以改变培养容器101内的液体(例如,培养基、缓冲液、染色缓冲液等)的体积,而不改变容积。因此,可以对容器中的细胞以最佳浓度进行反应等。
为了使第一分子104在将包含目标细胞的样本导入培养容器101内之后能够高效地捕获目标细胞,优选减小培养容器101的容积或培养基的体积。这是因为当容积或培养基体积小时,目标细胞与第一分子104之间的接触概率增大。另外,在培养由第一分子104捕获的目标细胞之后细胞密度增大时,优选增大培养容器101的容积或培养基的体积。增大容积或培养基体积增大了细胞培养空间。通过增大容积可以添加另外的培养液。
注意,培养容器101优选具有透气性。因此,例如,在细胞培养中需要氧的供应和/或二氧化碳的排出的情况下,可以使容器内部进入适合于细胞培养的环境(最佳CO2浓度、最佳温度等)。特别地,其上生长有细胞的表面优选地例如由多孔膜或透氧膜形成。
培养容器101可以通过连接部105连接到装有包含上述目标细胞或培养液的样本的容器。例如,如图5所示,细胞导入单元106、第二分子供应单元107、活化剂供应单元108、基因供应单元109、培养液供应单元110、洗涤液供应单元111、废液存储单元112、细胞回收单元113中的任一个或多个也可以连接到培养容器101。可以在适合于细胞培养的条件下安装所有这些部件,或者也可以仅在适合于细胞培养的条件下安装培养容器101。
细胞导入单元106保持包含目标细胞的样本(特别是液体样本),并且将样本导入培养容器101中。目标细胞的类型没有特别限制,并且可以是人源性细胞、免疫细胞、动物源性细胞、植物源性细胞、微生物源性细胞、癌细胞、正常细胞、干细胞和上皮细胞中的任一种。例如,在动物细胞的情况下,目标细胞的示例包括血液中的细胞和从生物组织采集的细胞等。此外,目标细胞可以是粘附细胞或非粘附细胞。此外,包括在样本中的目标细胞的类型的数量可以是一个或多个。
第二分子供应单元107保持第二分子在其中,并且被配置为将第二分子导入培养容器101中。在需要多种类型的第二分子的情况下,第二分子供应单元107的数量可以根据第二分子的类型的数量而增加。第二分子可以是能够结合至目标细胞的分子。第二分子可以用荧光物质等标记。形成目标细胞夹在第一分子与第二分子之间的结构(例如,夹层结构),并且该结构的形成可以通过标记来识别。类似于第一分子,第二分子可以例如选自下包括以下各项的基团:油烯基、抗体、适体以及分子识别聚合物。第二分子可以是与由第一分子捕获的细胞中仅特异性结合到期望的细胞的分子。
第二分子的标记可以是一种荧光物质或多种荧光物质。例如,可以使用一种类型的荧光物质识别一种类型的目标细胞。可替代地,可以使用多种类型的荧光物质识别多种类型的目标细胞,并且可以使用诸如所谓的多色分析的方法。
对于不能识别第二分子的细胞,将刺激施加于捕获细胞的斑点的可降解接头,并且通过刺激切割接头以释放细胞。所释放的细胞可以作为不需要的物质用洗涤液从培养容器101中洗去。在不使用第二分子的情况下,可以基于从明视场图像、相位差图像、偏振图像以及非染色图像和荧光图像学习的信息识别的图像识别并且对于细胞的每个特征伪染色的细胞,并且可以通过光刺激释放细胞。可以通过信息处理单元2执行识别。信息处理单元2可以基于识别的结果驱动光学控制单元以施加光刺激。在本方法的情况下,第二分子是不必要的,这可以有助于该过程的成本降低。另外,由于可以省略染色步骤,因此这有助于缩短步骤。
洗涤液供应单元111保持洗涤液。在清洗培养容器101内的不需要的对象等时,供应洗涤液。洗涤液可以是通常用于细胞培养等的洗涤液。洗涤液没有特别限制,并且其示例包括生理盐水、Tris缓冲液、HEPES缓冲液、纯水等。
活化剂供应单元108保持激活细胞的活化剂,特别是包含该活化剂的液体。活化剂供应单元108可以被配置为向培养容器101内供应活化剂。活化剂可以根据目标细胞进行选择,并且没有特别限制,并且其示例包括细胞因子、激素、白细胞介素、抗体等。活化剂可以在培养目标细胞之前、期间或之后激活细胞。
基因提供单元109保持要导入目标细胞的基因。基因供应单元109可以被配置为向培养容器101内供应基因。该基因可以是内源基因或外源基因。可以将基因并入到适合于基因导入的噬菌体载体、质粒载体、病毒载体等中。例如,基因供应单元109可以向培养容器101供应并入有目标基因的病毒载体。因此,目标细胞可以用病毒载体感染并且经受基因导入。此外,基因供应单元109可以例如向培养容器101供应包含特定碱基序列和特定酶的基因组编辑试剂(诸如CRISPR/Cas9系统),由此该基因可以被导入到目标细胞中。
培养液供应单元110保持适合于目标细胞的培养液,并且向培养容器101供应该培养液。作为培养液,可以选择适合于目标细胞的培养液,并且例如,可以使用Eagle培养基、D-MEM培养基、E-MEM培养基、RPMI-1640培养基、Dulbecco PBS培养基等。注意,在用酚红等对培养液进行着色时,在培养容器101内培养目标细胞期间,可以管理培养液的最佳pH范围(例如,pH 6.8-7.2)。
废液存储单元112暂时接收包含不需要的物质的废液、培养液等。根据需要对废液进行灭菌处理等,并且然后废弃。
细胞回收单元113回收并保持在培养容器101中培养的细胞。回收方法没有特别限制,但是可以通过抽吸或挤出进行,或者通过在培养容器101的下方设置细胞回收单元113等进行。
物理化学环境供应单元114保持或提供样本保持单元100的物理环境。培养期间的物理环境可以根据目标细胞适当地选择,并且没有特别限制,并且其示例包括湿度、pH、渗透压、氧分压、二氧化碳分压等。因此,可以为目标细胞提供最佳的物理环境,并且可以提高细胞的存活率。
连接部105连接培养容器101和上述相应单元106至114中的任一个或多个部,并且通过其使液体流动。例如,使用管作为连接部105。作为液体馈送方法,优选不与液体接触的外围泵。
细胞培养单元1的控制单元200例如包括光学控制单元和环境控制单元。控制单元200对包括在样本保持单元100中的细胞和/或细胞周围的环境执行物理化学控制。
光学控制单元可以通过光学控制通过利用具有与可降解接头相对应的特定波长的光照射可降解接头来施加刺激。例如,光学控制单元可以包括光源和用于使从光源发射的光到达预定位置(容器101中的预定位置)的微机电系统(MEMS)元件。MEMS元件可以例如是DMD或扫描镜。光学控制单元可以进一步包括用于控制光的形状和/或波长的光学元件(例如,透镜、滤光器、反射镜、棱镜等)。
环境控制单元可以通过物理化学或生理控制保持或提供包括在样本保持单元100中的细胞周围的物理化学或生理环境。
图6示出了光学控制单元的配置的示例。图6所示的光学控制单元210包括光源211、聚焦透镜212、激发滤光器213、数字反射镜装置214和投影透镜215,以发射特定波长的光。通过具有以上配置,可以选择并释放不必要的细胞。光源211发射具有与光可降解接头相对应的波长的光。聚焦透镜212聚焦光,并且激发滤光器213仅提取和透射特定波长的光。数字反射镜装置214包括可移动微镜,并且可以通过倾斜每个微镜用光选择性地照射其上固定有第一分子的每个斑点。投影透镜215将由数字反射镜装置214反射的光发射到培养容器101的表面,该培养容器101的表面上有固定第一分子的斑点。通过光学控制单元210的选择性光照射,可以选择性地分解捕获待释放的细胞的斑点的可降解接头。
光学控制单元210可以进一步包括能够对于每个第一斑点刺激可降解接头的刺激控制单元。例如,在光学控制单元210是光照射装置的情况下,可以每隔数十μm的间隔对培养容器101内布置的细胞单独照射光即可,并且因此,例如,可以使用数字微镜装置(DMD)、液晶面板、MEMS快门等。激发滤光器213设置在光源211与DMD 214之间,并且根据目的添加诸如滤光器的旋转的机构以获得最佳的滤光器配置,由此可以支持多色分析。因为包括全HD数量的微镜的DMD是商业可获得的,所以使用DMD的光照射装置的刺激控制单元可以同时控制1920×1080个位点(照射的开启/关闭)。因此,可以同时进行对约2×106个细胞的单独控制。例如,在1920×1080下以30μm的间距排列细胞(Φ30μm或更小)的情况下,需要约58×33mm的面积。在期望处理107个细胞的情况下,制备10个细胞。在五个表面以两行排列的情况下,尺寸是116×165mm,其稍微小于B6尺寸,并且是可以实现用于2×107个细胞分析的尺寸。
环境控制单元控制容器101中的物理化学环境和/或生理环境。
为了控制物理化学环境,环境控制单元可以控制物理化学环境供应单元114,由此控制容器101中的湿度、pH、渗透压、氧分压、二氧化碳分压等。因此,可以向培养环境中的目标细胞提供最佳物理环境,并且可以提高细胞的存活率。
为了控制生理环境,环境控制单元可以控制活化剂供应单元108、基因供应单元109以及培养液供应单元110中的至少一个。因此,向培养环境中的目标细胞提供最佳生理环境,并且可以提高细胞的培养效率。生理环境的控制可以包括通过培养液、刺激因子、转录因子以及细胞密度中的至少一个来控制。
(3-2)信息处理单元
细胞处理系统1000包括信息处理单元2,该信息处理单元2包括估计单元300、学习单元400和数据库500。
估计单元300基于关于包括在样本中的细胞群的处理之前的细胞的信息以及关于预先设定的细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来能够从关于预定细胞的信息中导出细胞群的处理条件,或关于在预定处理条件下导出的细胞群的处理之后的细胞的信息。因此,可以从关于细胞群中的处理之前的细胞的信息以及关于预定细胞的信息或由用户设置的处理条件等估计关于期望的细胞群的信息和用于实现期望的细胞群的处理条件,并且可以在不执行诸如特定培养步骤的处理的情况下有效地并且不增加成本地均衡处理之后的最终细胞群的细胞构成/状态/数量。
学习单元400包括:第一学习器,使用关于在由估计单元300估计的处理条件下处理的细胞的信息和关于使用细胞的治疗的信息作为用于学习的输入信息来学习细胞与关于治疗的信息之间的相关性;以及第二学习器,使用关于处理之前的细胞的信息、由估计单元300估计的处理条件以及在处理条件下处理的处理之前的细胞作为用于学习的输入信息来学习关于处理之前的细胞的信息与处理条件之间的相关性。这使得可以根据关于细胞群中的处理之前的细胞的信息估计用于实现期望的细胞群的处理条件和用于实现期望的细胞的治疗效果的处理之后的细胞群的信息,并且可以提高细胞培养处理的效率。
数据库500获取并保持由细胞培养单元1获取的细胞的处理条件、由测量单元3获取的关于细胞的信息以及从外部数据库获取的关于细胞的治疗的信息。数据库500可以被配置为将上述信息发送至估计单元300和学习单元400。因此,估计单元300和学习单元400可以参考保持在数据库500中的信息,并且提高了估计单元300和学习单元400的估计效率和学习效率。
例如,信息处理单元2可以被设计为通用计算机,并且可以被设计为包括CPU、RAM以及ROM的信息处理单元。信息处理单元可以包括在包括细胞培养单元1和测量单元的壳体中,或者可以位于壳体外部。此外,可以通过经由网络连接的服务器计算机或云实现要由信息处理单元执行的各种处理或功能。
(3-3)测量单元
