WO2021260867A1 - 培地の異常検知装置及び異常検知方法 - Google Patents

培地の異常検知装置及び異常検知方法 Download PDF

Info

Publication number
WO2021260867A1
WO2021260867A1 PCT/JP2020/024921 JP2020024921W WO2021260867A1 WO 2021260867 A1 WO2021260867 A1 WO 2021260867A1 JP 2020024921 W JP2020024921 W JP 2020024921W WO 2021260867 A1 WO2021260867 A1 WO 2021260867A1
Authority
WO
WIPO (PCT)
Prior art keywords
medium
abnormality
impedance
media
characteristic values
Prior art date
Application number
PCT/JP2020/024921
Other languages
English (en)
French (fr)
Inventor
俊吾 足達
克雄 茂木
徹 夏目
拓 都築
陽介 小澤
Original Assignee
エピストラ株式会社
国立研究開発法人産業技術総合研究所
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by エピストラ株式会社, 国立研究開発法人産業技術総合研究所 filed Critical エピストラ株式会社
Priority to PCT/JP2020/024921 priority Critical patent/WO2021260867A1/ja
Priority to JP2021539656A priority patent/JP6977977B1/ja
Publication of WO2021260867A1 publication Critical patent/WO2021260867A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance

Definitions

  • the present invention relates to a medium abnormality detection device and an abnormality detection method.
  • Cell culture is a basic technology of the bio-industry, which is expected to be applied not only to regenerative medicine and the production of low molecular weight compounds, but also to industry and agriculture.
  • Biological raw materials such as natural media are widely used as media, samples, reagents and the like used for cell culture.
  • a medium that does not meet the criteria for which the characteristics of the culture medium have been determined due to a lot difference or a batch difference of the culture medium is referred to as an abnormal medium, and a medium that meets the criteria for which the characteristics of the culture medium have been determined is normal. It is called a medium.
  • the presence or absence of abnormality in the medium can be detected by analysis using a spectroscopic analysis method such as mass spectrometry or infrared spectroscopy.
  • Patent Document 1 discloses a method of analyzing a component of a medium by using a spectroscopic analysis method.
  • an object of the present invention is to provide a medium abnormality detection device and an abnormality detection method capable of shortening the time required for inspection, reducing the cost, and detecting the presence or absence of an abnormality in the medium.
  • the medium abnormality detection device of the present invention determines an abnormality from a measuring unit that measures the impedance of a plurality of media and at least one target medium as characteristic values, and a state of distribution of the characteristic values of the plurality of the media. It includes a state estimation unit for setting a threshold, and an abnormality detection unit for determining the presence or absence of an abnormality in the target medium from the characteristic value of the target medium and the threshold.
  • the impedance of a plurality of media is measured as a characteristic value
  • a threshold value for determining an abnormality is set from the state of distribution of the characteristic values of the plurality of media, and at least one target is used.
  • the impedance of the medium is measured as a characteristic value
  • the presence or absence of abnormality in the target medium is determined from the characteristic value of the target medium and the threshold value.
  • the time required for the inspection can be shortened, the cost can be reduced, and the presence or absence of an abnormality in the medium can be detected.
  • the method for detecting an abnormality in a medium of the present invention it is possible to shorten the time required for the inspection, reduce the cost, and detect the presence or absence of an abnormality in the medium.
  • FIG. 1 is a schematic diagram showing the configuration of an abnormality detection device for a medium.
  • FIG. 2 is an explanatory diagram illustrating the PCA process.
  • FIG. 3 is a graph showing the cell concentration (relative value) which is the result of culturing the culture medium sample.
  • FIG. 4 is a graph showing a Nyquist diagram of a medium sample.
  • FIG. 5 is a graph showing the distribution of the extraction feature amount of the culture medium sample.
  • FIG. 6 is a graph showing a Nyquist diagram of a target medium sample.
  • FIG. 7 is a graph comparing the extraction feature amount of the target medium sample with the normal distribution of FIG.
  • FIG. 8 is a graph showing the cell concentration (relative value) which is the result of culturing the target medium sample.
  • FIG. 1 is a schematic diagram showing a configuration of a culture medium abnormality detection device according to the present embodiment.
  • the medium used for the cell culture experiment CE is used to detect abnormalities.
  • the medium abnormality detection device 1 has a measurement unit 10, an abnormality detection system 20, and an abnormality notification unit 30.
  • the measuring unit 10 has a sensor unit 11 and a detailed measuring unit 12.
  • the sensor unit 11 includes an impedance sensor. Further, the sensor unit 11 may include sensors such as a temperature sensor, a humidity sensor, and a pH sensor, for example. In the present embodiment, a case where a sensor unit 11 including one or more sensors such as a temperature sensor, a humidity sensor, and a pH sensor and an impedance sensor is applied will be described below.
  • the sensor unit 11 having such a configuration, it is possible to measure the impedance of a plurality of media as a characteristic value.
  • various sensors such as a temperature sensor, a humidity sensor, and a pH sensor can measure the temperature, humidity, pH, and the like of a plurality of media as characteristic values.
  • Impedance, temperature and pH are the impedance, temperature and pH of the medium, respectively.
  • Humidity is the humidity of the measurement environment.
  • impedance, temperature, humidity, pH and the like can be measured as characteristic values.
  • the measured characteristic value is also referred to as a measured value.
  • the medium abnormality detection device 1 determines the presence or absence of an abnormality in a medium whose component is unknown, based on past characteristic values obtained from a plurality of media.
  • the term "medium” is a cell culture medium for culturing cells, which contains nutrients used for cell growth and provides a cell growth environment.
  • a medium usually used for culturing cells can be used, and the medium is appropriately determined depending on the type of cells to be cultured.
  • a buffer solution containing an inorganic salt, a carbohydrate, an amino acid, a vitamin, a protein, a peptide, a fatty acid, a lipid, a serum or the like can be mentioned.
  • the "cell” is not particularly limited as long as it can be cultured in a medium, and for example, myocardial cells, nerve stem cells, mesenchymal stem cells, embryonic stem cells, hepatocytes, corneal stem cells, pancreatic islet cells, etc. Examples thereof include tumor cells, iPS cells, ES cells, and blood cell cells. Specifically, 293T cells can be mentioned.
  • a medium for each lot or each batch in which there is a possibility that the components may differ due to lot differences, batch differences, etc. is referred to as one medium.
  • a plurality of such media that is, a medium prepared from a plurality of different lots, or a medium prepared from a plurality of different batches is referred to as a "plurality of media”.
  • the medium abnormality detection device determines the presence or absence of an abnormality in a medium whose component is unknown from the characteristics of the characteristic values obtained from a plurality of media.
  • the medium to be determined for the presence or absence of abnormality is referred to as "target medium”.
  • the detailed measurement unit 12 includes, for example, a measurement / analysis device such as a gas chromatography device, a microscope, and a mass spectrometer.
  • the detailed measurement unit 12 having such a configuration can acquire characteristic data such as column chromatography analysis data of a plurality of media, image data taken by a microscope, and mass analysis data.
  • characteristic data such as column chromatography analysis data of at least one target medium, image data taken by a microscope, and mass analysis data can be acquired.
  • the measured characteristic data is also referred to as measurement data.
  • the characteristic data of the medium is appropriately quantified and can be treated as a part of the characteristic value of the medium.
  • the measuring unit 10 measures two or more kinds of characteristic values including impedance for a plurality of media and outputs the obtained characteristic values.
  • the measuring unit 10 includes an impedance sensor and a temperature sensor
  • the impedance characteristic value obtained from the impedance sensor and the temperature characteristic value obtained from the temperature sensor are arranged in two types of multidimensional arrangement including the impedance.
  • the measuring unit 10 includes an impedance sensor, a temperature sensor, and a pH sensor
  • the impedance characteristic value obtained from the impedance sensor, the temperature characteristic value obtained from the temperature sensor, and the pH obtained from the pH sensor Is output as a characteristic value of three types of multidimensional array information including impedance.
  • the measuring unit 10 measures the characteristic values of two or more kinds of multidimensional sequence information including impedance for at least one target medium, and determines the obtained characteristic values. Output.
  • the abnormality detection system 20 has a database 21, a state estimation unit 22, and an abnormality detection unit 23.
  • characteristic values of a plurality of media and a target medium are input from the measurement unit 10.
  • the characteristic value input to the database 21 is associated with the date and time when the characteristic value was measured and stored in the database 21 for each medium.
  • the state estimation unit 22 inputs the characteristic values of a plurality of media directly from each sensor of the sensor unit 11 or indirectly via the database 21.
  • the state estimation unit 22 performs PCA (Principal Component Analysis) processing on the characteristic values of a plurality of media, for example, and a basis consisting of a multidimensional principal component vector that characterizes the distribution of the characteristic values. Unsupervised basis) is extracted to estimate the state of multiple media.
  • the PCA process is performed on two or more kinds of characteristic values including impedance. Extracting the basis that characterizes the distribution of characteristic values is also referred to as distribution learning.
  • the first to third principal component vectors (V1, V2, V3) are extracted from the characteristic values including impedance.
  • the principal component vector may be only the first principal component vector or only the first and second principal component vectors, or the fourth and subsequent principal component vectors may be obtained, but will be omitted below.
  • the basis obtained here is referred to as an unsupervised basis in order to distinguish it from the supervised basis described later.
  • FIG. 2 is an explanatory diagram illustrating the above PCA process.
  • V1, V2 three-dimensional principal component vectors that characterize the distribution of characteristic values from the characteristic values of three media
  • X medium temperature
  • Y impedance real part
  • Z impedance imaginary part
  • MV3 extracts the basis (unsupervised basis).
  • Y the real part of the impedance
  • Z the imaginary part of the impedance
  • V1, V2, V3 the imaginary part of the impedance
  • a Nyquist diagram which is a graph of the real part of impedance vs. the imaginary part of impedance is acquired, and the feature quantity obtained from a predetermined condition is extracted on the Nyquist diagram to obtain the basis. can do.
  • the extraction of features on the Nyquist diagram and the Nyquist diagram will be described later.
  • Predetermined conditions can be set as appropriate, and conditions optimized for expressing features on the Nyquist diagram can be set.
  • the abnormality detection unit 23 sets a threshold value for abnormality determination when a certain abnormality determination rule is given in the space composed of the above unsupervised basis.
  • the threshold is defined as the amount associated with the distribution of each medium when the characteristic values of each medium are projected onto the space composed of the unsupervised basis described above. For example, the average of the point cloud when the characteristic values of each medium are projected into the space based on the first to third principal component vectors (V1, V2, V3) extracted from the characteristic values including the impedance is set to ⁇ . Then, the threshold of abnormality can be given as an amount related to the Mahalanobis distance from the above ⁇ .
  • the measured value of the normal group is projected on a certain one-dimensional space, and the distribution is approximated to a normal distribution.
  • ⁇ ⁇ 3 ⁇ can be set as the threshold value. That is, when the characteristic value of a certain medium is projected onto the one-dimensional space and the coordinates are separated from ⁇ by 3 ⁇ or more, the threshold value can be set so that the medium is judged to be abnormal.
  • the abnormality detection unit 23 inputs the characteristic value of the target medium obtained by the measurement unit 10.
  • the abnormality detection unit 23 projects the characteristic value of the target medium onto the space composed of the unsupervised basis, and analyzes the positional relationship of the characteristic value of the target medium. For example, the characteristic value of the target medium is projected onto the space composed of the principal component vectors obtained above, and the coordinates (x1, x2, x3) on the space are obtained as the analysis result.
  • the degree of abnormality of the target medium may be determined by setting the above threshold value to be divided into a plurality of stages. As an example, when the distance between the coordinates x and the average value ⁇ of the distribution of the normal group is 2 or more and less than 3 in terms of the Mahalanobis distance of the distribution of the normal group, the degree of abnormality is small. If it is 3 or more, it may be determined that the degree of abnormality is large.
