استكشاف استقرار خلايا CHO أثناء الممرّر الطويل عبر تحليل التوازن التدفق المدفوع بالذكاء الاصطناعي القابل للتفسير

لماذا قد تفقد خلايا المصانع فعاليتها

تُنتَج العديد من الأدوية الحديثة، بما في ذلك الأجسام المضادة الرائجة، بواسطة خلايا مبيض الهامستر الصيني (CHO) التي تنمو في خزانات فولاذية ضخمة. تُوسَّع هذه الخلايا عبر أجيال عديدة قبل أن تدخل المصنع، ومع مرور الوقت قد تبطئ أو تتغيّر جودة الأدوية التي تُنتج بشكل غامض. يطرح هذا البحث سؤالاً بسيطاً لكنه حاسم: مع تكرار تمرير خلايا CHO مراراً وتكراراً، كيف يتغير أيضها الداخلي—وهل يمكننا استخدام الذكاء الاصطناعي لرصد ما ينهار وكيف نصلحه؟

أجيال مبكرة ومتأخرة من نفس خط الخلايا

بدأ الباحثون بخط خلوية واحد يُنتج أجساما مضادة وتتبعوه لأكثر من 30 دورة تمرير، أشبه بإعادة زرع قصاصات من نفس النبات مراراً. من هذه الرحلة الطويلة شكلوا مجموعتين عمليتين: خلايا «التمرير المبكر» المأخوذة بعد بضع دورات نمو، وخلايا «التمرير المتأخر» المأخوذة بعد دورات أكثر بكثير. عند نموها تحت ظروف متماثلة، بلغ كلا المجموعتين أعداداً خلوية قصوى متقاربة، وفي الواقع تكاثرت الخلايا المتأخرة بسرعة أكبر قليلاً. ومع ذلك أنتجت الخلايا المتأخرة نحو 35% أقل من الأجسام المضادة وتراكمت لديها مستويات أعلى من جزيئات الفضلات غير المرغوب فيها، خصوصاً اللاكتات والأمونيا، المعروفة بأنها تُجهد الخلايا وتتداخل مع الإنتاج.

تعقب المغذيات والفضلات لاكتشاف نقطة التحول

لفهم متى وكيف بدأت الخلايا في الافتراق، رصد الفريق المغذيات والنواتج الثانوية في وسط الزراعة على مدار أسبوعين، مع التركيز على الجلوكوز و20 حمضاً أمينياً. باستخدام إحصاءات متعددة المتغيرات، أظهروا أن أكبر الاختلافات الأيضية بين خلايا التمرير المبكر والمتأخر ظهرت خلال مرحلة النمو السريع، خصوصاً بين اليومين الثاني والسادس من الزراعة. بعض الأحماض الأمينية—مثل الجلايسين والبرولين والميثيونين والأسبارتات—استُخدمت أو أفرزت بطرق مختلفة بشكل لافت بين المجموعتين. أشارت هذه التغيرات إلى تحولات في المسارات التي تربط تحلل الأحماض الأمينية بإنتاج الطاقة وتوليد الفضلات، مما يوحي بأن خلايا التمرير المتأخر أعادت برمجة كيفية تزويدها للطاقة وإدارة النتروجين وتوازن الأكسدة والاختزال.

التعمق داخل الأيض باستخدام ذكاء اصطناعي قابل للتفسير

نظراً لأن أيض الخلايا ينطوي على آلاف التفاعلات المترابطة، لجأ المؤلفون إلى نموذج أيضي على مستوى الجينوم لخلايا CHO مدموج مع تحليل توازن التدفق، وهي طريقة تقدّر مدى تدفُّق كل تفاعل. قيدوا هذا النموذج بقياسات حقيقية من مزارعهم ثم استخدموا نسخة «سعة الإنزيم» من الطريقة التي تأخذ في الحسبان كفاءة كل إنزيم. أنتج ذلك العديد من أنماط التدفق الداخلي المحتملة المتوافقة مع البيانات. ولتفسير هذا الناتج عالي البعد، دربوا نموذج تعلم آلي لتمييز أنماط التدفق للتمرير المبكر عن التمرير المتأخر ثم طبقوا ذكاءً اصطناعياً قابلاً للتفسير—تحديداً SHapley Additive exPlanations (SHAP)—لترتيب التفاعلات والمواد الأيضية التي تميّز الحالتين بشدة.

من وضع البناء إلى وضع الحماية الذاتية

أشارت تحليلات الذكاء الاصطناعي القابل للتفسير إلى سرد واضح. في خلايا التمرير المبكر، كان الكربون من المغذيات يتجه عبر البيروفات إلى الأسيتيل-كوए ثم بكثافة نحو تخليق الأحماض الدهنية، داعماً بناء الأغشية والنمو السريع. في الخلايا المتأخرة، تم دفع المزيد من الأسيتيل-كوإيه عبر دورة الطاقة المركزية للحفاظ على الطاقة تحت الضغط، بينما حولت تفاعلات رئيسية في مسار «التحويل الكبريتي» الخلايا من استيراد السيستين إلى تصنيعه داخلياً. تم توجيه السيستين المنتج نحو جلوتاثيون، مضاد أكسدة رئيسي يساعد على إزالة أنواع الأكسجين التفاعلية الضارة. جاءت هذه الحماية الذاتية بتكلفة: فذات السيستين مطلوب أيضاً لتشكيل الروابط الثابتة في الأجسام المضادة، وانحرافه، مع الأمونيا الإضافية التي تُطلقها هذه المسارات، ساهم على الأرجح في انخفاض محصول الأجسام المضادة وزيادة الفضلات السامة.

كيف يساعد هذا في الحفاظ على استقرار مصانع الدواء

لغير المتخصص، الرسالة أن خلايا CHO تتغير تدريجياً في أولوياتها مع التمرير: في المراحل المبكرة تكون في «وضع الباني»، تحول المغذيات بكفاءة إلى خلايا وبروتينات علاجية؛ لاحقاً تقلب إلى «وضع الناجي»، وتُكرّس موارد أكثر للدفاع عن نفسها من الإجهاد التأكسدي، حتى لو كان ذلك يعني إنتاج أدوية أقل ومزيداً من الفضلات. من خلال الجمع بين قياسات الزراعة الخلوية التفصيلية والنماذج الأيضية واسعة النطاق والذكاء الاصطناعي القابل للتفسير، استطاع المؤلفون تحديد محور السيستين–الجلوتاثيون والمسارات المرتبطة به كعتلات تتحكم في هذا التحول. قد تساعد تعديل تركيبات الوسط—مثل إضافة مضادات أكسدة بديلة أو مركبات توفر السيستين—في إبقاء الخلايا في حالة أكثر إنتاجية لفترة أطول، مما يحسّن موثوقية وكفاءة تصنيع الأدوية البيولوجية.

الاستشهاد: Choi, DH., Kim, SJ., Song, J. et al. Exploring CHO cell stability during prolonged passaging via eXplainable AI driven flux balance analysis. npj Syst Biol Appl 12, 36 (2026). https://doi.org/10.1038/s41540-026-00660-z

الكلمات المفتاحية: خلايا CHO, إنتاج الأجسام المضادة, استقرار خطوط الخلايا, نمذجة أيضية, الذكاء الاصطناعي القابل للتفسير