Untersuchung der Stabilität von CHO-Zellen bei verlängerter Passage mittels erklärbarer KI-gestützter Flussbilanzanalyse

Warum Produktionszellen ihre Leistungsfähigkeit verlieren können

Viele moderne Arzneimittel, einschließlich umsatzstarker Antikörperwirkstoffe, werden in riesigen Stahltanks von chinesischen Hamster-Ovarzellen (CHO-Zellen) hergestellt. Diese Zellen werden über viele Generationen vermehrt, bevor sie in einer Fabrik zum Einsatz kommen, und im Laufe der Zeit können sie sich überraschend verlangsamen oder die Qualität der hergestellten Wirkstoffe verändern. Die vorliegende Studie stellt eine einfache, aber entscheidende Frage: Wie verändert sich der interne Stoffwechsel von CHO-Zellen bei fortlaufender Passage — und kann künstliche Intelligenz aufzeigen, was schiefgeht und wie man es beheben kann?

Frühe und späte Generationen derselben Zelllinie

Die Forschenden begannen mit einer einzelnen, Antikörper-produzierenden CHO-Zelllinie und verfolgten sie über mehr als 30 Passagezyklen, vergleichbar mit dem wiederholten Vermehren von Stecklingen derselben Pflanze. Aus dieser langen Verlaufserie entstanden zwei Arbeitsgruppen: „frühe Passage“-Zellen, die nach nur wenigen Zyklen entnommen wurden, und „späte Passage“-Zellen, die nach deutlich mehr Runden entnommen wurden. Unter identischen Wachstumsbedingungen erreichten beide Gruppen ähnliche Spitzenzellzahlen, und die späten Zellen teilten sich sogar etwas schneller. Dennoch produzierten die späten Zellen etwa 35 % weniger Antikörper und häuften höhere Konzentrationen unerwünschter Abbauprodukte an, vor allem Laktat und Ammoniak, die bekannt dafür sind, Zellen zu belasten und die Produktion zu beeinträchtigen.

Nährstoffe und Abfall verfolgen, um den Wendepunkt zu finden

Um zu verstehen, wann und wie sich die Zellen auseinanderentwickelten, überwachte das Team über zwei Wochen die Nährstoffe und Nebenprodukte im Kulturmedium, mit Fokus auf Glukose und 20 Aminosäuren. Mittels multivariater Statistik zeigten sie, dass die größten metabolischen Unterschiede zwischen frühen und späten Passagen während der Phase schnellen Wachstums auftraten, insbesondere an Tag 2–6 der Kultur. Bestimmte Aminosäuren — etwa Glycin, Prolin, Methionin und Aspartat — wurden von den beiden Gruppen auffallend unterschiedlich genutzt oder sezerniert. Diese Veränderungen wiesen auf Verschiebungen in Signalwegen hin, die Aminosäureabbau, Energieerzeugung und Abfallerzeugung verbinden, und deuteten darauf hin, dass späte Passage-Zellen ihre Art der Energiegewinnung sowie des Stickstoff- und Redoxmanagements umstellten.

Mit erklärbarer KI einen Blick in den Stoffwechsel werfen

Da der Zellstoffwechsel Tausende miteinander verknüpfter Reaktionen umfasst, nutzten die Autorinnen und Autoren ein genomweites metabolisches Modell von CHO-Zellen kombiniert mit Flussbilanzanalyse, einer Methode zur Abschätzung der Flussstärken einzelner Reaktionen. Sie schränkten dieses Modell mit realen Messwerten aus ihren Kulturen ein und verwendeten eine „Enzymkapazitäts“-Variante der Methode, die die Effizienz einzelner Enzyme berücksichtigt. Das ergab viele mögliche interne Flussmuster, die mit den Daten vereinbar sind. Um diese hochdimensionale Ausgabe zu interpretieren, trainierten sie ein Machine-Learning-Modell, das frühe von späten Passagen anhand der Flussmuster unterscheiden konnte, und setzten dann erklärbare KI ein — konkret SHapley Additive exPlanations (SHAP) — um die Reaktionen und Metabolite zu priorisieren, die die beiden Zustände am stärksten voneinander unterschieden.

Vom Aufbau- in den Selbstschutzmodus

Die erklärbare KI-Analyse zeichnete eine klare Entwicklungslinie. In frühen Passagen wurde Kohlenstoff aus Nährstoffen über Pyruvat zu Acetyl‑CoA geleitet und dann stark in die Fettsäuresynthese eingespeist, was Membranaufbau und schnelles Wachstum unterstützte. In späten Passagen wurde mehr Acetyl‑CoA in den zentralen Energiestoffwechsel gelenkt, um unter Stress Energie aufrechtzuerhalten, während Schlüsselreaktionen der Transsulfuration die Zellen von der Aufnahme von Cystein zu dessen interner Synthese umstellten. Das neu gebildete Cystein wurde verstärkt in Richtung Glutathion gelenkt, ein wichtiges Antioxidans, das reaktive Sauerstoffspezies abfängt. Dieser Selbstschutz ging zu Lasten der Produktion: Dasselbe Cystein wird auch für stabile Bindungen in Antikörpern benötigt, und seine Umleitung, zusammen mit zusätzlichem Ammoniak, das durch diese Wege freigesetzt wird, trug wahrscheinlich zu geringeren Antikörperausbeuten und mehr toxischen Abbauprodukten bei.

Wie das hilft, Wirkstofffabriken stabil zu halten

Für Nicht-Spezialisten lautet die Botschaft, dass CHO-Zellen bei wiederholter Passage schrittweise ihre Prioritäten ändern: Anfangs befinden sie sich im „Aufbau“-Modus und wandeln Nährstoffe effizient in neue Zellen und Therapeutika um; später schalten sie in einen „Überlebens“-Modus und investieren mehr Ressourcen in den Schutz vor oxidativem Stress, selbst wenn das bedeutet, weniger Medikamente und mehr Abfall zu produzieren. Durch die Kombination detaillierter Zellkulturmessungen, großmaßstäblicher metabolischer Modelle und erklärbarer KI konnten die Autorinnen und Autoren die Cystein–Glutathion‑Achse und verwandte Wege als Schaltstellen identifizieren, die diese Verschiebung steuern. Die Anpassung von Medienformulierungen — zum Beispiel durch Zugabe alternativer Antioxidantien oder Verbindungen, die Cystein schonen — könnte helfen, Zellen länger in einem produktiveren Zustand zu halten und so die Zuverlässigkeit und Effizienz der Herstellung biologischer Arzneimittel zu verbessern.

Zitation: 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

Schlüsselwörter: CHO-Zellen, Antikörperproduktion, Stabilität der Zelllinie, metabolische Modellierung, erklärbare KI