首页 文章 精选 留言 我的

精选列表

搜索[AI原生解析],共10000篇文章
优秀的个人博客,低调大师

从肝遗传毒性、肠毒性到肺和肾毒性4个MPS案例解析

**摘要:**传统二维细胞模型能够完成大量早期安全性筛查,但当研究问题涉及人体代谢、组织屏障、多细胞分化和器官功能时,简单细胞模型往往难以完整重现真实组织环境。微生理系统(Microphysiological Systems,MPS)通过引入人源细胞、三维组织结构和动态培养环境,为安全性毒理研究提供了新的模型选择。本文结合4个公开研究案例,分别梳理肝脏芯片在遗传毒性和致突变性评价中的应用、人源肠道类器官与动态肠道模型在胃肠道毒性研究中的表现、3D气道模型在肺毒性与杯状细胞表型分析中的价值,以及不同静态和动态模型在肾毒性预测中的差异,重点分析器官芯片如何将安全性评价从单一细胞活力检测进一步推进到人体代谢、多终点、组织功能和模型预测能力层面。 **关键词:器官芯片、微生理系统、CN Bio、PhysioMimix、安全性毒理、肝毒性、肠道毒性、肺毒性、肾毒性、药物研发** ## 一、为什么安全性毒理研究越来越需要人体相关模型 药物安全性评价的核心目标并不只是确认一种化合物“是否产生细胞损伤”,而是尽可能理解候选药物进入人体后可能对不同组织和器官产生什么影响。传统二维细胞模型在通量、操作简便性和机制研究方面具有明显优势,但当毒性依赖人体代谢、复杂组织结构或者不同细胞之间相互作用时,单一细胞模型能够提供的信息就会受到限制。 药物进入人体后,可能先经过肝脏代谢形成新的代谢物,再影响其他组织;胃肠道毒性可能表现为屏障结构和细胞谱系变化,而不只是细胞死亡;肺部早期损伤也可能首先表现为杯状细胞、纤毛细胞和黏液相关功能变化;肾毒性则可能随着培养模型中流体环境、极性和转运功能不同而呈现完全不同的检测结果。 因此,安全性毒理研究正在逐渐从“一个细胞系对应一个终点”转向更加综合的问题:模型是否具有足够的人体相关代谢能力,是否能够重建组织屏障和动态微环境,是否能够同时观察多个毒性终点,以及模型得到的结果是否与已知人体反应具有更好的对应关系。 微生理系统正是在这一背景下获得关注。通过人源细胞、三维组织结构、持续灌流和多细胞共培养,可以在体外增加传统培养体系中缺少的一部分生理特征,为药物安全性研究提供新的实验层级。 ## 二、四个安全性毒理案例分别回答了什么问题 公开研究中,不同团队利用肝、肠、肺和肾脏相关模型解决的并不是同一个问题。肝脏案例重点关注人源代谢能力与多种遗传毒性终点能否整合到同一个模型;肠道研究关注传统Caco-2模型可能遗漏的临床胃肠道毒性;肺部研究进一步观察细胞分化和组织功能变化是否先于明显细胞毒性出现;肾脏研究则直接比较不同培养平台的预测能力,讨论模型选择本身是否会改变最终毒性结论。 原始资料将4个案例总结如下,表格内容保持不变,仅转换为Markdown格式并设置居中: |客户/研究团队|器官模型|研究方向|为什么值得关注?| |:-:|:-:|:-:|:-:| |Charles River Laboratories × TwinStrand Biosciences|肝脏|遗传毒性 / 致突变性|将人源肝脏代谢能力与 Comet、Micronucleus、Duplex Sequencing 多种遗传毒性终点结合,探索更接近人体的遗传毒性评价体系| |康龙化成 Pharmaron(Beijing)|肠道|胃肠道毒性|人源肠道类器官(HIO)对部分临床胃肠道毒性药物表现出比 Caco-2 更高的检测敏感性,并进一步结合动态 gut-on-a-chip 模型| |康龙化成 Pharmaron(Beijing)|肺 / 气道|肺毒性|不仅观察细胞活力,还关注杯状细胞、纤毛细胞和黏液纤毛分化,捕捉传统细胞毒性指标之外的组织功能变化| |Texas A&M University×Roche、Sanofi、Merck 等|肾脏|肾毒性预测|横向比较 96 孔板、静态 Transwell、OrganoPlate 和 PhysioMimix T12,系统评估不同模型的毒性预测能力| **表1:肝、肠、肺、肾四类MPS安全性毒理应用案例** 这四项研究共同说明,MPS的价值并不只是把二维细胞“做成立体”,而是根据具体毒理问题增加人体相关代谢、屏障、流体和功能性终点。 ## 三、案例一:为什么遗传毒性研究需要把人源肝脏代谢能力纳入模型 遗传毒性研究中的一个经典难题,是部分化合物本身并不直接表现出明显遗传毒性,而是需要经过代谢转化之后才形成具有相关活性的产物。如果实验体系缺少足够的代谢能力,就有可能低估这类化合物的风险。 Charles River Laboratories和TwinStrand Biosciences建立了基于PhysioMimix T12的肝脏芯片模型,将原代人肝细胞(PHH)或HepaRG与TK6细胞结合,在动态微流体环境中构建同时具有肝脏代谢和遗传毒性检测能力的实验体系。 ![肝脏芯片LOC模型在遗传毒性测试中的概述](https://developer.qcloudimg.com/http-save/yehe-12003223/be285361abcb2357ad7c96e4d450c1c1.png) **图1:肝脏芯片(LOC)模型在遗传毒性测试中的整体设计[1]** 这项研究最值得关注的并不是单独使用了一种新的培养设备,而是在同一个实验框架中组合了多种遗传毒性终点。 研究一方面通过白蛋白、尿素和CYP活性等指标确认肝脏模型仍然维持相应代谢功能,另一方面分别利用Comet assay、Micronucleus assay和Duplex Sequencing观察DNA链断裂、染色体损伤或丢失以及基因突变。 这样一来,实验不再只回答“样品有没有产生某一种遗传毒性信号”,而可以进一步比较不同损伤层级是否同时发生,以及需要代谢活化的化合物能否在人源肝脏环境中表现出对应风险。 ## 四、为什么Comet、Micronucleus和Duplex Sequencing需要放在一起看 Comet assay主要用于观察DNA链断裂等损伤;Micronucleus assay用于分析与染色体损伤和丢失相关的微核变化;Duplex Sequencing则进一步进入基因突变层面。 三个终点观察的生物学事件不同,因此同一种化合物并不一定在所有方法中都产生相同响应。 原始研究中,MMS和EMS等直接遗传毒物能够在多个终点产生响应;需要代谢活化的CP和B[a]P也分别在微核、突变或DNA损伤相关终点中观察到信号。 这一结果的意义在于,模型中存在具有功能的人源肝代谢环境,因此不仅能处理直接作用化合物,也能够进一步研究代谢活化后才产生遗传毒性风险的pro-genotoxicant。 对于安全性研究而言,这种“人源代谢 + 多终点”的组合比只依赖单个细胞系和单个检测方法能够提供更加完整的信息。 ## 五、肝脏MPS在遗传毒性研究中的真正价值是什么 传统遗传毒性实验往往将代谢活化与终点检测分成不同模块,而肝脏芯片研究尝试将人体相关代谢能力直接放入整个实验体系中。 这种设计并不意味着所有传统遗传毒性方法都需要被替换,而是提供了一个新的研究问题:当一个化合物的风险高度依赖人类肝脏代谢时,是否可以用具有人源肝功能的体外模型补充现有数据。 从这个角度看,MPS更像是连接药物代谢与遗传毒性终点的一座桥梁,使研究人员能够进一步分析“母体化合物—代谢产物—遗传损伤”之间的关系。 ## 六、案例二:为什么Caco-2可能遗漏部分胃肠道毒性 Caco-2是肠道相关研究中应用非常成熟的细胞系,可用于屏障和转运等多种实验。但它毕竟属于单一细胞系,无法完整重现人体肠道中多种上皮细胞谱系和crypt-villus样结构。 