  • the abnormality detection unit 23 outputs a determination result of the presence / absence of abnormality or the degree of abnormality in the target medium.
  • the database 21, the state estimation unit 22, and the abnormality detection unit 23 having the above configurations are collectively referred to as an abnormality detection system 20.
  • the abnormality detection system 20 can be realized on a computer provided with input / output means.
  • the abnormality notification unit 30 inputs the determination result of the presence / absence of abnormality or the degree of abnormality, and notifies the operator or the like of the presence / absence of abnormality or the degree of abnormality.
  • the operator or the like is an operator of the culture medium abnormality detection device, an experimenter of a cell culture experiment, an arbitrarily determined administrator, or the like.
  • the abnormality notification unit 30 notifies the operator or the like of information indicating that there is an abnormality, including the characteristic value of the target medium and the error code. If there is no abnormality, the abnormality notification unit 30 notifies the operator or the like of the notification of no abnormality.
  • the abnormality notification unit 30 in addition to a transmission device that sends an e-mail to an operator or the like to notify the determination result, a display device that displays the determination result on the display unit and visually recognizes the operator or the like. A sound emitting device or the like that notifies the operator or the like of the determination result by voice can be applied.
  • the operator may be notified only when there is an abnormality, and a display unit that lights up only when there is an abnormality is provided so that the display is performed only when there is an abnormality. You may.
  • the distribution of characteristic values including the impedances of a plurality of media is learned to extract unsupervised basis, and the threshold value for abnormality determination is set, and the target medium ( The characteristic value of the unknown medium) is projected onto the space composed of the unsupervised basis to analyze the positional relationship.
  • the time required for the inspection can be shortened, the cost can be reduced, and the presence or absence of an abnormality in the target medium can be detected.
  • the presence or absence of abnormality in the target medium is detected based on the characteristic values including the impedance measured from the plurality of media and the target medium.
  • mass spectrometry and spectroscopy are performed as in the conventional case.
  • the characteristic value can be measured immediately and the cost can be reduced.
  • the target medium is constantly monitored by measuring the characteristic values of the target medium in chronological order and determining the presence or absence of abnormalities in the target medium each time the characteristic values are measured from the target medium. It is also possible to detect abnormalities due to changes in the target medium over time.
  • the medium abnormality detection method of the present embodiment is a method of detecting an abnormality in the medium used for the cell culture experiment CE by using the medium abnormality detection device 1 shown in FIG.
  • samples of multiple media are sampled. For example, 100 mL is collected from 100 L of the medium prepared for culturing in the cell culture process.
  • the sensor unit 11 constituting the measuring unit 10 measures characteristic values such as impedance, temperature, humidity, and pH for a plurality of media.
  • the detailed measurement unit 12 of the measurement unit 10 acquires characteristic data such as column chromatography analysis data of a plurality of media, image data taken by a microscope, and mass analysis data. In this way, the measuring unit 10 measures two or more kinds of characteristic values including impedance for a plurality of media.
  • two or more types of characteristic values including impedances of a plurality of media are input from the measuring unit 10 to the database 21 and stored. Further, two or more kinds of characteristic values including impedances of a plurality of media are input to the state estimation unit 22 directly from the measuring unit 10 or indirectly via the database 21.
  • PCA principal component analysis
  • the threshold value for abnormality determination in the space composed of the above unsupervised basis is set.
  • the threshold value is extracted as an eigenvalue for the principal component vector extracted above.
  • the unsupervised basis and the threshold value obtained above are output to the abnormality detection unit 23.
  • sample at least one sample of the target medium For example, 100 mL is collected from 100 L of the medium prepared for the target medium.
  • the measuring unit 10 measures and outputs two or more types of characteristic values including impedance with respect to the target medium.
  • the characteristic value of the target medium obtained by the measurement unit 10 is input to the abnormality detection unit 23, and the characteristic value of the target medium is projected onto the space composed of the unsupervised basis described above to project the characteristic value of the target medium. Analyze the positional relationship of.
  • the abnormality of the target medium is obtained from the analysis result of projecting the characteristic value of the target medium onto the space composed of the unsupervised basis and the threshold value obtained by the state estimation unit 22. Judge the presence or absence of or the degree of abnormality.
  • the determination result of the presence / absence of abnormality or the degree of abnormality is input to the abnormality notification unit 30, and the abnormality notification unit 30 notifies the operator and the like of the presence / absence of abnormality or the degree of abnormality.
  • the distribution of the characteristic values of a plurality of media is learned to extract the unsupervised basal, and the threshold for determining the abnormality is set, and the target medium (unknown medium).
  • the target medium unknown medium
  • the measuring unit 10 is described as measuring two or more kinds of characteristic values including impedance for a plurality of media, but the impedance is divided into the real part of impedance and the imaginary part of impedance. By separating them, even if only the impedance is used, it can be treated as two or more kinds of characteristic values.
  • the threshold value for abnormality determination can be set from the impedance.
  • Example 1 Five media of the same item (sample numbers 1 to 5) in different lots were prepared. DMEM (Dulvecco's modified Eagle's medium, high glucose, manufactured by Wako Pure Chemical Industries, Ltd.) was used as this medium sample.
  • FIG. 3 is a graph showing cell concentrations (relative values) which are the culture results of the culture medium samples of sample numbers 1 to 5. As the cells here, 293T cells were used. The cell concentration was measured by an automatic fluorescent cell counting device (LUNA-FL, manufactured by logos Biosystems).
  • LUNA-FL automatic fluorescent cell counting device
  • the reference value of the cell concentration is 1.50, and if the cell concentration is equal to or higher than the reference value, it can be determined to be a normal medium, and if it is less than the reference value, it can be determined to be an abnormal medium. From FIG. 3, the medium of sample numbers 1 to 4 was normal, and the medium of sample number 5 was abnormal.
  • the distribution of the characteristic values of the media of the above sample numbers 1 to 5 is learned to set the threshold value for abnormality determination, and the characteristic values of the unknown target medium (target sample numbers 1 to 2) and the abnormality determination are determined. From the threshold value of, the presence or absence of abnormality in the target medium was determined. In addition, cell culture was actually performed using the target medium, and it was confirmed whether the cell culture results and the determination of the presence or absence of abnormalities in the medium matched.
  • FIG. 4 is a graph showing a Nyquist diagram of a medium sample of the medium of sample numbers 1 to 5.
  • the results of the medium samples of sample numbers 1 to 4 are indicated by ⁇ , and the results of sample number 5 are indicated by ⁇ .
  • the extraction feature amounts of the media of sample numbers 1 to 4 obtained under this condition were 3025.929, 3018.000, 3014.879, and 3017.539, respectively.
  • the extraction feature amount of the medium of sample number 5 was 2887.2667.
  • the conditions set for extracting the extraction feature amount on the above Nyquist diagram are not particularly limited.
  • the x-coordinate may be used as an extraction feature amount.
  • the conditions can be set as appropriate, and the conditions optimized for expressing the features on the Nyquist diagram can be set.
  • the extraction feature amount of the medium of sample numbers 1 to 4 is a value near about 3020, sample numbers 1 to 4 are recognized as the medium of the normal group, and sample number 5 whose feature amount greatly deviates from 3020 is regarded as the medium of the abnormal group. Certified.
  • FIG. 5 is a graph showing the distribution of the extraction feature amounts of the medium samples of sample numbers 1 to 5.
  • the horizontal axis is the extraction feature amount, and the vertical axis is the frequency.
  • the extraction feature amount of the medium sample of sample numbers 1 to 4 in the normal group is indicated by ⁇
  • the extraction feature amount of the medium sample of sample number 5 in the abnormal group is indicated by ⁇ .
  • the distribution of the extraction feature amount of the medium samples of sample numbers 1 to 4 in the normal group was maximum likelihood estimated by the normal distribution.
  • ND of ( ⁇ , ⁇ ) (3019.087, 4.126). did it.
  • ⁇ ⁇ 3 ⁇ was set as the threshold value. That is, when y is used as the extraction feature amount, it is defined as normal if 3006.609 ⁇ y ⁇ 3031.465, and abnormal otherwise.
  • the extraction feature amounts of the medium samples of sample numbers 1 to 4 in the normal group were all within the range of 3006.609 ⁇ y ⁇ 3031.465.
  • the extraction feature amount of the medium sample of sample No. 5 of the abnormal group was out of the range of 3006.609 ⁇ y ⁇ 3031.465.
  • the distribution of the characteristic values of the media of sample numbers 1 to 5 was learned, and the threshold value for abnormality determination was set.
  • FIG. 6 is a graph showing a Nyquist diagram of the target medium samples of target sample numbers 1 and 2.
  • the result of the target sample number 1 is indicated by ⁇
  • the result of the target sample number 2 is indicated by ⁇ .
  • the extraction feature amounts of the media of the target sample numbers 1 and 2 were 3016.550 and 2854.840, respectively.
  • FIG. 7 is a graph comparing the extraction feature amount of the target medium sample with the normal distribution of FIG. Since the extraction feature amount of the target medium sample of the target sample number 1 is 3016.550, which is within the range of ⁇ ⁇ 3 ⁇ (3006.609 ⁇ y ⁇ 3031.465) set above, the target sample number 1 is set. The target medium was determined to be normal. Further, since the extraction feature amount of the target medium sample of the target sample number 2 is 2854.840, which is outside the range of ⁇ ⁇ 3 ⁇ (3006.609 ⁇ y ⁇ 3031.465), the target medium of the target sample number 2 is It was determined to be abnormal.
  • the presence or absence of abnormality in the unknown medium of the target sample numbers 1 and 2 was determined from the threshold value of the abnormality determination obtained above and the characteristic value of the unknown medium of the target sample numbers 1 and 2. ..
  • FIG. 8 is a graph showing the cell concentration (relative value) which is the culture result of the target medium samples of the target sample numbers 1 and 2.
  • the reference value of the cell concentration (relative value) was 1.50 as in FIG.
  • the target medium of target sample No. 1 was normal, and the medium of target sample No. 2 was abnormal. The result of this cell culture was in agreement with the above-mentioned determination of the presence or absence of abnormality in the medium.
  • the distribution of the characteristic values of a plurality of media is learned to set the threshold value for abnormality judgment, and the time required for the inspection is shortened from the threshold value for abnormality judgment and the characteristic value of the target medium (unknown medium). It was possible to reduce the cost and detect the presence or absence of abnormalities in the medium. Furthermore, it is possible to detect whether the medium is normal or abnormal before performing cell culture using the medium, and the abnormal medium can be eliminated by an effective and simple inspection method, whereby the medium can be removed. It was confirmed that the efficiency of bioproduction and research and development used could be improved.
  • the results of cell culture were greatly affected by the concentration of nutrients such as glucose and serum in the medium, and the difference in the concentration of nutrients such as glucose and serum in the medium had a large effect on the impedance of the medium. Therefore, it is probable that the regulation extracted from the characteristic values including the impedance was effective in detecting the presence or absence of abnormality in the medium.
  • the measured value is used as it is as the impedance data. Specifically, the real part of the impedance and the imaginary part of the impedance are obtained, and the Nyquist diagram of the impedance is obtained. , Extraction feature quantity is extracted.
  • the impedance measured at the reference temperature and the reference pH is measured at the temperature deviating from the reference temperature and the pH deviating from the reference pH. It was confirmed that there is a possibility that the pH may deviate from the pH.
  • the state estimation unit 22 corrects the impedance based on at least the characteristic values of a plurality of media excluding the impedance.