细胞处理系统1000包括测量单元3,其获取关于处理之前的细胞的信息、关于处理之后的细胞的信息以及关于处理中的细胞的信息中的至少一个。因此,提高了样本处理单元的处理步骤的效率。测量单元3包括图像获取单元600,其通过获取图像来获取关于控制单元200的处理中的细胞的信息。由图像获取单元获取的图像可以是染色图像和/或非染色图像。染色图像可以包括荧光图像。此外,非染色图像可以包括明视场图像、相位差图像、偏振图像以及根据从非染色图像或荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像中的至少一个。注意,除了图像获取单元600之外,或者代替图像获取单元600,测量单元3还可以包括信号检测单元,该信号检测单元通过获取信号来获取关于样本处理单元的处理中的细胞的信息。例如,图像获取单元600可以被配置为下面在(3-3-1)中描述的显微镜系统。此外,在测量单元3包括信号检测单元的情况下,测量单元3可以被配置为生物样本分析器。生物样本分析器将在下面的(3-3-2)中描述。
(3-3-1)显微镜系统
图7中示出了显微镜系统的配置示例。图7所示的显微镜系统5000包括显微镜装置5100、控制单元5110和信息处理单元5120。显微镜装置5100包括光照射单元5101、光学单元5102以及信号获取单元5103。显微镜装置5100可以进一步包括其上放置生物样本S的样本放置单元5104。注意,显微镜设备的配置不限于图7所示的配置,并且例如,光照射单元5101可存在于显微镜装置5100的外部,并且例如,不包括在显微镜装置5100中的光源可用作光照射单元5101。可替代地,光照射单元5101可被布置为使得样本放置单元5104夹在光照射单元5101与光学单元5102之间,并且例如可被布置在光学单元5102存在的一侧。显微镜装置5100可以通过明视场观察、相位差观察、微分干涉观察、偏振观察、荧光观察和暗视场观察中的一个或两个或更多个来配置。
显微镜系统5000可被配置为所谓的全载玻片成像(WSI)系统或数字个人计算机系统,并且可用于病理诊断。可替代地,显微镜系统5000可以被设计为荧光成像系统,或特别地,被设计为多重荧光成像系统。
例如,显微镜系统5000可用于进行术中病理诊断或远程病理诊断。在术中病理诊断中,显微镜装置5100可以在执行手术的同时获取从手术的对象获取的生物样本S的数据,并且然后将数据发送至信息处理单元5120。在远程病理诊断中,显微镜装置5100可以将所获取的生物样本S的数据发送至位于远离显微镜装置5100的地方(诸如在另一房间或建筑物中)的信息处理单元5120。然后,在这些诊断中,信息处理单元5120接收并输出数据。信息处理单元5120的用户可以基于输出数据执行病理诊断。
(生物样本)
生物样本S可以是包含生物成分的样本。生物成分可以是生物的组织、细胞、液体成分(血液、尿液等)、培养物或活细胞(心肌细胞、神经细胞、受精卵等)。
生物样本可以是固体,或者可以是用固定试剂(诸如石蜡)固定的样本或通过冷冻形成的固体。生物样本可以是该固体的切片。生物样本的具体示例可以是活检样本的切片。
该生物样本可以是已经经受处理(如染色或标记)的样本。处理可以是用于指示生物成分的形态或用于指示包含在生物成分中的物质(表面抗原等)的染色,并且可以例如是苏木精-伊红(HE)染色或免疫组织化学染色。该生物样本可以是已经用一种或多种试剂经受以上处理的样本,并且该一种或多种试剂可以是荧光染料、着色试剂、荧光蛋白或荧光标记抗体。
为了病理诊断或临床检查的目的,样本可以由从人体采集的标本或组织样本制备。可替代地,标本不一定是人体的,并且可以来源于动物、植物或一些其他材料。取决于使用的组织的类型(例如,诸如器官或细胞)、检查的疾病的类型、对象的属性(例如,诸如年龄、性别、血型和种族)或对象的日常习惯(例如,诸如饮食习惯、运动习惯和吸烟习惯),标本在性质上可以不同。标本可以伴随有用于识别每个标本的识别信息(条形码信息、QR码(注册商标)信息等),并且根据识别信息来管理。
(光照射单元)
光照射单元5101是用于照射生物样本S的光源,并且是将从光源发射的光引导至标本的光学单元。光源可用可见光、紫外光、红外光或其组合照射生物样本。光源可以是卤素灯、激光光源、LED灯、水银灯以及氙气灯中的一个或多个。荧光观察中的光源可以是多个类型和/或波长,并且这些类型和波长可以由本领域的技术人员适当地选择。光照射单元可具有透射型、反射型或落射照明型(同轴落射照明型或侧面照明型)的配置。
(光学单元)
光学单元5102被设计为将来自生物样本S的光引导至信号获取单元5103。光学单元可以被设计为使得显微镜装置5100能够观察或捕获生物样本S的图像。
光学单元5102可以包括物镜。本领域技术人员可根据观察方法适当地选择物镜的类型。光学单元还可包括中继透镜,用于将由物镜放大的图像中继至信号获取单元。光学单元可进一步包括除物镜和中继透镜之外的光学部件,并且该光学部件可以是目镜、相位板、聚光透镜等。
光学单元5102可进一步包括波长分离单元,该波长分离单元被设计为从来自生物样本S的光分离预定波长的光。波长分离单元可被设计为选择性地使预定波长或预定波长范围的光到达信号获取单元。例如,波长分离单元可包括以下各项中的一个或多个:选择性地使光通过的滤光器、偏光板、棱镜(沃拉斯顿棱镜)以及衍射光栅。例如,包括在波长分离单元中的光学部件可以设置在从物镜到信号获取单元的光路中。在执行荧光观察的情况下,或者具体地,在包括激发光照射单元的情况下,在显微镜装置中设置波长分离单元。波长分离单元可被设计为将荧光或白光与荧光分离。
(信号获取单元)
信号获取单元5103可被设计为接收来自生物样本S的光,并且将该光转换为电信号,或者具体地,转换为数字电信号。信号获取单元可被设计为能够基于电信号获取关于生物样本S的数据。信号获取单元可被设计为能够获取生物样本S的图像(捕获图像,或者具体地,静止图像、时隙图像或者移动图像)的数据,或者具体地,可被设计为获取由光学单元放大的图像的数据。信号获取单元包括包含以一维或二维方式布置的多个像素的一个或多个图像传感器、CMOS、CCD等。信号获取单元可包括用于获取低分辨率图像的图像传感器和用于获取高分辨率图像的图像传感器,或者可包括用于感测AF等的图像传感器和用于输出用于观察的图像的图像传感器等。图像传感器可以是不仅包括多个像素的信号处理传感器,而且包括使用来自相应像素的像素信号执行信号处理的信号处理单元(包括以下中的一个、两个或三个:CPU、DSP和存储器)以及控制从像素信号生成的图像数据和由信号处理单元生成的处理数据的输出的输出控制单元。此外,成像元件可包括异步事件检测传感器,其检测光电转换入射光的像素的亮度变化超过预定阈值作为事件。包括多个像素的图像传感器、信号处理单元和输出控制单元可以优选地被设计为单片半导体装置。
(控制单元)
控制单元5110控制由显微镜装置5100执行的成像。对于成像控制,控制单元可驱动光学单元5102和/或样本放置单元5104的移动,以调整光学单元与样本放置单元之间的位置关系。控制单元5110可以在朝向或远离彼此的方向上(例如,在物镜的光轴方向上)移动光学单元和/或样本放置单元。控制单元也可在垂直于光轴方向的平面中的任何方向上移动光学单元和/或样本放置单元。对于成像控制,控制单元可控制光照射单元5101和/或信号获取单元5103。
(样本放置单元)
样本放置单元5104可被设计为能够将生物样本的位置固定在样本放置单元上,并且可以是所谓的载物台。样本放置单元5104可被设计为能够在物镜的光轴方向上和/或在与光轴方向垂直的方向上移动生物样本的位置。
(信息处理单元)
信息处理单元5120可以从显微镜装置5100获取由显微镜装置5100获取的数据(成像数据等)。信息处理单元可对成像数据执行图像处理。该图像处理可以包括颜色分离处理。颜色分离处理可以包括从成像数据中提取预定波长或预定波长范围内的光学成分的数据以生成图像数据的处理,或者从成像数据中去除预定波长或预定波长范围内的光学成分的数据的处理。图像处理还可包括用于分离组织切片的自发荧光成分和染料成分的自发荧光分离处理,以及用于分离具有彼此不同的荧光波长的染料之间的波长的荧光分离处理。自发荧光分离处理可包括使用从具有相同或相似性质的多个标本中的一个标本提取的自发荧光信号从关于另一标本的图像信息中去除自发荧光成分的处理。
信息处理单元5120可以将用于成像控制的数据发送至控制单元5110,并且已经接收该数据的控制单元5110可以根据该数据控制由显微镜装置5100进行的成像。
信息处理单元5120可被设计为诸如通用计算机的信息处理单元,并且可包括CPU、RAM和ROM。信息处理单元可以包括在显微镜装置5100的壳体中,或者可以位于壳体外部。此外,可以通过经由网络连接的服务器计算机或云实现要由信息处理单元执行的各种处理或功能。
注意,由信号获取单元5103获取的图像可以是染色图像和/或非染色图像。信号获取单元可以从图像中获取关于处理之前、期间和之后的细胞的信息作为特征量。关于细胞的信息的具体示例如后所述。
染色图像例如是通过光照射单元5101用激发光照射用荧光试剂染色的生物样本S而获得的荧光图像。这使得具有诸如CD4或CD8的生物标志的生物样本S的分子标志物分析简单且定量。非染色图像可以是从非染色生物样本S获得的明视场图像、相位差图像或偏振图像。此外,非染色图像可以是根据从非染色图像和荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像。在伪染色图像中,可以从非染色图像中预测诸如细胞核、细胞类型(神经等)和细胞状态(细胞死亡等)的各种标记,并且可以消除由于化学染色引起的荧光光谱的重叠引起的同时标记的数量的限制。伪染色图像的具体方法没有特别限制,只要它是已知的方法即可,并且其示例包括以下方法(Cell.2018Apr 19;173(3):792to803.e19.doi:10.1016/j.cell.2018.03.040.Epub 2018Apr 12)。
(3-3-2)生物样本分析器
在图8中示出生物样本分析器的配置示例。图8所示的生物样本分析器6100包括:光照射单元6101,其用光照射在流道C中流动的生物样本S;检测单元6102,其检测通过照射生成的光;以及信息处理单元6103,其处理关于由检测单元检测的光的信息。例如,生物样本分析器6100是流式细胞仪或成像细胞仪。生物样本分析器6100可包括分选单元6104,其分选出生物样本中的特定生物粒子P。包括分选单元的生物样本分析器6100例如是细胞分选仪。
(生物样本)
生物样本S可以是包含生物粒子的液体样本。生物粒子例如是细胞或非细胞生物粒子。细胞可以是活细胞,并且其更具体的示例包括血液细胞(诸如红细胞和白细胞)和生殖细胞(诸如精子和受精卵)。此外,细胞可以是从诸如全血的样本直接采集的细胞,或者可以是培养后获得的培养细胞。例如,非细胞生物粒子是细胞外囊泡,或特别地,外来体和微囊泡。可以用一种或多种标记物质(诸如染料(特别地,荧光染料)和荧光染料标记抗体)标记生物粒子。注意,可以通过本公开的生物样本分析器来分析除生物粒子之外的粒子,并且可以分析珠子(beads)等以进行校准等。
(流道)
流道C可以被设计为使得生物样本流动,并且具体地,形成在生物样本中包含的生物粒子基本上在一行中对齐的流动。包括流道C的流道结构可以被设计为使得形成层流,并且具体地,被设计为使得形成生物样本的流(样本流)被顺滑液的流包围的层流。流道结构的设计可以由本领域的技术人员适当地选择,或者可以采用已知的设计。流道C可以形成为诸如微芯片(具有微米级的流道的芯片)或流单元的流道结构。流道C的宽度为1mm或更小,并且具体地,可以为10μm以上1mm以下。流道C和包括流道C的流道结构可以由诸如塑料或玻璃的材料制成。
本公开的装置可以被设计为使得用来自光照射单元的光照射在流道C中流动的生物样本,或者具体地在生物样本中的生物粒子。本公开的装置可以被设计为使得生物样本上的光的照射点位于形成流道C的流道结构中,或者可以被设计为使得照射点位于流道结构的外部。前一种情况的示例可以是光被发射到微芯片或流单元中的流道C上的配置。在后一种情况下,在离开流道结构(具体地,其喷嘴部)之后的生物粒子可以用光照射,并且例如可以采用空气喷射型的流式细胞仪。