Pharmaron建立了人源肠道类器官(Human Intestinal Organoid,HIO)及其衍生屏障体系,希望进一步评价模型对临床胃肠道毒性相关药物的识别能力。 ![人肠道类器官来源屏障与肠道芯片模型构建及质量控制](https://developer.qcloudimg.com/http-save/yehe-12003223/bcf52e1f935ba0645fc062987828e6bf.png) **图2:人源肠道类器官来源屏障及动态肠道模型的构建与质量控制[2]** 原始资料显示,HIO能够维持接近肠道crypt-villus的结构,并包含多种主要肠上皮细胞谱系。 这意味着模型中不仅存在一个均一的上皮细胞群,而是保留了更加复杂的组织组成,因此在研究药物如何影响不同肠道细胞状态时可以提供更多信息。 ## 七、为什么HIO在胃肠道毒性测试中的敏感性值得关注 在一组具有不同临床腹泻发生率的药物测试中,原始资料报告HIO对胃肠道毒性的预测敏感性达到78%,而Caco-2为22%,两类模型均表现出较好的特异性,没有观察到明显假阳性。 这组结果最重要的含义不是“类器官永远优于Caco-2”,而是说明对部分需要更加复杂肠道组织环境才能表现出来的毒性,人源类器官可能比单一细胞系更加敏感。 例如,Trametinib在Caco-2中的IC50大于1000 nM,而在HIO中约为26.2 nM;5-FU在Caco-2中的IC50大于100,000 nM,而HIO中约为1,681 nM。 这些数值对应具体实验体系和给药条件,不能直接推广到所有研究,但它们说明模型选择可能明显改变某些药物的毒性响应窗口。 ## 八、为什么动态gut-on-a-chip还能看到更多屏障相关变化 研究进一步将人源肠道模型与动态gut-on-a-chip体系结合。 原始资料显示,Trametinib在临床相关Cmax浓度下即可观察到屏障损伤,并伴随ZO-1紧密连接结构破坏和MUC2异常。 这类终点相比单纯细胞活力检测更加接近组织功能层面。ZO-1反映紧密连接结构,而MUC2与肠道黏液相关,因此即使细胞尚未出现大规模死亡,组织屏障也可能已经发生具有生物学意义的改变。 这也说明,在胃肠道安全性评价中,“有没有细胞死亡”与“肠道功能是否受损”并不是同一个问题。 ## 九、案例三:为什么肺毒性不能只看细胞活率 药物诱导性肺损伤可能首先表现为气道上皮分化、黏液产生和纤毛功能变化,而不是立刻出现大规模细胞死亡。 Pharmaron建立了3D人源支气管类器官(HBO)、NHBE气液界面(ALI)模型,并进一步利用PhysioMimix建立灌流bronchi-on-a-chip体系,以观察不同培养方式对气道组织成熟和毒性响应的影响。 ![CN Bio PhysioMimix建立的灌注型NHBE ALI模型](https://developer.qcloudimg.com/http-save/yehe-12003223/0be7cf99bcc1fb9275312ce968e535fb.png) **图3:使用PhysioMimix建立的灌流NHBE ALI模型,原始资料显示其分化表现优于对应静态ALI培养[2]** HBO经过14天分化后,可以形成具有杯状细胞和纤毛细胞特征的成熟气道结构;原始资料同时指出,灌流培养在相关分化指标上表现出比静态条件更好的结果。 ## 十、afatinib实验为什么提示“组织功能变化可能早于细胞死亡” 研究利用具有肺毒性报道的afatinib进行模型验证。 在分化HBO体系中,afatinib对应IC50约为15.18 μM,同时杯状细胞相关标志物MUC5AC随剂量增加而下降。 更值得注意的是,在NHBE ALI模型中,TEER、通透性和细胞活力并没有表现出明显的剂量依赖变化,但MUC5AC表达和杯状细胞组成已经明显下降。 也就是说,如果研究只检测细胞活力,这部分早期组织变化可能被遗漏。 这提示安全性毒理研究有必要根据目标器官特点选择功能性终点。对于气道组织,杯状细胞、纤毛细胞以及黏液纤毛功能可能比一个通用细胞存活率指标更加接近实际组织表型。 ## 十一、为什么杯状细胞和纤毛细胞值得纳入肺毒性评价 气道上皮不是一个单一细胞层。杯状细胞负责黏液相关功能,纤毛细胞参与黏液清除,二者共同构成重要的黏液纤毛防御系统。 一种药物即使暂时没有明显降低整体细胞活力,如果它显著改变杯状细胞比例或者纤毛细胞分化,也可能影响组织正常功能。 因此,多细胞气道模型的意义之一,就是将毒理终点从“细胞有没有死”扩展到“组织是否仍保持正确细胞组成和功能”。 这对于慢性给药或者早期组织损伤研究尤其重要。 ## 十二、案例四:为什么不同肾脏模型可能得到不同的毒性结论 前三个案例主要展示了如何增加人体相关性,而肾脏案例进一步直接比较多个体外平台,讨论模型本身是否会改变毒性预测结果。 Texas A&M University联合Roche、Sanofi、Merck、Unilever、NIEHS等机构,对16种化合物进行了比较研究。 肾近端小管上皮细胞(HRPTEpC)分别培养在96孔板、静态Transwell、PhysioMimix T12流体Transwell以及OrganoPlate中,再通过LDH、TEER、药物转运和转录组等指标进行评价。 ![不同MPS概述及肾毒性检测实验时间表](https://developer.qcloudimg.com/http-save/yehe-12003223/d282f9b7079fa9d158f16404310f6f8c.png) **图4:不同体外模型及肾毒性实验时间设计概览[2]** 这种横向比较的价值在于,细胞来源保持相对一致,而培养环境不同,因此能够更加直接地观察模型结构和动态条件是否影响毒性预测结果。 ## 十三、为什么96孔二维模型和动态MPS会产生不同表现 原始资料显示,96孔板对部分肾毒性信号的响应相对有限;相比之下,静态Transwell、OrganoPlate和PhysioMimix T12等具有更多组织结构或动态培养特征的模型表现出更突出的预测能力。 其中,PhysioMimix T12在研究报告的敏感性、特异性、准确率和MCC等多项指标中表现出较好的综合结果。 这类结果提示,毒性检测并不仅由“使用哪一种细胞”决定。流体剪切、细胞极性、屏障结构和转运状态都可能影响细胞如何响应药物。 因此,当二维模型与临床观察之间出现明显偏差时,增加更加接近肾近端小管环境的培养条件可能提供新的解释。 ## 十四、为什么TEER不一定是所有肾毒性的最佳早期终点 该肾毒性研究中还出现了一个值得注意的现象:TEER对于部分早期毒性变化的响应相对有限,而LDH在较低浓度下已经能够观察到相应变化。 这进一步说明,即使模型更加复杂,也不能只依赖一个检测指标。 TEER更接近屏障完整性,而LDH反映细胞膜相关损伤,转运指标和转录组又提供不同层面的信息。因此,一个真正可靠的安全性研究往往需要多个终点互相补充。 不同器官甚至不同化合物适合的早期毒性指标也可能不同,不能直接用同一套终点套用所有模型。 ## 十五、四个案例共同说明了什么 肝脏案例强调“代谢能力”,肠道案例强调“多细胞和组织屏障”,肺模型强调“分化和组织功能”,肾脏研究则强调“模型环境本身会影响预测表现”。 表面上看,这四类研究属于不同器官,但核心逻辑其实一致:安全性毒理评价正在从简单终点走向更加接近人体组织行为的复合评价。 这并不意味着越复杂的模型就一定越好。真正需要的是根据研究问题选择足够复杂、但仍然可重复和可分析的体系。 如果一个二维模型已经能够可靠回答问题,就没有必要为了复杂而复杂;但当毒性明显依赖代谢、组织屏障、多细胞结构或者流体环境时,MPS就可能提供传统模型难以获得的信息。 ## 十六、PhysioMimix在这些研究中承担的是什么角色 PhysioMimix属于微生理系统平台,其核心作用是提供动态培养环境和适用于不同组织模型的实验框架。 