JP2022521852A - 細胞培養システムおよびその使用 - Google Patents
細胞培養システムおよびその使用 Download PDFInfo
- Publication number
- JP2022521852A JP2022521852A JP2021559066A JP2021559066A JP2022521852A JP 2022521852 A JP2022521852 A JP 2022521852A JP 2021559066 A JP2021559066 A JP 2021559066A JP 2021559066 A JP2021559066 A JP 2021559066A JP 2022521852 A JP2022521852 A JP 2022521852A
- Authority
- JP
- Japan
- Prior art keywords
- cell culture
- cell
- protocol
- cells
- databases
- 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
- 238000004113 cell culture Methods 0.000 title claims abstract description 354
- 238000000034 method Methods 0.000 claims abstract description 171
- 238000012544 monitoring process Methods 0.000 claims abstract description 19
- 239000012530 fluid Substances 0.000 claims description 56
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 21
- 229910052760 oxygen Inorganic materials 0.000 claims description 21
- 239000001301 oxygen Substances 0.000 claims description 21
- 239000002028 Biomass Substances 0.000 claims description 18
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 16
- 239000008103 glucose Substances 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 16
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 7
- 102000004127 Cytokines Human genes 0.000 claims description 4
- 108090000695 Cytokines Proteins 0.000 claims description 4
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 claims description 4
- 239000003153 chemical reaction reagent Substances 0.000 claims description 4
- 239000013589 supplement Substances 0.000 claims description 4
- 239000003102 growth factor Substances 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 210000002966 serum Anatomy 0.000 claims description 3
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 claims 2
- 235000014655 lactic acid Nutrition 0.000 claims 1
- 239000004310 lactic acid Substances 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 112
- 239000002609 medium Substances 0.000 description 56
- 238000010801 machine learning Methods 0.000 description 38
- 239000000463 material Substances 0.000 description 26
- 230000004069 differentiation Effects 0.000 description 23
- 239000002699 waste material Substances 0.000 description 18
- 239000004793 Polystyrene Substances 0.000 description 17
- 210000004443 dendritic cell Anatomy 0.000 description 17
- 229920002223 polystyrene Polymers 0.000 description 17
- 239000013598 vector Substances 0.000 description 17
- 238000004422 calculation algorithm Methods 0.000 description 15
- 238000007637 random forest analysis Methods 0.000 description 13
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 12
- 210000001744 T-lymphocyte Anatomy 0.000 description 11
- 238000012546 transfer Methods 0.000 description 9
- 238000010606 normalization Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 7
- 238000003066 decision tree Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 7
- 239000007789 gas Substances 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 7
- 238000012706 support-vector machine Methods 0.000 description 7
- 239000000427 antigen Substances 0.000 description 6
- 102000036639 antigens Human genes 0.000 description 6
- 108091007433 antigens Proteins 0.000 description 6
- 239000013612 plasmid Substances 0.000 description 6
- 239000000047 product Substances 0.000 description 6
- 239000006228 supernatant Substances 0.000 description 6
- 239000003242 anti bacterial agent Substances 0.000 description 5
- 229940088710 antibiotic agent Drugs 0.000 description 5
- 210000000612 antigen-presenting cell Anatomy 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 239000001963 growth medium Substances 0.000 description 5
- 238000003306 harvesting Methods 0.000 description 5
- 230000035800 maturation Effects 0.000 description 5
- 230000010412 perfusion Effects 0.000 description 5
- 230000000638 stimulation Effects 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000001052 transient effect Effects 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000001070 adhesive effect Effects 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 210000001616 monocyte Anatomy 0.000 description 4
- 230000002572 peristaltic effect Effects 0.000 description 4
- 230000035699 permeability Effects 0.000 description 4
- 229920001296 polysiloxane Polymers 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000010349 pulsation Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000009331 sowing Methods 0.000 description 3
- 230000001954 sterilising effect Effects 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- NIXOWILDQLNWCW-UHFFFAOYSA-M Acrylate Chemical compound [O-]C(=O)C=C NIXOWILDQLNWCW-UHFFFAOYSA-M 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000021164 cell adhesion Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012258 culturing Methods 0.000 description 2
- 238000013479 data entry Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000001802 infusion Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 210000003819 peripheral blood mononuclear cell Anatomy 0.000 description 2
- 239000004033 plastic Substances 0.000 description 2
- 229920003023 plastic Polymers 0.000 description 2
- -1 poly (dimethylsiloxane) Polymers 0.000 description 2
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000000153 supplemental effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 238000001890 transfection Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000007514 turning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000003466 welding Methods 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 1
- 241000473391 Archosargus rhomboidalis Species 0.000 description 1
- 102000008186 Collagen Human genes 0.000 description 1
- 108010035532 Collagen Proteins 0.000 description 1
- 102000016359 Fibronectins Human genes 0.000 description 1
- 108010067306 Fibronectins Proteins 0.000 description 1
- 102000004457 Granulocyte-Macrophage Colony-Stimulating Factor Human genes 0.000 description 1
- 108010017213 Granulocyte-Macrophage Colony-Stimulating Factor Proteins 0.000 description 1
- 101000914484 Homo sapiens T-lymphocyte activation antigen CD80 Proteins 0.000 description 1
- 102000007547 Laminin Human genes 0.000 description 1
- 108010085895 Laminin Proteins 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 102100027222 T-lymphocyte activation antigen CD80 Human genes 0.000 description 1
- 150000001252 acrylic acid derivatives Chemical class 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000037005 anaesthesia Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000011712 cell development Effects 0.000 description 1
- 230000004663 cell proliferation Effects 0.000 description 1
- 238000002659 cell therapy Methods 0.000 description 1
- 238000003501 co-culture Methods 0.000 description 1
- 229920001436 collagen Polymers 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003828 downregulation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001024 immunotherapeutic effect Effects 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 230000036512 infertility Effects 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000002207 metabolite Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 229920001308 poly(aminoacid) Polymers 0.000 description 1
- 229920003229 poly(methyl methacrylate) Polymers 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 239000004926 polymethyl methacrylate Substances 0.000 description 1
- 239000011116 polymethylpentene Substances 0.000 description 1
- 229920000306 polymethylpentene Polymers 0.000 description 1
- 238000009163 protein therapy Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012109 statistical procedure Methods 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000002459 sustained effect Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 230000004797 therapeutic response Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000003827 upregulation Effects 0.000 description 1
- 229960005486 vaccine Drugs 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
