Multivariate Zeitreihenanalyse von Metabolitendaten aus der Fermentation von Eierstockzellen des Chinesischen Hamsters
Florian Lipsmeier, PhD, Wissenschaftler, Abteilung Pharmaforschung und frühe Entwicklungsinformatik, Roche Diagnostics GmbH
Eierstockzellen des Chinesischen Hamsters (CHO) sind eines der „Arbeitspferde“ in der modernen Biotechnologie für die großtechnische Produktion therapeutischer Proteine wie Antikörper. Populationen von CHO-Zellen wachsen in einem genau definierten Medium und unter genau definierten Bedingungen in einem Fermenter. Während der Fermentation von CHO-Zellen wird sowohl ein kleiner Satz Online-Daten kontinuierlich aufgezeichnet als auch ein diskreter Satz von Proben gleichmäßig über den gesamten Prozess verteilt entnommen. Diese Proben werden hauptsächlich auf ihren Metabolitengehalt untersucht und stellen sogenannte Offline-Messungen dar. Trotz der nahezu konstanten Bedingungen während der Fermentation kann es zu einer recht hohen Variabilität im Zellwachstum, der Prozessstabilität und der Proteinproduktion kommen. Dies kann auf die unterschiedlichen produzierten Proteine, unterschiedliche Vorkulturbedingungen vor der Fermentation, Mutationen oder andere möglicherweise nicht identifizierte Faktoren zurückzuführen sein. Wir entwickeln in JMP eine Analyseplattform, um verschiedene Fragestellungen rund um diese Themen durch die Analyse unserer multivariaten Zeitreihendaten zu beantworten. Die wichtigsten Werkzeuge, die wir in diesem Zusammenhang verwenden, nutzen überwiegend die von JMP angebotenen multivariaten Analysemethoden wie Hauptkomponentenanalyse und Clustering, aber auch Modellierungsmethoden wie Effektscreening, Partitionierung oder neuronale Netze. Ergänzt werden diese Methoden beispielsweise durch die Implementierung unterschiedlicher Zeitreihenähnlichkeitsmaße aus der aktuellen Literatur mit JMP Scripting Language und die Nutzung vorhandener R-Pakete über die JMP- und R-Anbindung.