在上述案例中,它并不是作为一个固定“万能模型”出现,而是根据具体器官和问题承载不同的人源细胞体系。例如肝脏模型重点维持代谢功能,气道模型结合ALI和灌流环境,肾脏模型则利用流体Transwell进行近端小管相关研究。 ![CN Bio PhysioMimix Core微流控器官芯片系统](https://developer.qcloudimg.com/http-save/yehe-12003223/4d8dc65a3f179f3c97f8f87cef3d87b3.png) **图5:CN Bio PhysioMimix Core微流控器官芯片系统** 因此,评价一个器官芯片平台是否适合某项安全性研究,不能只看设备本身,而需要同时考虑细胞来源、培养结构、流体条件、暴露方式和最终检测终点。 ## 十七、为什么器官芯片不能简单理解为“动物模型的直接替代” 人体相关MPS能够补充传统模型,但并不能因为使用了人源细胞就自动解决所有药物安全性问题。 真实人体仍然包含免疫、神经、内分泌和全身器官间相互作用,这些因素很难在单个器官模型中完整重建。 因此,更合理的定位是把MPS作为整个非临床证据体系中的一种工具,用来回答传统二维模型和部分其他模型难以回答的具体问题。 例如,在遗传毒性研究中加入更相关的人源代谢;在胃肠道研究中观察屏障和多细胞结构;在肺研究中增加组织分化指标;在肾脏研究中比较动态培养条件。 这种“问题导向”的应用方式比简单讨论某一种模型是否可以全面替代另一种模型更加具有实际意义。 ## 十八、器官芯片应用于安全性毒理时应该关注哪些质量问题 首先需要关注细胞本身是否具有稳定的器官相关功能。肝脏模型需要确认白蛋白、尿素、CYP等功能,肠道和气道模型则需要关注屏障和细胞谱系。 其次,需要确认动态培养条件是否稳定。流速、培养液体积、暴露方式和培养周期都会影响药物实际接触细胞的方式。 第三,需要提前定义研究终点。仅检测细胞活力可能遗漏功能性变化,因此应根据器官特点增加对应指标。 最后,还需要控制模型批次和供体差异。尤其原代细胞模型中,不同供体的基础代谢和药物敏感性可能不同,因此需要在实验设计中考虑相应重复。 ## 十九、什么时候更值得使用安全性毒理MPS 如果研究化合物本身已经能够通过简单二维模型获得清晰、可靠的毒性结果,MPS并不一定是必须选择。 当问题涉及人源代谢活化、多细胞屏障、长期组织功能或者传统模型与人体结果不一致时,MPS的优势更加明显。 例如,肝脏模型适合进一步研究需要人源代谢参与的安全性问题;动态肠道模型适合观察屏障和黏液相关变化;气道模型适合关注杯状细胞和纤毛功能;肾脏动态模型则可以用于研究近端小管环境与毒性预测之间的关系。 因此,模型复杂程度最好由科学问题决定,而不是由技术新旧决定。 ## 二十、常见问题 ### Q1:器官芯片可以用于哪些安全性毒理研究? 原始资料中的案例涉及遗传毒性、胃肠道毒性、肺毒性和肾毒性,不同模型分别关注人体代谢、组织屏障、多细胞分化和动态培养环境。 ### Q2:为什么肝脏遗传毒性研究需要人源代谢能力? 部分化合物需要经过肝脏代谢后才产生具有遗传毒性相关活性的代谢物,因此缺少相应代谢能力的模型可能无法充分识别这类风险。 ### Q3:肝脏案例同时用了哪些遗传毒性终点? 研究结合了Comet assay、Micronucleus assay和Duplex Sequencing,分别观察DNA损伤、染色体相关变化和基因突变。 ### Q4:为什么HIO比Caco-2对部分胃肠道毒性更敏感? HIO保留更复杂的人源肠道细胞谱系和组织结构,因此部分依赖组织背景的毒性可能更容易表现出来。原始研究中HIO的预测敏感性为78%,Caco-2为22%。 ### Q5:肺毒性为什么不能只检测细胞活力? 原始afatinib实验中,部分条件下细胞活力和TEER变化并不明显,但MUC5AC和杯状细胞组成已经下降,提示组织分化变化可能早于明显细胞损伤。 ### Q6:不同肾脏模型真的会得到不同毒性结果吗? 原始比较研究显示,96孔板、静态Transwell、OrganoPlate和PhysioMimix T12的预测表现存在差异,说明培养环境和模型结构本身会影响毒性检测结果。 ### Q7:TEER是不是所有屏障模型都必须作为主要毒性指标? 不是。TEER主要反映屏障电阻变化,不同器官和不同化合物的敏感终点可能不同,应结合LDH、转运、组织标志物和其他功能指标共同分析。 ### Q8:器官芯片可以完全替代传统动物研究吗? 不能简单这样理解。MPS适合补充人体相关机制和毒性数据,但完整安全性评价仍需要根据研究阶段结合不同模型和证据。 ## 二十一、总结 安全性毒理研究正在从“细胞是否死亡”逐渐发展为“药物对人体相关组织产生了什么变化”。 肝脏MPS案例展示了人源代谢与多种遗传毒性终点结合的可能性。通过PHH或HepaRG与TK6细胞形成实验体系,可以在维持肝脏代谢功能的同时分析DNA损伤、微核和基因突变,从而进一步研究需要代谢活化的化合物。 肠道案例说明,模型复杂程度可能影响毒性敏感性。原始研究中HIO对部分临床胃肠道毒性药物的预测敏感性达到78%,而Caco-2为22%,动态肠道模型还进一步观察到ZO-1和MUC2等屏障相关变化。 肺部案例则提醒研究人员,组织功能变化可能早于明显细胞死亡。afatinib处理后,MUC5AC和杯状细胞组成已经发生变化,而部分传统细胞活力和屏障指标并未表现出同等明显的剂量依赖性。 肾脏研究从另一个角度说明,模型选择本身也会影响安全性结论。相同细胞在96孔板、Transwell、OrganoPlate和动态T12模型中的表现并不完全相同,其中动态和更具生理结构的模型表现出不同程度的预测能力。 这四个案例共同说明,MPS的价值并不是简单增加模型复杂性,而是在传统模型无法充分回答问题时,引入人体相关代谢、组织结构、动态流体和功能终点。 因此,更合理的安全性毒理模型选择逻辑不是“二维还是器官芯片”,而是先明确研究需要回答的问题,再决定需要多少人体相关复杂度。 ![CN Bio微流控器官芯片彩页2026](https://developer.qcloudimg.com/http-save/yehe-12003223/e0368847f15d8e9771c1b83ee81421a8.jpg) **图6:CN Bio微流控器官芯片相关应用资料** ## 参考资料 [1] B. Kopp, A. Khawam, K. Di Perna, D. Lenart, M. Vinette, R. Silva, T.B. Zanoni, C. Rore, G. Guenigault, E. Richardson, T. Kostrzewski, A. Boswell, P. Van, C. Valentine III, J. Salk, A. Hamel. Liver-on-chip model and application in predictive genotoxicity and mutagenicity of drugs. Mutation Research - Genetic Toxicology and Environmental Mutagenesis. 2024;896:503762. [2] CN Bio公开客户研究及相关安全性毒理应用资料 >本文基于CN Bio公开技术资料及相关客户研究资料整理,用于器官芯片、微生理系统、遗传毒性、胃肠道毒性、肺毒性和肾毒性等安全性毒理方向的科研信息分享与实验参考。文中敏感性、IC50、细胞比例、培养时间及模型表现均对应原始公开资料中的具体实验条件,不同细胞来源、供体、药物暴露方式、培养系统和检测终点可能影响实际结果,正式研究仍需结合具体项目进行模型选择和验证。

优秀的个人博客,低调大师