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
- C12M23/00—Constructional details, e.g. recesses, hinges
- C12M23/28—Constructional details, e.g. recesses, hinges disposable or single use
-
- 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
- C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
-
- 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
- C12M41/26—Means for regulation, monitoring, measurement or control, e.g. flow regulation of pH
-
- 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
- C12M41/34—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of gas
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Microbiology (AREA)
- Biomedical Technology (AREA)
- Biotechnology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Sustainable Development (AREA)
- Computer Hardware Design (AREA)
- Clinical Laboratory Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Micro-Organisms Or Cultivation Processes Thereof (AREA)
Abstract
細胞培養を監視および制御するためのシステムは、コントローラと動作可能に関連付けられる、細胞培養装置を備える。コントローラは、コントローラに、培養されるべき細胞と関連付けられるデータを受信させ、細胞培養プロトコルデータを受信するために、1つ以上のデータベースに接続させ、培養されるべき細胞に関する細胞培養プロトコルを決定させるように、プロセッサによって実行可能な命令を含有する、メモリに結合される、ハードウェアプロセッサを備える。細胞培養プロトコルを決定する方法は、培養されるべき細胞と関連付けられるデータを受信するステップと、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続するステップと、培養されるべき細胞に関する細胞培養プロトコルを決定するステップとを含む。
Description
(関連出願の相互参照)
本願は、そのそれぞれの内容が、参照することによって組み込まれる、2019年4月3日に出願された、米国仮特許出願第62/828,696号の利益および優先権を主張する。
本願は、そのそれぞれの内容が、参照することによって組み込まれる、2019年4月3日に出願された、米国仮特許出願第62/828,696号の利益および優先権を主張する。
本発明は、概して、細胞培養方法およびシステムに関する。
細胞培養は、生物学的研究における重要なツールであり、癌、ワクチン、およびタンパク質療法論に関連する研究において使用されている。細胞培養のプロセスは、精密な条件下でその元の身体の外で細胞を維持するステップを伴う。
典型的には、実験室の技術者は、細胞培養手順を行うとき、特定の細胞タイプに関する既存のプロトコルに従う。しかしながら、既存の細胞培養手順は、実験室の技術者によって行われる多くの物理的ステップ、広範な監視を伴い、面倒であり、時間がかかる。自動化の欠如および実験室の技術者に起因するバイアス、すなわち、いかなる追加の入力も伴わない導入済みの細胞培養プロトコルの使用は、細胞培養手順の開発および最適化を妨げる。
本発明は、調整された細胞培養手順を提供するために、細胞培養プロトコルを決定する方法およびシステムを提供する。本発明によるデバイスは、精密な細胞培養条件の監視および制御を可能にするために、センサおよびコントローラを装備する。また、本発明のシステムは、細胞培養手順に関連するデータを含有するデータベースと通信するように構成される。本発明のシステムおよび方法は、データベースから取得されたデータ、センサからのリアルタイムフィードバック、またはそれらの組み合わせを使用し、目下の細胞培養手順を決定し、随意に、最適化し、調整された細胞培養手順を提供する。また、調整された細胞培養手順からのデータは、順に、データベース内に記憶され、将来の細胞培養手順のために使用されてもよい。
1つ以上のデータベースと通信することによって、データベースからの細胞培養手順データは、精査され、分析され、目下の細胞培養手順の調整のための入力としてのデータの使用に関して検討されることができる。例えば、データベースは、利用可能な無数の細胞培養プロトコルデータを有する公的に利用可能なデータベースであってもよい、またはデータベースは、代わりに、その細胞タイプに関してすでに行われた細胞培養手順に関する情報を含有するデータベース等の内部データベースであってもよい。いくつかの事例では、公的および内部データベースの組み合わせが、アクセスされ、情報が、両方のデータベースから引き出され、調整された細胞培養プロトコルを作成する。本発明のシステムおよび方法は、次いで、随意に、センサからのリアルタイムフィードバックデータとともに、その入力を使用し、細胞培養手順を作成し、実行し、随意に、最適化し、それによって、調整または個人化された細胞培養手順を実行する。とりわけ、本発明は、データベースからのデータを検討し、タイムリーな様式でカスタマイズされた細胞培養手順を提供する。実験室の技術者が、公的データベースから利用可能な無数の細胞培養プロトコルデータからのデータの一部分でも検討した場合、目下の細胞培養手順を決定する持続時間は、指数関数的に増加するであろう。
ある実施形態では、プロセスは、実験室の技術者からのいかなる干渉または入力も伴わずに、完全に自動化される。他の実施形態では、実験室の技術者からの入力が、有用である、または要求され得る。そのような実施形態では、本発明のシステムは、アラート能力、監視能力、および/または意思決定能力を有するように設計されてもよい。そのような能力を本発明のシステムに提供することによって、ユーザ(例えば、実験室の技術者)入力は、最小限に保たれ、細胞培養手順を決定する際に、数え切れないほどの時間を節約し、過去の細胞培養実験から等のユーザが有し得るいかなるバイアスも省く。
本発明のいくつかの実施形態では、細胞培養システム、デバイス、および方法は、アラート能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、または温度のレベルが、ユーザ規定またはシステム学習範囲外に該当する場合、本システムは、アラートをユーザに送信する。ある場合には、アラートは、電子メールアラート、音声アラート、テキストアラート、またはそれらの組み合わせの端末形態を有してもよい。
本発明のいくつかの実施形態では、本システム、デバイス、および方法は、監視能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、および温度のプロファイルが、本システムから読み取られる。プロファイルは、クラウド等のネットワークに伝送されてもよく、そこで、プロファイルは、連続的読出フォーマットにおいて任意の互換性デバイス(例えば、スマートフォン)によって読み出されてもよい。
本発明のある実施形態では、本システム、デバイス、および方法は、意思決定能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、または温度のレベルが、ユーザ規定またはシステム学習閾値外に該当する場合、本システムは、ある決定を行う。決定の実施例は、培養プロセスを終了すること、さらなる試薬の使用を停止すること、ユーザにアラートすること、および本システムをシャットダウンすることを決定するステップを含む。
本発明のある側面は、細胞培養を監視および制御するためのシステムを対象とする。本システムは、コントローラと動作可能に関連付けられる、細胞培養装置を備える。コントローラは、コントローラに、培養されるべき細胞と関連付けられるデータを受信させ、細胞培養プロトコルデータを受信するために、1つ以上のデータベースに接続させ、培養されるべき細胞に関する細胞培養プロトコルを決定させるように、プロセッサによって実行可能な命令を含有する、メモリに結合される、ハードウェアプロセッサを備える。
コントローラは、任意の好適なコントローラであってもよい。本発明のある実施形態では、コントローラは、統合される。他の実施形態では、コントローラは、分散される。
本発明のいくつかの実施形態は、単回使用コンポーネントを対象とする。いくつかの実施例では、細胞培養装置は、単回使用細胞培養装置である。ある実施例では、細胞培養装置は、細胞に関するデータを提供するために、コントローラに通信可能に結合される、1つ以上のセンサを備える。本発明のいくつかの実施例では、1つ以上のセンサは、単回使用センサである。
本発明のある実施形態では、コントローラはさらに、細胞培養の間の1つ以上のセンサからのフィードバックに基づいて、細胞培養プロトコルを更新するように構成される。フィードバックは、センサからの任意の好適なフィードバックであってもよい。ある実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。
任意の好適なデータベースが、細胞培養プロトコルデータを受信するために、接続される本発明のシステムにおいて使用されてもよい。ある実施形態では、1つ以上のデータベースは、本システムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである。ある実施形態では、1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える、公的に利用可能なデータベースである。当業者は、本発明との併用のために好適であるデータベースを認識するであろう。例えば、当業者は、Cell-culture Database: Literature-based reference tool for human and mammalian experimentally based cell culture applications; AmirkiaおよびQiubao, Bioinformation, 2012, 8(5): 237-238(参照することによってその全体として本明細書に組み込まれる)に説明される細胞培養データベースを使用してもよい。
本発明のある側面は、細胞培養プロトコルを決定する方法を対象とする。本方法は、培養されるべき細胞と関連付けられるデータを受信するステップと、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続するステップと、培養されるべき細胞に関する細胞培養プロトコルを決定するステップとを含む。
本発明のいくつかの実施形態では、方法はさらに、細胞培養の間のフィードバックに基づいて、細胞培養プロトコルを更新するステップを含む。フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである。いくつかの実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。
任意の好適なデータベースが、本発明の方法において使用されてもよい。いくつかの実施形態では、1つ以上のデータベースは、細胞培養を監視および制御するためのシステムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである。いくつかの実施形態では、1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える、公的に利用可能なデータベースである。
本発明のいくつかの実施形態では、決定された細胞培養プロトコルは、培養されるべき細胞と関連付けられる受信されたデータに基づいて、個人化される。本発明のいくつかの実施形態では、決定された個人化された細胞培養プロトコルは、ヒト対象に関する培養されるべき細胞と関連付けられる受信されたデータに基づいて、個人化される。
本発明のある側面は、個人化された細胞培養プロトコルを決定する方法を対象とする。本方法は、ヒト対象に関する培養されるべき細胞と関連付けられるデータを受信するステップと、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続するステップと、ヒト対象に関する培養されるべき細胞に関する個人化された細胞培養プロトコルを決定するステップとを含む。いくつかの実施形態では、本発明の方法はさらに、細胞培養の間のフィードバックに基づいて、個人化された細胞培養プロトコルを更新するステップを含む。フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである。いくつかの実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。
本発明の方法はさらに、決定された細胞培養プロトコルを報告するステップを含む。報告は、温度、pH、培地タイプ、流体流率、および手順のステップ毎の持続時間の非限定的実施例を含む、調整された細胞培養手順において行われるステップについての情報を含む。いくつかの実施例では、報告は、印刷された報告である、または携帯電話、タブレット、またはラップトップ等の本システムのユーザディスプレイ画面上に示される。
いくつかの実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために公的データベースからのデータを使用する。好適な公的データベースは、1つ以上の細胞培養プロトコルに関するデータを備える。ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために内部データベースからのデータを使用する。内部データベースは、実験室設定において以前に使用された細胞プロトコルに関する情報を含んでもよい。例えば、データベースは、細胞装置設定から取得された情報および実験ノートからの情報を含んでもよい。内部データベース内の情報は、培養の間に使用される細胞タイプ、培地タイプ、pH、温度、培養ステップの持続時間、および流体流率等の細胞培養プロトコルに関する任意の関連する情報を含んでもよい。他の実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のためにデータベースの組み合わせからのデータを使用する。データベースは、公的に利用可能なデータベース、内部データベース、またはそれらの組み合わせであってもよい。ある実施形態では、本発明のシステムおよび方法は、1つ以上のデータベースからのデータを使用し、また、細胞培養プロトコルを決定する際の使用のためのセンサからのフィードバックデータを含む。フィードバックデータは、細胞培養手順の条件を監視する複数のセンサからのデータを含む。
ある実施形態では、細胞培養装置と動作可能に関連付けられるコントローラが、細胞タイプ等の培養されるべき細胞と関連付けられるデータを受信する。コントローラは、次いで、データベースに接続し、これは、1つ以上の細胞培養プロトコルを備える、任意の好適な公的または内部データベースであってもよい。コントローラは、データベースから細胞培養プロトコルデータを受信し、データを使用し、目下の細胞培養プロトコルを決定する。ある場合には、決定された細胞培養プロトコルは、公的データベースまたは内部データベースから直接引き出されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に記憶される等、将来の使用のために記憶されてもよい。
ある場合には、コントローラはまた、温度、圧力、pH、温度、および流体流率等の細胞培養装置上の複数のセンサからのデータを受信してもよい。センサから取得されたデータは、データベースから取得された細胞培養プロトコルを修正するために使用され、それによって、データベースから取得されたデータおよびフィードバックデータに基づいて、細胞培養プロトコルを決定する。そのような決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に等、将来の使用のために記憶されてもよい。
本発明は、調整または個人化された細胞培養手順を提供し得る、細胞培養のための方法およびシステムを提供する。本発明の方法は、細胞培養プロトコルを決定するステップを含む。本発明の方法では、培養されるべき細胞と関連付けられるデータが、受信される。本発明のシステムは、次いで、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続する。加えて、細胞培養手順のために使用されるデバイスは、随意に、複数のセンサを装備してもよい。センサは、コントローラに通信可能に結合される。センサは、細胞培養条件に関連するリアルタイムデータを提供する。1つ以上のデータベースから取得されたデータは、培養されるべき細胞に関する細胞培養プロトコルを決定するために使用され、随意に、センサからのリアルタイムフィードバックから取得されたデータは、実行されている細胞培養プロトコルを最適化または調節するために使用されてもよい。センサフィードバックによって調節されたそのプロトコルは、次いで、将来の細胞培養のための新しい細胞培養プロトコルとして記憶されてもよい。