  • the characteristic values of the plurality of media excluding impedance are, for example, temperature, pH, and the like.
  • the correction value for correcting the impedance can be set as a correction value by examining in advance the amount of change in impedance when the temperature or pH is changed.
  • the amount of change in impedance when the temperature or pH changes may be summarized in a table, and the correction value may be obtained by referring to the table when the impedance, temperature, pH or the like is measured.
  • the impedance corrected by the correction value is deducted from the influence of temperature and pH, and the difference in the impedance result derived from the medium component can be detected more sensitively.
  • the database 21 contains, for example, an impedance change amount indicating how much the impedance measured from the medium changes when the temperature of the medium changes, and a measurement from the medium when the pH of the medium changes.
  • the amount of impedance change which indicates how much the impedance changes, is stored in advance.
  • the state estimation unit 22 acquires the impedance, temperature, and pH characteristic values of the target medium from the measurement unit 10, the state estimation unit 22 reads out the amount of change in impedance corresponding to each of the temperature and pH values from the database 21.
  • the amount of change in the impedance specified based on the temperature and pH values is used as the correction value for the impedance
  • the impedance of the characteristic value obtained by the measuring unit 10 is used as the correction value.
  • the correction value is added or subtracted from.
  • the state estimation unit 22 uses the impedance corrected by the correction value. For example, PCA processing is performed using the corrected impedance, and a basis (unsupervised basis) composed of multidimensional principal component vectors that characterizes the distribution of characteristic values is extracted to estimate the state of a plurality of media. Except for the above, this modification is the same as that of the first embodiment.
  • the medium abnormality detection device 1 can obtain the same effect as that of the above-described embodiment, and even though the target medium is originally normal, the temperature and pH of the target medium are different. It is possible to reduce the risk of erroneous determination as having an abnormality, and it is possible to more accurately determine the presence or absence of an abnormality in the target medium.
  • the medium abnormality detection device and the abnormality detection method according to the present embodiment are the same as those of the medium abnormality detection device of the first embodiment shown in FIG. 1, but have the following differences.
  • two or more kinds of characteristic values including impedance are measured for a plurality of media, and cells are cultured in a plurality of media to obtain a culture result.
  • the culture result the result reflecting the state ST of the medium is obtained.
  • the culture results can be input to the database 21 and stored.
  • the state estimation unit 22 inputs the characteristic values of a plurality of media directly from each sensor of the sensor unit 11 or indirectly via the database 21.
  • the state estimation unit 22 further inputs the culture result.
  • the state estimation unit 22 refers to the culture results and, for example, performs PLS (Partial Least Squares Regression) treatment on the characteristic values of a plurality of media to obtain good culture results.
  • PLS Partial Least Squares Regression
  • a basis supervised basis
  • the PLS treatment is performed for two or more kinds of characteristic values including impedance by referring to the culture result. Basis that is highly relevant to a specific purpose and is obtained in this way is called a supervised basis.
  • the above-mentioned supervised basal extraction can separate a medium group with a good culture result and a medium group with a poor culture result when there is a medium group with a good culture result above the standard value and a medium group with a poor culture result below the standard value. Equivalent to selecting such a base. This makes it possible to extract the difference in the components that most contributed to the difference in the culture results.
  • the state estimation unit 22 sets a threshold value for determining an abnormality in the space composed of the above-mentioned supervised basis with reference to the reference value of the culture result for separating the good medium group and the bad medium group.
  • the threshold value is set so that a good culture result above the reference value can be obtained if the threshold value is not exceeded, and a poor culture result below the reference value can be obtained if the reference value is exceeded.
  • the abnormality detection unit 23 inputs the characteristic value of the target medium obtained by the measurement unit 10.
  • the abnormality detection unit 23 projects the characteristic value of the target medium onto the space composed of the above-mentioned supervised basis, and analyzes the positional relationship of the characteristic value of the target medium.
  • the abnormality detection unit 23 determines the presence or absence of an abnormality in the target medium from the analysis result of projecting the characteristic value of the target medium onto the space composed of the supervised basis and the threshold value obtained by the state estimation unit 22. judge.
  • the distribution of the characteristic values of a plurality of media is learned to extract the unsupervised base, and the threshold value for abnormality determination is set, and the target medium ( By projecting the characteristic values of the unknown medium) onto the space composed of the unsupervised base and analyzing the positional relationship, the time required for the examination can be shortened, the cost can be reduced, and the presence or absence of abnormalities in the target medium can be detected. can do.
  • a supervised base that is relevant to a specific purpose of obtaining a good culture result by referring to the culture results of a plurality of media is used. Therefore, the presence or absence of abnormality in the target medium can be detected for the purpose of obtaining good culture results.
  • the impedance can be treated as two or more kinds of characteristic values even if it is only the impedance by dividing the impedance into the real part of the impedance and the imaginary part of the impedance.
  • the threshold value for abnormality determination can be set from the impedance.
  • Example 2 A total of 12 DMEM media (Dulbecco modified Eagle's medium, high glucose, manufactured by Wako Pure Chemical Industries, Ltd.) prepared separately, including multiple different lots, were prepared. Cell culture of 293T cells was performed using each medium, and culture results were obtained.
  • DMEM media Dulbecco modified Eagle's medium, high glucose, manufactured by Wako Pure Chemical Industries, Ltd.
  • the impedance (characteristic value) of the above 12 media was measured by an impedance sensor (IM3570 manufactured by Hioki, 4 Hz to 5 MHz).
  • the impedance (characteristic value) of the above eight unknown media was measured by an impedance sensor (IM3570, 4 Hz to 5 MHz, manufactured by Hioki).
  • the abnormality of the medium could be detected.
  • cell culture was performed using the medium detected as normal by impedance measurement and the medium detected as abnormal as described above.
  • the average and variance of the culture results were calculated when the cells were cultured with the abnormal group and when the cells were not included.
  • the measured value is used as it is as the impedance data for extracting the basis. Specifically, the real part of the impedance and the imaginary part of the impedance are obtained to obtain the impedance. The Nyquist diagram is acquired and the extracted feature quantity is extracted.
  • the state estimation unit 22 corrects the impedance based on at least the characteristic values of a plurality of media excluding the impedance.
  • the characteristic values of the plurality of media excluding impedance are, for example, temperature, pH, and the like.
  • the correction value for correcting the impedance can be set as a correction value by examining in advance the amount of change in impedance when the temperature or pH is changed.
  • the amount of change in impedance when the temperature or pH changes may be summarized in a table, and the correction value may be obtained by referring to the table when the impedance, temperature, pH or the like is measured.
  • the impedance corrected by the correction value is deducted from the influence of temperature and pH, and the difference in the impedance result derived from the medium component can be detected more sensitively.
  • the impedance is corrected based on the temperature and pH values among the characteristic values obtained by the measuring unit.
  • PLS processing is performed using the corrected impedance to characterize the distribution of characteristic values and extract multiple bases (supervised bases) consisting of multidimensional principal component vectors that are highly relevant to the culture results. Estimate the state of the medium.
  • this modification is the same as that of the second embodiment.
  • the measurement unit 10 measures the characteristic values of a plurality of media
  • the obtained characteristic values are stored in the database 21, and further, the state estimation unit 22 characterizes the distribution of the characteristic values. It is used for extracting the basis, but it is not limited to this.
  • the state estimation unit 22 characterizes the distribution of the characteristic values. It is used for extracting the basis, but it is not limited to this.
  • the measurement unit 10 measures the characteristic values of a plurality of media
  • the obtained characteristic values are stored in the database 21, and further, the state estimation unit 22 characterizes the distribution of the characteristic values. It is used for extracting the basis, but it is not limited to this.
  • the database 21 by storing this in the database 21 in advance, it is possible to perform a predetermined extraction using the past characteristic value data.
  • the state estimation unit 22 characterizes the distribution of the characteristic values measured by the measuring unit 10 excluding the characteristic values of one or more types among the characteristic values of two or more types including the impedances of the plurality of media.
  • the base may be extracted to estimate the state of the plurality of media, and a threshold value for determining an abnormality in the space composed of the base may be set. For example, as the characteristic values of the multidimensional array information, three or more types of characteristic values including impedance are acquired, the characteristic values used when actually extracting the basis are selected, and two or more types including impedance are selected. Only characteristic values may be used. Acquiring a larger number of types of characteristic values gives the degree of freedom in selecting the characteristic values used for basis extraction.
  • the characteristic values of three types of multidimensional array information including the characteristic value of impedance obtained from the impedance sensor, the characteristic value of temperature obtained from the temperature sensor, and the characteristic value of pH obtained from the pH sensor. It is acquired by the measuring unit 10 and stored in the database 21.
  • the state estimation unit 22 extracts the basis, the impedance characteristic value and the temperature characteristic value are selected and used to perform the basis extraction.
  • the state estimation unit 22 extracts the basis, the impedance characteristic value and the pH characteristic value are selected and used to perform the basis extraction.
  • the basis to be extracted differs depending on the type of the selected characteristic value, and the threshold value to be set also differs, so that the basis can be extracted and the threshold value can be set so as to be more in line with the intention of detecting the abnormality of the medium.
  • Measurement data such as column chromatography analysis data, image data taken by a microscope, and mass analysis data by the detailed measurement unit 12 may be performed as necessary. In some cases, the detailed measurement unit 12 may be omitted.
  • Sampling of the medium may be performed automatically by a method in which the experimenter manually collects the medium in a beaker or the like, or by using a sampling device configured appropriately.
  • the measured value and the measured data of one medium may be acquired at the closest possible time by associating them with each other using the time.
  • One medium sample may be divided into a plurality of samples, and the measurements may be performed in parallel.
  • each sensor of the sensor unit 11 and each device of the detailed measurement unit 12 may be performed manually by the operator, or the program incorporated in each sensor or each device or each sensor or each device may be used. It may be automatically performed by using a robot having a built-in motion to drive it.
  • a state estimation unit for setting a threshold value for abnormality determination from the distribution of characteristic values of a plurality of media a basis characterized by the distribution of characteristic values of a plurality of media is subjected to PCA treatment or PLS treatment.
  • the present invention is not limited to this, although the state estimation unit 22 for estimating the state of a plurality of media and setting the threshold value for abnormality determination in the space composed of the basis is applied.
  • a state estimation unit that analyzes the distribution of characteristic values of a plurality of media by neural network, machine learning, etc., and sets a threshold value for abnormality determination from the obtained analysis results is applied. May be good.
  • the correction value of the impedance when the temperature and pH change is prepared in advance, but the correction value is not limited to this, and the correction value when the temperature and pH change is learned.