(光照射单元)
光照射单元6101包括发射光的光源单元和将光引导至流道C的导光光学系统。光源单元包括一个或多个光源。光源的类型可以例如是激光光源或LED。从每个光源发射的光的波长可以是紫外光、可见光和红外光的任何波长。例如,导光光学系统包括诸如分束器、反射镜或光纤的光学部件。导光光学系统还可包括用于聚光的透镜组,并且可例如包括物镜。生物样本可以在一个或多个照射点处用光照射。光照射单元5101可被设计为收集从一个光源或不同的光源发射到一个照射点上的光。
(检测单元)
检测单元6102包括至少一个光电检测器,其检测由光照射单元将光发射到粒子上而生成的光。例如,待检测的光可以是荧光或散射光(诸如,下列中的一个或多个:前向散射光、后向散射光以及侧向散射光)。例如,每个光电检测器包括一个或多个光接收元件,并且具有光接收元件阵列。每个光电检测器可以包括一个或多个光电倍增管(PMT)和/或诸如APD和MPPC的光电二极管作为光接收元件。例如,光电检测器包括多个PMT布置在一维方向上的PMT阵列。检测单元还可以包括诸如CCD或CMOS的图像传感器。通过该图像传感器,检测单元可获取生物粒子的图像(例如,诸如明视场图像、暗视场图像或荧光图像)。
检测单元包括使预定检测波长的光到达相应光电检测器的检测光学系统。该检测光学系统包括诸如棱镜或衍射光栅的光谱单元,或诸如二向色镜或滤光器的波长分离单元。例如,检测光学系统可被配置为分散来自生物粒子的光,并且通过具有比荧光染料的数量更大的数量的多个光检测器检测不同波长区域的光。包括这种检测光学系统的流式细胞仪被称为光谱流式细胞仪。此外,例如,检测光学系统可被设计为将与特定荧光染料的荧光波长带对应的光与来自生物粒子的光分离,并且使相应的光电检测器检测分离的光。
检测单元还可包括信号处理单元,该信号处理单元将通过光电检测器获得的电信号转换为数字信号。信号处理单元可以包括作为执行转换的装置的A/D转换器。通过由信号处理单元执行的转换而获得的数字信号可被发送至信息处理单元。数字信号可以由数字信号处理单元处理为与光有关的数据(在下文中,也称为“光数据”)。例如,光数据可以是包括荧光数据的光数据。更具体地,光数据可以是光强度的数据,并且光强度可以是包括荧光的光的光强度数据(光强度数据可以包括诸如面积、高度和宽度的特征量)。
(信息处理单元)
例如,信息处理单元6103包括执行各种类型的数据(例如,光数据)的处理的处理单元以及存储各种类型的数据的存储单元。在处理单元从检测单元获取与荧光染料对应的光数据的情况下,处理单元可对光强度数据执行荧光泄漏校正(补偿处理)。在光谱流式细胞仪的情况下,处理单元还对光数据执行荧光分离处理,并且获取与荧光染料对应的光强度数据。例如,可以通过在JP 2011-232259 A中公开的解混方法进行荧光分离处理。在检测单元包括图像传感器的情况下,处理单元可基于由图像传感器获取的图像获取关于生物粒子的形态信息。该存储单元可以被设计为能够存储所获取的光数据。存储单元可以被设计为能够进一步存储将在解混处理中使用的光谱参考数据。
在生物样本分析器包括稍后描述的分选单元的情况下,信息处理单元可以基于光数据和/或形态信息确定是否分选生物粒子。然后,信息处理单元基于确定的结果控制分选单元,并且可以通过分选单元分选生物粒子。
信息处理单元可被设计为能够输出各种类型的数据(例如,诸如光数据和图像)。例如,信息处理单元可以输出基于光数据生成的各种数据(例如,诸如二维图或光谱图)。例如,信息处理单元还可被设计为能够接受各种类型的数据的输入,并且接受用户对图的选通处理。信息处理单元可以包括输出单元(例如,诸如显示器)或者用于执行输出或输入的用户界面(例如,诸如键盘)。
例如,信息处理单元可被设计为通用计算机,并且可被设计为包括CPU、RAM以及ROM的信息处理单元。信息处理单元可以包括在其中包括光照射单元和检测单元的壳体中,或者可以位于壳体外部。此外,可以通过经由网络连接的服务器计算机或云实现要由信息处理单元执行的各种处理或功能。
(分选单元)
分选单元6104可以例如根据由信息处理单元执行的确定的结果来执行生物粒子的分选。分选方法可以是通过振动生成包含生物粒子的液滴,将电荷施加至待分选的液滴并且通过电极控制该液滴的行进方向的方法。分选方法可以是用于通过控制流道结构中的生物粒子的行进方向来分选的方法。例如,流道结构具有基于压力(注射或抽吸)或电荷的控制机构。流道结构的示例可以是具有流道C在下游侧分支为回收流道和废液流道,并且在回收流道中收集特定生物粒子的流道结构的芯片(例如,JP 2020-76736A中公开的芯片)。
2.第二实施例(细胞处理方法)
图9示出了本技术的细胞处理的流程图的示例。如图9所示,本技术的处理方法可包括样本制备步骤S100、获取关于处理之前的细胞的信息的步骤S110、估计步骤S120、处理步骤S130、以及获取关于处理之后的细胞的信息的步骤S140。下面将描述这些步骤。
(1-1)样本制备步骤
在样本制备步骤中,细胞培养单元1制备包含目标细胞的细胞群。目标细胞的类型没有特别限制,并且可以是人源性细胞、免疫细胞、动物源性细胞、植物源性细胞、微生物源性细胞、癌细胞、正常细胞、干细胞、上皮细胞和类器官中的任一个。例如,在动物细胞的情况下,目标细胞的示例包括血液中的细胞和从生物组织采集的细胞等。此外,目标细胞可以是粘附细胞或非粘附细胞。此外,细胞群可以是从患者或供体采集的外周血单核细胞(PBMC)。通过培养和扩增所采集的PBMC和/或基因导入来产生包含攻击特异性癌细胞的细胞的细胞群,并且将该细胞群用于治疗用途,例如作为细胞制剂。PBMC包括各种免疫细胞群,并且包括T细胞、B细胞、巨噬细胞等。T细胞可以进一步包括T细胞子集,该T细胞子集包括初始T细胞、中央记忆T细胞、效应T细胞等。
在图10中示出本技术的样本制备步骤的流程图的示例。如图10所示,样本制备步骤S100可以包括样本导入步骤S101。在样本导入步骤中,通过能够与细胞结合的第一分子将包含从细胞培养单元1的细胞导入单元106导入的目标细胞的细胞群捕获到培养容器101内。在该步骤中,也可以从废液存储单元112或细胞回收单元113回收非目标细胞,而不被培养容器101捕获。
样本制备步骤S100可以包括第二分子供应步骤。在第二分子供应步骤中,可以将补充至培养容器101的目标细胞与从第二分子供应单元供应的第二分子结合。供应的第二分子可以例如是荧光试剂,使得测量单元3可以辨别目标细胞。注意,也可以在后述的处理步骤中处理未与第二分子结合且未由测量单元3判别为目标细胞的目标细胞,并且从废液存储单元112或细胞回收单元113回收该目标细胞。在不使用第二分子的情况下,可以基于从明视场图像、相位差图像、偏振图像和非染色图像和荧光图像学习的信息识别来识别细胞并且针对细胞的每个特征被伪染色的图像,并且可以通过光刺激来释放细胞。可以通过信息处理单元2执行该识别。信息处理单元2基于识别的结果驱动光学控制单元210。光学控制单元210可执行光刺激。
样本制备步骤S100可以包括环境控制步骤。在环境控制步骤中,通过环境控制单元控制包含处理前的细胞的培养容器101的环境。例如,可以在环境控制单元对物理化学环境的控制下,从物理化学环境供应单元114向培养容器101供应诸如湿度、pH、渗透压、氧分压、二氧化碳分压的物理化学环境。可替代地,例如,可以在环境控制单元对生理环境的控制下,从活化剂供应单元108、基因供应单元109以及培养液供应单元110中的至少一个向培养容器101供应刺激因子、培养液、激素、细胞因子、和白介素的生理环境。因此,提供了培养环境中目标细胞的最佳环境,并且可以提高细胞的存活率和/或培养效率。因此,向培养环境中的目标细胞提供最佳生理环境,并且可以提高细胞的培养效率。注意,环境控制步骤可不仅在样本制备步骤中而且在先前和后续步骤中适当地执行。
(1-2)获取关于处理之前的细胞的信息的步骤
在获取关于处理之前的细胞的信息的步骤中,信息处理单元2获取关于在样本制备步骤中制备的处理之前的目标细胞的信息。图11示出了根据本技术的获取关于处理之前的细胞的信息的步骤的流程图的示例。如图11所示,获取关于处理之前的细胞的信息的步骤S110可以包括处理之前的细胞测量步骤。在处理之前的细胞测量步骤中,测量单元3(具体地,图像获取单元和/或信号检测单元)获取图像信息和/或信号信息。从所获取的图像信息和/或信号信息中,可以提取关于处理之前的目标细胞的信息。图像信息和/或信号信息可以是来源于在样本制备步骤中给予的第二分子(例如,荧光试剂)的信息。
由测量单元3提取的关于处理之前的的细胞的信息可以例如是细胞构成、形式、状态、数量、比例、类型、增加率、存活率、遗传信息以及关于分子的信息中的至少一个。关于分子的信息包括但不限于诸如转录因子或转录控制因子的基因表达控制因子、关于分子标记的信息、关于细胞表面抗原的信息、序列信息、分子量、类型等。关于细胞的信息可以由测量单元3获取,并且然后被发送到估计单元300。此外,可以将关于细胞的信息发送到信息处理单元2的数据库500,并且可以更新数据库500。
获取关于处理之前的细胞的信息的步骤S110可以包括预定条件接收步骤。在预定条件接收步骤中,信息处理单元2可以包括接收关于预定治疗或预定处理之后的目标细胞的信息的步骤。预定处理条件和关于预定处理之后的目标细胞的信息可以由在信息处理单元中适当设置的用户界面接收。因此,在后述的估计步骤中,可以估计关于由用户进行期望的处理之后的细胞的信息和用于获得期望的处理条件的处理条件。此外,可以从数据库500和/或外部数据库获得关于预定处理条件和预定处理之后的目标细胞的信息的阈值。因此,在后述的处理步骤中,例如,在确定细胞的数量不满足阈值并且不足的情况下,可以确定再次采集初始细胞或停止生产,并且在细胞的数量满足阈值的情况下,可以确定继续细胞处理。
在预定条件接收步骤中,信息处理单元2可以进一步包括从数据库500和/或外部数据库接收关于被商品化的细胞的批准的信息作为阈值的步骤。因此,在稍后描述的估计步骤中,通过参考关于现有商品化细胞的批准的信息,可以向用户呈现满足批准标准所需的细胞的处理条件和关于细胞的信息。关于细胞的批准的信息可以从关于细胞的信息、细胞的处理条件以及关于治疗的信息中适当地选择。注意,可以通过在信息处理单元2中适当设置的用户界面来接收关于细胞的批准的信息。估算单元可以基于关于细胞的批准的信息来设置关于预定细胞的信息和/或预定处理条件。
处理条件可以包括与刺激因子和培养天数中的至少一个相关的培养条件。此外,指定的预定处理条件可以是如后面描述的要由控制单元200处理的细胞分选或细胞培养控制。
除了上述关于处理之前的细胞的信息之外,关于处理之后的目标细胞的信息可以是关于细胞治疗的信息。关于治疗的信息可以是细胞的治疗效果、有效率、复发率、副作用以及患者的治疗历史。因此,在稍后描述的学习步骤中,学习关于处理之后的细胞的信息以达到关于治疗的信息,并且可以执行根据个体患者的细胞构成和处理。
由信息处理单元2接收的预定处理条件或关于预定处理之后的目标细胞的信息可以被适当地发送至估计单元300和/或数据库500。
(1-3)估计步骤
在估计步骤中,估计单元300基于在关于处理之前的细胞测量步骤中获取的关于处理之前的目标细胞的信息以及在预定条件接收步骤中获取的预定处理条件和关于预定处理之后的目标细胞的信息中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于在预定处理条件下导出的细胞群的处理之后的细胞的信息。在本说明书中,估计条件可以是由估计单元的估计处理生成的“能够从关于预定细胞的信息中导出细胞群的处理条件”,或者是由估计单元的估计处理生成的“关于在预定处理条件下导出的细胞群的处理之后的细胞的信息”。即,估计条件可以表示估计的处理条件或关于估计的细胞的信息。