そのようなデバイス、システム、および方法を提供することによって、本発明は、調整され、カスタマイズされ、随意に、最適化される培養手順を可能にする。そのようなアプローチは、細胞培養プロトコルを決定する際に、実験室の技術者からの広範な相互作用および入力を回避する。順に、そのような調整された細胞培養手順に関連するデータは、将来の細胞培養手順を実行し、開発し、決定する際の使用のために、内部データベース等のデータベース内に記憶されてもよい。
図1は、細胞培養プロトコルを決定する方法を図示する。本発明による方法は、培養されるべき細胞と関連付けられるデータを受信するステップ(510)を含む。データは、細胞のタイプ、細胞の数、pH、温度、および培地のタイプの非限定的実施例等の任意の好適なデータを含んでもよい。
方法はさらに、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続するステップ(520)を含む。任意の好適なデータベースが、本発明の方法において使用されてもよい。いくつかの実施形態では、1つ以上のデータベースは、細胞培養を監視および制御するためのシステムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである。いくつかの実施形態では、1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える、公的に利用可能なデータベースである。
方法はさらに、培養されるべき細胞に関する細胞培養プロトコルを決定するステップ(530)を含む。本発明の実施形態では、機械学習が、細胞培養プロトコルを決定するために使用される。細胞についての初期データが、提供され、機械学習が、1つ以上のデータベースからのデータを分析し、データベースからのそのデータを初期データに相関させ、細胞培養プロトコルを決定し、調整し、随意に、最適化するために使用される。
本発明のいくつかの実施形態では、方法はさらに、細胞培養の間のフィードバックに基づいて、細胞培養プロトコルを更新するステップ(540)を含む。フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである。いくつかの実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。本発明のいくつかの実施形態では、決定された細胞培養プロトコルは、培養されるべき細胞と関連付けられる受信されたデータに基づいて、個人化される。
本発明の方法はさらに、決定された細胞培養プロトコルを報告するステップ(550)を含む。任意の好適な報告方法が、使用されてもよい。いくつかの実施形態では、細胞培養システムは、アラート能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、または温度のレベルが、ユーザ規定またはシステム学習範囲外に該当する場合、本システムは、アラートをユーザに送信する。ある場合には、アラートは、電子メールアラート、音声アラート、テキストアラート、またはそれらの組み合わせの端末形態を有してもよい。本発明のいくつかの実施形態では、本システムおよび方法は、監視能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、および温度のプロファイルが、本システムから読み取られる。プロファイルは、クラウド等のネットワークに伝送されてもよく、そこで、プロファイルは、連続的読出フォーマットにおいて任意の互換性デバイス(例えば、スマートフォン)によって読み出されてもよい。本発明のある実施形態では、本システムおよび方法は、意思決定能力を有する。例えば、pH、溶解酸素、総バイオマス、細胞直径、または温度のレベルが、ユーザ規定またはシステム学習閾値外に該当する場合、本システムは、ある決定を行う。決定の実施例は、培養プロセスを終了すること、さらなる試薬の使用を停止すること、ユーザにアラートすること、および本システムをシャットダウンすることを決定するステップを含む。
本発明のある側面は、個人化された細胞培養プロトコルを決定する方法を対象とする。本方法は、ヒト対象に関する培養されるべき細胞と関連付けられるデータを受信するステップと、細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続するステップと、ヒト対象に関する培養されるべき細胞に関する個人化された細胞培養プロトコルを決定するステップとを含む。いくつかの実施形態では、本発明の方法はさらに、細胞培養の間のフィードバックに基づいて、個人化された細胞培養プロトコルを更新するステップを含む。フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである。いくつかの実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。本発明のいくつかの実施形態では、決定された個人化された細胞培養プロトコルは、ヒト対象に関する培養されるべき細胞と関連付けられる受信されたデータに基づいて、個人化される。本発明の方法はさらに、決定された個人化された細胞培養プロトコルを報告するステップを含む。
例えば、本発明のシステムおよび方法は、細胞ベースの免疫療法用生成物の発生のために使用されてもよい。細胞療法用生成物を発生させる際のステップは、細胞培養チャンバを含有する生物学的反応器内での刺激された抗原提示細胞とT細胞含有細胞との共培養を含む。拡大した療法用T細胞生成物を含有する上澄液が、培養の間に発生される。ある側面では、患者において療法応答を誘発するために十分な量の抗原特異的T細胞を生成するために、T細胞は、1つ以上の付加的細胞培養チャンバ内で付加的培養を受けなければならない。本付加的培養をもたらすために、上澄液が発生された培養チャンバから、抗原提示細胞の新鮮な供給物を含有する後続細胞培養チャンバへの上澄液の移送が、行われなければならない。細胞培養チャンバの間の上澄液の移送は、流体コネクタを通して、新しい細胞培養チャンバの中に、第1の細胞生成物を備える上澄液を移送する、第1の細胞培養チャンバの中へのガス流の導入を伴い得る。さらに、培養ステップのそれぞれの間に、例えば、培地およびサイトカインを含有する灌流流体が、チャンバに灌流されることができる。ある側面では、灌流流体は、細胞が培養の間にチャンバ内に留まることを確実にするように、垂直流路に沿ってチャンバを通して流動する。本発明のある実施形態では、細胞は、採取される。細胞採取は、典型的には、カートリッジの中に冷温緩衝液を注入することによって遂行される。本発明のいくつかの実施形態では、ペルチェデバイスが、カートリッジを約20℃~約30℃のいずれかまで冷却するために、カートリッジの下に統合されてもよく、これは、より多くの流体体積において細胞を希釈する必要性を伴わずに放出を可能にする。
本発明のある側面は、図2および図3に示される非限定的実施形態等の細胞培養を監視および制御するためのシステムを対象とする。本システムは、コントローラと動作可能に関連付けられる、細胞培養装置を備える。コントローラは、コントローラに、培養されるべき細胞と関連付けられるデータを受信させ、細胞培養プロトコルデータを受信するために、1つ以上のデータベースに接続させ、培養されるべき細胞に関する細胞培養プロトコルを決定させるように、プロセッサによって実行可能な命令を含有する、メモリに結合される、ハードウェアプロセッサを備える。コントローラは、任意の好適なコントローラであってもよい。本発明のある実施形態では、コントローラは、統合される。他の実施形態では、コントローラは、分散される。
本発明のいくつかの実施形態は、単回使用コンポーネントを対象とする。単回使用コンポーネントを提供することによって、本システムの無菌状態は、維持されてもよく、本システムは、規定された細胞に関して所望される細胞培養手順にカスタマイズされてもよい。いくつかの実施例では、細胞培養装置は、単回使用細胞培養装置または細胞培養カートリッジである。ある実施例では、細胞培養装置は、細胞に関するデータを提供するために、コントローラに通信可能に結合される、1つ以上のセンサを備える。いくつかの実施例では、1つ以上のセンサは、単回使用センサである。
本発明のある実施形態では、コントローラはさらに、細胞培養の間の1つ以上のセンサからのフィードバックに基づいて、細胞培養プロトコルを更新するように構成される。フィードバックは、センサからの任意の好適なフィードバックであってもよい。ある実施形態では、フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる。本発明のいくつかの実施形態では、決定された細胞培養プロトコルは、培養されるべき細胞と関連付けられる受信されたデータに基づいて、個人化される。
任意の好適なデータベースが、細胞培養プロトコルデータを受信するために、接続される本発明のシステムにおいて使用されてもよい。細胞培養プロトコルデータは、細胞タイプ、効果的な培地および抗生物質、培地および抗生物質の濃度、および温度、pH、流体流率、圧力等の培養に関する条件を含む。当業者は、本発明との併用のために好適であるデータベースを認識するであろう。
ある実施形態では、1つ以上のデータベースは、本システムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである。そのようなデータベースは、内部データベースとして説明されてもよい。データベース内に含有される情報は、実験ノートまたは細胞培養装置において入力された設定から取得されてもよい。データベースは、細胞タイプ、培地タイプ、温度、pH、圧力、流体流率、および培養ステップの持続時間等の細胞培養プロトコルに関する情報を含有してもよい。
ある実施形態では、1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える、公的に利用可能なデータベースである。いくつかの実施形態では、当業者は、AmirkiaおよびQiubao, Cell-culture Database: Literature-based reference tool for human and mammalian experimentally based cell culture applications; Bioinformation, 2012; 8(5): 237-238(参照することによってその全体として本明細書に組み込まれる)に説明される細胞培養データベースを使用してもよい。Cell-culture Databaseは、http://cell-lines.toku-e.comにおいて公的に利用可能であり、細胞のために最も効果的な培地および抗生物質を選定し、選択および形質移入実験のための抗生物質の濃度および組み合わせを決定し、着目細胞株または着目プラスミドまたはベクターに関連する文献を検索するために有用である。Cell-culture Databaseを使用するために、細胞株、プラスミド、またはベクターの名称が、検索ボックス内に打ち込まれ、関連するデータが、閲覧される。データベースは、当該細胞を成長させるために使用された他の培地等、同一の細胞株またはプラスミドを使用した他の実験についての情報を提供する。
いくつかの実施形態では、データベースからのデータは、使用のために利用可能ではない。例えば、実験が、初めて実行されている場合、またはあるタイプの細胞が、初めて培養されている場合である。そのような実施形態では、本発明の方法およびシステムは、細胞培養プロセス全体を通してユーザ定義パラメータを感知することによって細胞培養プロトコルを最適化し、ユーザ定義パラメータの設定レベルを維持するためにプロトコルの変更を実装する。
ある実施形態では、細胞培養プロトコルを最適化する方法は、培養されるべき細胞と関連付けられるデータを受信するステップを含む。ユーザ定義パラメータは、細胞培養の間に維持されるべきレベルに設定される。ユーザ定義パラメータは、pH、濁度、グルコース濃度、乳酸濃度、細胞健常性または同一性の他の測定値、またはそれらの組み合わせを備える。細胞培養プロトコルが、実装され、ユーザ定義パラメータのレベルは、細胞培養の間に測定される。パラメータのレベルは、細胞培養プロトコルの間に周期的に測定されてもよい。細胞培養プロトコルは、ユーザ定義パラメータのレベルを維持するために、細胞培養条件を変更するかどうかを決定することによって最適化される。いくつかの事例では、方法は、細胞培養条件を変更するステップを含む。ある実施例では、細胞培養条件を変更するステップは、グルコース濃度または乳酸濃度を変更するために、培地の流率を操作するステップを含む。別の実施例では、細胞培養条件を変更するステップは、補足物質を添加するステップを含む。補足物質は、サイトカイン、成長因子、および血清を備える。方法はさらに、将来の使用のためにデータベース内に最適化された細胞プロトコルを記憶するステップを含む。
図2は、本発明のシステム300の実施形態を示す。コントローラ305が、統合される。コントローラ305および細胞培養カートリッジ310は、コンソール315上に配列されるように示される。センサ340が、条件の監視のために、細胞培養カートリッジ310上に配置される。コントローラ305は、1つ以上のセンサ340と通信可能に結合される。コントローラ305は、細胞培養カートリッジ310の内外に流体を圧送するために使用される、蠕動ポンプ335と通信可能に結合される。細胞培養カートリッジ310は、それに細胞が接着する底面を有する。他の実施形態では、細胞は、底面に接着しない。細胞培養カートリッジ310は、1つ以上の流体入口と、1つ以上の流体出口とを有する。接続管類(図示せず)が、流体入口を、分化培地を含有する分化培地リザーバ(灌流源)325と接続する。分化培地リザーバ325は、細胞培養カートリッジ310の中に圧送されるであろう分化培地を含有する。接続管類はまた、流体出口を廃棄物リザーバ330と接続する。枯渇した培地は、細胞培養カートリッジ310から外に、出口を通して、廃棄物リザーバ330の中に圧送されるであろう。いくつかの事例では、分化培地リザーバ325および廃棄物リザーバ330上の蓋は、可撤性ではなく、それによって、滅菌システムを維持する。他の実施形態では、蓋は、可撤性である。リザーバ瓶325および330上の活栓および/またはルアー作動弁(LAV)が、分化培地の滅菌移送を可能にし、入口瓶を充填し、出口瓶から廃棄物を除去する。コンソール315は、前述に言及されるコンポーネントの配列のための指定された空間を提供し、また、ディスプレイ/ユーザ面320、接続、およびオン/オフスイッチを提供する。
図3は、本発明のシステム400の実施形態を示す。コントローラ405が、分散される。コントローラ405および細胞培養カートリッジ410は、コンソール415上に配列されるように示される。センサ440が、条件の監視のために、細胞培養カートリッジ410上に配置される。コントローラ405は、1つ以上のセンサ440と通信可能に結合される。コントローラ405は、細胞培養カートリッジ410の内外に流体を圧送するために使用される、蠕動ポンプ435と通信可能に結合される。細胞培養カートリッジ410は、それに細胞が接着する底面を有する。他の実施形態では、細胞は、底面に接着しない。細胞培養カートリッジ410は、1つ以上の流体入口と、1つ以上の流体出口とを有する。接続管類(図示せず)が、流体入口を、分化培地を含有する分化培地リザーバ(灌流源)425と接続する。分化培地リザーバ425は、細胞培養カートリッジ410の中に圧送されるであろう分化培地を含有する。接続管類はまた、流体出口を廃棄物リザーバ430と接続する。枯渇した培地は、細胞培養カートリッジ410から外に、出口を通して、廃棄物リザーバ430の中に圧送されるであろう。いくつかの事例では、分化培地リザーバ425および廃棄物リザーバ430上の蓋は、可撤性ではなく、それによって、滅菌システムを維持する。他の実施形態では、蓋は、可撤性である。リザーバ瓶425および430上の活栓および/またはルアー作動弁(LAV)が、分化培地の滅菌移送を可能にし、入口瓶を充填し、出口瓶から廃棄物を除去する。コンソール415は、前述に言及されるコンポーネントの配列のための指定された空間を提供し、また、ディスプレイ/ユーザ面420、接続、およびオン/オフスイッチを提供する。
カートリッジは、任意の好適な材料から構築されてもよい。いくつかの事例では、カートリッジは、ポリスチレン、アクリレート、またはそれらの組み合わせから構築される。ある実施例として、基部または底面は、ポリスチレンから成り、上面および側面は、アクリレートである。別の実施例として、大量生産のために、カートリッジは、完全にポリスチレンから作製されてもよい。
一例示的実施形態では、底面は、ポリスチレンおよび/またはアクリレートから成る。T細胞刺激の1サイクル全体を通した樹状細胞(DC)生成のための同一のポリスチレン表面の使用は、これが、そうでなければ必要であろう多数の移送ステップを排除し、それによって、DC刺激療法用T細胞製造のための閉システムを可能にするため、バイオプロセスの観点から非常に有益である。
さらに、任意の好適な材料処理が、カートリッジに対して実施されてもよい。いくつかの実施形態では、底部ポリスチレン表面は、細胞接着を促進するように修飾されてもよい。例えば、底部ポリスチレン表面は、グロー放電またはコロナ放電としても公知の空気または酸素プラズマを用いた処理を受けてもよい。例えば、底部ポリスチレン表面は、限定ではないが、フィブロネクチン、ラミニン、およびコラーゲンを含む、細胞接着を促進することが公知であるタンパク質またはポリアミノ酸を用いた修飾を受けてもよい。
底面は、6および24ウェル板(それぞれ、9.5cm2および1.9cm2)等の従来のウェル板またはT型フラスコ(25cm2~225cm2)に匹敵する表面積を有することができる。また、表面積が、約2.0cm2~約500cm2、例えば、約2.0、3.0、4.0、5.0、6.0、7.0、8.0、9.0、10.0、11.0、12.0、13.0、14.0、15.0、16.0、17.0、18.0、19.0、20.0、25.0、30.0、35.0、40.0、45.0、50.0、55.0、60.0、65.0、70.0、75.0、100.0、125.0、150.0、175.0、200.0、400.0、500.0cm2の表面積、およびそれらの間の任意の表面積を有する等、従来のウェル板(例えば、標準的な細胞培養皿およびフラスコに匹敵する表面積を有する)よりも小さい、またはさらにはるかに大きくあり得、表面が、剛性(フラスコ)または可撓性(バッグ)であり得ることを理解されたい。