Landscapes

  • Chemical & Material Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Electrochemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知できる培地の異常検知装置及び異常検知方法を提供する。培地の異常検知装置１は、複数個の培地及び少なくとも１個の対象培地のインピーダンスを特性値として測定する測定部１０と、複数個の培地の特性値の分布の状態から異常判定の閾値を設定する状態推定部２２と、対象培地の特性値と、閾値とから対象培地の異常の有無を判定する異常検知部２３とを備えた構成とする。

Description

培地の異常検知装置及び異常検知方法
　本発明は、培地の異常検知装置及び異常検知方法に関する。
　細胞培養は、再生医療や低分子化合物の生産への応用だけでなく、工業や農業への応用も期待されるバイオ産業の基盤技術である。細胞培養に用いられる培地、試料及び試薬等として、天然培地等の生物由来の原材料が広く用いられる。
　生物由来の原材料には、ロット差やバッチ差があることが知られている。これは、細胞培養の品質のばらつきの直接的な原因となり、バイオ生産や研究開発、検査のプロセスでは、全く同一の条件によってプロセスを実行しても、その実行結果が大きく異なるという現象が往々にして発生する。
　本明細書では、培地のロット差やバッチ差等に起因して培地の特性が求められた基準に満たない培地を異常な培地と称し、培地の特性が求められた基準を満たす培地を正常な培地と称する。
　培地を使用して細胞培養を実施する前に、培地が正常であるか異常であるか検知することは、培地を使用したバイオ生産や研究開発の効率を高める上で重要である。培地の異常の有無は、質量分析法や赤外分光等の分光分析法を用いた解析により検知することができる。
　例えば、特許文献１には、分光分析法を用いて培地の成分を解析する方法が開示されている。
特表２０１３－５４４３５３号公報
　しかしながら、培地の異常の有無を検知するために質量分析法や分光分析法を用いると、検査に時間がかかり、コストを増大させる要因となる。
　このため、培地を用いたバイオ生産及び研究開発等において、検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知することが求められている。
　そこで、本発明は、検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知できる培地の異常検知装置及び異常検知方法を提供することを目的とする。
　本発明の培地の異常検知装置は、複数個の培地及び少なくとも１個の対象培地のインピーダンスを特性値として測定する測定部と、複数個の前記培地の前記特性値の分布の状態から異常判定の閾値を設定する状態推定部と、前記対象培地の前記特性値と、前記閾値とから前記対象培地の異常の有無を判定する異常検知部とを備える。
　本発明の培地の異常検知方法は、複数個の培地のインピーダンスを特性値として測定し、複数個の前記培地の前記特性値の分布の状態から異常判定の閾値を設定し、少なくとも１個の対象培地のインピーダンスを特性値として測定し、前記対象培地の前記特性値と、前記閾値とから前記対象培地の異常の有無を判定する。
　本発明の培地の異常検知装置によれば、検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知することができる。
　本発明の培地の異常検知方法によれば、検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知することができる。
図１は、培地の異常検知装置の構成を示す模式図である。 図２は、ＰＣＡ処理を説明する説明図である。 図３は、培地試料の培養結果である細胞濃度（相対値）を示すグラフである。 図４は、培地試料のナイキスト線図を示すグラフである。 図５は、培地試料の抽出特徴量の分布を示すグラフである。 図６は、対象培地試料のナイキスト線図を示すグラフである。 図７は、対象培地試料の抽出特徴量を図５の正規分布と比較したグラフである。 図８は、対象培地試料の培養結果である細胞濃度（相対値）を示すグラフである。
　以下、本発明の実施形態について説明する。以下に説明する形態はあくまで例示であり、当業者にとって自明な範囲で適宜修正することができる。
＜第１実施形態＞
（培地の異常検知装置の構成）
　図１は、本実施形態に係る培地の異常検知装置の構成を示す模式図である。細胞培養実験ＣＥに使用される培地について、異常の検知をするものである。培地の異常検知装置１は、測定部１０、異常検知システム２０、及び異常通知部３０を有する。
　測定部１０は、センサ部１１及び詳細測定部１２を有する。センサ部１１は、インピーダンスセンサを含む。さらに、センサ部１１には、例えば、温度センサ、湿度センサ、及びｐＨセンサ等のセンサを含んでもよい。本実施形態では、温度センサ、湿度センサ、及びｐＨセンサ等のセンサのうち１種以上のセンサと、インピーダンスセンサとを含んだセンサ部１１を適用した場合について以下説明する。
　このような構成のセンサ部１１により、複数個の培地のインピーダンスを特性値として測定可能である。また、温度センサ、湿度センサ、及びｐＨセンサ等の各種センサによって、複数個の培地の温度、湿度、及びｐＨ等を特性値として測定可能である。インピーダンス、温度及びｐＨは、それぞれ、培地のインピーダンス、温度及びｐＨである。湿度は、測定環境の湿度である。同様に、少なくとも１個の対象培地についても、インピーダンスと、温度、湿度、及びｐＨ等を、それぞれ特性値として測定可能である。測定された特性値を測定値とも称する。また、本実施形態に係る培地の異常検知装置１によって、複数個の培地から得られた過去の特性値に基づいて、成分が未知の培地に対して異常の有無を判定する。
　本明細書において、「培地」とは、細胞の育成に用いられる栄養分を含むとともに細胞の生育環境を提供する、細胞を培養するための細胞培養培地である。本実施形態に係る培地は、細胞を培養するために通常使用される培地を使用することが可能であり、培養する細胞の種類によって適宜決定される。例えば、培地としては、緩衝溶液中に、無機塩、炭水化物、アミノ酸、ビタミン、タンパク質、ペプチド、脂肪酸、脂質、血清等を含有させたものが挙げられる。
　ここで「細胞」は、培地により培養可能なものであれば特に限定されるものではなく、例えば、心筋細胞、神経幹細胞、間葉系幹細胞、胚性幹細胞、肝細胞、角膜幹細胞、膵島細胞、腫瘍細胞、ｉＰＳ細胞、ＥＳ細胞、血球細胞等が挙げられる。具体的には、２９３Ｔ細胞が挙げられる。
　本明細書では、ロット差やバッチ差等に起因して成分に差がある可能性があるロット毎あるいはバッチ毎の培地をそれぞれ１つの培地と称する。このような培地が複数個あるとき、即ち、異なる複数のロットから準備された培地、あるいは異なる複数のバッチから準備された培地を、「複数個の培地」と称する。本実施形態に係る培地の異常検知装置は、複数個の培地から得られた特性値の特徴から、成分が未知の培地に対して異常の有無を判定する。異常の有無の判定の対象となる培地を「対象培地」と称する。
　詳細測定部１２は、例えば、ガスクロマトグラフィー装置、顕微鏡、及び質量分析装置等の測定・分析機器を含む。このような構成の詳細測定部１２により、複数個の培地のカラムクロマトグラフィー分析データ、顕微鏡により撮影された画像データ、及び質量分析データ等の特性データが取得可能である。また、少なくとも１個の対象培地のカラムクロマトグラフィー分析データ、顕微鏡により撮影された画像データ、及び質量分析データ等の特性データが取得可能である。測定された特性データを測定データとも称する。本明細書では、培地の特性データは、適宜数値化等がなされ、培地の特性値の一部として取り扱うことができる。
　測定部１０は、複数個の培地に対してインピーダンスを含む２種以上の特性値を測定し、得られた特性値を出力する。例えば、測定部１０は、インピーダンスセンサ及び温度センサを含む場合、インピーダンスセンサから得られたインピーダンスの特性値と、温度センサから得られた温度の特性値とを、インピーダンスを含む２種の多次元配列情報の特性値として出力する。また、測定部１０は、インピーダンスセンサ、温度センサ及びｐＨセンサを含む場合、インピーダンスセンサから得られたインピーダンスの特性値と、温度センサから得られた温度の特性値と、ｐＨセンサから得られたｐＨの特性値とを、インピーダンスを含む３種の多次元配列情報の特性値として出力する。
　上述した複数個の培地と同様に、測定部１０は、少なくとも１個の対象培地に対してもインピーダンスを含む２種以上の、多次元配列情報の特性値を測定し、得られた特性値を出力する。
　異常検知システム２０は、データベース２１、状態推定部２２、及び異常検知部２３を有する。データベース２１は、測定部１０から、複数個の培地及び対象培地の特性値が入力される。データベース２１に入力された特性値は、当該特性値を測定した日時に対応付けられて培地毎にデータベース２１に保存される。
　状態推定部２２は、センサ部１１の各センサから直接的に、あるいはデータベース２１を介して間接的に、複数個の培地の特性値が入力される。状態推定部２２は、複数個の培地の特性値に対して、例えば、ＰＣＡ（Principal Component Analysis：主成分分析）処理を行い、特性値の分布を特徴づける多次元の主成分ベクトルからなる基底（教師なし基底）を抽出して、複数個の培地の状態を推定する。ＰＣＡ処理は、インピーダンスを含む２種以上の特性値を対象としてなされる。特性値の分布を特徴づける基底の抽出は、分布の学習とも称する。上記の基底の抽出としては、インピーダンスを含む特性値から、例えば第１～第３主成分ベクトル（Ｖ１，Ｖ２，Ｖ３）を抽出する。主成分ベクトルは、第１主成分ベクトルのみあるいは第１及び第２主成分ベクトルのみであってもよく、また、第４以降の主成分ベクトルを求めても良いが、以下では省略する。ここで得られる基底は、後述の教師あり基底と区別するため、教師なし基底と称する。
