eXplainable AI destekli akış dengesi analizi ile uzun süreli pasajlama sırasında CHO hücre stabilitesinin incelenmesi

Neden fabrika hücreleri avantajını yitirebilir

Blockbuster antikor ilaçları da dahil olmak üzere birçok modern ilaç, dev çelik tanklarda büyütülen Çin hamsteri over (CHO) hücreleri tarafından üretilir. Bu hücreler fabrika ortamına alınmadan önce birçok nesil boyunca genişletilir ve zamanla gizemli bir şekilde büyümeleri yavaşlayabilir veya ürettikleri ilaçların kalitesi değişebilir. Bu çalışma basit ama kritik bir soruyu soruyor: CHO hücreleri defalarca pasajlandıkça içsel metabolizmaları nasıl kayar—ve yapay zekâyı kullanarak nelerin yanlış gittiğini ve nasıl düzeltilip düzeltilemeyeceğini görebilir miyiz?

Aynı hücre hattının erken ve geç kuşakları

Araştırmacılar tek bir antikor üreten CHO hücre hattı ile başlayıp onu 30’dan fazla pasaj boyunca izlediler; tıpkı aynı bitkiden alınan sürgünlerin tekrar tekrar yeniden dikilmesi gibi. Bu uzun yolculuktan iki çalışma grubu oluşturdular: yalnızca birkaç büyüme turundan sonra alınan “erken pasaj” hücreleri ve çok daha fazla turdan sonra alınan “geç pasaj” hücreleri. Aynı koşullar altında yetiştirildiklerinde her iki grup da benzer maksimum hücre sayılarına ulaştı ve geç hücreler aslında biraz daha hızlı bölündü. Buna rağmen geç pasaj hücreleri yaklaşık %35 daha az antikor üretti ve özellikle laktat ve amonyak olmak üzere istenmeyen atık moleküllerde daha yüksek birikim gösterdi; bu moleküllerin hücreleri strese soktuğu ve üretimi bozduğu bilinmektedir.

Dönüm noktasını bulmak için besin ve atıkları izlemek

Hücrelerin ne zaman ve nasıl ayrışmaya başladığını anlamak için ekip, kültür ortamındaki besinleri ve yan ürünleri iki hafta boyunca izledi; odak noktası glukoz ve 20 aminoasitti. Çok değişkenli istatistikler kullanarak, erken ve geç pasaj hücreleri arasındaki en büyük metabolik farklılıkların özellikle kültürün hızlı büyüme evresi olan 2.–6. günler arasında ortaya çıktığını gösterdiler. Glisin, prolin, metiyonin ve aspartat gibi belirli aminoasitler iki grup arasında çarpıcı biçimde farklı şekillerde kullanıldı veya salgılandı. Bu değişiklikler, aminoasit yıkımı, enerji üretimi ve atık oluşumunu birbirine bağlayan yolaklarda kaymalara işaret ediyordu; bu da geç pasaj hücrelerinin kendilerini besleme, azot yönetimi ve redoks (oksidasyon–redüksiyon) dengesini yeniden yapılandırıyor olabileceğini düşündürdü.

Açıklanabilir yapay zekâ ile metabolizmanın içine bakmak

Hücre metabolizması binlerce birbirine bağlı reaksiyon içerdiğinden, yazarlar CHO hücrelerinin genom ölçeğinde bir metabolik modeline ve her reaksiyonun akış şiddetini tahmin eden akış dengesi analizine (flux balance analysis) başvurdular. Bu modeli kültürlerinden elde ettikleri gerçek ölçümlerle kısıtladılar ve ardından her enzimin ne kadar verimli olduğunu hesaba katan “enzim-kapasite” versiyonunu kullandılar. Bu, verilerle tutarlı birçok olası içsel akış desenini üretti. Bu yüksek boyutlu çıktıyı anlamlandırmak için, erken ve geç pasaj akış desenlerini ayırt eden bir makine öğrenmesi modeli eğittiler ve sonra hangi reaksiyonlar ile metabolitlerin iki durumu en güçlü şekilde ayırdığını sıralamak için açıklanabilir yapay zekâ—özellikle SHapley Additive exPlanations (SHAP)—kullandılar.

Yapı inşa etme modundan kendini koruma moduna

Açıklanabilir yapay zekâ analizinin gösterdiği net bir hikâye vardı. Erken pasaj hücrelerinde besinlerden gelen karbon, pirüvattan asetil-CoA’ya ve ardından yoğun biçimde yağ asidi sentezine yönlendirilerek membran yapımı ve hızlı büyümeyi destekliyordu. Geç pasaj hücrelerinde ise daha fazla asetil-CoA merkezi enerji döngüsüne yönlendirilerek stres altında enerjiyi korumaya çalışıyordu; aynı zamanda “trans-sülfürasyon” yolunda önemli reaksiyonlar hücreleri dışarıdan sistein alımından içsel üretime kaydırdı. Bu yeni yapılan sistein glutatyon yönlendirildi—zararlı reaktif oksijen türlerini temizlemeye yardımcı olan önemli bir antioksidandır. Bu öz-koruma bir bedelle geldi: aynı sistein antikorların stabil bağlarını oluşturmak için de gereklidir ve onun başka yollara yönlendirilmesi ile bu yolaklardan açığa çıkan ekstra amonyak muhtemelen daha düşük antikor verimine ve daha yüksek toksik atık birikimine katkıda bulundu.

Bu, ilaç fabrikalarını nasıl daha stabil tutmaya yardımcı olur

Bir uzman olmayan için mesaj şudur: CHO hücreleri pasajlandıkça önceliklerini kademeli olarak değiştirir—erken dönemde “inşa edici” moddadırlar; besinleri yeni hücrelere ve terapötik proteinlere verimli şekilde dönüştürürler; daha sonra “yaşama tutunma” moduna geçerler, oksidatif stresten kendilerini korumaya daha fazla kaynak harcarlar, bu da daha az ilaç üretip daha fazla atık oluşturmaları anlamına gelebilir. Ayrıntılı hücre kültürü ölçümleri, geniş ölçekli metabolik modeller ve açıklanabilir yapay zekânın birleşimi sayesinde yazarlar sistein–glutatyon eksenini ve ilişkili yolakları bu kaymayı kontrol eden kollar olarak belirleyebildiler. Ortam formülasyonlarını ayarlamak—örneğin alternatif antioksidanlar veya sisteini koruyan bileşikler eklemek—hücreleri daha verimli bir durumda daha uzun süre tutmaya yardımcı olabilir ve biyolojik ilaç üretiminin güvenilirliğini ve verimliliğini artırabilir.

Atıf: 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

Anahtar kelimeler: CHO hücreleri, antikor üretimi, hücre hattı stabilitesi, metabolik modelleme, açıklanabilir yapay zeka