数字微流控无细胞筛选解析半胱氨酸突变、氧化环境与标签适配规律

**摘要:**植物球蛋白属于具有一定表达难度的血红素蛋白,其可溶性表达和稳定性会受到蛋白序列、保守半胱氨酸、氧化还原环境以及融合标签等多种因素共同影响。基于数字微流控驱动的无细胞蛋白合成体系,可以将这些变量组合成百组以上平行条件,在较短周期内完成表达筛选和原位纯化。本研究进一步比较甜菜BvPgb和燕麦AsPgb系列蛋白的野生型及Cys→Ala突变体,分析不同氧化还原添加剂和可溶性标签对表达量、纯化效率和蛋白稳定性的影响,并将优选条件放大至200 μL体系进行表达和理化表征。结果显示,保守半胱氨酸突变、GSSG/PDI相关氧化环境以及小分子可溶性标签均可能影响植物球蛋白的表达表现,但不同同源蛋白之间具有明显的条件特异性。本文对筛选结果、放大验证和稳定性数据进行梳理,为难表达蛋白的多变量条件优化提供方法参考。 **关键词:无细胞蛋白合成、无细胞蛋白表达、数字微流控、植物球蛋白、高通量筛选、难表达蛋白、半胱氨酸突变、蛋白稳定性、可溶性标签、血红素蛋白** 在前期研究中,数字微流控无细胞蛋白合成体系已经被用于建立植物球蛋白的高通量表达筛选流程。研究首先围绕甜菜BvPgb和多个燕麦AsPgb构建野生型及半胱氨酸突变体,并将不同蛋白与多种可溶性标签、氧化还原添加剂、分子伴侣和辅助组分组合,形成百组以上平行反应条件。通过数字微流控平台完成蛋白合成、表达定量和原位纯化后,可以进一步比较不同变量对目标蛋白表达量、纯化收率以及后续稳定性的影响。本篇重点分析这些筛选结果,并进一步讨论优选条件放大后得到的蛋白浓度、寡聚状态和热稳定性数据。 ## 一、为什么植物球蛋白表达需要同时分析多个变量 植物球蛋白的表达问题并不能简单归因于某一个因素。对于这类血红素相关蛋白而言,蛋白自身序列会影响折叠和聚集倾向,而半胱氨酸残基可能进一步参与巯基氧化及非预期相互作用。与此同时,无细胞体系中的氧化还原状态、分子伴侣和金属辅因子等组分也会改变新生蛋白所处的折叠环境。 融合标签同样是一个重要变量。常见的可溶性标签可以改善部分蛋白的表达,但标签本身也会增加分子体积,并可能影响目标蛋白天然结构形成。因此,同一种标签在不同同源蛋白上的效果可能完全不同,甚至同一蛋白发生一个氨基酸突变后,对融合标签的响应也可能发生变化。 这意味着,如果按照传统单因素方式依次比较突变、标签和反应添加剂,需要完成大量实验轮次,而且很容易忽略不同因素之间的交互作用。数字微流控高通量筛选的价值正是在于将这些变量直接组成条件矩阵,通过平行实验观察哪些组合能够同时获得较好的表达和纯化表现。 ## 二、保守半胱氨酸突变为什么会改变植物球蛋白的表达结果 研究首先比较了多个植物球蛋白野生型与Cys→Ala突变体。对于甜菜BvPgb,C86A突变体的荧光表达总量高于野生型,而纯化后的总收率与野生型基本持平。与此同时,SUMO标签在野生型BvPgb中表现出较强的表达抑制作用,但对C86A突变体几乎没有出现同样程度的负面影响。 这一结果说明,一个局部氨基酸变化不仅可能影响蛋白自身稳定性,还可能改变目标蛋白与融合标签之间的相互作用。换句话说,“某种标签是否适合某个蛋白”并不是一个固定结论,而可能随着目标序列改变而发生变化。 燕麦AsPgb系列也表现出类似但并不完全一致的趋势。AsPgb1.1 C70A突变体的纯化收率高于对应野生型;AsPgb1.5 C84A发生突变后,对不同标签的依赖关系发生明显变化;AsPgb3.1 C161A则表现出较明显的纯化效率提升。不同突变体表现并不一致,进一步说明保守半胱氨酸的作用具有蛋白特异性。 整体筛选结果提示,去除部分保守巯基之后,一些植物球蛋白的可溶性和总产率能够得到改善,其可能原因之一是降低了巯基相关氧化聚集。但这种策略并不是对所有植物球蛋白都具有完全一致的效果,因此仍然需要针对每一种目标序列进行独立验证。 ::: center ![各蛋白在不同标签与反应体系下的表达产量热图](https://developer.qcloudimg.com/http-save/yehe-12003223/7611bfabd532dbfa8c81be1c69620844.png) **图1:各蛋白在不同标签与反应体系下的表达产量热图(颜色深浅对应表达浓度高低)** ::: ## 三、为什么半胱氨酸突变还会改变融合标签的适配性 如果只比较野生型和突变体总表达量,很容易忽略筛选数据中的另一个信息:突变之后,目标蛋白对不同融合标签的响应可能发生明显变化。 以BvPgb为例,SUMO对野生型表达产生较强抑制,而在C86A突变体中这种负面作用明显减弱。这说明蛋白局部序列与标签之间可能存在结构层面的相互影响。当目标蛋白自身聚集倾向、局部电荷状态或者折叠路径发生改变后,原先不适合的标签可能不再产生同样影响。 AsPgb1.5 C84A也表现出明显的标签依赖性变化。因此,对于蛋白工程项目,如果已经对目标蛋白进行定点突变,仅沿用野生型阶段筛选出的融合标签并不一定合理。更加稳妥的方法是将突变体重新纳入标签筛选体系,使序列优化和表达条件优化同步进行。 这种结果也体现了组合筛选相对于单因素实验的优势:研究人员不仅能够回答“哪一种突变提高了表达”,还能够进一步回答“这个突变在什么标签和什么反应环境下效果更好”。 ## 四、为什么GSSG和PDI/GSSG组合频繁出现在优选条件中 对高通量筛选所得优选反应条件进行统计后,研究发现氧化相关体系出现频率较高。其中,GSSG以及PDI/GSSG组合合计占优选反应体系的48%,明显高于DnaK和TRXB1等部分分子伴侣条件。 GSSG是氧化型谷胱甘肽,可以影响无细胞体系中的氧化还原平衡;PDI则是蛋白二硫键异构酶,可以参与蛋白中二硫键相关的形成和重排。对于含有保守半胱氨酸的植物球蛋白而言,反应体系中的氧化还原状态可能直接影响巯基行为以及蛋白聚集。 原始研究认为,适当的氧化微环境可能通过调节氧化还原平衡减少巯基自发氧化聚集,从而有利于部分植物球蛋白稳定合成。结合PDI/GSSG组的表现来看,这种作用并不能简单解释成“促进二硫键形成”,因为单纯依赖还原相关伴侣并没有获得同等明显的提升效果。 因此,筛选结果更适合被理解为:植物球蛋白对反应体系中的氧化还原状态较为敏感,而GSSG和PDI/GSSG组合在本研究涉及的多个蛋白中表现出较高适配频率。 ## 五、为什么金属辅因子和Zn²⁺也会影响部分植物球蛋白表达 除了氧化还原添加剂之外,研究中的金属辅因子混合液和Zn²⁺也出现在部分较优条件中。其总体作用弱于GSSG和PDI/GSSG,但对部分蛋白仍表现出正向辅助作用。 蛋白折叠过程受到局部电荷、离子强度和金属环境影响,因此不同离子条件可能改变某些目标蛋白的稳定性。对于血红素相关蛋白而言,辅因子环境同样值得纳入筛选,而不宜只测试单一标准缓冲条件。 不过,研究数据并不能支持“加入Zn²⁺一定能够提高所有植物球蛋白产量”的结论。更合理的应用方式,是把金属辅因子作为高通量筛选矩阵中的一个变量,与其他氧化还原条件和融合标签平行比较,再根据具体蛋白结果决定是否保留。 ## 六、为什么小分子可溶性标签在筛选中整体表现更好 标签筛选结果显示,本研究中表现较好的融合标签主要集中在10 kDa以内,包括P17、CUSF和FH8。相比之下,SUMO、TRX、ZZ和SNUT等较大标签整体提升效果较弱,部分组合甚至出现表达抑制。 融合标签通常用于改善目标蛋白的溶解性或表达效率,但标签尺寸增加后也可能产生新的空间位阻,并干扰目标蛋白天然折叠。对于本身结构比较紧凑、又具有特定辅基结合需求的植物球蛋白而言,大分子标签并不一定能够提供额外帮助。 研究中的另一个重要结果是,无标签条件占全部优选组合的40%。这意味着融合标签并不是获得高表达植物球蛋白的必要条件,一些蛋白在不携带大型融合结构时反而能够获得更合适的折叠环境。 