　図２は、上記のＰＣＡ処理を説明する説明図である。ＰＣＡ処理では、例えば、３つの培地の特性値（Ｘ：培地の温度、Ｙ：インピーダンス実部、Ｚ：インピーダンス虚部）から、特性値の分布を特徴づける３次元の主成分ベクトル（Ｖ１、Ｖ２、Ｖ３）からなる基底（教師なし基底）を抽出する。Ｘ：培地の温度、Ｙ：インピーダンス実部、Ｚ：インピーダンス虚部の３次元の測定値データＭＶ（図２中●で示す）は、上記の基底（Ｖ１、Ｖ２、Ｖ３）で構成される空間ＳＰにおいて、主成分得点を示す写像ＩＭ（図２中○で示す）として投影（射影）される。
　インピーダンスから基底を抽出する場合、例えば、インピーダンスの実部対インピーダンスの虚部のグラフであるナイキスト線図を取得し、ナイキスト線図上で所定の条件から求められた特徴量を抽出して基底とすることができる。ナイキスト線図及びナイキスト線図上での特徴量の抽出については後述する。所定の条件は適宜設定可能であり、また、ナイキスト線図上の特徴を表現するのに最適化された条件を設定することができる。
　異常検知部２３は、上記の教師なし基底で構成される空間で、ある異常判定のためのルールが与えられた時、その異常判定の閾値を設定する。閾値は、上記の教師なし基底で構成される空間に各培地の特性値を投影した時、その分布に関連する量として定義づけられる。例えば、インピーダンスを含む特性値から抽出された第１～第３主成分ベクトル（Ｖ１，Ｖ２，Ｖ３）を基底とする空間に、各培地の特性値を投影した時の点群の平均をμとした時、異常の閾値は前記μからの、マハラノビス距離に関連する量として与えることができる。具体的には、例えば、上記で取得されたインピーダンスの特徴量を正常群と異常群に分類し、正常群の測定値をある１次元空間に投影し、その分布を正規分布に近似したときの分布の平均値をμ、正規分布の標準偏差の絶対値をσとしたとき、μ±３σを閾値に設定することができる。すなわち、ある培地の特性値を上記１次元空間に投影し、その座標が、μから３σ以上離れていた時は、その培地は異常と判断されるように閾値を設定することができる。
　また、異常検知部２３は、測定部１０で得られた対象培地の特性値が入力される。異常検知部２３は、対象培地の特性値を上記の教師なし基底で構成される空間に投影して、対象培地の特性値の位置関係を解析する。例えば、上記で得られた主成分ベクトルで構成される空間に、対象培地の特性値を投影し、その空間上での座標（ｘ１，ｘ２，ｘ３）を解析結果として得る。
　また、異常検知部２３は、上記の対象培地の特性値を上記の教師なし基底で構成される空間に投影した解析結果と、上記得られた異常検知ルールに対応する閾値とから、対象培地の異常の有無を判定する。例えば、異常検知部２３において、前記設定した閾値と状態推定部２２から取得した特性値の座標ｘ＝（ｘ１，ｘ２，ｘ３）とを用いて、異常の有無の判別を行う。一例としては、上記座標ｘと、上記正常群の分布の平均値μの間の距離が、上記正常群の分布のマハラノビス距離に換算して３以上離れていた場合、異常ありと判定する。そうでなければ異常なしと判定する。
　また、上記の閾値を複数段階で区分するように設定することで、対象培地の異常の程度を判定するようにしてもよい。一例としては、上記座標ｘと上記正常群の分布の平均値μとの間の距離が、上記正常群の分布のマハラノビス距離に換算して２以上３未満であった場合は異常の程度が小さいと判定し、３以上であった場合には異常の程度が大きいと判定するようにしても良い。異常検知部２３は、対象培地の異常の有無又は異常の程度の判定結果を出力する。
　上記の構成のデータベース２１、状態推定部２２、及び異常検知部２３をまとめて、異常検知システム２０と称する。異常検知システム２０は、出入力手段を備えたコンピュータ上に実現できる。
　異常通知部３０は、異常の有無又は異常の程度の判定結果が入力され、異常の有無又は異常の程度を、操作者等に通知する。操作者等とは、培地の異常検知装置の操作者、細胞培養実験の実験者、あるいは任意に定められた管理者等である。例えば、異常ありの場合、異常通知部３０から、対象培地の特性値及びエラーコード等を含む、異常があることを示す情報を操作者等に通知する。異常なしの場合、異常なしの通知を異常通知部３０から操作者等に通知する。異常通知部３０の一例としては、操作者等宛に電子メールを送信して判定結果を通知する送信装置の他、判定結果を表示部に表示させて操作者等に視覚により認識させる表示装置、操作者等に判定結果を音声により通知する放音装置等を適用できる。
　特に異常があったときにのみ操作者等への通知を行うようにしてもよく、また、異常がある場合にのみ点灯するような表示部を設けて異常があったときにのみ表示するようにしてもよい。
（培地の異常検知装置の作用・効果）
　上記の本実施形態の培地の異常検知装置１によれば、複数個の培地のインピーダンスを含む特性値の分布を学習して教師なし基底を抽出するとともに異常判定の閾値を設定し、対象培地（未知の培地）の当該特性値を教師なし基底で構成される空間に投影して位置関係を解析する。これにより、検査にかかる時間を短縮し、コストを削減して、対象培地の異常の有無を検知することができる。
　特に、本実施形態では、複数個の培地及び対象培地から測定したインピーダンスを含む特性値に基づいて、対象培地の異常の有無を検知していることから、従来のように、質量分析法や分光分析法を用いた解析により培地の異常の有無を検知する手法に比して、特性値の測定が即時に行え、コスト低減を図ることができる。
　また、本実施形態では、対象培地の特性値を時系列に測定し、対象培地から特性値が測定される度に対象培地の異常の有無を判定してゆくことで、対象培地を常時モニターしてゆくこともでき、対象培地の経時変化による異常も検知することができる。
（培地の異常検知方法）
　本実施形態の培地の異常検知方法は、図１に示す培地の異常検知装置１を用いて、細胞培養実験ＣＥに使用される培地について、異常の検知をする方法である。
　まず、複数個の培地の特性値の分布を学習するため、複数個の培地の試料をサンプリングする。例えば、細胞培養プロセスにおいて培養に供するため調整した培地１００Ｌから１００ｍＬを採取する。
　次に、測定部１０を構成するセンサ部１１において、複数個の培地に対して、インピーダンス、温度、湿度、及びｐＨ等の特性値を測定する。また、測定部１０の詳細測定部１２において、複数個の培地のカラムクロマトグラフィー分析データ、顕微鏡により撮影された画像データ、及び質量分析データ等の特性データを取得する。このようにして、測定部１０において複数個の培地に対してインピーダンスを含む２種以上の特性値を測定する。
　次に、複数個の培地のインピーダンスを含む２種以上の特性値を測定部１０からデータベース２１に入力して保存する。また、複数個の培地のインピーダンスを含む２種以上の特性値を測定部１０から直接的に、あるいはデータベース２１を介して間接的に、状態推定部２２に入力する。
　次に、状態推定部２２において、例えば複数個の培地のインピーダンスを含む特性値のＰＣＡ（主成分分析）処理を行い、特性値の分布を特徴づける多次元の主成分ベクトルからなる基底（教師なし基底）を抽出して、複数個の培地の状態を推定する。
　次に、状態推定部２２において、上記の教師なし基底で構成される空間での異常判定の閾値を設定する。閾値は、上記で抽出された主成分ベクトルに対する固有値として抽出する。上記で得た教師なし基底及び閾値を異常検知部２３に出力する。
　次に、少なくとも１つの対象培地の試料をサンプリングする。例えば、対象培地用に調整した培地１００Ｌから１００ｍＬを採取する。
　次に、上記と同様に測定部１０において対象培地に対してインピーダンスを含む２種以上の特性値を測定し、出力する。
　次に、測定部１０で得られた対象培地の特性値を異常検知部２３に入力し、対象培地の特性値を上記の教師なし基底で構成される空間に投影して、対象培地の特性値の位置関係を解析する。
　次に、異常検知部２３において、上記の対象培地の特性値を上記の教師なし基底で構成される空間に投影した解析結果と、状態推定部２２で得られた閾値とから、対象培地の異常の有無又は異常の程度を判定する。
　次に、異常の有無又は異常の程度の判定結果が異常通知部３０に入力され、異常通知部３０によって異常の有無又は異常の程度を、操作者等に通知する。
（培地の異常検知方法の作用・効果）
　上記の本実施形態の培地の異常検知方法によれば、複数個の培地の特性値の分布を学習して教師なし基底を抽出するとともに異常判定の閾値を設定し、対象培地（未知の培地）の特性値を教師なし基底で構成される空間に投影して位置関係を解析することで、検査にかかる時間を短縮し、コストを削減して、対象培地の異常の有無を検知することができる。
　上記の実施形態では、測定部１０で、複数個の培地に対してインピーダンスを含む２種以上の特性値を測定するように説明しているが、インピーダンスはインピーダンスの実部とインピーダンスの虚部に分けることで、インピーダンスのみであっても２種以上の特性値として取り扱うことができる。インピーダンスから、異常判定の閾値を設定することができる。
（実施例１）
　ロットが異なる５つの同一品目の培地（試料番号１～５）を準備した。この培地試料は、ＤＭＥＭ（ダルベッコ改変イーグル培地、high glucose、和光純薬製)を使用した。図３は、試料番号１～５の培地試料の培養結果である細胞濃度（相対値）を示すグラフである。ここでの細胞は、２９３Ｔ細胞を使用した。細胞濃度は、自動蛍光細胞計数装置（Logos Biosystems社製、ＬＵＮＡ－ＦＬ）により測定した。細胞濃度（相対値）の基準値を１．５０とし、細胞濃度が基準値以上であれば正常な培地と判定し、基準値未満であれば異常な培地と判定できる。図３から、試料番号１～４の培地は正常であり、試料番号５の培地は異常であった。