能够从关于预定细胞的信息中导出细胞群的处理条件是能够通过控制单元200导出以达到关于在预定条件接收步骤中指定的预定细胞的信息的处理条件,并且可以例如是后面描述的细胞分选或培养条件。
关于在预定处理条件下导出的细胞群的处理之后的细胞的信息是关于可以通过执行由用户等指定的预定处理的控制单元200获取的关于处理之后的细胞的信息。由用户等指定的预定处理没有特别限制,只要是后述的处理步骤中的处理条件即可。关于处理之后的细胞的信息没有特别限制,只要如上所述。例如,关于处理之后的细胞的信息可以包括处理之后的细胞的构成、状态、数量、比例、增加率、存活率、有效率、复发率以及副作用中的至少一个。
图12示出了本技术的估计步骤的流程图的示例。如图12所示,估计步骤S120可以包括估计条件生成步骤。在估计条件生成步骤中,估计单元300基于在处理之前的细胞测量步骤中获取的关于处理之前的目标细胞的信息以及在预定条件接收步骤中获取的预定处理条件,生成关于细胞群处理之后的细胞的信息。可替代地,估计单元300基于在处理之前的细胞测量步骤中获取的关于处理之前的目标细胞的信息和在预定条件接收步骤中获取的关于预定处理之后的目标细胞的信息来生成能够从关于预定细胞的信息中导出细胞群的处理条件。
估计单元300可以从测量单元3和/或数据库500获取关于处理之前的目标细胞的信息。此外,估计单元300可以从数据库500、外部数据库以及信息处理单元2的用户界面中的至少一个获取关于用户期望的处理之后的细胞的信息和期望的处理条件。
在估计条件生成步骤中,估计单元300可进一步使用在稍后将描述的学习步骤中由学习单元400生成的第一学习器和第二学习器中的任一个来生成推断条件。
在本说明书中,估计步骤是指执行以下处理的步骤:基于关于目标细胞的信息等,生成导出的处理条件或者关于处理之后的细胞的信息,即,估计步骤包括机器学习领域中的推断处理。即,在本说明书中,估计步骤可以被称为“推断步骤”。此外,在本说明书中,估计条件可以被称为“推断条件”。
估计步骤S120可以包括估计条件输出步骤。在估计条件输出步骤中,估计单元300输出在估计条件生成步骤中生成的估计条件。输出条件没有特别限制,只要是在上述估计条件生成步骤中生成的估计条件即可。估计条件可以经由在信息处理单元2中适当设置的用户界面呈现给用户。因此,用户可以在视觉上识别输出条件。
可以将所输出的估计条件发送至数据库500,并且可以更新数据库500。另外,也可以将所输出的估计条件发送到细胞培养单元1的控制单元200,该控制单元200基于该输出条件对细胞培养单元1内部的目标细胞进行处理。
(1-4)处理步骤
在处理步骤中,控制单元基于在获取关于处理之前的细胞的信息的步骤中获取的关于细胞的信息以及在估计步骤中输出的估计条件来执行与包含细胞的样本相关的处理。在与含有细胞的样本相关的处理中,例如,可以对补充至细胞培养设备的处理之前的细胞进行细胞分选或培养控制。
细胞分选例如是通过光学控制单元的光学控制刺激可降解接头以释放经由可降解接头结合至样本保持单元100的细胞的步骤。基于在获取关于处理之前的细胞的信息的步骤中获取的关于细胞的信息,例如,源自给予细胞的第二分子的荧光信号,可以区分可以处理的细胞和除了目标之外的细胞,并且通过刺激仅释放除了目标之外的细胞。在不使用第二分子的情况下,可以基于根据从明视场图像、相位差图像、偏振图像和非染色图像和荧光图像学习的信息来识别并且针对细胞的每个特征被伪染色的图像来识别细胞,并且可以通过光刺激释放细胞。可以通过信息处理单元2执行该识别。信息处理单元2可以基于识别的结果驱动光学控制单元。该光学控制单元可以执行光刺激。
培养控制例如是在环境控制单元的环境控制下培养包含与样本保持单元100结合的细胞的样本的步骤。例如,培养容器101也可以基于关于在获取关于处理之前的细胞的信息的步骤中获取的细胞的信息,由环境控制单元进行反馈控制,并且可以从物理化学环境供应单元114供应湿度、pH、渗透压、氧分压、二氧化碳分压的物理化学环境。可替代地,例如,培养容器101可以基于关于在获取关于处理之前的细胞的信息的步骤中获取的细胞的信息通过环境控制单元进行反馈控制,并且可以从活化剂供应单元108、基因供应单元109以及培养液供应单元110中的至少一个供应诸如刺激因子、转录因子、转录控制因子、培养液、激素、细胞因子、白介素的生理环境。因此,提供了培养环境中目标细胞的最佳环境,并且可以提高细胞的存活率和/或培养效率。
以下将描述获取关于处理之前的细胞的信息的步骤中的反馈控制的示例。例如,在使用PBMC作为培养处理之前的初始细胞群进行细胞处理系统1000中的处理的情况下,培养处理之后的细胞群中包含的CD4和CD8阳性细胞的增殖可以取决于培养液的类型、刺激分子的类型和浓度、以及培养的天数而不同。此外,包括在细胞群中的初始T细胞、中央记忆T细胞和效应细胞的比例,即,T细胞子集的比例也可以是不同的。在抗-CD3抗体从细胞处理系统1000中的活化剂供应单元108添加至上述细胞群的情况下,CD8阳性细胞显著增殖,而在添加抗-CD3/CD28抗体的情况下,细胞可以在维持CD4和CD8阳性细胞的比例的同时继续增殖。此外,培养一定天数后的T细胞子集的比例可以取决于培养液、细胞因子、和/或细胞因子类型和浓度而变化。
例如,在获取关于处理之前的细胞的信息的步骤的反馈控制中,环境控制单元可以控制活化剂供应单元108在最初的培养步骤中仅向培养容器内供应抗-CD3抗体。这增加了细胞群中CD8阳性细胞的比例。然后,响应于由测量单元3确定CD8阳性细胞的比例已经达到目标值,环境控制单元可以控制活化剂供应单元108,以便停止由活化剂供应单元108供应抗-CD3抗体。
如上所述,环境控制单元可以控制活化剂供应单元108向培养容器内供应活化剂,以增大或减小细胞群中的一个或多个预定细胞的比例。另外,环境控制单元可以控制活化剂供应单元108向培养容器内供应活化剂,以提高或降低细胞群中的一个或多个预定细胞的存活率。另外,环境控制单元可以控制活化剂供应单元108向培养容器内供应活化剂,以提高或降低细胞群中的一个或多个预定细胞的基因导入效率。
此外,环境控制单元可以控制活化剂供应单元108向培养容器内另外供应抗-CD28抗体。这使得可以在维持细胞群中CD4和CD8阳性细胞的比例的同时引起细胞群增殖。此外,响应于测量单元3确定细胞群中T细胞子集的比例已经达到目标,环境控制单元可以控制活化剂供应单元108,以改变由活化剂供应单元108供应的培养液和细胞因子的类型和/或浓度。
如上所述,环境控制单元可以控制活化剂供应单元108向培养容器内供应活化剂,以维持细胞群中的一个或多个细胞的比例。
可以将通过细胞分选和/或培养控制处理的处理条件发送到数据库500,并且可以更新数据库500。这提高了估计条件生成步骤中的估计条件的生成的精度。注意,除了实际的处理条件以外,通过细胞分选和/或培养控制处理的内容还可以例如存储有诸如培养天数、培养液补充、更换日期的日期和期间。
图13示出了本技术的处理步骤的流程图的示例。如图13所示,处理步骤S130可以包括处理确定步骤S131。在处置确定步骤S131中,控制单元基于在预定条件接收步骤中获取的预定条件和在估计步骤中输出的估计条件来执行处理确定。预定条件和/或估计条件可以进一步从用户可以输入的信息处理单元2的用户界面呈现。可以基于由用户选择的预定条件和/或估计条件来执行后续阶段的处理条件。例如,可以在用户界面上呈现允许用户确定是否进行后续处理条件(诸如细胞培养或细胞分选)的指标。因此,用户可以根据需要经由用户界面来设定处理条件,并且信息处理装置可以执行所指定的处理。
例如,在估计条件满足预定条件的情况下,控制单元200可以进入后续的处理执行步骤(例如,培养步骤),但是在估计条件不满足预定条件的情况下,可以适当地选择是否通过选择步骤去除不必要的细胞,还是控制控制单元停止细胞生产的生产停止步骤、或者控制控制单元重新采集细胞。因此,可以在控制单元200的处理开始之前确定是否可以执行处理,并且可以在到达细胞处理系统的最终步骤之前停止处理,以提高生产率。在生产停止步骤中,控制单元可执行控制以停止细胞群的培养并将细胞递送至废液存储单元。在重新采集步骤中,控制单元可以控制继续培养细胞群并且从细胞导入单元106采集新细胞。此外,在处理确定步骤中,用户界面可以设置有输入单元,该输入单元例如允许用户选择是否进行后续阶段的细胞培养或细胞分选。
处理步骤S130可以包括处理执行步骤S132(例如,培养步骤)。如上所述,在培养步骤中,控制单元在环境控制单元的环境控制下培养包含与样本保持单元100结合的细胞的样本。
处理步骤S130可以包括处理中细胞信息获取步骤S133(例如,测量步骤)。在处理中细胞信息获取步骤S133中,控制单元控制测量单元3开始测量,并且获取关于处理中的细胞的信息。由测量单元3进行的测量方法没有特别限制,只要它如上所述。通过随时间获取关于细胞的信息,可以始终观察细胞,并且可以立即检测细胞的异常。关于处理期间的细胞的信息类似于关于处理之前的细胞的信息,并且没有特别限制。可以将关于处理中的细胞的信息发送至数据库500,并且可以更新数据库500。
在下文中,将描述在处理中细胞信息获取步骤S133中获取关于处理中的细胞的信息的示例。例如,在采集PBMC的情况下,可以通过包括图像获取单元600和/或信号检测单元700的测量单元3测量PBMC。基于通过上述测量单元3获取的前向散射光和侧向/后向散射光指定淋巴细胞分裂,并且可以根据关于用荧光和/或金属标记抗体染色的目标细胞的荧光的信息,从细胞类型(诸如T细胞、B细胞和巨噬细胞)、T细胞子集(诸如初始T细胞、中央记忆T细胞和效应T细胞)以及关于目标细胞的核染色的信息来指定活细胞的数量和比例。此外,PBMC可以从根据从非染色图像和荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像获得。因此,由于在处理步骤期间可以获取细胞信息,因此可以省略在处理步骤中从培养容器中选择并提取细胞的移动步骤和提取后的测量步骤。这使得可以在维持无菌状态的同时使细胞从培养容器移动,并且此外可以通过省略测量单元的测量步骤来简化细胞处理系统的步骤。
注意,在测量步骤中,可以从关于从测量单元3获取的细胞块的大小和数量的信息分析细胞的增殖状态。例如,在T细胞的情况下,可以在细胞增殖期间形成细胞块。通过测量细胞块的面积来估计细胞的数量,并且此外,可以通过测量细胞的数量来估计容器中细胞的总数。通过以时间序列获取与该块相关的测量值,可以确认细胞的增殖状态。
处理步骤S130可以包括比较步骤S134。在比较步骤S134中,控制部200将在处理中细胞信息获取步骤S133中获取的关于处理中的细胞的信息与在预定条件接收步骤中获取的预定条件进行比较,并且执行处理确定。例如,在关于处理中的细胞的信息满足预定条件的情况下,控制单元200可以进入后续阶段的培养步骤,但是在不满足预定条件的情况下,可以适当地选择是否通过选择步骤去除不必要的细胞,还是控制控制单元停止细胞生产的生产停止步骤、或者控制控制单元重新采集细胞。因此,通过随时间从测量单元3观察关于处理中的细胞的信息,可以在处理的中途切换处理的内容并执行优化处理。
(1-5)获取关于处理之后的细胞的信息的步骤
在获取关于处理之后的细胞的信息的步骤S140中,测量单元3获取关于处理之后的细胞的信息。在关于处理之后的细胞的信息达到预定值的情况下,从细胞回收单元采集细胞群。回收的细胞可以由信息处理单元针对关于治疗的信息进行评价,或者可以由系统外部的评价装置进行评价。关于治疗之后的细胞的治疗的评价信息可以在评价之后发送至数据库500,并且可以更新数据库500。