此外,3C蛋白酶添加条件有19%被选入优选组合。这一结果进一步提示,部分目标蛋白在标签被移除后可能具有更好的最终状态。因此,蛋白表达筛选不应该把“添加可溶性标签”等同于“必然提高可溶性”。 ## 七、为什么同一种标签不能直接用于所有植物球蛋白 筛选结果还表现出明显的物种和蛋白特异性。例如,CUSF更适合甜菜BvPgb野生型,而P17在燕麦AsPgb1.5中的表现更好。 这一结果与前期结构分析具有一致性。尽管不同植物球蛋白在整体骨架上高度同源,但表面电荷、局部疏水性和特定残基环境仍存在差异。这些微小结构变化就可能改变蛋白与融合标签之间的相互作用。 因此,在实际难表达蛋白开发中,“某个标签曾经成功表达过同源蛋白”只能作为候选条件,而不能直接视为最终方案。尤其当蛋白来自不同物种、不同亚型或者经过蛋白工程突变之后,重新进行小规模平行筛选通常比直接套用已有配方更可靠。 ::: center ![优选组合的蛋白表达浓度、纯化浓度与纯化效率对比](https://developer.qcloudimg.com/http-save/yehe-12003223/31a80d1d7e46165a352e603a513dc0e2.png) **图2:优选组合的蛋白表达浓度、纯化浓度与纯化效率对比** ::: ## 八、高通量筛选结果如何进一步进入放大表达验证 高通量平台的任务是快速发现候选表达条件,但筛选阶段获得的结果仍然需要在更大体积中复现。因此,研究从筛选结果中选择AsPgb1.5和BvPgb1.2进行放大验证。 这两个蛋白在序列和结构上具有较高同源性,但筛选得到的最佳融合标签并不相同。AsPgb1.5选择P17标签,而BvPgb1.2选择CUSF标签,两者的反应体系均采用PDI/GSSG条件。 这种设计能够同时验证两个问题:首先,高通量筛选得到的标签和添加剂组合能否在更大体积中继续获得可溶蛋白;其次,即使目标蛋白高度同源,是否仍然需要保留各自筛选得到的特异性标签,而不是强行使用相同表达方案。 ## 九、200μL放大表达最终获得了多少蛋白 研究将优选条件扩大至200 μL反应体系,并使用Strep亲和方法进行纯化。最终P17-AsPgb1.5蛋白浓度达到0.69 mg/mL,对应约22 μM;CUSF-BvPgb1.2浓度达到0.77 mg/mL,对应约20 μM。 纯化后的电泳结果显示主要目标条带较为单一,说明从数字微流控小规模筛选中得到的条件能够进一步用于更大体积的蛋白制备。 这一结果对于高通量蛋白筛选非常关键。如果某个条件只在纳升级或微量反应中表现良好,一旦放大后就失效,那么它的实际应用价值会比较有限。本研究通过200 μL体系验证了优选组合在更大体积下仍具有可重复性,为后续进一步放大和功能分析提供了起始条件。 ## 十、为什么表达浓度之外还要分析蛋白寡聚状态 对于难表达蛋白而言,获得较高浓度并不意味着蛋白一定处于正确状态。蛋白可能以聚集体、异常寡聚体或者部分折叠状态存在,因此还需要进一步评价分子状态。 研究利用质量光度法分析两种放大制备蛋白。结果显示,BvPgb以单体为主,单体比例达到93%;AsPgb1.5同样以单体为主要组分,但单体比例为72%。 ::: center ![放大产物及其寡聚状态表征](https://developer.qcloudimg.com/http-save/yehe-12003223/8d0a57f9ad0ea05814e837ad20ddac75.png) **图3:放大产物及其寡聚状态表征** ::: 结合实验条件,研究推测当前获得的主要是可溶性脱辅基球蛋白,也就是尚未完成血红素结合的蛋白形式。因此,这一步结果主要证明筛选条件能够得到较高比例的可溶单体蛋白,但还不能直接等同于获得了完整成熟并具有全部功能的holo-Pgb。 这一点也体现了表达筛选和功能蛋白制备之间的区别。高通量平台可以快速解决“怎样得到更多可溶蛋白”的问题,而辅基装配和最终功能状态仍需要进一步实验验证。 ## 十一、BvPgb和AsPgb1.5的热稳定性有什么差异 研究进一步采用纳米差示扫描荧光方法分析放大产物的热稳定性。甜菜BvPgb的熔解温度Tm约为55℃,在更高温度条件下容易发生聚集。 相比之下,燕麦AsPgb1.5的热转变信号并不清晰,原始研究据此认为其稳定性弱于甜菜同源蛋白。即使两个蛋白在整体结构和序列上具有较高同源性,其实际热稳定性仍然可以存在明显差异。 这一结果进一步说明,蛋白结构预测能够帮助理解同源关系,但无法完全代替实验条件优化和稳定性测试。一个蛋白在结构模型上与已知目标非常相似,并不意味着其最佳表达条件、聚集倾向和热稳定性也完全一致。 对于难表达蛋白开发而言,高通量表达筛选与后续稳定性分析需要形成连续流程,而不能只根据表达量选择最终方案。 ## 十二、为什么“表达最高”的条件不一定就是最终最优条件 高通量筛选经常会产生一个很直观的热图,其中表达浓度最高的条件最容易首先受到关注。但实际蛋白制备中,最终选择条件还需要同时考虑可溶性、纯化回收率、单体比例和稳定性。 例如,某个融合标签可能显著提高总表达量,但如果纯化后大部分蛋白形成聚集体,那么该条件并不一定适合后续结构或功能研究。相反,一个表达量略低但能够获得较高比例单体、纯化效率较高的条件,可能更具有实际价值。 本研究同时记录表达浓度、纯化浓度和纯化效率,并在放大后继续利用质量光度和热稳定性检测进行评价,体现的正是这种多指标筛选逻辑。 因此,数字微流控平台的价值并不只是“找出产量最高的孔”,而是帮助研究人员在大量条件中快速缩小候选范围,再使用更深入的生化和生物物理方法确定真正适合后续研究的方案。 ## 十三、这项研究如何理解保守半胱氨酸的作用 综合筛选结果,多个Cys→Ala突变体在表达或纯化方面表现出一定改善,这支持保守半胱氨酸可能参与部分植物球蛋白氧化聚集的判断。 但研究结果同样说明,这种作用并不是完全一致的。不同植物球蛋白的突变收益不同,标签依赖性也会随突变发生变化,因此不能简单形成“所有保守半胱氨酸都应该去除”的通用策略。 更加合理的应用思路是,把半胱氨酸视为一个值得测试的蛋白工程变量。对于出现明显氧化聚集或可溶性较低的目标蛋白,可以构建Cys→Ala或者其他合理突变,再通过平行表达实验判断是否真正改善蛋白状态。 如果后续还需要研究蛋白天然功能,则必须进一步确认该残基本身是否参与活性、辅基结合或其他结构功能,避免仅为了提高表达而破坏目标蛋白的生物学性质。 ## 十四、为什么这项研究仍然属于表达条件优化,而不是完整功能蛋白开发 研究已经完成表达筛选、亲和纯化、单体比例分析和部分热稳定性表征,但原始资料明确指出,目前尚未完成血红素嵌入和完整蛋白生物活性验证。 这意味着当前得到的主要是稳定可溶的脱辅基植物球蛋白,而并非已经充分验证功能的成熟holo-Pgb。因此,本研究最直接的贡献在于找到能够提高目标蛋白可溶性和稳定性的表达条件,而不是证明这些蛋白已经具备完整的NO清除或抗氧化功能。 这种阶段划分在难表达蛋白研究中非常重要。首先需要解决“能不能稳定制备”的问题,然后才能进一步研究辅基装配、活性和结构功能关系。如果一开始连可溶单体都无法获得,后续功能研究就难以开展。 ## 十五、下一步如何进一步获得成熟holo-Pgb 原始研究提出,后续可以进一步优化辅基装配体系,通过加入对应辅助组分促进血红素插入,从而尝试获得成熟holo-Pgb。 在获得成熟蛋白之后,还需要继续进行NO清除、抗氧化等功能检测,以判断高通量筛选获得的表达条件是否真正保留蛋白预期生物学功能。 此外,当前研究中的序列工程主要聚焦少量保守半胱氨酸位点,因此突变空间仍然比较有限。未来可以进一步扩展氨基酸突变种类,通过更加系统的序列设计分析巯基、表面电荷和局部疏水区域对表达与稳定性的影响。 这样,数字微流控高通量体系就可以从单纯的表达条件筛选进一步扩展到蛋白工程筛选,把“序列变量”和“反应条件变量”同时纳入实验矩阵。 ## 十六、这种数字微流控筛选方法还能用于哪些难表达蛋白 植物球蛋白只是该筛选方法的一个研究案例。其方法本身更适合解决“目标蛋白表达受到多个变量影响,而且传统逐个试错效率较低”的问题。 例如,膜蛋白通常对折叠环境和辅助体系具有较高要求;部分血红素酶需要辅基装配;某些对细胞状态影响较大的重组蛋白在传统细胞内体系中表达困难。对于这些目标,无细胞蛋白合成可以减少宿主细胞因素干扰,而数字微流控则进一步提高多变量筛选通量。 研究人员可以将不同DNA构建体、融合标签、氧化还原环境、辅因子和分子伴侣排列成条件矩阵,再根据表达量、纯化产量和后续稳定性结果筛选少量候选方案。 因此,这种体系的主要价值并不是提供一套对所有难表达蛋白通用的“最佳配方”,而是提高寻找蛋白特异性最佳条件的效率。 ## 十七、常见问题 ### Q1:植物球蛋白的保守半胱氨酸一定会降低表达吗? 不能这样理解。本研究中多个Cys→Ala突变体在表达或纯化方面得到改善,但不同蛋白的结果并不完全一致,因此这种作用具有蛋白特异性。 ### Q2:为什么GSSG和PDI/GSSG经常出现在优选条件中? 本研究中两类氧化相关条件合计占优选反应体系的48%,提示适当氧化还原环境可能有利于部分植物球蛋白稳定合成,并减少部分巯基相关聚集。 ### Q3:是不是融合标签越大,可溶性越好? 不是。本研究中表现较好的标签主要集中在P17、CUSF和FH8等10 kDa以内标签,而部分较大标签效果较弱甚至出现抑制。 ### Q4:无标签表达也可以成为最佳条件吗? 可以。本研究中无标签条件约占优选组合的40%,说明部分植物球蛋白并不需要额外融合标签才能获得较好的表达状态。 ### Q5:高通量筛选的条件能够直接用于更大规模表达吗? 需要验证。本研究将部分优选条件放大至200 μL体系,并成功获得P17-AsPgb1.5和CUSF-BvPgb1.2,为筛选条件进一步放大提供了实验依据。 ### Q6:放大得到的蛋白已经是成熟功能蛋白吗? 尚不能这样判断。研究推测当前得到的主要是可溶性脱辅基球蛋白,血红素结合和完整生物活性仍需要进一步验证。 ### Q7:为什么同源蛋白不能直接使用同一套表达条件? 即使整体骨架高度相似,不同蛋白仍可能存在表面电荷、局部疏水性和稳定性差异,因此对融合标签和反应环境的响应可能不同。 ## 十八、总结 数字微流控无细胞蛋白合成体系为植物球蛋白这类多变量难表达蛋白提供了一种并行条件优化方法。通过将蛋白序列、Cys→Ala突变、不同可溶性标签以及多种反应添加剂组合,研究能够在同一实验框架中快速比较上百组条件,而不需要依次进行多轮单因素试错。 筛选结果显示,保守半胱氨酸会影响多个植物球蛋白的表达和纯化状态。甜菜BvPgb C86A的表达总量高于野生型,燕麦AsPgb1.1 C70A和AsPgb3.1 C161A等突变体也表现出不同程度的纯化改善,但具体效果具有蛋白特异性。同时,突变还会改变蛋白对融合标签的响应,因此序列优化和表达条件筛选需要同步进行。 在反应环境方面,GSSG和PDI/GSSG组合合计占优选条件的48%,说明氧化还原状态是影响植物球蛋白稳定表达的重要变量。标签筛选则显示,P17、CUSF和FH8等较小标签整体表现较好,而无标签条件本身也占优选组合的40%,说明融合标签并非获得可溶蛋白的必要条件。 筛选所得优选条件进一步在200 μL体系中进行放大验证。P17-AsPgb1.5最终获得0.69 mg/mL、22 μM蛋白,CUSF-BvPgb1.2达到0.77 mg/mL、20 μM。质量光度结果显示BvPgb单体比例为93%,AsPgb1.5单体比例为72%,说明优选条件能够支持较高比例可溶单体蛋白制备。 热稳定性分析进一步揭示同源蛋白之间的差异。BvPgb熔解温度Tm约为55℃,而AsPgb1.5的热转变信号较弱,说明结构高度同源并不意味着稳定性和表达条件完全相同。 目前研究获得的主要仍是可溶性脱辅基球蛋白,血红素装配和完整生物功能尚需进一步验证。因此,这项工作的主要意义在于建立了一套“高通量发现条件—放大表达验证—理化性质评价”的难表达蛋白优化流程。未来结合更多序列突变、辅基装配和功能分析后,这种数字微流控无细胞筛选策略还可以进一步用于膜蛋白、血红素酶及其他复杂重组蛋白的表达开发。 ## 参考文献 Groth, L.; Bülow, L. Digital Microffuidics-Driven Cell-Free Protein Synthesis Platform Reveals Expression and Stability Determinants for Phytoglobins and Cysteine-to-Alanine Substituted Variants. Antioxidants 2025, 14, 1317. >本文基于Nuclera公开资料及相关研究文献整理,用于数字微流控无细胞蛋白合成、植物球蛋白表达、难表达蛋白条件筛选及蛋白稳定性研究等方向的科研信息分享与实验参考。不同蛋白序列、反应体系、标签组合及放大条件可能影响实际表达结果,具体方案仍需结合目标蛋白和后续功能实验进行验证。参考资料:https://www.mine-bio.com/nuclera/ >

优秀的个人博客,低调大师

微载体搅拌罐工艺、CPP优化与EV关键质量属性解析

**摘要:**随着MSC来源细胞外囊泡(MSC-EV)研究逐步向工艺开发和规模化生产推进,上游培养体系能否在放大后继续保持细胞生长、颗粒产量和关键质量属性的一致性,成为工艺开发中的重要问题。2023 ISEV年会上,RoosterBio与Sartorius Stedim North America联合发布研究海报,系统展示了一套基于无动物源人骨髓MSC、微载体和搅拌罐生物反应器的hMSC-EV生产流程。研究首先在250 mL Ambr 250体系中筛选微载体类型、微载体密度、细胞接种密度、MSC扩增时长及EV收集时间等关键工艺参数(CPP),再将确定后的工艺放大至15 L Biostat STR体系,并比较颗粒浓度、粒径分布、EV相关标志物、脂质膜完整性和体外生物效力等关键质量属性(CQA)。本文对这一250 mL至15 L放大研究的实验设计、参数优化过程和质量可比性结果进行梳理,为MSC-EV上游规模化培养和生物反应器工艺开发提供方法参考。 **关键词:外泌体、细胞外囊泡、EV、MSC-EV、规模化生产、搅拌罐生物反应器、微载体、关键工艺参数、CPP、关键质量属性、CQA、RoosterBio** ## 一、为什么MSC-EV规模化生产不能只关注“单批颗粒产量” 细胞外囊泡(Extracellular Vesicles,EVs)是由多种细胞释放的脂质双层颗粒,可携带蛋白质、RNA、DNA和脂质等生物分子。间充质基质/干细胞(Mesenchymal Stromal/Stem Cells,MSC)释放的EV近年来持续受到关注,当研究从实验室小规模制备进一步进入工艺开发阶段后,问题就不再只是“某一批培养上清中能够检测到多少颗粒”,而是如何让细胞来源、培养体系、反应器运行和收集过程形成可以持续重复的制造流程。 在小规模培养瓶中,通过增加培养面积通常能够提高总产量,但随着规模扩大,人工操作数量、培养容器数量、批间差异和培养空间占用也会同步增加。因此,MSC-EV上游制造逐渐需要从平面培养向微载体与搅拌罐生物反应器等可放大体系转移。 不过,从250 mL进入15 L并不是把所有体积简单乘以60。生物反应器体积变化后,细胞与微载体的碰撞、剪切环境、混合效率、传质状态以及局部营养条件都会发生变化。如果放大过程中只追求最终颗粒浓度,而没有同步评价细胞扩增、粒径、膜结构、标志物和功能,就很难判断“大罐产出的颗粒”是否仍然与小试条件下的EV具有可比性。 