　本実施例では、上記の試料番号１～５の培地の特性値の分布を学習して異常判定の閾値を設定し、未知の対象培地（対象試料番号１～２）の特性値と、異常判定の閾値とから、対象培地の異常の有無を判定した。また、実際に対象培地を使用して細胞培養を行い、細胞培養結果と培地の異常の有無判定とが一致したか、確認した。
　まず、試料番号１～５の培地のインピーダンスを、インピーダンスセンサ（Hioki社製、ＩＭ３５７０、４Ｈｚ～５ＭＨｚ）で測定した。図４は、試料番号１～５の培地の培地試料のナイキスト線図を示すグラフである。測定したインピーダンススペクトルからインピーダンスの実部及びインピーダンスの虚部の値をそれぞれ求め、インピーダンスの実部（図４中、インピーダンス実部と表記）をｘ軸に、インピーダンスの虚部（図４中、インピーダンス虚部と表記）をｙ軸にとってグラフを作成し、ナイキスト線図を取得した。図４中、試料番号１～４の培地試料の結果を●で示し、試料番号５の結果を×で示す。ナイキスト線図上で、直線ｘ－１６５０＝０に対する最近傍の観測点を取得し、そのｙ座標を抽出特徴量として取得した。この条件で求められた試料番号１～４の培地の抽出特徴量は、それぞれ、３０２５．９２９、３０１８．０００、３０１４．８７９、３０１７．５３９であった。また、試料番号５の培地の抽出特徴量は、２８８７．２６６７であった。
　上記のナイキスト線図上での抽出特徴量を抽出するために設定される条件は、特に限定はない。上記では直線ｘ－１６５０＝０に対する最近傍の観測点を取得し、そのｙ座標を抽出特徴量としたが、これに限らず、例えば直線ｙ－２７５０＝０に対する最近傍の観測点を取得し、そのｘ座標を抽出特徴量としてもよい。その他、条件は適宜設定可能であり、また、ナイキスト線図上の特徴を表現するのに最適化された条件を設定することができる。
　試料番号１～４の培地の抽出特徴量は約３０２０近傍の値となり、試料番号１～４を正常群の培地と認定し、特徴量が３０２０から大きく外れた試料番号５を異常群の培地と認定した。
　図５は、試料番号１～５の培地試料の抽出特徴量の分布を示すグラフである。横軸は抽出特徴量であり、縦軸は周波数である。正常群である試料番号１～４の培地試料の抽出特徴量を●で示し、異常群である試料番号５の培地試料の抽出特徴量を×で示した。正常群である試料番号１～４の培地試料の抽出特徴量の分布を正規分布で最尤推定した。正常群を正規分布に近似したときの平均値をμ、正規分布の標準偏差の絶対値をσとしたとき、（μ，σ）＝（３０１９．０８７，４．１２６）の正規分布ＮＤに近似できた。
　上記の正規分布において、μ±３σを閾値に設定した。すなわち、ｙを抽出特徴量とした時、３００６．７０９＜ｙ＜３０３１．４６５であれば正常、そうでなければ異常と定義した。正常群の試料番号１～４の培地試料の抽出特徴量は、いずれも３００６．７０９＜ｙ＜３０３１．４６５の範囲内であった。異常群の試料番号５の培地試料の抽出特徴量は、３００６．７０９＜ｙ＜３０３１．４６５の範囲外であった。
　以上のようにして、試料番号１～５の培地の特性値の分布を学習して、異常判定の閾値を設定した。
　次に、成分が未知の対象培地（対象試料番号１～２）のインピーダンスを、インピーダンスセンサ（Hioki社製、ＩＭ３５７０、４Ｈｚ～５ＭＨｚ）で測定した。図６は、対象試料番号１～２の対象培地試料のナイキスト線図を示すグラフである。図６中、対象試料番号１の結果を■で示し、対象試料番号２の結果を▲で示す。ナイキスト線図上で、直線ｘ－１６５０＝０に対する最近傍の観測点を取得し、そのｙ座標を抽出特徴量として取得した。対象試料番号１～２の培地の抽出特徴量は、それぞれ、３０１６．５５０、２８５４．８４０であった。
　次に、対象試料番号１～２の対象培地試料の抽出特徴量を、図５の正規分布と比較した。図７は、対象培地試料の抽出特徴量を図５の正規分布と比較したグラフである。対象試料番号１の対象培地試料の抽出特徴量は３０１６．５５０であり、上記で設定されたμ±３σ（３００６．７０９＜ｙ＜３０３１．４６５）の範囲内であるので、対象試料番号１の対象培地は正常であると判定した。また、対象試料番号２の対象培地試料の抽出特徴量は２８５４．８４０であり、μ±３σ（３００６．７０９＜ｙ＜３０３１．４６５）の範囲外であるので、対象試料番号２の対象培地は異常であると判定した。
　以上のようにして、上記で得られた異常判定の閾値と、対象試料番号１～２の未知の培地の特性値とから、対象試料番号１～２の未知の培地の異常の有無を判定した。
　次に、実際に対象培地（対象試料番号１～２）を使用して細胞培養を行い、細胞培養結果と培地の異常の有無判定とが一致するかを確認した。対象試料番号１～２の対象培地を準備し、２９３Ｔ細胞の細胞培養を行った。また、対象培地試料の細胞濃度について、自動蛍光細胞計数装置（Logos Biosystems社製、ＬＵＮＡ－ＦＬ）より測定した。図８は、対象試料番号１～２の対象培地試料の培養結果である細胞濃度（相対値）を示すグラフである。細胞濃度（相対値）の基準値は図３と同様に１．５０とした。対象試料番号１の対象培地は正常であり、対象試料番号２の培地は異常であった。この細胞培養の結果は、上記の培地の異常の有無判定と一致した。
　上記から、複数個の培地の特性値の分布を学習して異常判定の閾値を設定し、異常判定の閾値と対象培地（未知の培地）の特性値とから、検査にかかる時間を短縮し、コストを削減して、培地の異常の有無を検知することができた。さらに、培地を使用して細胞培養を実施する前に、培地が正常であるか異常であるか検知することが可能となり、異常な培地を有効かつ簡便な検査方法によって排除でき、これによって培地を使用したバイオ生産や研究開発の効率を高められることが確認できた。
　細胞培養の結果は培地中のグルコースや血清などの栄養成分の濃度が大きな影響を与えており、さらに培地中のグルコースや血清などの栄養成分の濃度の差による培地のインピーダンスへの影響が大きかったことから、インピーダンスを含む特性値から抽出した規定が培地の異常の有無を検知するのに有効であったものと考えられる。
（変形例１）
　上記の第１実施形態では、インピーダンスのデータとして、測定して得た値をそのまま用いており、具体的にはインピーダンスの実部及びインピーダンスの虚部を求めて、インピーダンスのナイキスト線図を取得し、抽出特徴量を抽出している。
　しかしながら、培地に対してインピーダンス、温度、ｐＨを測定する場合、同一の培地であっても、基準温度、基準ｐＨにおいて測定したインピーダンスと、基準温度からずれた温度、基準ｐＨからずれたｐＨにおいて測定したインピーダンスとには、ずれが生じる恐れがあることを確認した。
　温度やｐＨが異なる条件で測定されたインピーダンスを用いてＰＣＡ等の解析をしようとすると、温度やｐＨが異なることの影響がインピーダンスでの解析を困難にする恐れがある。
　本変形例では、状態推定部２２は、少なくともインピーダンスを除く複数個の培地の特性値を基に、インピーダンスを補正する。インピーダンスを除く複数個の培地の特性値とは、例えば温度あるいはｐＨ等である。インピーダンスを補正する補正値は、温度やｐＨを変えたときのインピーダンスの変化量を予め調べておくことで、補正値として設定することができる。温度やｐＨが変わったときのインピーダンスの変化量をテーブルにまとめておき、インピーダンス、温度及びｐＨ等を測定したときにテーブルを参照して補正値を取得するようにしてもよい。補正値で補正されたインピーダンスは、温度やｐＨの影響が差し引かれており、培地成分に由来するインピーダンスの結果の違いをより鋭敏に検知することができる。
　この場合、データベース２１には、例えば、培地の温度が変化したときに、培地から測定したインピーダンスがどの程度変化するかを示したインピーダンス変化量と、培地のｐＨが変化したときに、培地から測定したインピーダンスがどの程度変化するかを示したインピーダンス変化量と、が予め記憶されている。状態推定部２２は、測定部１０から対象培地のインピーダンス、温度及びｐＨの特性値を取得すると、当該温度及びｐＨの各値にそれぞれ対応したインピーダンスの変化量をデータベース２１から読み出す。
　本変形例では、測定部１０で得られた特性値のうち、インピーダンスについて、温度やｐＨの値を基に特定したインピーダンスの変化量を補正値とし、測定部１０で得られた特性値のインピーダンスに補正値を加算又は減算する。状態推定部２２は、補正値により補正されたインピーダンスを用いる。例えば、補正されたインピーダンスを用いてＰＣＡ処理を行い、特性値の分布を特徴づける多次元の主成分ベクトルからなる基底（教師なし基底）を抽出して、複数個の培地の状態を推定する。上記を除いては、本変形例は第１実施形態と同様である。
　これにより、本変形例に係る培地の異常検知装置１では、上述した実施形態と同様の効果が得られる他、本来正常な対象培地であるにもかかわらず、対象培地の温度やｐＨの違いから異常ありとの誤った判定がなされる恐れを低減し得、対象培地について一段と正確に異常の有無を判定することができる。
＜第２実施形態＞
　本実施形態に係る培地の異常検知装置及び異常検知方法は、図１に示す第１実施形態の培地の異常検知装置と同様であるが、以下の相違点を有する。
　本実施形態では、複数個の培地に対してインピーダンスを含む２種以上の特性値を測定するとともに、複数個の培地で細胞培養を行い、培養結果を取得する。培養結果は、培地の状態ＳＴを反映した結果が得られている。培養結果は、データベース２１に入力して保存することができる。
　状態推定部２２は、センサ部１１の各センサから直接的に、あるいはデータベース２１を介して間接的に、複数個の培地の特性値が入力される。状態推定部２２は、さらに、培養結果が入力される。状態推定部２２は、培養結果を参照して、例えば複数個の培地の特性値に対してＰＬＳ（Partial Least Squares Regression：部分的最小二乗回帰）処理を行い、良好な培養結果を得るという特定の目的を与えたときに、その目的に対して関連性の高い多次元の主成分ベクトルからなる基底（教師あり基底）を抽出して、複数個の培地の状態を推定する。ＰＬＳ処理は、培養結果を参照して、インピーダンスを含む２種以上の特性値を対象としてなされる。特定の目的に対して関連性の高い基底であり、このようにして得らえる基底を教師あり基底と称する。