細胞培養カートリッジの表面は、機械的締結、接着剤および溶剤接合、および溶接等の当技術分野で公知の任意の方法を使用して、ともに継合されることができる。しかしながら、本発明の実施形態のシステムおよび方法を使用して生成される細胞免疫療法用生成物が、ヒト患者に投与されるであろうことを前提として、規制上の問題により、細胞培養チャンバを組み立てる際に、あるまたは全ての接着剤の使用を防止し得る。故に、ある実施形態では、表面は、接着剤を使用することなく継合される。一実施形態では、底部壁、側壁、および上部壁等の細胞培養チャンバの全ての表面は、第1の材料(例えば、ポリスチレン)から成り、超音波溶接を使用してともに継合される。前述の構成が、実施例にすぎず、表面を継合するための他の構成もまた、本発明の想定される実施形態であることを理解されたい。
1つ以上の細胞培養チャンバの高さは、変動し得る。例えば、限定ではないが、細胞培養チャンバ高の例示的範囲は、0.5、1.0、2.0、3.0、4.0、5.0、6.0、7.0、8.0、9.0、10.0、15.0、20.0、25.0、30.0、35.0、40.0、45.0、50.0、55.0、60.0、65.0、70.0、75.0、80.0、85.0、90.0、95.0、100.0mm等の0.5mm~100mmの任意のもの、以上の高さ、またはそれらの間の任意の高さを含む。ある実施形態では、チャンバの高さは、典型的には、約0.8mL~6mLの容積容量を伴う、2~6mm等の6および24ウェル板において実施される培養における液体高に匹敵し得る。他の実施形態では、細胞培養チャンバは、約50cm2の培養表面を伴う、10mm~50mm等の大きいサイズであろう。
本発明のいくつかの実施形態では、カートリッジは、光学的にクリアまたは透明である。そのような光学的透明性は、流体ポートが適切に隔離されることと組み合わせて、ユーザが、カートリッジ内の任意の垂直面において細胞を視認することを可能にする。さらに、活栓が、カートリッジ上またはリザーバ瓶上に設置されてもよい。特に、活栓は、カートリッジ上の具体的ポートに設置されてもよく、それぞれ、具体的機能を果たす。設置は、各機能に特有であり、作業が、プロセスが成功し、ワークフローが容易であることを確実にするために、最適な場所を決定するために実施された。例えば、活栓は、播種および採取のために使用されてもよく、活栓の上のルアー作動弁(LAV)が、シリンジが無菌的に接続されることを可能にする。活栓は、播種および採取(洗浄のための冷温緩衝液の追加)のために使用されてもよく、カートリッジの内側の空気が、細胞溶液がカートリッジの中に播種される際、本活栓におけるフィルタを通して外に流動するであろう。別の実施例として、活栓は、採取のために使用されてもよく、カートリッジの内側の空気が、細胞溶液が除去される際、カートリッジの中に流動するであろう。活栓に取り付けられるフィルタは、液体がカートリッジに追加されている、またはそれから除去されている際、カートリッジ内の圧力または真空増進を回避する。本発明では、LAVは、培地を追加および/または除去するために、瓶上で使用されてもよい。従来的に、LAVは、麻酔およびIVラインのために使用されるために市販されている。したがって、培地の追加または除去のためにLAVを使用することは、従来的な使用から逸脱する。
上記に説明されるような本システムを通した流体の移動の制御および種々のパラメータの監視および制御等の本明細書に説明される本開示の側面は、プロセッサ、例えば、中央処理ユニットを含む、コンピュータまたはプログラマブル論理コントローラ(PLC)等の任意のタイプのコンピューティングデバイス、または各デバイスが本プロセスまたは方法の少なくとも一部を実施する、コンピューティングデバイスの任意の組み合わせを使用して実施されることができる。いくつかの実施形態では、本明細書に説明されるシステムおよび方法は、ハンドヘルドデバイス、例えば、スマートタブレット、スマートフォン、または本システムのために生産された特殊デバイスを用いて実施されてもよい。
本開示の方法は、ソフトウェア、ハードウェア、ファームウェア、ハードワイヤリング、またはこれらのうちのいずれかの組み合わせを使用して実施されることができる。機能を実装する特徴はまた、機能の一部が、異なる物理的場所において実装されるように分散されることを含む、種々の位置に物理的に位置することができる(例えば、無線または有線接続を伴う、例えば、1つの部屋における撮像デバイスおよび別の部屋における、または別個の建物におけるホストワークステーション)。
コンピュータプログラムの実行のために好適なプロセッサは、実施例として、汎用および専用マイクロプロセッサの両方、および任意の種類のデジタルコンピュータのいずれか1つ以上のプロセッサを含む。概して、プロセッサは、読取専用メモリまたはランダムアクセスメモリまたは両方から命令およびデータを受信するであろう。コンピュータの要素は、命令を実行するためのプロセッサおよび命令およびデータを記憶するための1つ以上のメモリデバイスである。概して、コンピュータはまた、データを記憶するための1つ以上の非一過性大容量記憶デバイス、例えば、磁気、光磁気ディスク、または光学ディスクを含む、またはそれからデータを受信する、またはそれにデータを転送するように動作的に結合される、または両方であろう。いくつかの実施形態では、本システム上のセンサは、プロセスデータを、Bluetooth(登録商標)を介して、培養器の外側に位置する中央データ収集ユニットに送信する。いくつかの実施形態では、データは、物理的記憶デバイスにではなく、クラウドに直接送信される。コンピュータプログラム命令およびデータを具現化するために好適な情報キャリアは、実施例として、半導体メモリデバイス(例えば、EPROM、EEPROM、ソリッドステートドライブ(SSD)、およびフラッシュメモリデバイス)、磁気ディスク(例えば、内部ハードディスクまたはリムーバブルディスク)、光磁気ディスク、および光学ディスク(例えば、CDおよびDVDディスク)を含む、全ての形態の不揮発性メモリを含む。プロセッサおよびメモリは、専用論理回路によって補完される、またはその中に組み込まれることができる。
ユーザとの相互作用を提供するために、本明細書に説明される主題は、I/Oデバイス、例えば、情報をユーザに表示するためのCRT、LCD、LED、または投影デバイスと、それによってユーザが入力をコンピュータに提供し得る、キーボードおよびポインティングデバイス(例えば、マウスまたはトラックボール)等の入力または出力デバイスとを有する、コンピュータ上に実装されることができる。他の種類のデバイスも、同様にユーザとの相互作用を提供するために使用されることができる。例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック(例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバック)であり得、ユーザからの入力は、音響、発話、または触覚入力を含む、任意の形態において受信されることができる。
本明細書に説明される主題は、バックエンドコンポーネント(例えば、データサーバ)、ミドルウェアコンポーネント(例えば、アプリケーションサーバ)、またはフロントエンドコンポーネント(例えば、グラフィカルユーザインターフェースを有するクライアントコンピュータまたはそれを通してユーザが本明細書に説明される主題の実装と相互作用し得るウェブブラウザ)、またはそのようなバックエンド、ミドルウェア、およびフロントエンドコンポーネントの任意の組み合わせを含む、コンピューティングシステムにおいて実装されることができる。本システムのコンポーネントは、任意の形態または媒体のデジタルデータ通信によるネットワーク、例えば、通信ネットワークを通して相互接続されることができる。通信ネットワークの実施例は、セルネットワーク(例えば、3G、4G、または5G)、ローカルエリアネットワーク(LAN)、および広域ネットワーク(WAN)、例えば、インターネットを含む。
本明細書に説明される主題は、データ処理装置(例えば、プログラマブルプロセッサ、コンピュータ、または複数のコンピュータ)による実行のための、またはその動作を制御するための情報キャリア内(例えば、非一過性コンピュータ可読媒体内)で有形に具現化される1つ以上のコンピュータプログラム等の1つ以上のコンピュータプログラム製品として実装されることができる。コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、アプリ、マクロ、またはコードとしても公知である)は、コンパイル型またはインタープリタ型言語(例えば、C、C++、Perl)を含む、任意の形態のプログラミング言語において書き込まれることができ、これは、スタンドアロンプログラムとして、またはコンピューティング環境における使用のために好適なモジュール、コンポーネント、サブルーチン、または他のユニットとしてを含む、任意の形態において展開されることができる。本発明のシステムおよび方法は、限定ではないが、C、C++、Perl、Java(登録商標)、ActiveX、HTML5、Visual Basic、またはJavaScript(登録商標)を含む、当技術分野で公知の任意の好適なプログラミング言語において書き込まれる命令を含むことができる。
コンピュータプログラムは、必ずしもファイルに対応するわけではない。プログラムは、他のプログラムまたはデータを保持するファイルまたはファイルの一部の中に、当該プログラムの専用である単一のファイル内に、または複数の連携ファイル(例えば、1つ以上のモジュール、サブプログラム、またはコードの一部を記憶するファイル)内に記憶されることができる。コンピュータプログラムは、1つの地点における1つのコンピュータまたは複数のコンピュータ上で実行される、または複数の地点を横断して分散され、通信ネットワークによって相互接続されるように展開されることができる。
ファイルは、例えば、ハードドライブ、SSD、CD、または他の有形非一過性媒体上に記憶される、デジタルファイルであり得る。ファイルは、ネットワークを経由して1つのデバイスから別のものに(例えば、サーバから、クライアントに、例えば、ネットワークインターフェースカード、モデム、無線カード、または類似物を通して送信されるパケットとして)送信されることができる。
本発明の実施形態に従ってファイルを書き込むステップは、有形非一過性コンピュータ可読媒体を、例えば、粒子(例えば、読取/書込ヘッドによる磁化のパターンへの正味電荷または双極モーメントを伴う)を追加、除去、または再配列することによって変換するステップを伴い、パターンは、次いで、ユーザによって所望され、ユーザに有用な客観的な物理的現象についての情報の新しいコロケーションを表す。いくつかの実施形態では、書込は、有形非一過性コンピュータ可読媒体における物質の物理的変換(例えば、光学読取/書込デバイスが、次いで、情報の新しい有用なコロケーションを読み取り得るように、ある光学性質を伴い、例えば、CD-ROMを焼くこと)を伴う。いくつかの実施形態では、ファイルを書き込むステップは、NANDフラッシュメモリデバイス等の物理的フラッシュメモリ装置を変換し、フローティングゲートトランジスタから作製されたメモリセルのアレイにおける物理的要素を変換することによって情報を記憶するステップを含む。ファイルを書き込む方法は、当技術分野で周知であり、例えば、手動で、またはプログラムによって、またはソフトウェアからの保存コマンドまたはプログラミング言語からの書込コマンドによって自動的に行使されることができる。
好適なコンピューティングデバイスは、典型的には、大容量メモリ、少なくとも1つのグラフィカルユーザインターフェース、少なくとも1つのディスプレイデバイスを含み、典型的には、デバイスの間の通信を含む。大容量メモリは、あるタイプのコンピュータ可読媒体、すなわち、コンピュータ記憶媒体を例証する。コンピュータ記憶媒体は、コンピュータ可読命令、データ構造、プログラムモジュール、または他のデータ等の情報の記憶のための任意の方法または技術において実装される揮発性、不揮発性、リムーバブル、および非リムーバブル媒体を含んでもよい。コンピュータ記憶媒体の実施例は、RAM、ROM、EEPROM、フラッシュメモリ、または他のメモリ技術、CD-ROM、デジタル多用途ディスク(DVD)、または他の光学記憶装置、磁気カセット、磁気テープ、磁気ディスク記憶装置、または他の磁気記憶デバイス、無線周波数識別(RFID)タグまたはチップ、または所望の情報を記憶するために使用され得、コンピューティングデバイスによってアクセスされ得る任意の他の媒体を含む。
当業者は、本発明の方法の実施のために必要である、または最適であると認識するであろうため、本発明の実施形態において採用されるコンピュータシステムまたは機械は、バスを介して相互と通信する、1つ以上のプロセッサ(例えば、中央処理ユニット(CPU)、グラフィックス処理ユニット(GPU)、または両方)、主要メモリ、および静的メモリを含んでもよい。
図4に示される例示的実施形態では、システム600は、コンピュータ649(例えば、ラップトップ、デスクトップ、またはタブレット)を含むことができる。コンピュータ649は、ネットワーク609を横断して通信するように構成されてもよい。コンピュータ649は、1つ以上のプロセッサ659およびメモリ663、および入力/出力機構654を含む。本発明の方法が、クライアント/サーバアーキテクチャを採用する場合、本発明の方法の動作は、データ、命令等を取得する、またはインターフェースモジュール625を介して結果を提供する、または結果をファイル617として提供することが可能である、プロセッサ621およびメモリ629のうちの1つ以上のものを含む、サーバ613を使用して実施されてもよい。サーバ613は、コンピュータ649または端末667を通してネットワーク609を経由して従事してもよい、またはサーバ613は、1つ以上のプロセッサ675およびメモリ679、および入力/出力機構671を含む、端末667に直接接続されてもよい。
本発明の例示的実施形態によるシステム600または機械はさらに、I/O649、637、または671のうちのいずれかのために、ビデオディスプレイユニット(例えば、液晶ディスプレイ(LCD)またはブラウン管(CRT))を含んでもよい。いくつかの実施形態によるコンピュータシステムまたは機械はまた、英数字入力デバイス(例えば、キーボード)、カーソル制御デバイス(例えば、マウス)、ディスクドライブユニット、信号発生デバイス(例えば、スピーカ)、タッチスクリーン、加速度計、マイクロホン、セルラー無線周波数アンテナ、および、例えば、ネットワークインターフェースカード(NIC)、Wi-Fiカート、またはセルラーモデムであり得る、ネットワークインターフェースデバイスを含むことができる。
本発明の例示的実施形態によるメモリ663、679、または629は、機械可読媒体を含むことができ、その上に、本明細書に説明される方法論または機能のうちのいずれか1つ以上のものを具現化する、命令(例えば、ソフトウェア)の1つ以上のセットが、記憶される。ソフトウェアはまた、完全に、または少なくとも部分的に、コンピュータシステムによるその実行の間、主要メモリ内および/またはプロセッサ内に常駐してもよく、主要メモリおよびプロセッサもまた、機械可読媒体を成す。ソフトウェアはさらに、ネットワークインターフェースデバイスを介してネットワークを経由して伝送または受信されてもよい。
図5は、ある実施形態による、機械学習システム201を示す。機械学習システム201は、複数のソース205からのデータにアクセスする。任意の好適なデータのソース205が、機械学習システム201に提供されてもよい。
好ましい実施形態では、複数のデータソース205は、機械学習システム201にフィードされる。任意の好適な機械学習システム201が、使用されてもよい。例えば、機械学習システム201は、ランダムフォレスト、サポートベクターマシン、ベイズ分類器、およびニューラルネットワークのうちの1つ以上のものを含んでもよい。描写される実施形態では、機械学習システム201は、ランダムフォレスト209を含む。いくつかの実施形態では、コンピュータシステムは、機能的バイオマーカ測定値を教師なし様式で既知の癌ステータスと関連付ける、自律的機械学習システムを備える。自律的機械学習システムは、入力層と、複数の隠れ層と、出力層とを含む、深層学習ニューラルネットワークを含んでもよい。自律的機械学習システムは、複数の特徴を使用して、訓練データセットを表してもよく、各特徴は、特徴ベクトルを備える。
機械学習システム201は、例えば、要約テーブルとして(例えば、カンマ区切りの値としてフォーマットされる)、または全体として(例えば、機械学習システム201においてPerlまたはSQL等のスクリプトによって解析される)を含む、任意の好適なフォーマットにおいて複数のソース205からのデータにアクセスしてもよい。しかしながら、初期フォーマットでは、データは、最終的に、複数のエントリ213を含むように理解されることができる。各エントリは、好ましくは、情報をシステム201に提供する、データまたは値を含む。値は、数値であってもよい、またはこれは、疾病分類コード(例えば、ICD-9コードまたはICD-10コード)等の文字列であってもよく、これは、異なるソースから集約されてもよい。
最も好ましくは、データ内の各エントリ213は、プロトコルからの1つのデータ点に特有であり、所定のカテゴリに割り当てられる。個人化された細胞培養プロトコルを提供する場合では、データソース205が、匿名データを提供し得ることを理解されたい。そのような場合では、各エントリ213は、好ましくは、患者に特有であり、ランダムな文字列またはコードであり得る、患者ID値によってその患者に追跡される。外部データソース205は、患者IDを提供してもよい、または機械学習システム201は、患者IDを各エントリ213に割り当ててもよい。各エントリ213はまた、好ましくは、カテゴリを有する。例えば、データエントリ213が、初期細胞に関する情報またはデータである場合、カテゴリは、「初期」であってもよい(およびエントリ213に関する値は、具体的データ点である)。別の実施例では、データソース205が、公的に利用可能な細胞培養プロトコルデータベースからの情報またはデータである場合、データエントリ213は、データベース入力としてカテゴリ化されてもよく、値は、時間、培地、温度、pH等のその特定のプロトコルに関する具体的条件であってもよい。機械学習システム201は、複数のデータソース205にアクセスし、それにおける関連付けを発見する。