如上所述,除了关于处理之前的细胞的信息之外,关于处理之后的目标细胞的信息可以是关于细胞的治疗的信息。关于治疗的信息可以是细胞的治疗效果、有效率、复发率、副作用以及患者的治疗历史。因此,在稍后描述的学习步骤中,学习关于处理之后的细胞的信息以达到关于治疗的信息,并且可以执行根据个体患者的细胞构成和处理。
(1-6)学习步骤
在第二实施例中,根据本技术的细胞处理方法可以进一步包括学习步骤。在学习步骤中,学习单元400学习关于细胞的信息与关于细胞的治疗的信息之间的相关性并且生成第一学习器。可替代地,学习单元400学习关于细胞的信息与处理条件之间的相关性并且生成第二学习器。因此,可以根据关于细胞群中的处理之前的细胞的信息估计用于实现期望的细胞群的处理条件和期望的细胞的治疗效果,并且可以提高细胞处理过程的效率。
估计单元可以使用所生成的第一学习器和/或第二学习器来执行上述估计处理。
第一学习器使用关于在由估计单元300估计的处理条件下处理的细胞的信息以及关于细胞的治疗的信息作为用于学习的输入信息来学习细胞与关于治疗的信息之间的相关性。关于处理之后的细胞的信息和关于处理之后的细胞的治疗的信息如上所述。估计单元300可以使用由学习器生成的学习器执行推断。因此,还可以根据患者预测最佳细胞构成。
例如,在细胞处理系统1000中处理的细胞群是PBMC的情况下,PBMC用作治疗用途。还可以通过学习关于处理之后的细胞群的信息(诸如PBMC的细胞构成、数量和状况)与关于治疗的信息(诸如供体信息、治疗的有效率、副作用的发生率和细胞的质量)之间的相关性来优化所采集的PBMC的时间。因此,可以根据关于细胞群中的处理之前的细胞的信息来估计用于实现期望的细胞群的处理条件和期望的细胞的治疗效果,并且可以提高细胞处理过程的效率。
第二学习器通过使用关于处理之前的细胞的信息、由估计单元300估计的处理条件以及在处理条件下处理的处理之前的细胞作为用于学习的输入信息来学习关于处理之前的细胞的信息与处理条件之间的相关性。处理条件没有特别限定,只要是在处理步骤中被处理的条件即可。因此,可以根据关于细胞群中的处理之前的细胞的信息来估计用于实现期望的细胞群的处理条件和期望的细胞的治疗效果,并且可以提高细胞处理过程的效率。估计单元300可以使用由学习器生成的学习器执行推断。这使得可以估计处理条件和治疗效果。
第一学习器可以是通过机器学习包括关于细胞的信息和关于细胞的治疗的信息的数据集生成的学习器。机器学习可以例如是深度学习。例如,可根据在WO 2021/049365中描述的信息处理装置或信息处理方法执行机器学习。在机器学习中,关于细胞的信息可以作为解释变量来处理,并且关于细胞的治疗的信息可以作为目的变量来处理。
此外,第二学习器可以是通过引起数据集的机器学习而生成的学习器,该数据集包括关于处理之前的细胞的信息、处理条件以及关于在处理条件下处理的处理之前的细胞的信息(即,关于处理之后的细胞的信息)。机器学习可以例如是深度学习。例如,可根据在WO 2021/049365中描述的信息处理装置或信息处理方法执行机器学习。
在机器学习中,关于处理之前的细胞的信息和处理条件可以作为解释变量来处理,并且关于处理之后的细胞的信息可以作为目的变量来处理。例如,在估计单元在细胞群的处理之后估计关于细胞的信息的实施例中,可以应用解释变量和目的变量的这种处理。
可替代地,在机器学习中,可以将关于处理之前的细胞的信息和关于处理之后的细胞的信息作为解释变量来处理,并且可以将处理条件作为目的变量来处理。例如,在估计单元估计用于使得能够从细胞群导出关于预定细胞的信息的处理条件的实施例中,可以应用解释变量和目的变量的这种处理。
3.细胞处理系统的配置示例
下面将参考图14至图16描述根据本技术的细胞处理系统的实施例中的配置示例。
图14是示意性地示出根据本技术的细胞处理系统1000的配置示例的示意图。例如,如图14所示,细胞处理系统1000包括终端装置10、信息处理装置20、第一终端30以及第二终端40。每个终端装置10以有线或无线方式连接到观察装置202。
在本实施例中,终端装置10、信息处理装置20(相当于上述信息处理单元2)、第一终端30以及第二终端40经由网络N通信地彼此连接。网络N可以例如是因特网、移动通信网络、局域网等,或者可以是组合了多种类型的网络的网络。
[终端装置]
如图14所示,终端装置10包括多个网关终端10a,并且每个网关终端10a经由控制记录PC 205以无线或有线方式连接至观察装置202(参见图15)。观察装置202由细胞处理系统的用户处理。
注意,如图14所示,本实施例的细胞处理系统1000通常具有多个观察装置202(例如,上述显微镜系统或生物样本分析器)经由终端装置10连接至信息处理装置20的配置,但不限于此,并且可以具有单个观察装置202经由终端装置10连接至信息处理装置20的配置。
将参考图15描述观察装置202的配置示例。注意,图15所示的X、Y和Z轴是彼此正交的三个轴方向。
观察装置202包括在1和2中描述的细胞培养单元1和测量单元3。例如,细胞培养单元1和测量单元3可以一体地配置。
细胞培养单元1可以呗配置为用于孵化细胞的孵化器。孵化器包括物理化学环境供应单元203和检测单元204。细胞培养单元1进一步包括培养容器组2023。物理化学环境供应单元203例如被配置为控制孵化器中的湿度、温度和气体中的任一个或多个。
测量单元3可以被配置为能够观察孵化器中的细胞,并且例如可以被配置为显微镜系统。在这种情况下,测量单元3可以包括图像获取单元。此外,测量单元3可以例如被配置为生物样本分析器。在这种情况下,测量单元可以包括信号检测单元。
包括在细胞培养单元1和测量单元3中的上述部件连接到控制记录计算机(PC)205。控制记录PC 205还连接到显示装置206和输入单元207。
孵化器容纳测量单元3、物理化学环境供应单元203和检测单元204。孵化器可以被配置为用于培养细胞的培养设备。孵化器具有通过所包含的物理化学环境供应单元203将内部温度、湿度等调节至预定值的功能。孵化器被配置为使得任何气体可以通过物理化学环境供应单元203流入孵化器中。气体的种类没有特别限定,并且例如为氮气、氧气、二氧化碳等。
测量单元3包括成像单元2021和光源2022。成像单元2021可以被配置为能够对容纳于培养容器2023(培养皿)内的细胞进行成像并且生成细胞的观察图像,或者被配置为能够从细胞获取信号。如图15的E所示,在上面(3-1)中描述的第一分子可以固定在培养容器2023上。上面(3-1)中的描述也适用于培养容器2023。
成像单元2021包括:镜筒,包括在光轴方向(Z轴方向)上可移动的镜头组;固态成像元件,诸如对穿过镜筒的对象光进行成像的互补金属氧化物半导体(CMOS)或电荷耦合器件(CCD);驱动电路,驱动这些元件等。
成像单元2021被配置为能够在光轴方向(Z轴方向)和水平方向(与Z轴方向正交的方向)上移动,并且在水平方向上移动的同时对容纳在培养容器2023中的细胞进行成像。此外,成像单元2021可以被配置为不仅能够捕获静止图像而且能够捕获运动图像。
根据本实施例的成像单元2021例如是可见光相机,但不限于此,并且可以是红外(IR)相机、偏振相机等。
在通过成像单元2021对培养容器2023内的细胞进行成像时,光源2022用光照射培养容器2023。作为光源2022,例如,采用发射特定波长的光的发光二极管(LED)等。在光源2022是LED的情况下,例如,采用发射波长为640nm的光的红色LED。
如图15所示,也可以在工作台S上安装1个培养容器2023,也可以安装多个培养容器。培养容器2023可以设置在成像单元2021与光源2022之间。观察台S被配置为发送从光源2022发射的光。注意,光源2022可以被设置为用来自成像单元2021侧的光照射容器2023的内部。
构成培养容器的材料没有特别限制,并且培养容器2023例如由诸如玻璃、或硅的无机材料、或诸如聚苯乙烯树脂、聚乙烯树脂、聚丙烯树脂、ABS树脂、尼龙、丙烯酸树脂、氟树脂、聚碳酸酯树脂、聚氨酯树脂、甲基戊烯树脂、酚醛树脂、三聚氰胺树脂、环氧树脂或氯乙烯树脂的有机材料形成,并且是从光源2022发射的光通过的透明体。可替代地,在培养容器23中,除了从光源2022发射的光通过的部分之外的部分,也可以由上述材料形成,或者也可以由金属材料形成。
物理化学环境供应单元203控制孵化器中的温度和湿度以及导入孵化器中的气体,并且创造适合于培养细胞的环境。物理化学环境供应单元203可以例如控制孵化器中的温度为20℃至50℃的任意温度。
检测单元204以无线或有线方式连接至控制记录PC 205,并且被配置为检测孵化器中的温度和气压、光源2022的照度和氧浓度等,并且将它们输出至控制记录PC 205。检测单元204例如是太阳能板型或电池型物联网(IoT)传感器等,并且其类型不受限制。
控制记录PC 205连接到成像单元2021、光源2022、物理化学环境提供单元203、检测单元204和网关终端10a。控制记录PC 205被配置为能够通过基于成像单元2021、光源2022、检测单元204以及物理化学环境供应单元203的输出控制成像单元2021、光源2022、检测单元204以及物理化学环境供应单元203来控制细胞的培养环境。
例如,控制记录PC 205被配置为能够存储从检测单元204输出的培养环境信息,并将该培养环境信息发送到网关终端10a。这里,本实施例的培养环境信息例如是与培养液的pH、孵化器中的温度、湿度、氧浓度相关的信息,并且在以下描述中具有相同的意义。
当接收培养环境信息时,网关终端10a经由网络N将关于培养液的pH以及孵化器中的温度、湿度或氧浓度中的至少一个的信息发送至获取单元24(参见图16)作为培养环境信息。获取单元24将所获取的培养环境信息输出至存储单元28(参见图16),并且培养环境信息存储在存储单元28中。
另外,控制记录PC 205存储关于细胞的信息、培养环境信息、关于培养容器2023a的信息、以上1和2中描述的各种信息。控制记录PC 205被配置为能够将该信息发送到网关终端10a。
显示装置206被配置为能够显示由成像单元2021捕获的观察图像、关于细胞的信息、培养环境信息或者以上1和2中描述的各种类型的信息。显示装置206例如是使用液晶、有机电致发光(EL)等的显示装置。
输入单元207是用于由用户输入操作的诸如键盘或鼠标的操作装置。根据本实施例的输入单元207可以是与显示装置206一体地配置的触摸面板等。
如图14所示,从提高信息处理装置50的分析精度的观点来看,本实施例的终端装置10优选由多个网关终端10a构成,但也可以由单个网关终端10a构成。在这种情况下,单个网关终端10a可以经由控制记录PC 205以无线或有线方式连接至多个观察装置202。
另外,网关终端10a通常是被配置为能够相互转换不同的协议和地址体系的通用网关,但不限于此,并且可以是被设置为用作网关的个人计算机(PC)等。
[信息处理装置]
图16是根据本实施例的信息处理装置20的框图。如图所示,信息处理装置20可以包括中央处理单元(CPU)21。上述的信息处理(例如,估计步骤和/或学习步骤)可以由CPU21执行。CPU D21被配置为执行在以上1和2中描述的估计单元300、学习单元400和数据库500的功能。
此外,信息处理装置还可以包括数据库500。信息处理装置20进一步包括计算机所需的硬件,诸如只读存储器(ROM)25和随机存取存储器(RAM)26。数据库500可以例如存在于ROM 25或RAM 26中。
CPU 21例如将存储在ROM 25中的用于使信息处理装置20执行根据本技术的信息处理的程序加载到RAM 26中并且执行该程序。因此,控制稍后描述的信息处理装置20的每个块动作。