2023 ISEV年会上,RoosterBio与Sartorius Stedim North America联合发布题为《Successful development of a scalable and robust process for MSC-EV production》的研究海报,采用“250 mL工艺开发 + 15 L放大验证”的方式,重点讨论的正是如何在规模变化之后保持工艺输出和EV关键质量属性的一致性。 ## 二、这项MSC-EV放大研究使用了什么样的总体工艺路线 该研究采用无动物源人骨髓MSC作为上游细胞来源,并将细胞扩增阶段和EV收集阶段分开设计。细胞首先在MSC扩增培养基中与微载体共同培养,待细胞数量达到预定状态后,再将体系切换至低颗粒背景的EV收集培养基,并在后续数天持续收集细胞释放的颗粒。 小规模开发使用Ambr 250系统,工作规模为250 mL。该阶段的主要任务并不是直接追求最大产量,而是利用较小反应器逐项测试微载体类型、细胞接种量、微载体使用量、MSC扩增周期和EV收集周期等参数。只有在小规模条件下得到相对稳定的工艺窗口后,再将这些参数转移到15 L Biostat STR生物反应器中进行放大。 这种工艺开发逻辑与传统生物制品工艺较为相似,即先明确哪些参数会明显影响细胞生长和产品质量,再建立关键工艺参数范围,最后在更大体积中评价这些参数是否仍然能够得到类似结果。 ::: center ![RoosterBio MSC-EV生产工艺流程图](https://developer.qcloudimg.com/http-save/yehe-12003223/24bcdb046e931a94a0b2b2664fb0928c.jpg) **图1:RoosterBio MSC-EV生产工艺流程图** ::: ## 三、为什么MSC-EV放大前需要先定义CPP和CQA CPP是Critical Process Parameters,也就是关键工艺参数。对于微载体MSC培养而言,微载体类型、微载体密度、起始细胞接种密度、培养时间和EV收集时间都可能影响最终细胞数量和颗粒输出,因此这些变量不能等到15 L阶段再逐一试错。 CQA则是Critical Quality Attributes,即关键质量属性。对于EV生产,仅检测总颗粒数量并不能完整反映样品性质。大量非囊泡颗粒、蛋白聚集物或者其他纳米级组分也可能被部分粒径检测方法记录,因此还需要结合膜染色、EV相关蛋白标志物、粒径分布以及功能实验等方法进行交叉评价。 原始研究对颗粒数量和粒径、Western blot检测的EV相关标志物、脂质化颗粒比例以及生物效力进行了评价。这种设计的核心思路是:如果250 mL和15 L在细胞数量和颗粒浓度上表现相似,同时多个正交质量指标也保持可比,那么才能更有依据地判断放大过程没有明显改变最终收获物的主要特征。 ## 四、250mL小规模开发首先优化了哪些参数 研究首先在250 mL体系中比较不同微载体。结果显示,Synthemax II微载体条件下MSC贴壁率约为80%,因此后续工艺继续采用该微载体。对于依赖贴壁生长的MSC而言,微载体的细胞附着效率是放大培养的基础,如果早期贴壁不足,后续再增加培养时间也很难获得理想的细胞密度。 在扩增时间方面,MSC数量在培养第5天达到高值并逐渐趋于稳定,因此研究将5天设定为细胞生长阶段。这个结果也说明,延长培养时间并不一定能够持续增加有效细胞量,在细胞接近平台期之后继续培养还可能增加营养消耗和代谢物积累。 研究同时比较微载体密度和起始接种密度。原始结果显示,微载体密度3X能够提高最终细胞产量,而1X细胞接种密度已经能够获得较高细胞数量,并且没有明显增加细胞与微载体聚集。因此最终工艺采用3X微载体密度与1X细胞接种密度组合。 进入EV收集阶段后,体系更换为Rooster Collect-EV收集培养基。颗粒数量在后续培养过程中持续增加,在收集阶段第5天达到峰值,因此最终将5天确定为EV收集周期。 下表为原始资料中的250 mL关键工艺参数,表格内容保持不变: ::: center |参数|优化结果| |:-:|:-:| |**微载体类型**|Synthemax II(Corning)| |**微载体密度**|3X| |**细胞接种密度**|1X| |**MSC生长时长**|5天| |**EV收集培养基**|Rooster Collect-EV| |**EV收集时长**|5天| **表1:250mL开发优化的部分关键工艺参数** ::: ## 五、250mL体系最终能够获得怎样的MSC和EV产量 采用上述优化后的CPP后,研究在小规模体系中进行了重复培养,并同时考察不同供者与不同反应器之间的结果。原始资料显示,在收获日能够获得相近的细胞数量,同时EV颗粒浓度稳定在约1–1.5×10¹⁰颗粒/mL范围。 研究包含Donor 1和Donor 2两个供者,并进行了N=3批次的vessel-to-vessel比较。不同供者和不同反应器之间能够得到相对接近的细胞生长和颗粒输出,是后续进入15 L放大的重要前提。因为如果250 mL本身就存在非常大的批次波动,那么放大后的变化就很难判断究竟来自反应器规模还是原始小试工艺的不稳定。 ::: center ![小规模工艺开发结果-供者间、批次间一致性](https://developer.qcloudimg.com/http-save/yehe-12003223/cafb1104c36496afc9e5e05a7329ea6e.jpg) **图2:小规模工艺开发结果——供者间、批次间一致性** ::: 对于EV工艺开发而言,这种小规模重复性测试也提示一个重要原则:确定CPP不能只依赖一次最高产量实验。更有价值的是找到在多次运行中都能够获得相近输出的条件,因为真正进入制造阶段后,工艺稳健性通常比某一次实验达到极高峰值更加重要。 ## 六、250mL工艺放大到15L时保留了哪些核心条件 完成250 mL参数开发后,研究将流程转移至15 L Biostat STR搅拌罐生物反应器。大规模流程包括种子扩增4天、生长阶段5天以及EV收集阶段5天。 在15 L体系中,研究继续采用1X细胞接种密度和3X微载体密度。细胞在生长阶段完成扩增后,更换为EV收集培养基,并继续运行5天完成颗粒收集。 这种放大策略没有重新设计一套完全不同的大罐工艺,而是尽可能将250 mL确定的参数直接转移到15 L环境,再观察细胞生长与EV输出是否发生明显漂移。对于工艺开发而言,这相当于验证小试阶段确定的工艺窗口是否具有一定尺度适应性。 ## 七、15L放大后的细胞数量与250mL是否保持一致 原始研究数据显示,在15 L反应器中,MSC在生长阶段第5天达到约4E5 cells/mL,这一细胞密度与250 mL体系得到的结果相当。 这项结果的重要性在于,MSC-EV生产最终依赖上游细胞状态。如果放大后细胞数量大幅下降,那么后续EV产量变化可能只是细胞数量不足造成的;如果细胞数量大幅提高,又需要判断单位细胞颗粒产出是否发生变化。 因此,在比较两个生产规模时,需要同时观察细胞扩增和EV输出,而不是单独看颗粒浓度。 ::: center ![15L放大验证:细胞生长与颗粒收集结果](https://developer.qcloudimg.com/http-save/yehe-12003223/35a630c290d1e3ad0225fa483c72bd36.jpg) **图3:15L放大验证——细胞生长与颗粒收集结果** ::: ## 八、15L体系中的EV颗粒产量是多少 在EV收集阶段第5天,15 L体系中的颗粒浓度达到约1.7×10¹⁰颗粒/mL。250 mL优化工艺的颗粒浓度约为1–1.5×10¹⁰颗粒/mL,因此两个规模获得的数据处于相近水平。 