本開示のデバイスおよび方法は、例えば、ポータルまたはダッシュボードの形態におけるユーザインターフェースを提供してもよい。細胞培養手順の実行条件、1つ以上の公的に利用可能なデータベースからインポートされたデータ、および/または実行中の細胞培養手順からのフィードバックと関連付けられるデータ等の任意の好適な情報が、ダッシュボード上に提供されてもよい。
関連付けを発見するステップは、複数の細胞培養手順において、予期される数の共起と有意に異なるイベントカテゴリの共起を観察するステップを含んでもよい。本発明のある実施形態では、機械学習アルゴリズムへの入力は、カテゴリ的に異なる入力タイプを横断する有意義な比較を促進するために、スケーリングまたは正規化される。スケーリングおよび正規化方法が、含まれる。スケーリングは、ある目標を達成するために、例えば、全てのデータに関する値の範囲が、[0,1]等のある間隔内に位置するように、各個人のデータをある数で除算するために使用される。
スケーリングの詳細は、「なし」、「センタリング」、「オートスケーリング」、「レンジスケーリング」、「パレットスケーリング」(デフォルト=「オートスケーリング」)等の選択肢を含んでもよい。いくつかの異なるスケーリング方法が、提供され、すなわち、「なし」では、いかなるスケーリング方法も、提供されず、「センタリング」では、平均をゼロにセンタリングし、「オートスケーリング」では、平均をゼロにセンタリングし、各変数を分散で除算することによってデータをスケーリングし、「レンジスケーリング」では、平均をゼロにセンタリングし、各変数を最小値と最大値との間の差で除算することによってデータをスケーリングし、「パレットスケーリング」では、中心をゼロにセンタリングし、各変数を標準偏差の平方根で除算することによってデータをスケーリングする。単位スケーリングは、各分散が、1に等しくなるように、各変数を標準偏差で除算する。
正規化の詳細が、含まれ、使用されてもよい。スケーリングのように、正規化は、合計データセットを分割する、または偏移させ、例えば、異なるソースからのデータまたは異なるフォーマットのデータの比較を促進するために使用されてもよい。例えば、データ点のzスコア、すなわち、(z-μ)/σを使用し得る。本正規化は、データの平均およびその分散によって決定される。
いくつかの異なる正規化方法が、提供され、すなわち、「なし」では、いかなる正規化方法も、適用されず、「pqn」では、確率的商正規化が、Dieterle, 2006, Probabilistic quotient normalization as robust method to account for dilution of complex biological mixtures: application in 1H NMR metabonomics, Anal Chem 78(13):4281-90(参照することによって組み込まれる)に説明されるように算出され、「和」では、サンプルが、所与のサンプルに関する全ての変数の絶対値の和に正規化され、「中央値」では、サンプルが、所与のサンプルに関する全ての変数の中央値に正規化され、「平方根」では、サンプルが、所与のサンプルに関する全ての変数の二乗値の和の根に正規化される。
本開示のシステムおよび方法は、機械学習システム201を含む。機械学習システム201は、好ましくは、本明細書に説明される方法を実装するために構築された有形コンピュータシステムにおいて実装される。例えば、ランダムフォレスト、サポートベクターマシン(SVM)、またはブースティングアルゴリズム(例えば、適応的ブースティング(アダブースト)、勾配ブースト法(GBM)、または極端な勾配ブースト法(XGブースト))、またはH2O等のニューラルネットワークを含む、任意の機械学習アルゴリズムが、データを分析するために使用されてもよい。
機械学習アルゴリズムは、概して、以下のタイプ、すなわち、(1)バギング(分散を減少させる)、(2)ブースティング(バイアスを減少させる)、または(3)スタッキング(予測力を改良する)のうちの1つである。バギングでは、複数の予測モデル(概して、同一のタイプのもの)が、分類データ(クラスおよび特徴)のサブセットから構築され、次いで、単一の分類器に組み合わせられる。ランダムフォレスト分類器は、本タイプである。ブースティングでは、初期予測モデルが、予測誤差を検証することによって反復的に改良される。アダブーストおよび極端な勾配ブースティングは、このタイプである。スタッキングモデルでは、複数の予測モデル(概して、異なるタイプのもの)が、最終分類器を形成するために組み合わせられる。これらの方法は、アンサンブル方法と呼ばれる。アンサンブル方法における基本的または開始方法は、多くの場合、決定木である。決定木は、データ内の特徴から分類を推論するために単純な決定ルールを使用する、非パラメトリック教師あり学習方法である。それらは、それらが理解するために単純であり、根(通常、単一のノード)から始まり、分類と関連付けられる葉(複数のノード)に繰り返し分岐する木として可視化され得る点において、いくつかの利点を有する。
いくつかの実施形態では、本発明の方法およびシステムは、ランダムフォレスト209を使用する、機械学習システム201を使用する。ランダムフォレストは、決定木学習を使用し、いくつかの入力変数に基づいて、標的変数の値を予測するモデルが、構築される。決定木は、概して、2つのタイプに分けられることができる。分類木では、標的変数は、値またはクラスの有限のセットをとる一方、回帰木では、標的変数は、実数等の連続的値をとることができる。決定木学習の実施例は、分類木、回帰木、ブースティング木、ブートストラップ集約木、ランダムフォレスト、および回転フォレストを含む。決定木では、決定は、入力変数に対応する、一連のノードにおいて順次行われる。ランダムフォレストは、予測の正確度を改良するために、複数の決定木を含む。Breiman, 2001, Random Forests, Machine Learning 45:5-32(参照することによって本明細書に組み込まれる)を参照されたい。ランダムフォレストでは、ブートストラップ集約またはバギングが、訓練データの所与の異なるセットである複数の木によって予測を平均化するために使用される。加えて、特徴のランダムなサブセットが、学習プロセスにおける各分岐点において選択され、これは、応答変数に関する強い予測子である個々の特徴の存在からもたらされ得るスプリアス相関を低減させる。
SVMは、分類および回帰のために使用されることができる。疾患を有する、または疾患を有していない等の2つのカテゴリのうちの1つへの新しいデータの分類のために使用されるとき、SVMは、データ点を一方のカテゴリまたは他方に分離する、多次元空間内の超平面を作成する。元の問題は、有限次元空間のみを要求する項において表され得るが、カテゴリの間のデータの線形分離は、有限次元空間において可能ではない場合がある。その結果、多次元空間が、データ点のクリーンな分離をもたらす超平面の構築を可能にするために選択される。Press, W.H. et al., Section 16.5. Support Vector Machines. Numerical Recipes: The Art of Scientific Computing (3rd ed.). New York: Cambridge University (2007)(参照することによって本明細書に組み込まれる)を参照されたい。SVMはまた、サポートベクタークラスタリングにおいて使用されることができる。Ben-Hur, 2001, Support Vector Clustering, J Mach Learning Res 2:125-137(参照することによって本明細書に組み込まれる)を参照されたい。
ブースティングアルゴリズムは、バイアスおよび分散を低減させるための機械学習アンサンブルメタアルゴリズムである。ブースティングは、弱い学習器を強い学習器に変えることに焦点を当て、弱い学習器は、真の分類とわずかにのみ相関される分類器であると定義される一方、強い学習器は、真の分類と明確に相関される分類器である。ブースティングアルゴリズムは、分布に関して弱い分類器を反復的に学習し、それらを最終的な強い分類器に追加することから成る。追加された分類器は、典型的には、それらの正確度に基づいて、加重される。ブースティングアルゴリズムは、アダブースト、勾配ブースティング、およびXGブーストを含む。Freund, 1997, A decision-theoretic generalization of on-line learning and an application to boosting, J Comp Sys Sci 55:119;およびChen, 2016, XGBoost: A Scalable Tree Boosting System, arXiv:1603.02754(両方とも、参照することによって本明細書に組み込まれる)を参照されたい。
人間の脳をモデルとするニューラルネットワークは、情報の処理および機械学習を可能にする。ニューラルネットワークは、個々のニューロンの機能を模倣するノードを含み、ノードは、層に編成される。ニューラルネットワークは、入力層と、出力層と、入力層から出力層への接続を定義する、1つ以上の隠れ層とを含む。本発明のシステムおよび方法は、機械学習を促進する任意のニューラルネットワークを含んでもよい。本システムは、GoogLeNet (Szegedy, et al. Going deeper with convolutions, in CVPR 2015, 2015); AlexNet (Krizhevsky, et al. Imagenet classification with deep convolutional neural networks, in Pereira, et al. Eds., Advances in Neural Information Processing Systems 25, pages 1097-3105, Curran Associates, Inc., 2012); VGG16 (Simonyan & Zisserman, Very deep convolutional networks for large-scale image recognition, CoRR, abs/3409.1556, 2014); またはFaceNet (Wang et al., Face Search at Scale: 80 Million Gallery, 2015)(前述の参考文献はそれぞれ、参照することによって本明細書に組み込まれる)等の公知のニューラルネットワークアーキテクチャを含んでもよい。
深層学習ニューラルネットワーク(深層構造化学習、階層型学習、または深層機械学習としても公知である)は、特徴抽出および変換のための非線形処理ユニットの多くの層のカスケードを使用する、機械学習動作のクラスを含む。各連続した層は、入力として前の層からの出力を使用する。アルゴリズムは、教師ありまたは教師なしであってもよく、用途は、パターン分析(教師なし)および分類(教師あり)を含む。ある実施形態は、データの複数のレベルの特徴または表現の教師なし学習に基づく。より高いレベルの特徴は、より低いレベルの特徴から導出され、階層的表現を形成する。それらの特徴は、好ましくは、特徴ベクトルとしてノード内に表される。ニューラルネットワークによる深層学習は、異なる抽象レベルに対応する複数のレベルの表現を学習することを含み、レベルは、概念の階層を形成する。いくつかの実施形態では、ニューラルネットワークは、少なくとも5層、好ましくは、10層を上回る隠れ層を含む。入力と出力との間の多くの層は、本システムが、複数の処理層を介して動作することを可能にする。
深層学習は、データの表現を学習することに基づく、機械学習方法の幅広い群の一部である。観察が、ピクセルあたりの強度値のベクトル等の多くの方法で、またはエッジのセット、特定の形状の領域等としてのより抽象的な方法で表されることができる。それらの特徴は、ネットワーク内のノードにおいて表される。好ましくは、各特徴は、ある物体を表す数値特徴の多次元ベクトルである、特徴ベクトルとして構造化される。特徴は、数値表現が、処理および統計分析を促進するため、物体のそのような表現を提供する。特徴ベクトルは、線形回帰等の統計手順において使用される説明変数のベクトルに類似する。特徴ベクトルは、多くの場合、予測を行うためのスコアを決定するために使用される線形予測子関数を構築するために、点乗積を使用して加重と組み合わせられる。
それらのベクトルと関連付けられるベクトル空間は、特徴空間と称され得る。特徴空間の次元を縮小するために、次元縮小が、採用されてもよい。より高いレベルの特徴が、特徴構築と称されるプロセスにおいて、すでに利用可能な特徴から取得され、特徴ベクトルに追加されることができる。特徴構築は、既存の特徴のセットへの構造的演算子のセットの適用であり、新しい特徴の構築をもたらす。
ネットワーク内で、ノードが、層内で接続され、信号が、入力層から出力層に進行する。ある実施形態では、入力層内の各ノードは、訓練データからの特徴のうちの個別のものに対応する。隠れ層のノードは、バイアス項および入力層のノードの加重和の関数として計算され、個別の加重が、入力層のノードと隠れ層内のノードとの間の各接続に割り当てられる。バイアス項および入力層と隠れ層との間の加重は、ニューラルネットワークの訓練において自律的に学習される。ネットワークは、数千または数百面のノードおよび接続を含んでもよい。典型的には、人工ニューロンの信号および状態は、典型的には、0~1の実数である。随意に、各接続およびユニット自体に対する閾値関数または限界関数が、存在してもよく、したがって、信号は、伝搬する前に限界を上回らなければならない。逆伝搬は、接続加重を修正するための順方向刺激の使用であり、時として、既知の正しい出力を使用して、ネットワークを訓練するために行われる。第WO 2016/182551号、米国公開第2016/0174902号、米国特許第8,639,043号、および米国公開第2017/0053398号(それぞれ、参照することによって本明細書に組み込まれる)を参照されたい。
いくつかの実施形態では、データセットが、訓練セットをクラスタリングするために使用される。本発明において使用され得る特定の例示的クラスタリング技法は、限定ではないが、階層型クラスタリング(最近傍アルゴリズム、最遠隣アルゴリズム、平均連結アルゴリズム、重心アルゴリズム、または平方和アルゴリズムを使用する凝集型クラスタリング)、k平均クラスタリング、ファジーk平均クラスタリングアルゴリズム、およびJarvis-Patrickクラスタリングを含む。
ベイズネットワークは、有向非巡回グラフ(DAG)を介して、ランダムな変数のセットおよびそれらの条件付き依存関係を表す、確率的グラフィカルモデルである。DAGは、観察可能な数量、潜在変数、未知のパラメータ、または仮説であり得る、ランダムな変数を表すノードを有する。エッジは、条件付き依存関係を表し、接続されていないノードは、条件付きで相互から独立する変数を表す。各ノードは、入力として、ノードの親変数に関する値の特定のセットをとり、ノードによって表される変数の確率(または該当する場合、確率分布)を(出力として)与える、確率関数と関連付けられる。
回帰分析は、特徴および結果等の変数間の関係を推定するための統計的プロセスである。これは、複数の変数の間の関係をモデル化および分析するための技法を含む。具体的には、回帰分析は、単一の独立変数の変化に応答する従属変数の変化に焦点を当てる。回帰分析は、独立変数を前提として、従属変数の条件付き期待値を推定するために使用されることができる。従属変数の変動は、回帰関数の周囲に特徴付けられ、確率分布によって記述され得る。回帰モデルのパラメータは、例えば、最小二乗法、ベイズ法、パーセンテージ回帰、最小絶対偏差、非パラメトリック回帰、または距離メトリック学習を使用して推定されてもよい。
任意の好適な機械学習アルゴリズムが、含まれてもよい。いくつかの実施形態では、機械学習システム201は、ランダムフォレスト209を含む。機械学習システムは、教師ありまたは教師なし方式で学習してもよい。教師なし方式で学習する機械学習システムは、自律的機械学習システムと称され得る。他のバージョンも、本発明の範囲内であるが、自律的機械学習システムは、教師ありおよび教師なし学習の両方の周期を採用することができる。ランダムフォレスト209は、自律的に動作されてもよく、教師ありおよび教師なし学習の両方の周期を含んでもよい。Criminisi, 2012, Decision Forests: A unified framework for classification, regression, density estimation, manifold learning and semi-supervised learning, Foundations and Trends in Computer Graphics and Vision 7(2-3):81-227(参照することによって本明細書に組み込まれる)を参照されたい。いくつかの実施形態では、自律的機械学習システム201は、ランダムフォレスト209を備える。いくつかの実施形態では、自律的機械学習システム201は、少なくとも教師なし学習の周期を含む動作を介して、関連付けを発見する。
細胞培養装置のアーキテクチャ
細胞培養装置のアーキテクチャ
本発明のいくつかの実施形態では、本発明のシステムおよび方法は、米国出願第16/192,062号、米国出願第16/310,680号、米国出願第15/970,664号、米国出願第15/736,257号、国際出願第PCT/US2017/039538号、国際出願第PCT/US2016/060701号、および国際出願第PCT/US2016/040042号(その全ては、その全体として本明細書に組み込まれる)に説明されるもの等の細胞培養装置デバイスを使用してもよい。そのようなデバイスは、本発明による、センサおよびコントローラを装備してもよい。