　上記の教師あり基底の抽出は、培養結果が基準値以上で良好な培地群と、基準値未満で不良な培地群が存在するとき、培養結果が良好な培地群と不良な培地群を分離できるような基底を選択することに相当する。これにより、培養結果の違いに最も寄与した成分の違いを抽出することができる。
　状態推定部２２は、良好な培地群と不良な培地群を分離する培養結果の基準値を参照して、上記の教師あり基底で構成される空間での異常判定の閾値を設定する。例えば、閾値を超えていなければ基準値以上の良好な培養結果が得られ、基準値を超えると基準値未満の不良な培養結果が得らえる結果となるように、閾値の設定がなされる。
　異常検知部２３は、測定部１０で得られた対象培地の特性値が入力される。異常検知部２３は、対象培地の特性値を上記の教師あり基底で構成される空間に投影して、対象培地の特性値の位置関係を解析する。
　異常検知部２３は、上記の対象培地の特性値を上記の教師あり基底で構成される空間に投影した解析結果と、状態推定部２２で得られた閾値とから、対象培地の異常の有無を判定する。
　上記を除いては、第１実施形態と同様の構成の装置及び方法とすることができる。
　上記の本実施形態の培地の異常検知装置及び異常検知方法によれば、複数個の培地の特性値の分布を学習して教師なし基底を抽出するとともに異常判定の閾値を設定し、対象培地（未知の培地）の特性値を教師なし基底で構成される空間に投影して位置関係を解析することで、検査にかかる時間を短縮し、コストを削減して、対象培地の異常の有無を検知することができる。
　また、この本実施形態に係る異常検知装置及び異常検知方法では、複数個の培地の培養結果を参照して良好な培養結果を得るという特定の目的に対して関連性がある教師あり基底を用いることで、良好な培養結果を得ることを目的として、対象培地の異常の有無を検知することができる。
　本実施形態においても、インピーダンスはインピーダンスの実部とインピーダンスの虚部に分けることで、インピーダンスのみであっても２種以上の特性値として取り扱うことができる。インピーダンスから、異常判定の閾値を設定することができる。
（実施例２）
　異なる複数種類のロットを含む、別々に調製した計１２個のＤＭＥＭ培地（ダルベッコ改変イーグル培地、high glucose、和光純薬製）を準備した。各培地を使用して２９３Ｔ細胞の細胞培養を行い、培養結果を得た。
　一方で、上記の計１２個の培地について、インピーダンスセンサ(Hioki社製、ＩＭ３５７０、４Ｈｚ～５ＭＨｚ）によってインピーダンス（特性値）を測定した。
　インピーダンスのナイキスト線図上で上記培養結果の差異を正しく分離できるように適切に選択した曲線ｆ（ｘ，ｙ）＝０に対する最近傍の観測点を取得し、ｆ（ｘ，ｙ）＝０に投影し、点群座標を入力として、スコア(培養結果の予測値)を出力する回帰モデルを作成した。本実施例では、ｆ（ｘ，ｙ）＝０としてｙ－２７００＝０を用いた。続いて、投影した回帰モデル上で、スコアが一定値未満となる座標領域を異常と定義した。
　次に、未知の培地を準備した。ここでは、計８個のロットが異なるＤＭＥＭ培地を準備した。
　上記の計８個の未知の培地について、インピーダンスセンサ（Hioki社製、ＩＭ３５７０、４Ｈｚ～５ＭＨｚ）によってインピーダンス（特性値）を測定した。
　測定したインピーダンスから得られた特性値を上記のｙ－２７００＝０に投影し、投影してスコアを出力し、上記で定義されたスコアが一定値未満となる座標領域にあるサンプルを、異常群として分離した。
　以上のようにして培地の異常を検知することができた。
　次に、上記のようにしてインピーダンス計測により正常であると検知した培地と、異常であると検知した培地とを用いてそれぞれ細胞培養を行った。異常群を含めて培養した場合と、含めないで培養した場合の培養結果の平均と分散を算出した。異常群を含めない正常群の培地のみで培養することにより、培養結果の平均値が向上し、分散が小さくなったことが確認され、効果が確認できた。
（変形例２）
　上記の第２実施形態では、基底を抽出するためのインピーダンスのデータとして、測定して得た値をそのまま用いており、具体的にはインピーダンスの実部及びインピーダンスの虚部を求めて、インピーダンスのナイキスト線図を取得し、抽出特徴量を抽出している。
　本変形例では、状態推定部２２は、少なくともインピーダンスを除く複数個の培地の特性値を基に、インピーダンスを補正する。インピーダンスを除く複数個の培地の特性値とは、例えば温度あるいはｐＨ等である。インピーダンスを補正する補正値は、温度やｐＨを変えたときのインピーダンスの変化量を予め調べておくことで、補正値として設定することができる。温度やｐＨが変わったときのインピーダンスの変化量をテーブルにまとめておき、インピーダンス、温度及びｐＨ等を測定したときにテーブルを参照して補正値を取得するようにしてもよい。補正値で補正されたインピーダンスは、温度やｐＨの影響が差し引かれており、培地成分に由来するインピーダンスの結果の違いをより鋭敏に検知することができる。
　本変形例では、測定部で得られた特性値のうち、インピーダンスについて、温度やｐＨの値を基に補正する。例えば、補正されたインピーダンスを用いてＰＬＳ処理を行い、特性値の分布を特徴づけるとともに培養結果に関連性の高い多次元の主成分ベクトルからなる基底（教師あり基底）を抽出して、複数個の培地の状態を推定する。上記を除いては、本変形例は第２実施形態と同様である。
　上記の実施形態及び変形例において、本発明の趣旨を変更しない範囲で以下のように種々の改変が可能である。
　上記の実施形態では、測定部１０において複数個の培地の特性値を測定し、得られた特性値をデータベース２１に保存し、さらにこれを用いて状態推定部２２において特性値の分布を特徴づける基底の抽出に用いているが、これに限らない。例えば、培地の特性値について過去の特性値データがある場合は、これをデータベース２１に予め保存することで、過去の特性値データを用いて規定の抽出を行うことができる。また、培地の培養結果について過去のデータがある場合には、これをデータベース２１に予め保存することで、過去の特性値データ及び培養結果データを用いて規定の抽出を行うことができる。
　また、状態推定部２２は、測定部１０で測定された、複数個の培地のインピーダンスを含む２種以上の特性値のうち、１種以上の特性値を除いた特性値について、分布を特徴づける基底を抽出して複数個の前記培地の状態を推定するとともに、基底で構成される空間での異常判定の閾値を設定するようにしてもよい。例えば、多次元配列情報の特性値としては、インピーダンスを含む３種以上の特性値を取得しておいて、実際に基底を抽出する際に用いる特性値を選択し、インピーダンスを含む２種以上の特性値のみを用いるようにしてもよい。より多数の種類の特性値を取得することで、基底抽出に用いる特性値を選択する自由度が生じる。例えば、インピーダンスセンサから得られたインピーダンスの特性値と、温度センサから得られた温度の特性値と、ｐＨセンサから得られたｐＨの特性値とを含む３種の多次元配列情報の特性値を測定部１０で取得してデータベース２１に保存しておく。状態推定部２２で基底を抽出する際にインピーダンスの特性値及び温度の特性値を選択して用いて基底抽出を行う。あるいは、状態推定部２２で基底を抽出する際にインピーダンスの特性値及びｐＨの特性値を選択して用いて基底抽出を行う。選択された特性値の種類によって抽出される基底が異なり、設定される閾値も異なり、培地の異常検知を行う意図に、より合致するような基底の抽出及び閾値の設定を行うことができる。
　詳細測定部１２によるカラムクロマトグラフィー分析データ、顕微鏡により撮影された画像データ、及び質量分析データ等の測定データの取得は、必要に応じて実施するようにししてもよい。場合によっては、詳細測定部１２を省略した構成とすることもできる。
　培地のサンプリングは、実験者がマニュアルでビーカー等に採取する方法や、適宜構成されたサンプリング装置を用いて自動的にサンプリングしてもよい。
　測定値及び測定データの取得時、１つの培地の測定値及び測定データは、時刻を用いて対応づける形で、できるだけ近い時刻に取得するようにしてもよい。１つの培地試料を複数に分けて、測定を並列に行っても良い。
　センサ部１１の各センサ及び詳細測定部１２の各機器での測定は、操作者の手によってマニュアルで行ってもよく、また、各センサや各機器に組み込まれたプログラムあるいは各センサや各機器を駆動するように動作が組み込まれたロボットを利用して自動的に行ってもよい。
　また、上述した実施形態においては、複数個の培地の特性値の分布から異常判定の閾値を設定する状態推定部として、複数の培地の特性値の分布から特徴づける基底を、ＰＣＡ処理やＰＬＳ処理により抽出して、複数個の培地の状態を推定するとともに、当該基底で構成される空間で異常判定の閾値を設定する状態推定部２２を適用したが、本発明はこれに限らない。例えば、他の状態推定部としては、複数個の培地の特性値の分布をニューラルネットワークや機械学習等で解析し、得られた解析結果から異常判定の閾値を設定する状態推定部を適用してもよい。
　上記の変形例１及び変形例２では温度およびｐＨが変化するときのインピーダンスの補正値を予め準備しているが、これに限らず、温度およびｐＨが変化するときの補正値を学習するようにしてもよい。即ち、温度およびｐＨの変化とインピーダンスの変化とを包含した特性値のデータを多数蓄積して特性値の分布を特徴づける基底を抽出する解析を行う。特性値のデータの蓄積とともに、温度およびｐＨの変化とインピーダンスの変化との両者の説明に適した補正値を選択するようする。これによってデータの蓄積とともに補正値の精度が高められる。
１　培地の異常検知装置
１０　測定部
１１　センサ部
１２　詳細測定部
２０　異常検知システム
２１　データベース
２２　状態推定部
２３　異常検知部
３０　異常通知部

