Исследование стабильности клеток CHO при длительном пассаже с помощью объяснимого ИИ и анализа потоков (flux balance analysis)

Почему «фабричные» клетки могут терять эффективность

Многие современные лекарства, включая широко используемые антительный препараты, производят клетки китайского хомяка (CHO), выращиваемые в огромных стальных резервуарах. Эти клетки расширяют популяции в течение многих поколений до попадания на фабрику, и со временем они могут таинственно замедляться или менять качество синтезируемых препаратов. В этом исследовании поставлен простой, но важный вопрос: как меняется их внутренняя метаболическая сеть при многократном пассаже — и можно ли с помощью искусственного интеллекта выявить, что идет не так и как это исправить?

Ранние и поздние поколениия одной и той же клеточной линии

Исследователи начали с одной антителопродуцирующей линии CHO и проследили за ней более чем через 30 циклов пассажа, как если бы многократно пересаживали черенки одного и того же растения. Из этого длинного пути они сформировали две рабочие группы: «ранний пассаж» — клетки, взятые после нескольких раундов роста, и «поздний пассаж» — клетки после гораздо большего числа раундов. При выращивании в идентичных условиях обе группы достигали схожих пиковых численностей, и поздние клетки даже делились немного быстрее. Тем не менее поздние клетки вырабатывали примерно на 35% меньше антител и накапливали более высокие уровни нежелательных продуктов метаболизма, особенно лактата и аммиака, которые известны тем, что стрессируют клетки и мешают продукции.

Отслеживание нутриентов и отходов для поиска переломного момента

Чтобы понять, когда и как клетки начали расходиться, команда мониторила нутриенты и побочные продукты в среде культивирования в течение двух недель, сосредоточившись на глюкозе и 20 аминокислотах. С помощью многомерной статистики они показали, что наибольшие метаболические различия между ранними и поздними пассами проявлялись в фазе быстрого роста, особенно на 2–6-й день культуры. Некоторые аминокислоты — такие как глицин, пролин, метионин и аспартат — использовались или секретировались поразительно по-разному в двух группах. Эти изменения указывали на сдвиги в путях, связывающих расщепление аминокислот, выработку энергии и генерацию отходов, намекая, что поздние клетки перенастраивают способы получения энергии и управления азотом и редокс-балансом (окислительно-восстановительными процессами).

Заглядывая внутрь метаболизма с помощью объяснимого ИИ

Поскольку метаболизм клетки включает тысячи взаимосвязанных реакций, авторы обратились к геномно-масштабной метаболической модели CHO в сочетании с анализом баланса потоков (flux balance analysis) — методом оценки интенсивности каждого потока реакции. Они ограничили модель реальными измерениями из своих культур, а затем использовали версию метода с учетом «емкости фермента» (enzyme-capacity), которая учитывает эффективность каждого фермента. Это породило множество возможных внутренних схем потоков, согласующихся с данными. Чтобы разобраться в этом высокоразмерном выводе, они обучили модель машинного обучения разделять паттерны потоков ранних и поздних пассов, а затем применили объяснимый ИИ — в частности SHapley Additive exPlanations (SHAP) — чтобы ранжировать, какие реакции и метаболиты сильнее всего отличают два состояния.

От режима сборки к режиму самозащиты

Анализ с помощью объяснимого ИИ указал на ясный сценарий. В клетках раннего пассажа углерод из питательных веществ направлялся через пируват в ацетил‑CoA и затем активно шёл на синтез жирных кислот, поддерживая построение мембран и быстрый рост. В поздних клетках больше ацетил‑CoA шло через центральный энергетический цикл для поддержания энергии при стрессе, в то время как ключевые реакции в пути «транссеринации» (trans‑sulfuration) смещали клетки от импорта цистеина к его синтезу внутри. Этот вновь синтезированный цистеин перенаправлялся на образование глутатиона — основного антиоксиданта, который помогает нейтрализовать вредные реактивные кислородные виды. Такая самозащита имела свою цену: тот же цистеин необходим для формирования стабильных связей в антителах, и его перераспределение, вместе с дополнительным выделением аммиака через эти пути, вероятно, способствовали снижению выхода антител и увеличению токсичных отходов.

Как это помогает сохранять стабильность «лекарственных фабрик»

Для неспециалиста смысл в том, что клетки CHO постепенно меняют приоритеты при пассаже: сначала они находятся в режиме «строителя», эффективно превращая питательные вещества в новые клетки и терапевтические белки; позже они переключаются в режим «выживальщика», тратя больше ресурсов на защиту от окислительного стресса, даже если это означает производство меньшего количества лекарств и больше отходов. Сочетая детальные измерения условий культивирования, крупномасштабные метаболические модели и объяснимый ИИ, авторы смогли выделить ось цистеин–глутатион и связанные пути как рычаги, контролирующие этот сдвиг. Корректировка составов среды — например добавление альтернативных антиоксидантов или соединений, сохраняющих цистеин — может помочь дольше удерживать клетки в более продуктивном состоянии, повышая надежность и эффективность производства биологических препаратов.

Цитирование: 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

Ключевые слова: клетки CHO, производство антител, стабильность клеточной линии, метаболическое моделирование, объяснимый ИИ