ある実施形態では、本発明において使用されるデバイスは、細胞培養カートリッジ内で均一な対称的な流動を有する、樹状細胞の発生のための自動化細胞培養カートリッジおよびシステムであってもよい。本デバイスは、臨床スケールでiDCを生成し、多数のウェル板(またはT型フラスコ/バッグ)の必要性を事実上排除し、滅菌かつ微粒子のない培養システムを確実にし、細胞培養を維持する際の技術者の時間を短縮するための完全に封入された滅菌未成熟DC(iDC)発生システムであってもよい。ある実施形態では、本デバイスは、単一の細胞培養カートリッジ内で療法的に妥当な数のiDCを無菌で発生させるための自動化細胞培養システムである。本システムはまた、成熟試薬の添加を介してそれらを成熟させるためのiDCのさらなる処理、および細胞培養チャンバへの1つ以上の抗原の添加を介した刺激が可能である。
細胞培養システムは、細胞培養チャンバ内に対称的な流体流動チャネルを提供し、細胞培養チャンバ内の流動における死面積を回避するように幾何学的に構成される複数の区域を備える、細胞培養カートリッジを備える。ある場合には、細胞培養装置のためのカートリッジは、光学的にクリアまたは透明である。そのような光学的透明性は、流体ポートが適切に隔離されることと組み合わせて、ユーザが、カートリッジ内の任意の垂直面において細胞を視認することを可能にする。図6-9に示されるように、実施形態は、本発明との併用のための光学的にクリアまたは透明な細胞培養カートリッジを備える。図6は、本発明との併用のための細胞培養カートリッジおよびシステムの正面図を示す。図7は、本発明との併用のための細胞培養カートリッジおよびシステムの上面図を示す。図8は、本発明との併用のための細胞培養カートリッジおよびシステムの左側面図を示す。図9は、本発明との併用のための細胞培養カートリッジおよびシステムの右側面図を示す。
さらに、図6-9に示されるように、活栓が、カートリッジ上またはリザーバ瓶上に設置されてもよい。特に、活栓は、カートリッジ上の具体的ポートに設置され、それぞれ、具体的機能を果たす。設置は、各機能に特有であり、作業が、プロセスが成功し、ワークフローが容易であることを確実にするために、最適な場所を決定するために実施された。例えば、正面における活栓は、播種および採取のためのものであり、活栓の上のルアー作動弁(LAV)は、シリンジが無菌的に接続されることを可能にする。活栓に取り付けられるフィルタが、液体がカートリッジに追加されている、またはそれから除去されている際、カートリッジ内の圧力または真空増進を回避する。本発明では、LAVは、培地を追加および/または除去するために、瓶上で使用されてもよい。
図10は、本発明との併用のためのシステム100の実施形態を示す。蠕動ポンプ110が、提供される。ポンプ110は、細胞培養カートリッジ120の内外に流体を圧送するために使用される。細胞培養カートリッジ120は、それに細胞が接着する底面125を有する。他の実施形態では、細胞は、底面に接着しない。細胞培養カートリッジ120は、細胞培養カートリッジ120の角に配列される、8つの流体入口145を有する。1つの流体出口135が、細胞培養カートリッジ120の中心に配列される。接続管類140が、流体入口を、分化培地182を含有する分化培地リザーバ(灌流源)180と接続する。分化培地リザーバ180は、細胞培養カートリッジ120の中に圧送されるであろう分化培地182を含有する。接続管類140はまた、流体出口135を廃棄物リザーバ184と接続する。枯渇した培地は、細胞培養カートリッジ120から外に、出口135を通して、廃棄物リザーバ184の中に圧送されるであろう。分化培地リザーバ180および廃棄物リザーバ184上の蓋170および175は、可撤性ではなく、それによって、滅菌システムを維持する。他の実施形態では、蓋170および175は、可撤性である。リザーバ瓶180および184上の活栓および/またはLAV160および165が、分化培地の滅菌移送を可能にし、入口瓶を充填し、出口瓶から廃棄物を除去する。コンソール190は、前述に言及されるコンポーネントの配列のための指定された空間を提供し、ディスプレイ/ユーザインターフェース192、接続194、およびオン/オフスイッチ196を提供する。
図11は、本発明との併用のための2つのカートリッジを伴うデバイスの実施形態を示す。細胞培養カートリッジ1200が、単球から樹状細胞への分化のために提供される。より小さいカートリッジ1220が、成熟および抗原パルス化のために提供される。他の実施形態では、成熟および抗原パルス化は、第2のカートリッジの使用を伴わずに、主要細胞培養カートリッジにおいて実行されてもよい。
図12は、成熟および抗原パルス化のためのより小さいカートリッジ1320を有する、本発明との併用のためのデバイスの実施形態を示す。より小さいカートリッジ1320は、より小さいカートリッジ1320から移送される最終生成物を含有する、注入バッグ1330に流体的に接続される。
図13は、本発明との併用のためのデバイスの使い捨ておよび非使い捨てコンポーネントを示す。EDENコンソール1410は、非使い捨てであり、長さLを有する。本実施形態では、長さLは、14インチである。より小さいカートリッジ1420は、成熟および抗原パルス化のためのものである。接続管類1430が、入口および出口をリザーバおよびカートリッジと接続する。より小さいカートリッジ1420および接続管類1430は、単回使用かつ使い捨てである。
図14は、本発明と併用され得る、EDEN自動化流体システムの実施形態を示す。EDENシステムは、細胞培養カートリッジの中に新鮮な分化培地を連続的に灌流しながら、単球由来の未成熟樹状細胞(iDC)を発生させる。EDENは、完全に封入され、外側環境に開放されていない、単一の細胞培養カートリッジ内で療法的に妥当な数のiDCを発生させるために開発された。新鮮な分化培地が、カートリッジの中に灌流され、枯渇した培地が、除去された。EDENが発生させたiDCは、6ウェル板が発生させたiDCに類似する表現型発現およびiDC収率を呈した。本発明によるカートリッジ内で成熟されたiDCは、標準的なCD80/83/86の発現上昇およびCD209の発現低下を呈した。
本発明のいくつかの実施形態では、図15に示される生物学的反応器1110等のデバイスが、使用される。生物学的反応器1110は、底面1122と、少なくとも1つの付加的表面1124とを含む、細胞培養チャンバ1120を含む。底面1122は、それに細胞が接着する第1の材料から成り、少なくとも1つの付加的表面1124は、ガス透過性である第2の材料から成る。細胞培養チャンバはまた、1つ以上の入口1126、1136と、1つ以上の出口1128、1138とを備える。ある実施形態では、生物学的反応器はまた、少なくとも1つの灌流流体リザーバ1132と、少なくとも1つの廃棄物流体リザーバ1134と、チャンバ1120を通して灌流流体を移動させるための少なくとも1つのポンプ1140と、および流体をリザーバ1132、1134に、およびそれから、チャンバ1120を通して輸送するための関連付けられる入口1136および出口1138とを含む。
細胞培養チャンバ1120に関して、第1の材料は、生体適合性であり、それに樹状細胞(DC)等の抗原提示細胞(APC)が接着するであろう、任意の材料であり得る。細胞培養チャンバ1120内で行われるT細胞刺激および拡大プロセスの間、成熟したAPCが、発達し、好ましくは、底面1122に接着するであろう一方、T細胞は、底面の上方の上澄液中に留まり、拡大されたT細胞を別個に取得することをより容易にする。
一例示的実施形態では、第1の材料は、ポリスチレンから成る。培養が行われるであろう底面のためにポリスチレンを使用する1つの利益は、本材料が、PBMCから樹状細胞を発生させるプロセスにおいて果たす有用な役割である。具体的には、ポリスチレン表面は、PBMCの不均一な懸濁液から単球を富化させるために使用されることができる。これは、例えば、IL4およびGM-CSFを含有する培地における培養を介した単球の分化によってDCを発生させるために利用される、培養プロセスにおける第1のステップである。T細胞刺激の1サイクル全体を通した樹状細胞生成のための同一のポリスチレン表面の使用は、これが、そうでなければ必要であろう多数の移送ステップを排除し、それによって、DC刺激療法用T細胞製造のための閉システムを可能にするため、バイオプロセスの観点から非常に有益である。
別の実施形態では、少なくとも1つの付加的表面1124は、細胞培養チャンバ内で行われるべきであるガス交換をもたらすために、ガス透過性である第2の材料を含む。底面が、ポリスチレン等のそれに細胞が接着する材料から作製され、側壁および/または上部壁等の少なくとも1つの付加的表面が、少なくとも部分的に、ガス透過性材料から作製されるように、細胞培養チャンバを加工することによって、高表面積ガス交換が、本発明の実施形態のシステムにおいて達成される。底面以外に高い透過性を伴う大きい表面を有することは、含まれ得る培養培地の量において限定されていた、および/またはそれに細胞が接着し得る培養に適した表面が欠如していた、従来技術の培養システムに対して、底面の接着性質を犠牲にする必要性なく、より高いレベルのガス交換を達成する能力をもたらす。
ある実施形態では、第2の材料は、350の透過係数以上の酸素に対する透過性と、2,000の透過係数またはそれを上回る二酸化炭素に対する透過性とを有する、1つ以上の材料を含み、透過係数の単位は、[cm3][cm]/[cm2][s][cm Hg]である。例示的材料は、高い酸素および二酸化炭素透過性(ポリスチレンおよびPMMA等の材料よりも最大3桁高い)に関して周知であるポリ(ジメチルシロキサン)(PDMS)、およびポリメチルペンテン等のシリコーン含有材料を含む。一例示的実施形態では、細胞培養チャンバは、ポリスチレン床部と、シリコーン側壁および上部壁とを備える。
ある側面では、第2の材料に加えて、少なくとも1つの付加的表面1124はまた、第1の材料から成ることができる。例えば、限定ではないが、1つ以上の側壁および/または上部壁等の付加的表面1124は、第1の材料(例えば、ポリスチレン)から作製されたフレーム内に第2の材料(例えば、シリコーン等の高透過性ポリマー)を組み込むことができる。また、底面がまた、第2の材料から成り得ることが想定される。しかしながら、いくつかの実施形態では、第2の材料は、細胞が、表面に接着し得るように、第1の材料が、十分な表面積を被覆することを確実にするために、底面全体を通して断続的にのみ分散される。
ある実施形態では、生物学的反応器1110はまた、細胞培養チャンバの中に灌流培地を灌流するために、細胞培養チャンバ1120に動作可能に結合される、1つ以上のポンプ1140を含むであろう。生物学的反応器1110はまた、1つ以上の流体リザーバ1132を含むことができる。流体リザーバ1132は、細胞培養チャンバ1110と流体連通し、1つ以上のポンプ1140に動作可能に結合されることができる。流体リザーバをポンプおよび細胞培養チャンバに接続するための1つ以上の管もまた、提供される。ある側面では、1つ以上のポンプは、流体リザーバから、細胞培養チャンバを通して、廃棄物収集リザーバの中に流体を圧送するために構成される。図15に示される例示的実施形態では、流体は、流体リザーバ1132から、管類1152を通してポンプ1140に、かつ入口1136を介して細胞培養チャンバ1120の中に移動し、出口1138を介して細胞培養チャンバ1120から外に戻り、管類1154を通して、廃棄物収集リザーバ1134の中に移動する。
ある実施形態では、流体リザーバおよび/または廃棄物収集リザーバは、それぞれ、細胞培養チャンバ内に含有されるか、またはチャンバに流体的に結合されるかのいずれかで、1つ以上のキャップ付き瓶として提供されることができる。各リザーバは、入口ポートおよび出口ポート、または出口ポートおよび1つ以上の細胞培養チャンバの入口に流体的に結合される排出口を含有する。ある側面では、例えば、ルアーコネクタおよびルアーコネクタの周囲に嵌合するように切断されるシリコーンガスケットが、入口または出口の一方または両方を通した漏出を防止するために使用されることができる。
ある実施形態では、1つ以上の生物学的反応器は、プロセスが、培養器内で実行されるであろうように、培養器内に嵌合するように定寸および構成される。培養器内の条件は、37℃の持続温度および95~100%の湿度を含む。したがって、選定される材料は、材料(流体および生物製剤を含む)が、そのような条件下で拡大する傾向があることを前提として、これらの条件に耐える完全性を有していなければならない。
さらに、いくつかの状況では、培養器内の条件は、安定したままであり、温度の自動化記録が、培養器内で実施される反応におけるいずれかの異常と相関させるための温度変動の知識を有するために可能である。故に、いかなる力の供給も、培養器内の環境を変化させるべきではない。例えば、あるポンプは、熱を発生させる。故に、一実施形態では、ポンプは、生物学的反応器から別個に格納されるが、依然として、反応器と流体的かつ動作可能に連通する。別の実施形態では、ポンプは、生物学的反応器に直接取り付けられ、培養器内に位置するが、熱がない、または熱を放散するために熱シンクおよび/またはファンに動作可能に接続される。構成にかかわらず、ポンプは、生物学的反応器に動作可能に結合され、順に、細胞培養チャンバに動作可能に結合される。
システムはまた、細胞培養リザーバ、および随意に、流体リザーバの温度を制御するための加熱器を含むことができる。そのような構成では、いかなる培養器も、要求されず、本システムは、電力の源のみを用いて、自律的に動作することができる。本システムに、加熱器が欠如する場合、これは、細胞培養器の内側で動作されることができる。
他の側面では、細胞培養チャンバは、細胞培養チャンバに動作可能に結合される、1つ以上のセンサ(図示せず)を含む。センサは、pH、溶解酸素、総バイオマス、細胞直径、グルコース濃度、乳酸濃度、および細胞代謝物濃度等の細胞培養チャンバ内の1つ以上のパラメータを測定することが可能であってもよい。本システムが、複数の細胞培養チャンバを含む実施形態では、1つ以上のセンサは、細胞培養チャンバのうちの1つ以上のものに結合されることができる。ある実施形態では、1つ以上のセンサは、1つ以上の細胞培養チャンバに結合されるが、システム内のチャンバの全てに結合されるわけではない。他の実施形態では、1つ以上のセンサは、システム内の細胞培養チャンバの全てに結合される。1つ以上のセンサに動作可能に結合される、複数のチャンバを有するシステムでは、センサは、それにそれらが結合されるチャンバのそれぞれにおいて同一であり得る、それらは全て、異なり得る、またはいくつかのセンサは、同一であり得、いくつかは、異なり得る。ある側面では、1つ以上のセンサは、パラメータの自動的監視および調節が、可能であるように、命令を実行するための中央処理ユニットを有するコンピュータシステム(図15に図示せず)に動作可能に結合される。
図16は、国際出願第PCT/US2016/040042号(その内容は、参照することによって本明細書に組み込まれる)に説明される樹状細胞(DC)発生システム2300の実施形態を示す。そのようなデバイスは、本発明のシステムおよび方法と併用されてもよい。本システムは、培養培地リザーバ2340および廃棄物リザーバ2350(それぞれ、プラスチックキャップを伴う商業的に入手可能なガラスまたはプラスチック培養培地瓶のサイズおよび形状)を含有するための空間を伴う筐体2310と、DC分化カセットまたはチップ2200のための搭載面積と、培養培地瓶からカセットの入口ポートにつながる蠕動ポンプ管類を受け取るために構成される、暴露された蠕動ポンプヘッド(カセットの出口ポートから廃棄物瓶につながる別の管類は、ポンプヘッドを通して通過する必要はない)と、ディスプレイ2330と、ルアーロック継手2278と、制御ボタン、ノブ、またはスイッチとを含む。本システムはまた、カセット、および随意に、培養培地リザーバの温度を制御するための加熱器(図示せず)を含むことができ、そのような構成では、いかなる培養器も、要求されず、本システムは、電力の源のみを用いて、自律的に動作することができる。本システムに、加熱器が欠如する場合、これは、細胞培養器の内側で動作されることができる。2つ以上のカセットおよびポンプヘッド(例えば、2個、3個、4個、5個、6個、7個、8個、9個、10個、以上のカセットおよびポンプヘッド等のカセット毎に1つ)を含む、類似するシステムもまた、想定される。そのようなマルチカセットシステムでは、制御電子機器、ディスプレイ、およびボタン、ノブ、またはスイッチは、異なるカセット間で共有されるか、またはカセット毎に1つのセットを複製されるかのいずれかであり得る。
(実施例)
(実施例)
公的データベース
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、公的データベースからデータを引き出す。任意の好適な公的データベースが、1つ以上の細胞培養プロトコルに関するデータを備え、本発明のシステムは、細胞培養プロトコルデータを受信するために、データベースに接続してもよい。例えば、本発明は、AmirkiaおよびQiubao, Cell-culture Database: Literature-based reference tool for human and mammalian experimentally based cell culture applications; Bioinformation, 2012; 8(5): 237-238(参照することによってその全体として本明細書に組み込まれる)に説明されるCell-culture Databaseからデータを引き出してもよい。Cell-culture Databaseは、http://cell-lines.toku-e.comにおいて公的に利用可能であり、細胞のために最も効果的な培地、補足物質、および抗生物質を選定し、選択および形質移入実験のための抗生物質の濃度および組み合わせを決定し、着目細胞株または着目プラスミドまたはベクターに関連する文献を検索するために有用である。Cell-culture Databaseを使用するために、細胞株、プラスミド、またはベクターの名称が、検索ボックス内に打ち込まれ、関連するデータが、閲覧される。データベースは、当該細胞を成長させるために使用された他の培地等、同一の細胞株またはプラスミドを使用した他の実験についての情報を提供する。