ROM 25是固定地存储信息处理装置20所使用的各种数据、程序等的存储装置。例如,ROM 25可以存储由CPU 21执行的程序。
RAM 26是用作CPU 21的工作区、历史数据的临时存储空间等的诸如静态随机存取存储器(SRAM)的存储元件。当CPU 21执行处理时,RAM 26可以用作工作存储器等。
该程序例如经由各种存储介质(内部存储器)安装在信息处理装置20中。可替代地,可以经由因特网等安装程序。本实施例的信息处理装置20是用于通过云计算执行受精卵F的质量评价的web服务器,但不限于此,并且例如,可以使用任何其他计算机,诸如PC。
信息处理装置20进一步包括获取单元22、输出单元22、I/O接口24和总线210。
获取单元22经由网络N从多个网关终端10a(终端装置10)获取对与固有识别信息相关联的细胞或细胞群体进行成像的一个或多个观察图像。
输出单元23例如经由网络N将根据本技术生成的信息输出至计算机。
信息处理装置20可以进一步包括诸如硬盘驱动器(HDD)和固态驱动器(SSD)的非易失性存储器。因此,可以存储从终端装置10、第一终端30和第二终端40输入的输入信息、分析单元25的处理结果等。
I/O接口24经由网络N可通信连接至终端在10以及第一终端30和第二终端40,并且包括获取单元22和输出单元23。I/O接口24用作终端装置10与第一终端30和第二终端40之间的输入/输出接口。
总线210是用于在信息处理装置20的相应单元之间输入和输出各种信号的信号传输路径。上述CPU 21、ROM 25、RAM 26和I/O接口29通过总线210相互连接。
注意,信息处理装置20的配置和功能不限于上述的配置。
[第一终端]
第一终端30包括:接收单元,其经由网络N接收从输出单元23或第二终端40输出的信息;输入单元,其接收来自本技术的细胞处理系统的用户的输入;以及发送单元,其发送经由输入单元输入的信息和由接收单元接收的信息。
第一终端30通常是诸如膝上型PC或台式PC的计算机,但不限于此,并且可以例如是智能装置或平板终端。
[第二终端]
第二终端40包括:接收单元,其经由网络N接收从输出单元23或第一终端30输出的信息;输入单元,其接收来自本技术的细胞处理系统的用户的输入;以及发送单元,其发送经由输入单元输入的信息和由接收单元接收的信息。
第二终端40通常是智能装置、平板终端等,但不限于此,并且例如可以是任何其他计算机,诸如膝上型PC或台式PC。
第一终端30或第二终端40可以控制观察装置202以执行根据本技术的细胞处理。
4.示例
在各种处理条件下培养细胞样本,并且分析处理条件与培养细胞之间的相关性。下面描述培养和分析的实验方案和分析结果。
(1-1)培养
使用12/24阱板培养包含细胞的样本。作为样本,使用源自健康人的外周血单核细胞组分或源自患者的外周血单核细胞组分。在培养物中使用的材料和试剂如下。
外周血单核细胞(PBMC):表征的PBMC
血浆:供体源性血浆
培养基:TCell扩增培养基
抗体:人CD3/CD28 T细胞活化剂和纯化的抗-人CD3抗体(克隆:OKT3)
细胞因子:人重组IL-2、人重组IL-7和人重组IL-15
PBS(-):DPBS、无钙、无镁
产生具有和不具有0.5%血浆的培养基。将PBMC放置在板的每个阱中,使得为约5×105个细胞/阱或更多。向每个阱中添加不同浓度的抗体和细胞因子。在图17中示出在第0天添加的抗体和细胞因子及其添加量。在附图中示出的每个四边形对应于每个阱。即,使用总共32个刺激模式。例如,在附图的第一列和第一行中,示出了添加25μL/2mL的IC 3/28和410IU/mL的IL2的培养基。
在附图中由缩写指示的抗体和细胞因子如下。
IC3/28:免疫培养人CD3/CD28 T细胞活化剂
IL2:人重组IL-2
IL7:人重组IL-7
IL15:人重组IL-15
OKT3:纯化的抗-人CD3抗体(克隆:OKT3)
每3天或4天扩增每个阱中的培养物并且培养总共14天。在扩增中,具体地,将每个阱中的培养物划分为2份,并且将与划分量相同量的培养基添加至划分的培养液中。划分后,添加细胞因子使得维持初始浓度。在划分后不添加抗体。即,对于每次扩增,抗体浓度稀释2倍。此外,当在第3-4天或之后进行培养基更换时,抗体量为0。在扩增处理时,提取细胞,并且通过流式细胞术测量所提取的细胞。使用市售的流式细胞仪进行测量。在图18中示出用于测量的染色抗体。培养物中的细胞通过图中1至9的九种染色抗体的混合物染色。在附图中,在标记物列、颜色列、抗体量(μl)列、以及克隆列中分别示出了每种抗体的捕获目标、染料、量、以及克隆名称。此外,作为消极控制,还使用未用染色抗体染色的培养物。使用FlowJo(BD)作为分析软件。
图19示出了实验和测量/分析的概况。图中的图表示出了通过流式细胞仪对阱组中的一个(OKT3-0.25μg/mL、IL2-410 IU/mL)的测量结果。该图表的左Y轴表示细胞的比例(%),并且右Y轴表示细胞的数量。X轴代表天。该图表示出了在培养液中待测量的总目标细胞中七种类型的细胞中每一种的比例(或数量)的变化。该图表中的曲线是流式细胞仪的测量结果。在图表中,例如,存在第0天(培养开始日期)、第4天、第7天、第11天和第14天的曲线,即,在这些天扩增细胞,并且在扩增时获取通过流式细胞仪测量的样本。如图表所示,例如,CD4-阳性细胞群体的比例在整个培养期间没有改变(图中的CD4+),但CD8-阳性细胞群体的比例从培养开始后的第0天至第4天大大增加(图中的CD8+)。因此,在培养期间记录由给定标志物的表达的状况识别的细胞类型的比例(或数量)。
此外,图的下部示出了施加至培养液的刺激。例如,继续用抗体刺激直到第一次扩增已经发生,即,直到第4天。另一方面,细胞因子的刺激和培养基的刺激持续14天的培养期。
在图20中示出了阱组的一部分的测量数据。如图所示,根据培养条件,可以看出存在容易增值的细胞群和难以增值的细胞群。注意,在培养条件下,CD4+细胞和CD8+细胞增殖的差异较大。例如,如图的右上部所示,在添加IC 3/28和IL7和IL15的培养基中,CD4+细胞和CD8+细胞类似地增殖。另一方面,如图的右下部所示,在添加OKT3、IL7、IL15的培养基中,CD8+细胞增殖较大,但是CD4+细胞的增殖程度较小。
(1-2)创建数据集
使用各种PBMC测量在各种培养条件下培养的培养物中每种细胞类型的增殖率。创建包括培养中使用的培养条件和测量的生长率的数据集。图21A和图21B中示出了数据集的示例。
图21A示出了与培养条件相关的数据。图中所示的数据包括细胞因子刺激数据和抗体刺激数据。
在附图中,例如,属于“IC 3/28_12.5IL7_50IL15_50”的五行对应于上述阱中的一个。下面的每个五行也对应于一个阱。
在附图中,“天”列表示培养天数,并且3、7、10和14表示用流式细胞仪进行扩增培养和测量的天数。“OKT3”列和“IC 3/28”列示出了培养基中的抗体浓度,并且“IL2”列、“IL7”列以及“IL15”列示出了培养基中的细胞因子浓度。“OKT3_accum.”列和“IC 3/28_accum.”列示出了培养基中的抗体浓度累积值,并且“IL2_accum.”列、“IL7_accum.”列和“IL15_accum.”列示出了培养基中的细胞因子浓度累积值。
抗体浓度累积值是通过将“培养基中的抗体浓度”乘以“在具有抗体浓度的培养基中培养的天数”而获得的值。细胞因子浓度累积值是通过将“培养基中的细胞因子浓度”乘以“在具有细胞因子浓度的培养基中培养的天数”而获得的值。
如上所述,在本技术中使用的数据集可以包括抗体刺激数据。抗体刺激数据具体地是基于抗体浓度的数据,并且优选地是培养中的抗体浓度和培养天数的累积值(即,“抗体浓度”ד培养天数”)。
此外,在本技术中使用的数据集可以包括细胞因子刺激数据。细胞因子刺激数据具体是基于细胞因子浓度的数据,并且优选地是培养中的细胞因子浓度和培养天数的累积值(即,“细胞因子浓度”ד培养天数”)。
另外,通过以这种方式使用累积值,可以生成考虑到时间的已学习模型,并且可以基于在特定时间点的培养的状态来预测培养的未来状态。例如,由于上述数据包括由浓度×天数计算的累积值,因此该数据可以用于生成已学习模型,以预测在从累积值继续以恒定浓度刺激的情况下需要多少天的培养。此外,代替培养天数,例如,可以使用诸如小时或分钟的另一时间单位。
这种培养条件数据可以作为本技术中的处理条件来处理。另外,这种培养条件数据可以用作用于生成已学习模型的解释变量或目的变量(具体地,解释变量)。例如,培养条件数据可包括在用于使根据本技术的第一学习器和/或第二学习器执行机器学习的数据集中,并且具体地,可被处理为数据集中的解释变量或目的变量。
图21B示出了与培养的细胞相关的数据。附图中示出的数据包括与细胞构成相关的数据。
在附图中,例如,属于“IC 3/28_12.5IL7_50IL15_50”的五行对应于上述阱中的一个。下面的每个五行也对应于一个阱。此外,属于“IC 3/28_12.5IL7_50IL15_50”的五行对应于属于以上参考图21A描述的“IC 3/28_12.5IL7_50IL15_50”的五行。
在附图中,“天”列表示培养天数,并且3、7、10和14表示用流式细胞仪进行扩增培养和测量的天数。在附图中,“L+CD8+CD4-”列、“L+CD8-CD4+”列以及“L+CD62L+”列表示培养的细胞群中细胞类型的比例,并且分别表示CD8阳性细胞的比例(CD4阴性)、CD4阳性细胞的比例(CD8阴性)、以及CD62L阳性细胞的比例。此外,“CD4/CD8”列示出了CD4阳性细胞的比例与CD8阳性细胞的比例之比。
在附图中,“L+8+_ratio”列、“L+4+_ratio”列以及“L+62L+_ratio”列分别示出了CD8阳性细胞的比例的变化率、CD4阳性细胞的比例的变化率以及CD62L阳性细胞的比例的变化率。变化率是经过预定天数后的比例与培养第0天的比例之比(即,“经过预定天数后的构成比例”/“第0天的构成比例”)。
此外,“CD4/CD8_比例”列示出了CD4阳性细胞的比例与CD8阳性细胞的比例的比例的变化率。变化率是经过预定天数后的CD4/CD8比例与培养第0天的CD4/CD8比例之比(即,“经过预定天数后的CD4/CD8比例”/“第0天的CD4/CD8比例”)。
这种与细胞相关的数据可以在本技术中作为关于细胞的信息来处理,并且具体地,可以在处理之前或之后作为关于细胞的信息来处理。与细胞相关的数据可以用作用于生成已学习模型的解释变量或目的函数(具体地,目的变量)。例如,与培养的细胞相关的数据可包括在用于使根据本技术的第一学习器和/或第二学习器执行机器学习的数据集中,并且具体地,可被处理为数据集中的解释变量或目的变量。
(1-3)创建已学习模型
使用该数据集创建细胞构成的已学习模型。使用执行深度学习的开源软件来创建已学习模型。
使机器学习软件读取数据集,在该数据集中,解释变量是IC 3/28、OKT3、IL2、IL7、和IL15的浓度的累积值,并且目的变量是CD4+细胞的构成比例的变化率或CD8+细胞的构成比例的变化率,从而生成已学习模型。所生成的已学习模型的确定系数是0.4963(图22A)。从该结果可以看出,培养后的细胞类型的构成比例可以基于与培养条件相关的数据来预测。另外,可以看出所生成的已学习模型的预测精度也相对较高。
另外,随着已学习模型的生成,软件生成表示每个解释变量对预测精度的贡献度(即,对预测精度的贡献度)的贡献度数据。作为贡献度数据,如图22B所示,生成用条形表示每个解释变量的贡献度的条形图数据。根据贡献度数据,例如,可以看出OKT3的贡献度较大。
