Multivariate Zeitreihenanalyse von Metabolitendaten aus der Fermentation von Eierstockzellen des chinesischen Hamsters
Florian Lipsmeier, PhD, Wissenschaftler, Abteilung Pharmaforschung und frühe Entwicklungsinformatik, Roche Diagnostics GmbH
Chinesische Hamster-Ovarialzellen (CHO-Zellen) zählen zu den wichtigsten Komponenten der modernen Biotechnologie für die großtechnische Produktion therapeutischer Proteine, wie beispielsweise Antikörper. CHO-Zellpopulationen wachsen in einem definierten Medium und unter definierten Bedingungen in einem Fermenter. Während der Fermentation von CHO-Zellen werden kontinuierlich wenige Online-Daten aufgezeichnet und gleichmäßig über den gesamten Prozess verteilte Proben entnommen. Diese Proben werden hauptsächlich auf ihren Metabolitengehalt analysiert und stellen die sogenannten Offline-Messungen dar. Trotz der nahezu konstanten Bedingungen während der Fermentation kann es zu einer hohen Variabilität des Zellwachstums, der Prozessstabilität und der Proteinproduktion kommen. Dies kann auf die unterschiedlichen produzierten Proteine, unterschiedliche Vorkulturbedingungen vor der Fermentation, Mutationen oder andere potenziell unbekannte Faktoren zurückzuführen sein. Wir entwickeln eine Analyseplattform in JMP, um verschiedene Fragen zu diesen Themen durch die Analyse unserer multivariaten Zeitreihendaten zu beantworten. Die wichtigsten Werkzeuge, die wir in diesem Zusammenhang einsetzen, nutzen vor allem die multivariaten Analysemethoden von JMP, wie Hauptkomponentenanalyse und Clustering, sowie Modellierungsmethoden wie Effekt-Screening, Partitionierung oder neuronale Netze. Ergänzt werden diese Methoden beispielsweise durch die Implementierung verschiedener Zeitreihenähnlichkeitsmaße aus der aktuellen Literatur mit der JMP-Skriptsprache und die Nutzung vorhandener R-Pakete über die JMP- und R-Anbindung.