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、公的データベースからデータを引き出す。任意の好適な公的データベースが、1つ以上の細胞培養プロトコルに関するデータを備え、本発明のシステムは、細胞培養プロトコルデータを受信するために、データベースに接続してもよい。例えば、本発明は、AmirkiaおよびQiubao, Cell-culture Database: Literature-based reference tool for human and mammalian experimentally based cell culture applications; Bioinformation, 2012; 8(5): 237-238(参照することによってその全体として本明細書に組み込まれる)に説明されるCell-culture Databaseからデータを引き出してもよい。Cell-culture Databaseは、http://cell-lines.toku-e.comにおいて公的に利用可能であり、細胞のために最も効果的な培地、補足物質、および抗生物質を選定し、選択および形質移入実験のための抗生物質の濃度および組み合わせを決定し、着目細胞株または着目プラスミドまたはベクターに関連する文献を検索するために有用である。Cell-culture Databaseを使用するために、細胞株、プラスミド、またはベクターの名称が、検索ボックス内に打ち込まれ、関連するデータが、閲覧される。データベースは、当該細胞を成長させるために使用された他の培地等、同一の細胞株またはプラスミドを使用した他の実験についての情報を提供する。
そのような実施形態では、細胞培養装置と動作可能に関連付けられるコントローラが、培養されるべき細胞と関連付けられる初期データを受信する。例えば、ユーザまたは実験室の技術者は、細胞株に関するデータを入力する。コントローラは、次いで、Cell-culture Database等の公的に利用可能なデータベースに接続する。Cell-culture Databaseは、関連する入力データが提供されると、細胞培養プロトコルについての種々の情報を提供する。コントローラは、Cell-culture Databaseにおける「入力」として細胞株に関するデータを提供する。本発明の方法は、細胞を成長させるために使用される培地等のそのような入力から取得された結果を閲覧し、結果を使用し、細胞培養プロトコルを決定するステップを含む。
ある場合には、決定された細胞培養プロトコルは、公的データベースから直接引き出されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に記憶される等、将来の使用のために記憶されてもよい。
内部データベース
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、内部データベースからデータを引き出す。内部データベースは、実験室設定において以前に使用された細胞培養プロトコルに関する情報を含んでもよい。例えば、データベースは、細胞装置設置から取得された情報および実験ノートからの情報を含んでもよい。内部データベース内の情報は、培養の間に使用される細胞タイプ、培地タイプ、pH、温度、培養ステップの持続時間、および流体流率等の細胞培養プロトコルに関する任意の関連する情報を含んでもよい。
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、内部データベースからデータを引き出す。内部データベースは、実験室設定において以前に使用された細胞培養プロトコルに関する情報を含んでもよい。例えば、データベースは、細胞装置設置から取得された情報および実験ノートからの情報を含んでもよい。内部データベース内の情報は、培養の間に使用される細胞タイプ、培地タイプ、pH、温度、培養ステップの持続時間、および流体流率等の細胞培養プロトコルに関する任意の関連する情報を含んでもよい。
そのような実施形態では、細胞培養装置と動作可能に関連付けられるコントローラが、培養されるべき細胞と関連付けられるデータを受信する。例えば、ユーザまたは実験室の技術者は、細胞株に関するデータを入力する。コントローラは、次いで、実験室において使用された全ての前の細胞培養プロトコルを文書化するデータベース等の内部データベースに接続する。入力に基づいて、データベースは、その細胞タイプに関して使用された過去の細胞培養プロトコルに関連する情報を提供する。例えば、情報は、培養の間に使用される培地のタイプ、pH、温度、ステップの持続時間、および流体流率を含んでもよい。本発明の方法は、細胞を成長させるために使用される培地等のそのような入力から取得された結果を閲覧し、結果を使用し、細胞培養プロトコルを決定するステップを含む。
ある場合には、決定された細胞培養プロトコルは、内部データベースから直接引き出されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に記憶される等、将来の使用のために記憶されてもよい。
データセットの組み合わせ
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、データベースの組み合わせからデータを引き出す。データベースは、1つ以上の細胞培養プロトコルを備える、任意の好適なデータベースであってもよい。例えば、データベースは、公的に利用可能なデータベースの組み合わせであってもよい。別の実施例では、データベースは、公的に利用可能なデータベースおよび内部データベースの組み合わせであってもよい。
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、データベースの組み合わせからデータを引き出す。データベースは、1つ以上の細胞培養プロトコルを備える、任意の好適なデータベースであってもよい。例えば、データベースは、公的に利用可能なデータベースの組み合わせであってもよい。別の実施例では、データベースは、公的に利用可能なデータベースおよび内部データベースの組み合わせであってもよい。
そのような実施例では、細胞培養装置と動作可能に関連付けられるコントローラが、培養されるべき細胞と関連付けられるデータを受信する。コントローラは、次いで、細胞培養プロトコルデータを受信するために、公的データベース等の第1のデータベースに接続する。コントローラは、細胞培養プロトコルデータを受信するために、内部データベース等の別のデータベースに接続する。コントローラは、次いで、公的データベースおよび内部データベースから取得されたデータに基づいて、培養されるべき細胞に関する細胞培養プロトコルを決定する。
ある場合には、決定された細胞培養プロトコルは、内部データベースから直接引き出され、公的データベースからのデータに基づいて修正されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、公的データベースから直接引き出され、内部データベースからのデータに基づいて修正されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、第1の公的データベースから直接引き出され、第2の公的データベースからのデータに基づいて修正されたプロトコルを備える。ある場合には、決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に記憶される等、将来の使用のために記憶されてもよい。
データベースおよびフィードバック
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、1つ以上のデータベースからデータを引き出し、また、センサからのフィードバックデータを含む。フィードバックデータは、細胞培養手順の条件を監視する複数のセンサからのデータを含む。
ある実施形態では、本発明のシステムおよび方法は、細胞培養プロトコルを決定する際の使用のために、1つ以上のデータベースからデータを引き出し、また、センサからのフィードバックデータを含む。フィードバックデータは、細胞培養手順の条件を監視する複数のセンサからのデータを含む。
そのような実施例では、細胞培養装置と動作可能に関連付けられるコントローラが、細胞タイプ等の培養されるべき細胞と関連付けられるデータを受信する。コントローラは、次いで、1つ以上の細胞培養プロトコルを備える、任意の好適な公的または内部データベースであり得るデータベースに接続する。コントローラは、データベースから細胞培養プロトコルデータを受信する。コントローラは、温度、圧力、pH、温度、および流体流率等の細胞培養装置上の複数のセンサからのデータを受信する。センサから取得されたデータは、データベースから取得された細胞培養プロトコルを修正するために使用され、それによって、データベースから取得されたデータおよびフィードバックデータに基づいて、細胞培養プロトコルを決定する。決定された細胞培養プロトコルは、細胞培養のために直ちに使用されてもよい。決定された細胞培養プロトコルはまた、内部データベース内に等、将来の使用のために記憶されてもよい。
ユーザ定義パラメータの最適化
ある実施形態では、本発明のシステムおよび方法は、ユーザ定義パラメータに基づいて、細胞培養手順を最適化するために使用されてもよい。ある場合には、ユーザ定義パラメータは、pH、濁度(細胞増殖を反映する)、グルコース、乳酸、または細胞健常性または同一性の任意の他の測定値から選択される。ユーザは、所望のパラメータを入力し、本システムに細胞およびベース培地を装填するであろう。本発明の方法は、次いで、パラメータのユーザ定義セットを維持するために、本システムにおける細胞培養手順を自己最適化するために使用される。そのような実施例では、本発明の方法およびシステムは、細胞培養プロセスの間に少なくとも1回、着目パラメータまたは複数のパラメータのレベルを感知する。随意に、着目パラメータは、細胞培養プロセス全体を通して複数回感知されてもよい。
ある実施形態では、本発明のシステムおよび方法は、ユーザ定義パラメータに基づいて、細胞培養手順を最適化するために使用されてもよい。ある場合には、ユーザ定義パラメータは、pH、濁度(細胞増殖を反映する)、グルコース、乳酸、または細胞健常性または同一性の任意の他の測定値から選択される。ユーザは、所望のパラメータを入力し、本システムに細胞およびベース培地を装填するであろう。本発明の方法は、次いで、パラメータのユーザ定義セットを維持するために、本システムにおける細胞培養手順を自己最適化するために使用される。そのような実施例では、本発明の方法およびシステムは、細胞培養プロセスの間に少なくとも1回、着目パラメータまたは複数のパラメータのレベルを感知する。随意に、着目パラメータは、細胞培養プロセス全体を通して複数回感知されてもよい。
本発明は、次いで、培養条件を変更するかどうかを決定することによって、ユーザ定義パラメータを最適化する。例えば、本発明のシステムおよび方法は、感知されたパラメータレベルに基づいて、培養条件を変更するかどうかの決定を行うステップを含む。ある状況では、パラメータの最適化に関する情報は、新しい実験またはプロトコルが、初めて実行されているとき等、データベースから読出可能ではない場合がある。ある場合では、本発明のシステムおよび方法は、次いで、決定に基づいて、培養条件を変更する。ある場合には、本発明のシステムおよび方法は、グルコース濃度または乳酸濃度を変更するために、流率を操作する。ある場合には、本発明のシステムおよび方法は、リザーバから、サイトカイン、成長因子、および血清等の補足物質を添加する。リザーバは、本システム内に含まれてもよい(またはオンボード)、または培養器の外側にあり、ポンプを介して培養容器に接続されてもよい。細胞培養手順の終了に続けて、本発明の方法およびシステムは、将来の使用のための参照としての役割を果たすために、内部データベース等のデータベース内に最適化されたプロトコルを記憶する。
(参照による組み込み)
(参照による組み込み)
特許、特許出願、特許公開、雑誌、書籍、論文、ウェブコンテンツ等の他の文書の参照および引用が、本開示全体を通して行われた。全てのそのような文書は、あらゆる目的のために、参照することによってその全体として本明細書に組み込まれる。
均等物
均等物
本発明は、ある実施形態と併せて説明されたが、当業者は、前述の明細書を熟読した後、本明細書に記載される組成物および方法の種々の変更、その均等物の代用、および他の改変をもたらすことが可能であろう。
Claims (39)
- 細胞培養を監視および制御するためのシステムであって、前記システムは、
コントローラと動作可能に関連付けられる細胞培養装置であって、前記コントローラは、メモリに結合されるハードウェアプロセッサを備え、前記メモリは、命令を含有し、前記命令は、前記コントローラに、
培養されるべき細胞と関連付けられるデータを受信することと、
細胞培養プロトコルデータを受信するために、1つ以上のデータベースに接続することと、
前記培養されるべき細胞に関する細胞培養プロトコルを決定することと
を行わせるように、プロセッサによって実行可能である、細胞培養装置
を備える、システム。 - 前記コントローラは、統合される、請求項1に記載のシステム。
- 前記コントローラは、分散される、請求項1に記載のシステム。
- 前記細胞培養装置は、単回使用細胞培養装置である、請求項1に記載のシステム。
- 前記細胞培養装置は、前記細胞に関するデータを提供するために、前記コントローラに通信可能に結合される1つ以上のセンサを備える、請求項1に記載のシステム。
- 前記1つ以上のセンサは、単回使用センサである、請求項5に記載のシステム。
- 前記コントローラはさらに、細胞培養の間の前記1つ以上のセンサからのフィードバックに基づいて、前記細胞培養プロトコルを更新するように構成される、請求項1に記載のシステム。
- 前記フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる、請求項7に記載のシステム。
- 前記1つ以上のデータベースは、前記システムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである、請求項1に記載のシステム。
- 前記1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える公的に利用可能なデータベースである、請求項1に記載のシステム。
- 前記決定された細胞培養プロトコルは、培養されるべき細胞と関連付けられる前記受信されたデータに基づいて、個人化される、請求項1に記載のシステム。
- 細胞培養プロトコルを決定する方法であって、
培養されるべき細胞と関連付けられるデータを受信することと、
細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続することと、
前記培養されるべき細胞に関する細胞培養プロトコルを決定することと
を含む、方法。 - 細胞培養の間のフィードバックに基づいて、前記細胞培養プロトコルを更新することをさらに含み、前記フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである、請求項12に記載の方法。
- 前記フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる、請求項13に記載の方法。
- 前記1つ以上のデータベースは、細胞培養を監視および制御するためのシステムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである、請求項12に記載の方法。
- 前記1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える公的に利用可能なデータベースである、請求項12に記載の方法。
- 前記決定された細胞培養プロトコルは、培養されるべき細胞と関連付けられる前記受信されたデータに基づいて、個人化および最適化される、請求項12に記載の方法。
- 前記決定された細胞培養プロトコルを報告することをさらに含む、請求項12に記載の方法。
- 報告することは、あるレベルが規定された範囲外に該当するときにアラートを提供することを含む、請求項18に記載の方法。
- 前記アラートは、電子メールアラート、音声アラート、テキストアラート、またはそれらの組み合わせを備える、請求項19に記載の方法。
- あるレベルは、pHレベル、溶解酸素レベル、総バイオマスレベル、細胞直径レベル、または温度レベルを備える、請求項19に記載の方法。
- 報告することはさらに、監視情報をユーザに提供することを含む、請求項18に記載の方法。
- 監視情報は、pH、溶解酸素、総バイオマス、細胞直径、および温度のプロファイルを備える、請求項22に記載の方法。
- 前記細胞培養プロトコルを決定することはさらに、前記培養プロセスを終了すること、さらなる試薬の使用を停止すること、前記ユーザにアラートすること、または前記システムをシャットダウンすることを決定することを含む、請求項12に記載の方法。
- 個人化された細胞培養プロトコルを決定する方法であって、
ヒト対象に関する培養されるべき細胞と関連付けられるデータを受信することと、
細胞培養プロトコルについてのデータを受信するために、1つ以上のデータベースに接続することと、
前記ヒト対象に関する培養されるべき細胞に関する個人化された細胞培養プロトコルを決定することと
を含む、方法。 - 細胞培養の間のフィードバックに基づいて、前記個人化された細胞培養プロトコルを更新することをさらに含み、前記フィードバックは、細胞培養装置上に配置され、コントローラと通信可能に結合される、1つ以上のセンサからのものである、請求項25に記載の方法。
- 前記フィードバックは、pH、グルコース濃度、乳酸濃度、溶解酸素、総バイオマス、細胞直径、温度、細胞タイプ、培地タイプ、および流体流率のうちの少なくとも1つと関連付けられる、請求項26に記載の方法。