接下来,使机器学习软件读取数据集,在该数据集中,解释变量是IC 3/28、OKT3、IL2、IL7和IL15的浓度的累积值和CD4+细胞的构成比例的变化率,并且目的变量是CD8+细胞的构成比例的变化率,从而生成已学习模型。所生成的学习模型的确定系数是0.8631(图23A)。从该结果可以看出,通过采用与培养的细胞相关的测量值作为解释变量,可以进一步提高预测精度。如上所述,表明可以使用培养条件和/或测量值来预测培养之后特定细胞的比例。
注意,对于图23A所示的情况,还生成贡献度数据。作为贡献度数据,如图23B所示,生成用条形表示每个解释变量的贡献度的条形图数据。
此外,可以想到,通过使用利用某个数据集生成的已学习模型来预测培养结果,然后获取实际培养结果,并且然后使用通过将与所获取的培养结果相关的数据(例如,培养条件和在培养条件下获得的培养物的细胞构成)添加到某个数据集中而获得的数据集再次生成已学习模型,可以生成预测精度更高的已学习模型。即,可以看出,通过更新根据本技术的细胞处理系统中的数据库,可以生成预测精度更高的已学习模型。
根据本技术的细胞处理系统(具体地,信息处理单元2)可以被配置为生成如上所述生成的已学习模型的预测精度数据。
预测精度数据可以例如包括指示已学习模型的预测精度的数据,诸如上述确定系数。例如,可以通过连接至信息处理单元的输出装置(例如,显示装置)输出(例如,显示)预测精度数据。因此,用户可以掌握所生成的已学习模型的预测精度。
如上所述,预测精度数据可以包括每个解释变量的贡献度数据。利用该贡献度数据,用户可以掌握作为解释变量而被采用的处理条件(例如,刺激因子)中对最终培养结果重要的处理条件。
注意,本公开还可以具有以下配置。
[1]
一种细胞处理系统,包括:
细胞培养单元,能够培养细胞群;
测量单元,能够测量细胞群;以及
估计单元,其中,
该估计单元基于关于细胞群的处理之前的细胞的信息以及关于细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于由预定处理条件导出的细胞群的处理之后的细胞的信息。
[2]
根据[1]的细胞处理系统,其中,估计单元基于关于被商品化的细胞的批准的信息来设置关于预定细胞的信息和/或预定处理条件。
[3]
根据[1]或[2]的细胞处理系统,其中,测量单元被配置为获取关于处理之前的细胞的信息、关于处理之后的细胞的信息以及关于细胞群被处理时的细胞的信息中的至少一个。
[4]
根据[3]的细胞处理系统,其中,测量单元包括图像获取单元和信号检测单元中的至少一个。
[5]
根据[4]的细胞处理系统,其中,由图像获取单元获取的图像是染色图像和/或非染色图像。
[6]
根据[5]的细胞处理系统,其中,染色图像包括荧光图像。
[7]
根据[5]或[6]的细胞处理系统,其中,非染色图像包括明视场图像、相位差图像、偏振图像以及根据从非染色图像或荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像中的至少一个。
[8]
根据[4]至[7]中任一项的细胞处理系统,其中,图像获取单元从CMOS、信号处理传感器以及事件检测传感器中的至少一个获取图像。
[9]
根据[1]的细胞处理系统,进一步包括:控制单元,其执行控制以基于预定处理条件或由估计单元估计的处理条件分选细胞。
[10]
根据[1]的细胞处理系统,进一步包括:控制单元,其执行控制以基于预定处理条件或由估计单元估计的处理条件培养细胞。
[11]
根据[1]的细胞处理系统,进一步包括:控制单元,其执行控制以基于预定处理条件或由估计单元估计的处理条件分选和培养细胞。
[12]
根据[9]的细胞处理系统,其中,控制单元设置所估计的处理条件或关于所处理的细胞的信息的阈值,并且根据该阈值或根据由用户指定的信息执行停止细胞的生产和/或重新采集细胞的处理。
[13]
根据[9]至[12]中任一项的细胞处理系统,其中,控制单元处理经由光选择性接头固定至培养容器的细胞,使得该细胞通过光学控制进行分选。
[14]
根据[10]或[11]的细胞处理系统,其中,培养控制控制物理化学环境和生理环境中的至少一个。
[15]
根据[14]的细胞处理系统,其中,物理化学环境的控制包括对湿度、pH、渗透压、氧分压以及二氧化碳分压中的至少一个的控制。
[16]
根据[14]或[15]的细胞处理系统,其中,生理环境的控制包括对培养液、刺激因子、转录因子以及细胞密度中的至少一个的控制。
[17]
根据[1]至[16]中任一项的细胞处理系统,进一步包括:第一学习器,其通过使用在由估计单元估计的处理条件下处理的细胞和关于使用细胞的治疗的信息作为输入信息来学习细胞与关于治疗的信息之间的相关性。
[18]
根据[17]的细胞治疗系统,其中,估计单元基于第一学习器和关于处理之前的细胞的信息来估计关于由处理条件导出的细胞群的处理之后的细胞的信息。
[19]
根据[1]至[18]中任一项的细胞处理系统,进一步包括:第二学习器,其通过使用关于处理之前的细胞的信息、由估计单元估计的处理条件以及在处理条件下处理的处理之前的细胞作为输入信息来学习关于处理之前的细胞的信息与处理条件之间的相关性。
[20]
根据[19]的细胞处理系统,其中,估计单元基于第二学习器和关于处理之前的细胞的信息来估计能够从关于预定细胞的信息中导出细胞群的处理条件。
[21]
根据[1]至[20]中任一项的细胞处理系统,其中,关于处理之前的细胞的信息包括处理之前的细胞的构成、状态、数量、比例、类型、增加率、存活率、遗传信息以及关于分子的信息中的至少一个。
[22]
根据[21]的细胞处理系统,其中,关于分子的信息包括诸如转录因子或转录控制因子的基因表达控制因子、关于分子标记的信息以及关于细胞表面抗原的信息中的至少一个。
[23]
根据[1]至[22]中任一项的细胞处理系统,其中,关于处理之后的细胞的信息包括处理之后的细胞的构成、状态、数量、比例、增加率、存活率、有效率、复发率以及副作用中的至少一个。
[24]
根据[1]至[23]中任一项的细胞处理系统,其中,处理条件包括与刺激因子和培养天数中的至少一个相关的培养条件。
[25]
根据[1]至[24]中任一项的细胞处理系统,其中,细胞群包括从患者或供体采集的外周血单核细胞组分。
[26]
一种信息处理装置,包括:
估计单元,其基于关于细胞群的处理之前的细胞的信息以及关于细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于由预定处理条件导出的细胞群的处理之后的细胞的信息。
[27]
一种学习数据创建方法,包括通过使用在由信息处理装置估计的处理条件下处理的细胞和关于使用该细胞的治疗的信息作为输入信息来学习细胞与关于治疗的信息之间的相关性。
[28]
一种学习数据创建方法,包括通过使用关于处理之前的细胞的信息、由信息处理装置估计的处理条件以及在该处理条件下处理的处理之前的细胞作为输入信息来学习关于处理之前的细胞的信息与该处理条件之间的相关性。
[29]
一种细胞处理方法,包括:
估计步骤,基于关于包括在样本中的细胞群的处理之前的细胞的信息以及关于预先设定的细胞群的处理之后要达到的预定细胞的信息和针对处理之前的细胞群的预定处理条件中的至少一个来估计能够从关于预定细胞的信息中导出细胞群的处理条件,或关于在预定处理条件下导出的细胞群的处理之后的细胞的信息。
Claims (29)
1.一种细胞处理系统,包括:
细胞培养单元,能够培养细胞群;
测量单元,能够测量所述细胞群;以及
估计单元,其中,
所述估计单元基于关于所述细胞群的处理之后要达到的预定细胞的信息和针对处理之前的所述细胞群的预定处理条件中的至少一个以及关于所述细胞群的处理之前的细胞的信息来估计能够从关于所述预定细胞的信息中导出所述细胞群的处理条件,或关于由所述预定处理条件导出的所述细胞群的处理之后的所述细胞的信息。
2.根据权利要求1所述的细胞处理系统,其中,所述估计单元基于关于被商品化的所述细胞的批准的信息来设置关于所述预定细胞的信息和/或所述预定处理条件。
3.根据权利要求1所述的细胞处理系统,其中,所述测量单元被配置为获取关于处理之前的所述细胞的信息、关于处理之后的所述细胞的信息以及关于所述细胞群被处理时的所述细胞的信息中的至少一个。
4.根据权利要求3所述的细胞处理系统,其中,所述测量单元包括图像获取单元和信号检测单元中的至少一个。
5.根据权利要求4所述的细胞处理系统,其中,由所述图像获取单元获取的图像是染色图像和/或非染色图像。
6.根据权利要求5所述的细胞处理系统,其中,所述染色图像包括荧光图像。
7.根据权利要求5所述的细胞处理系统,其中,所述非染色图像包括明视场图像、相位差图像、偏振图像以及根据从所述非染色图像或荧光图像学习的信息识别并且针对每个细胞特征被伪染色的图像中的至少一个。
8.根据权利要求4所述的细胞处理系统,其中,所述图像获取单元从CMOS、信号处理传感器以及事件检测传感器中的至少一个获取图像。
9.根据权利要求1所述的细胞处理系统,进一步包括:控制单元,执行控制以基于所述预定处理条件或由所述估计单元估计的所述处理条件分选所述细胞。
10.根据权利要求1所述的细胞处理系统,进一步包括:控制单元,执行控制以基于所述预定处理条件或由所述估计单元估计的所述处理条件培养所述细胞。
11.根据权利要求1所述的细胞处理系统,进一步包括:控制单元,执行控制以基于所述预定处理条件或由所述估计单元估计的所述处理条件分选和培养所述细胞。
12.根据权利要求9所述的细胞处理系统,其中,所述控制单元设置所估计的处理条件或关于所处理的细胞的信息的阈值,并且根据所述阈值或根据由用户指定的信息执行停止所述细胞的生产和/或重新采集所述细胞的处理。
13.根据权利要求9所述的细胞处理系统,其中,所述控制单元处理经由光选择性接头固定至培养容器的所述细胞,使得所述细胞通过光学控制进行分选。
14.根据权利要求10所述的细胞处理系统,其中,培养控制控制物理化学环境和生理环境中的至少一个。
15.根据权利要求14所述的细胞处理系统,其中,所述物理化学环境的控制包括对湿度、pH、渗透压、氧分压以及二氧化碳分压中的至少一个的控制。
16.根据权利要求14所述的细胞处理系统,其中,所述生理环境的控制包括对培养液、刺激因子、转录因子以及细胞密度中的至少一个的控制。
17.根据权利要求1所述的细胞处理系统,进一步包括:第一学习器,通过使用在由所述估计单元估计的所述处理条件下处理的所述细胞和关于使用所述细胞的治疗的信息作为输入信息来学习所述细胞与关于所述治疗的信息之间的相关性。
18.根据权利要求17所述的细胞处理系统,其中,所述估计单元基于所述第一学习器和关于处理之前的所述细胞的信息来估计关于由所述处理条件导出的所述细胞群的处理之后的所述细胞的治疗的信息。
19.根据权利要求1所述的细胞处理系统,进一步包括:第二学习器,通过使用关于处理之前的所述细胞的信息、由所述估计单元估计的所述处理条件以及在所述处理条件下处理的处理之前的所述细胞作为输入信息来学习关于处理之前的所述细胞的信息与所述处理条件之间的相关性。
20.根据权利要求19所述的细胞处理系统,其中,所述估计单元基于所述第二学习器和关于处理之前的所述细胞的信息来估计能够从关于所述预定细胞的所述信息中导出所述细胞群的处理条件。
21.根据权利要求1所述的细胞处理系统,其中,关于处理之前的所述细胞的信息包括处理之前的所述细胞的构成、状态、数量、比例、类型、增加率、存活率、遗传信息以及关于分子的信息中的至少一个。
22.根据权利要求21所述的细胞处理系统,其中,关于所述分子的信息包括诸如转录因子或转录控制因子的基因表达控制因子、关于分子标记的信息以及关于细胞表面抗原的信息中的至少一个。