 

Claims (7)

  1. 　複数個の培地及び少なくとも１個の対象培地のインピーダンスを特性値として測定する測定部と、
    　複数個の前記培地の前記特性値の分布の状態から異常判定の閾値を設定する状態推定部と、
    　前記対象培地の前記特性値と、前記閾値とから前記対象培地の異常の有無を判定する異常検知部と
    　を備える培地の異常検知装置。
  2. 　前記測定部は、さらに、複数個の前記培地及び前記対象培地の温度と、ｐＨと、測定環境の湿度と、のうち少なくともいずれか１種以上も前記特性値として測定する
    　請求項１に記載の培地の異常検知装置。
  3. 　前記状態推定部は、少なくともインピーダンスを除く複数個の前記培地の前記特性値を基に、前記インピーダンスを補正する
    　請求項１又は２に記載の培地の異常検知装置。
  4. 　前記状態推定部は、複数個の前記培地の前記特性値の分布を特徴づける基底を抽出して複数個の前記培地の状態を推定するとともに、前記閾値として前記基底で構成される空間での異常判定の閾値を設定し、
    　前記異常検知部は、前記対象培地の前記特性値を前記基底で構成される空間に投影して得られる解析結果と、前記閾値とから前記対象培地の異常の有無を判定する
    　請求項２又は３に記載の培地の異常検知装置。
  5. 　前記状態推定部は、複数個の前記培地の培養結果を参照し、前記基底として複数個の前記培地の前記特性値の分布を特徴づけるとともに前記培養結果に関連性がある基底を抽出する
    　請求項４に記載の培地の異常検知装置。
  6. 　前記状態推定部は、前記測定部で測定された、複数個の前記培地のインピーダンスを含む２種以上の前記特性値のうち、１種以上の前記特性値を除いた特性値について、分布を特徴づける基底を抽出して複数個の前記培地の状態を推定するとともに、前記基底で構成される空間での異常判定の閾値を設定する
    　請求項４又は５に記載の培地の異常検知装置。
  7. 　複数個の培地のインピーダンスを特性値として測定し、
    　複数個の前記培地の前記特性値の分布の状態から異常判定の閾値を設定し、
    　少なくとも１個の対象培地のインピーダンスを特性値として測定し、
    　前記対象培地の前記特性値と、前記閾値とから前記対象培地の異常の有無を判定する
    　培地の異常検知方法。

     
PCT/JP2020/024921 2020-06-24 2020-06-24 培地の異常検知装置及び異常検知方法 WO2021260867A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/JP2020/024921 WO2021260867A1 (ja) 2020-06-24 2020-06-24 培地の異常検知装置及び異常検知方法
JP2021539656A JP6977977B1 (ja) 2020-06-24 2020-06-24 培地の異常検知装置及び異常検知方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2020/024921 WO2021260867A1 (ja) 2020-06-24 2020-06-24 培地の異常検知装置及び異常検知方法

Publications (1)

Publication Number Publication Date
WO2021260867A1 true WO2021260867A1 (ja) 2021-12-30

Family

ID=78815540

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/024921 WO2021260867A1 (ja) 2020-06-24 2020-06-24 培地の異常検知装置及び異常検知方法

Country Status (2)

Country Link
JP (1) JP6977977B1 (ja)
WO (1) WO2021260867A1 (ja)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10201467A (ja) * 1997-01-20 1998-08-04 Ishikawajima Harima Heavy Ind Co Ltd 被培養体の生長判定方法および培養装置
JP2012037435A (ja) * 2010-08-09 2012-02-23 Hioki Ee Corp 細胞挙動検出方法及び装置
JP2013544353A (ja) * 2010-11-05 2013-12-12 エフ．ホフマン−ラ ロシュ アーゲー 原料の分光フィンガープリント
WO2016158897A1 (ja) * 2015-03-30 2016-10-06 テルモ株式会社 細胞のシート形成能の評価方法
JP2018508743A (ja) * 2014-12-10 2018-03-29 バークレー ライツ，インコーポレイテッド 界面動電装置を作動させるためのシステム
US20190383787A1 (en) * 2018-06-14 2019-12-19 Nokomis, Inc. Apparatus and system of for spectroscopy and tomography of fragile biologic materials

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10201467A (ja) * 1997-01-20 1998-08-04 Ishikawajima Harima Heavy Ind Co Ltd 被培養体の生長判定方法および培養装置
JP2012037435A (ja) * 2010-08-09 2012-02-23 Hioki Ee Corp 細胞挙動検出方法及び装置
JP2013544353A (ja) * 2010-11-05 2013-12-12 エフ．ホフマン−ラ ロシュ アーゲー 原料の分光フィンガープリント
JP2018508743A (ja) * 2014-12-10 2018-03-29 バークレー ライツ，インコーポレイテッド 界面動電装置を作動させるためのシステム
WO2016158897A1 (ja) * 2015-03-30 2016-10-06 テルモ株式会社 細胞のシート形成能の評価方法
US20190383787A1 (en) * 2018-06-14 2019-12-19 Nokomis, Inc. Apparatus and system of for spectroscopy and tomography of fragile biologic materials

Also Published As

Publication number Publication date
JP6977977B1 (ja) 2021-12-08
JPWO2021260867A1 (ja) 2021-12-30

Similar Documents

Publication Publication Date Title
US10475527B2 (en) Method and system for detection of microbial growth in a specimen container
JP6767978B2 (ja) 細胞分泌プロファイルの分析およびスクリーニング
CN110033860B (zh) 一种基于机器学习的遗传代谢病检出率提升方法
DeMarco et al. Beyond identification: emerging and future uses for MALDI-TOF mass spectrometry in the clinical microbiology laboratory
CN203929621U (zh) 二维码自动识别校准试剂的生化分析仪
CN104830986A (zh) 一种检测胎儿基因信息的方法、装置和系统
JP5854346B2 (ja) トランスクリプトーム解析方法、疾病判定方法、コンピュータプログラム、記憶媒体、及び解析装置
Emerson et al. Multivariate data analysis in cell gene therapy manufacturing
JP2016025860A (ja) 細胞培養物をモニターする方法
CN117152152B (zh) 检测试剂盒的生产管理系统及方法
CN110997928B (zh) 判定多能干细胞的未分化状态的方法、多能干细胞的传代培养方法及这些方法中使用的装置
Imai et al. In-process evaluation of culture errors using morphology-based image analysis
CN115064215A (zh) 一种通过相似度进行菌株溯源及属性鉴定的方法
EP2422182B1 (en) Method and apparatus for multi-parameter data analysis
Ascari et al. Quantitative methods in microscopy to assess pollen viability in different plant taxa
WO2021260867A1 (ja) 培地の異常検知装置及び異常検知方法
CN116612820B (zh) 基于数据分析的乳制品生产智能管理平台
WO2014050160A1 (ja) 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム
CN110277139B (zh) 一种基于互联网的微生物限度检查系统及方法
Yang et al. Bacterial typing and identification based on Fourier transform infrared spectroscopy
Sandor et al. NIR spectroscopy for process monitoring and control in mammalian cell cultivation
Correa-García et al. FTIR spectroscopic metabolome analysis of lyophilized and fresh Saccharomyces cerevisiae yeast cells
JP7153131B2 (ja) 培養装置の性能を検証する方法
JP2011007686A (ja) 臨床検査結果の分析装置及び分析方法
Schmied et al. OrgaMapper: a robust and easy-to-use workflow for analyzing organelle positioning

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2021539656

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20941940

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20941940

Country of ref document: EP

Kind code of ref document: A1