- 前記1つ以上のデータベースは、細胞培養を監視および制御するためのシステムによって以前に開発された1つ以上の細胞培養プロトコルを備えるデータベースである、請求項25に記載の方法。
- 前記1つ以上のデータベースは、1つ以上の細胞培養プロトコルを備える公的に利用可能なデータベースである、請求項25に記載の方法。
- 前記決定された個人化された細胞培養プロトコルは、前記ヒト対象に関する培養されるべき細胞と関連付けられる前記受信されたデータに基づいて、個人化される、請求項25に記載の方法。
- 前記決定された個人化された細胞培養プロトコルを報告することをさらに含む、請求項25に記載の方法。
- 細胞培養プロトコルを最適化する方法であって、
培養されるべき細胞と関連付けられるデータを受信することと、
ユーザ定義パラメータを細胞培養の間に維持されるべきレベルに設定することと、
細胞培養プロトコルを実装することと、
細胞培養の間に前記ユーザ定義パラメータのレベルを測定することと、
前記ユーザ定義パラメータのレベルを維持するために、細胞培養条件を変更するかどうかを決定することによって、前記細胞培養プロトコルを最適化することと
を含む、方法。 - 前記細胞培養プロトコルの間に前記パラメータのレベルを周期的に測定することをさらに含む、請求項32に記載の方法。
- 前記ユーザ定義パラメータは、pH、濁度、グルコース濃度、乳酸濃度、細胞健常性または同一性の他の測定値、またはそれらの組み合わせを備える、請求項32に記載の方法。
- 細胞培養条件を変更することをさらに含む、請求項32に記載の方法。
- 細胞培養条件を変更することは、グルコース濃度または乳酸濃度を変更するために、培地の流率を操作することを含む、請求項35に記載の方法。
- 細胞培養条件を変更することは、補足物質を添加することを含む、請求項35に記載の方法。
- 補足物質は、サイトカイン、成長因子、および血清を備える、請求項37に記載の方法。
- データベース内に前記最適化された細胞プロトコルを記憶することをさらに含む、請求項32に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962828696P | 2019-04-03 | 2019-04-03 | |
US62/828,696 | 2019-04-03 | ||
PCT/US2020/026386 WO2020206121A2 (en) | 2019-04-03 | 2020-04-02 | Cell culture systems and uses thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022521852A true JP2022521852A (ja) | 2022-04-12 |
Family
ID=72666562
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021559066A Pending JP2022521852A (ja) | 2019-04-03 | 2020-04-02 | 細胞培養システムおよびその使用 |
Country Status (12)
Country | Link |
---|---|
US (1) | US20220169972A1 (ja) |
EP (1) | EP3947628A4 (ja) |
JP (1) | JP2022521852A (ja) |
KR (1) | KR20220004661A (ja) |
CN (1) | CN113906128A (ja) |
AU (1) | AU2020254733A1 (ja) |
BR (1) | BR112021019797A2 (ja) |
CA (1) | CA3135845A1 (ja) |
IL (1) | IL286873A (ja) |
JO (1) | JOP20210271A1 (ja) |
SG (1) | SG11202110882TA (ja) |
WO (1) | WO2020206121A2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024072098A1 (ko) * | 2022-09-27 | 2024-04-04 | 씨제이제일제당 (주) | 균사체의 생산을 위한 방법, 기록 매체 및 전자 장치 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8026096B1 (en) * | 1998-10-08 | 2011-09-27 | Protein Sciences Corporation | In vivo active erythropoietin produced in insect cells |
JP4195287B2 (ja) * | 2000-10-02 | 2008-12-10 | エフ.キャノン トーマス | 自動化されたバイオカルチャー及びバイオカルチャー実験システム |
JP4599937B2 (ja) * | 2004-08-18 | 2010-12-15 | 株式会社ニコン | 自動培養装置、および自動培養システム |
US9449144B2 (en) * | 2007-07-10 | 2016-09-20 | University of Pittsburgh—of the Commonwealth System of Higher Education | Flux balance analysis with molecular crowding |
JP4845950B2 (ja) * | 2008-10-30 | 2011-12-28 | 株式会社日立製作所 | 自動培養装置 |
ES2752874T3 (es) * | 2009-07-06 | 2020-04-06 | Hoffmann La Roche | Procedimiento de cultivo de células eucariotas |
GB201004614D0 (en) * | 2010-03-19 | 2010-05-05 | Ge Healthcare Uk Ltd | A system and method for automated extraction of multi-cellular physiological parameters |
EP2484750A1 (en) * | 2011-02-07 | 2012-08-08 | Ecole Polytechnique Fédérale de Lausanne (EPFL) | Monitoring system for cell culture |
EP2995676A4 (en) * | 2013-05-06 | 2016-11-30 | Optolane Technologies Inc | DEVICE FOR ANALYZING CELLS AND FOR MONITORING CELL CULTURE AND METHOD FOR ANALYZING CELLS AND MONITORING CELL CULTURE USING THE SAME |
US10214718B2 (en) * | 2013-07-01 | 2019-02-26 | University Of Massachusetts | Distributed perfusion bioreactor system for continuous culture of biological cells |
DE202014102506U1 (de) * | 2014-05-28 | 2014-06-27 | Anmelderangaben unklar / unvollständig | System zur Überwachung wenigstens einer Inkubationseinheit |
US20200308523A1 (en) * | 2016-06-29 | 2020-10-01 | Northeastern University | Cell Culture Chambers And Methods Of Use Thereof |
ES2895459T3 (es) * | 2016-08-31 | 2022-02-21 | Sartorius Stedim Biotech Gmbh | Control y supervisión de un proceso para producir un producto químico, farmacéutico o biotecnológico |
-
2020
- 2020-04-02 SG SG11202110882TA patent/SG11202110882TA/en unknown
- 2020-04-02 WO PCT/US2020/026386 patent/WO2020206121A2/en active Application Filing
- 2020-04-02 JP JP2021559066A patent/JP2022521852A/ja active Pending
- 2020-04-02 AU AU2020254733A patent/AU2020254733A1/en active Pending
- 2020-04-02 US US17/601,060 patent/US20220169972A1/en active Pending
- 2020-04-02 EP EP20782654.6A patent/EP3947628A4/en active Pending
- 2020-04-02 KR KR1020217035945A patent/KR20220004661A/ko unknown
- 2020-04-02 BR BR112021019797A patent/BR112021019797A2/pt unknown
- 2020-04-02 CN CN202080038952.6A patent/CN113906128A/zh active Pending
- 2020-04-02 CA CA3135845A patent/CA3135845A1/en active Pending
- 2020-04-02 JO JOP/2021/0271A patent/JOP20210271A1/ar unknown
-
2021
- 2021-09-30 IL IL286873A patent/IL286873A/en unknown
Also Published As
Publication number | Publication date |
---|---|
EP3947628A4 (en) | 2023-01-25 |
BR112021019797A2 (pt) | 2022-01-11 |
WO2020206121A2 (en) | 2020-10-08 |
AU2020254733A1 (en) | 2021-12-02 |
CN113906128A (zh) | 2022-01-07 |
WO2020206121A3 (en) | 2020-11-05 |
KR20220004661A (ko) | 2022-01-11 |
EP3947628A2 (en) | 2022-02-09 |
IL286873A (en) | 2021-10-31 |
CA3135845A1 (en) | 2020-10-08 |
US20220169972A1 (en) | 2022-06-02 |
SG11202110882TA (en) | 2021-10-28 |
JOP20210271A1 (ar) | 2023-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hie et al. | Computational methods for single-cell RNA sequencing | |
US20210249108A1 (en) | Artificial intelligence engine for generating candidate drugs | |
Mihaylov et al. | Application of machine learning models for survival prognosis in breast cancer studies | |
Barik et al. | Analysis of prediction accuracy of diabetes using classifier and hybrid machine learning techniques | |
Liu et al. | Multi-task deep learning with dynamic programming for embryo early development stage classification from time-lapse videos | |
US20220059196A1 (en) | Artificial intelligence engine for generating candidate drugs using experimental validation and peptide drug optimization | |
US20220325892A1 (en) | Apparatus and method for oocyte rescue in vitro post stimulation | |
US20220169972A1 (en) | Cell culture systems and uses thereof | |
De Cesare et al. | ChipSeg: An automatic tool to segment bacterial and mammalian cells cultured in microfluidic devices | |
Loyola-González et al. | A pattern-based approach for detecting pneumatic failures on temporary immersion bioreactors | |
US11270098B2 (en) | Clustering methods using a grand canonical ensemble | |
He et al. | Application of systems engineering principles and techniques in biological big data analytics: A review | |
Kaliappan et al. | Impact of Cross-Validation on Machine Learning Models for Early Detection of Intrauterine Fetal Demise | |
Albraikan et al. | Modified barnacles mating optimization with deep learning based weed detection model for smart agriculture | |
Kalankesh et al. | Taming EHR data: using semantic similarity to reduce dimensionality | |
US20210301238A1 (en) | Microfluidic devices and methods of designing and using microfluidic devices | |
Krishanthi et al. | Enhancing Feature Selection Optimization for COVID-19 Microarray Data | |
Murray et al. | Advancing algorithmic drug product development: Recommendations for machine learning approaches in drug formulation | |
Chang et al. | Spatial omics representation and functional tissue module inference using graph Fourier transform | |
Bernardi et al. | Artificial Intelligence-Based Management of Adult Chronic Myeloid Leukemia: Where Are We and Where Are We Going? | |
US11802268B1 (en) | Apparatus and method for inducing human oocyte maturation in vitro | |
Zheng et al. | Multiscale computing in systems medicine: a brief reflection | |
Ahamed et al. | Deep Learning Approaches, Algorithms, and Applications in Bioinformatics | |
Chen et al. | Digital Twins and Data-Driven in Plant Factory: An Online Monitoring Method for Vibration Evaluation and Transplanting Quality Analysis | |
WO2024059658A2 (en) | Transomic systems and methods of their use |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230206 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240112 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240411 |