23.根据权利要求1所述的细胞处理系统,其中,关于处理之后的所述细胞的信息包括处理之后的所述细胞的构成、状态、数量、比例、增加率、存活率、有效率、复发率以及副作用中的至少一个。
24.根据权利要求1所述的细胞处理系统,其中,所述处理条件包括与刺激因子和培养天数中的至少一个相关的培养条件。
25.根据权利要求1所述的细胞处理系统,其中,所述细胞群包括从患者或供体采集的外周血单核细胞组分。
26.一种信息处理装置,包括:
估计单元,基于关于细胞群的处理之后要达到的预定细胞的信息和针对处理之前的所述细胞群的预定处理条件中的至少一个以及关于所述细胞群的处理之前的细胞的信息来估计能够从关于所述预定细胞的信息中导出所述细胞群的处理条件,或关于由所述预定处理条件导出的所述细胞群的处理之后的所述细胞的信息。
27.一种学习数据创建方法,包括通过使用在由信息处理装置估计的处理条件下处理的细胞和关于使用所述细胞的治疗的信息作为输入信息来学习所述细胞与关于所述治疗的信息之间的相关性。
28.一种学习数据创建方法,包括通过使用关于处理之前的细胞的信息、由信息处理装置估计的处理条件以及在所述处理条件下处理的处理之前的细胞作为输入信息来学习关于处理之前的所述细胞的信息与所述处理条件之间的相关性。
29.一种细胞处理方法,包括:
估计步骤,基于关于预先设定的包括在样本中的细胞群的处理之后要达到的预定细胞的信息和针对处理之前的所述细胞群的预定处理条件中的至少一个以及关于所述细胞群的处理之前的细胞的信息来估计能够从关于所述预定细胞的信息中导出所述细胞群的处理条件,或关于在所述预定处理条件下导出的所述细胞群的处理之后的所述细胞的信息。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021027388 | 2021-02-24 | ||
JP2021-027388 | 2021-02-24 | ||
PCT/JP2021/048796 WO2022181049A1 (ja) | 2021-02-24 | 2021-12-28 | 細胞処理システム、細胞処理方法、学習データ作成方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116888256A true CN116888256A (zh) | 2023-10-13 |
Family
ID=83048825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180094103.7A Pending CN116888256A (zh) | 2021-02-24 | 2021-12-28 | 细胞处理系统、细胞处理方法和学习数据创建方法 |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4299712A1 (zh) |
JP (1) | JPWO2022181049A1 (zh) |
CN (1) | CN116888256A (zh) |
WO (1) | WO2022181049A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024079840A1 (ja) * | 2022-10-13 | 2024-04-18 | 株式会社日立製作所 | 培養装置の制御方法、および細胞培養を伴う培養装置の制御方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5557229B2 (ja) | 2009-05-08 | 2014-07-23 | 学校法人神奈川大学 | 光分解性ヘテロ二価性架橋剤 |
WO2011058721A1 (ja) | 2009-11-13 | 2011-05-19 | 株式会社 日立ハイテクノロジーズ | 細胞接着性光制御基材,細胞の解析分別方法及び細胞の解析分別装置 |
JP5985140B2 (ja) | 2010-04-28 | 2016-09-06 | ソニー株式会社 | 蛍光強度補正方法、蛍光強度算出方法及び蛍光強度算出装置 |
WO2017169259A1 (ja) | 2016-03-28 | 2017-10-05 | ソニー株式会社 | 細胞培養容器、細胞培養システム、細胞培養キット及び細胞培養方法 |
US20190113510A1 (en) * | 2016-05-18 | 2019-04-18 | Sony Corporation | Biological material analysis device, biological material analysis system, biological material selection method, biological material analysis program, and cell culture vessel |
WO2018101004A1 (ja) * | 2016-12-01 | 2018-06-07 | 富士フイルム株式会社 | 細胞画像評価装置および細胞画像評価制御プログラム |
WO2018142702A1 (ja) | 2017-01-31 | 2018-08-09 | 株式会社ニコン | 培養支援装置、観察装置、及びプログラム |
US20210198605A1 (en) * | 2017-10-26 | 2021-07-01 | Sony Corporation | Information processing apparatus, information processing method, program, and observation system |
JP7338336B2 (ja) | 2018-09-10 | 2023-09-05 | ソニーグループ株式会社 | 微小粒子分取装置、細胞治療薬製造装置、微小粒子分取方法、及びプログラム |
JP2020041881A (ja) * | 2018-09-10 | 2020-03-19 | ソニー株式会社 | 制御装置、該制御装置を用いた微小粒子分取装置及び微小粒子分取システム、並びに制御方法、及び制御プログラム |
JPWO2021049365A1 (zh) | 2019-09-11 | 2021-03-18 |
-
2021
- 2021-12-28 WO PCT/JP2021/048796 patent/WO2022181049A1/ja active Application Filing
- 2021-12-28 CN CN202180094103.7A patent/CN116888256A/zh active Pending
- 2021-12-28 EP EP21928142.5A patent/EP4299712A1/en active Pending
- 2021-12-28 JP JP2023502124A patent/JPWO2022181049A1/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
EP4299712A1 (en) | 2024-01-03 |
JPWO2022181049A1 (zh) | 2022-09-01 |
WO2022181049A1 (ja) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lee et al. | An automated Raman-based platform for the sorting of live cells by functional properties | |
JP6019143B2 (ja) | 試料内の微生物因子の迅速な同定および/または特徴付けのためのシステムおよび方法 | |
US7986824B2 (en) | Predetermined site luminescence measuring method, predetermined site luminescence measuring apparatus, expression amount measuring method, and measuring apparatus | |
Lee et al. | Optofluidic Raman-activated cell sorting for targeted genome retrieval or cultivation of microbial cells with specific functions | |
JP4099236B2 (ja) | 複数の細胞を培養し、その中の単個細胞の状態を決定する装置及び方法 | |
US10545091B2 (en) | Device and method for analyzing biological objects with Raman spectroscopy | |
US20050014201A1 (en) | Interactive transparent individual cells biochip processor | |
JP2012522518A (ja) | 細胞および生体粒子を選別するための方法および装置 | |
CN110446803A (zh) | 自动收集指定数目的细胞 | |
CN105960463A (zh) | 用于精子分选的系统和方法 | |
US20090194706A1 (en) | Method and device for the selective withdrawal of compontents from complex mixtures | |
CN115508550A (zh) | 免疫细胞免疫刺激应答性的测定、免疫细胞免疫突触形成能力的判定、以及细胞分析装置 | |
WO2017169770A1 (ja) | 細胞分析システム | |
CN112967785A (zh) | 细胞解析方法、装置、系统及程序 | |
EP4299712A1 (en) | Cell processing system, cell processing method, and learning data creation method | |
JP4630015B2 (ja) | 細胞分離回収方法および細胞分離チップおよび細胞分離装置 | |
US11837331B2 (en) | Integration system and integration method | |
JP5799086B2 (ja) | 分類学的階層分類を用いる微生物因子の同定及び/又はキャラクタリゼーション | |
WO2023189281A1 (ja) | 情報処理装置、情報処理方法、細胞培養システム、及びプログラム | |
CN212800383U (zh) | 一种快速检测系统 | |
JP4840398B2 (ja) | 抗原の分離装置並びにこれを利用した抗原の計測方法及び装置 | |
CN212077049U (zh) | 耦合装置及显微-光镊单细胞分选系统 | |
JP4171974B2 (ja) | 抗原の分離装置並びにこれを利用した抗原の計測方法及び装置 | |
Wulff et al. | Guide to flow cytometry | |
CN112410206A (zh) | 一种快速检测系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |