Analyse de séries chronologiques multivariées de données sur les métabolites provenant de la fermentation de cellules ovariennes de hamster chinois
Florian Lipsmeier, PhD, scientifique, division informatique de recherche pharmaceutique et de développement précoce, Roche Diagnostics GmbH
Les cellules d'ovaire de hamster chinois (CHO) sont l'un des « chevaux de bataille » de la biotechnologie moderne pour la production à grande échelle de protéines thérapeutiques, telles que des anticorps. Les populations de cellules CHO se développent dans un milieu bien défini et dans des conditions bien définies dans un fermenteur. Pendant la fermentation des cellules CHO, un petit ensemble de données en ligne est enregistré en permanence et un ensemble discret d'échantillons est prélevé de manière égale tout au long du processus. Ces échantillons sont principalement analysés pour leur contenu en métabolites et représentent ce que l'on appelle les mesures hors ligne. Malgré les conditions presque constantes pendant la fermentation, il peut y avoir une variabilité assez élevée dans la croissance cellulaire, la stabilité du processus et la production de protéines. Cela peut être dû aux différentes protéines produites, aux différentes conditions de pré-culture avant la fermentation, à des mutations ou à d'autres facteurs potentiellement non identifiés. Nous développons une plateforme d'analyse dans JMP afin d'aborder différentes questions autour de ces sujets par l'analyse de nos données de séries chronologiques multivariées. Les principaux outils que nous utilisons dans ce contexte utilisent principalement les méthodes d'analyse multivariée proposées par JMP, telles que l'analyse des composantes principales et le clustering, ainsi que des méthodes de modélisation, telles que le filtrage des effets, le partitionnement ou les réseaux de neurones. Ces méthodes sont complétées, par exemple, par la mise en œuvre de différentes mesures de similarité de séries temporelles issues de la littérature actuelle avec JMP Scripting Language et l'utilisation de packages R existants via la connexion JMP et R.