这里需要区分“颗粒浓度”和“总颗粒量”。即使两个反应器的每毫升颗粒浓度相近,15 L体系由于总体积远大于250 mL,其单批总颗粒量自然会明显提高。因此,对于规模化生产而言,真正希望看到的是单位体积产出没有因为反应器放大而明显下降。 从该研究结果来看,在其所采用的微载体、细胞来源和培养条件下,从250 mL扩大到15 L后,每毫升EV颗粒输出仍保持在相似数量级,为后续进一步扩大生产规模提供了实验依据。 ## 九、为什么颗粒数量相近还不足以证明15L与250mL产品可比 纳米颗粒追踪分析能够得到样品中的颗粒浓度和粒径信息,但它并不能单独证明所有检测颗粒都属于目标EV。因此,在规模放大研究中,还需要利用其他方法评价颗粒是否具有脂质膜、是否表达典型EV相关蛋白以及是否保持预期功能。 研究首先结合NTA和荧光膜染色评价颗粒结构。原始结果显示,在检测到的纳米颗粒中,约91%的颗粒能够被脂质膜染料Memglow染色,提示大多数检测颗粒具有脂质膜相关特征。 ![颗粒完整性](https://developer.qcloudimg.com/http-save/yehe-12003223/027648a2d788313fc0a8ecbe1f302f42.jpg) **图4:颗粒完整性相关检测结果** 对于EV样品而言,将颗粒计数与膜结构检测结合起来,比单纯报告一个NTA数字提供了更多信息,也有助于判断反应器放大后是否产生了大量额外非膜性颗粒背景。 ## 十、250mL和15L的EV粒径分布是否发生明显改变 研究进一步比较了不同生产规模以及不同收集时间获得样品的粒径分布。原始资料显示,250 mL与15 L之间的粒径分布保持较好一致,不同收集时间获得的样品也没有出现明显的整体粒径偏移。 ::: center ![粒径分布](https://developer.qcloudimg.com/http-save/yehe-12003223/864cf8723e214518f43c427d4bc3296b.jpg) **图5:不同条件下EV粒径分布** ::: 粒径分布是工艺放大中一个较直观的质量属性。如果扩大反应器后剪切、细胞状态或者培养环境明显改变,可能伴随颗粒群体变化。因此,将粒径结果与颗粒浓度一起分析,可以帮助判断放大过程是否改变了主要颗粒群体。 不过,粒径相似本身仍然不能证明生物学身份完全一致,因此还需要进一步结合蛋白标志物进行评价。 ## 十一、研究检测了哪些EV相关标志物 Western blot结果显示,收获条件培养基中能够检测到CD63、CD9和CD81等经典四跨膜蛋白,同时能够检测到膜内相关标志物TSG101。 原始资料指出,250 mL与15 L培养规模之间这些标志物没有出现明显差异。这说明在该研究条件下,反应器规模扩大并没有明显改变这些常用EV身份相关指标。 将CD63、CD9、CD81和TSG101与膜染色和粒径检测结合,就形成了多种不同检测原理之间的交叉验证。对于工艺研究而言,这种多方法评价通常比单独依赖某一个指标更有参考价值。 ## 十二、15L生产的EV是否仍保留体外功能 除了颗粒身份和结构表征外,该研究还采用HUVEC划痕愈合实验评价条件培养基的体外生物效力。 原始结果显示,15 L Biostat STR体系获得的EV条件培养基能够促进划痕区域闭合,其表现优于未条件化培养基阴性对照,并与生长培养基阳性对照处于相近水平。 ::: center ![HUVEC划痕愈合效力](https://developer.qcloudimg.com/http-save/yehe-12003223/67e3307d6020c89bcc7fee9ebbae8abd.jpg) **图6:HUVEC划痕愈合效力实验结果** ::: 对于MSC-EV工艺放大而言,这一步非常重要。颗粒浓度、粒径和标志物主要回答“放大后样品是否仍具有相似物理和分子特征”,而功能实验进一步回答“这些颗粒相关样品是否仍然保留研究所关注的生物活性”。 当然,划痕愈合只是本研究选择的一种体外功能评价,并不能代表MSC-EV所有可能的生物学作用。未来如果工艺服务于具体开发目标,还需要根据产品预期机制建立更加针对性的Potency测试。 ## 十三、为什么这项研究强调多方法交叉验证 原始研究使用多种独立分析方法评价最终颗粒,并认为所得颗粒具有典型脂质双层囊泡特征。 这是EV研究中非常值得保留的一个方法学思路。由于EV属于纳米尺度复杂生物颗粒,不同检测技术观察的是不同属性。NTA主要提供颗粒数量和粒径,荧光膜染色关注脂质结构,Western blot检测特定蛋白标志物,而细胞功能实验则评价样品的生物学效应。 如果这些结果方向一致,就能比单一检测方法提供更加完整的证据链。因此,在规模化工艺开发中,CQA设计应该尽量覆盖颗粒数量、物理属性、身份相关指标和功能,而不是只设置一个“颗粒浓度达到多少”的放行目标。 ## 十四、这项研究说明MSC-EV放大最关键的不是简单增加反应器体积 从250 mL进入15 L后,研究最重要的结果并不是“15 L能够生产更多颗粒”——体积增大本身就意味着理论总产量提高。真正有意义的是,在约60倍体积变化后,单位体积颗粒浓度、细胞扩增水平、粒径分布、典型EV标志物以及体外功能仍然保持可比。 这说明工艺放大需要同时解决两个问题:一是保持上游MSC的可重复扩增,二是保持EV输出的质量属性。如果只优化其中一个环节,最终工艺仍然可能在扩大规模后失去稳定性。 微载体在这一流程中提供了扩大贴壁生长面积的方法,而搅拌罐则提供了相对统一的动态培养环境。细胞来源、扩增培养基和EV收集培养基则进一步决定细胞状态和背景颗粒水平。因此,该工艺实际上是细胞、培养基、微载体和生物反应器多个要素共同作用的结果。 ## 十五、本研究使用的主要材料在工艺中分别承担什么作用 原始研究采用Rooster Vial-hBM作为无动物源人骨髓MSC来源,在细胞扩增阶段使用Rooster Nourish培养基,并在EV收集阶段切换至Rooster Collect-EV低颗粒收集培养基。 下表保留原文内容,仅转换为Markdown格式: ::: center |产品名称|在本工艺中的作用| |:-:|:-:| |**Rooster Vial-hBM**|无动物源人骨髓MSC(xeno-free hBM MSC),作为EV生产细胞来源| |**Rooster Nourish**|MSC扩增培养基,用于250mL及15L间充质干细胞扩增| |**Rooster Collect-EV**|低颗粒EV收集培养基,用于EV收集阶段| **表2:本研究使用的RoosterBio产品** ::: 从工艺设计角度看,将MSC扩增与EV收集分成两个培养阶段具有明确逻辑。扩增阶段首先需要快速获得足够数量并保持状态一致的MSC,而EV收集阶段则更加关注颗粒背景和最终产物分析,因此两个阶段对培养基的要求并不完全相同。 ## 十六、为什么低颗粒背景培养基对EV生产很重要 EV分析最常见的问题之一,是培养环境本身可能含有与目标颗粒尺寸接近的外源组分。如果培养基中存在较高颗粒背景,那么后续进行NTA、膜染色或其他颗粒表征时,就更难区分哪些颗粒来自MSC,哪些来自原始培养环境。 因此,研究在细胞完成扩增之后切换至低颗粒EV收集培养基,其目的不仅是支持后续细胞继续释放EV,也在于降低培养基本身对颗粒检测和下游纯化产生的干扰。 在规模化工艺中,这种背景控制的重要性会进一步增加。15 L培养体系如果存在较高外源蛋白或颗粒背景,后续需要处理的杂质总量也会同步放大,从而增加过滤、浓缩和纯化压力。 所以,上游收集培养基不仅影响“能够产生多少EV”,还可能影响后续下游DSP工艺的复杂程度。 ## 十七、这套工艺对后续下游纯化意味着什么 该研究主要聚焦MSC-EV上游生产,并没有将重点放在完整下游纯化流程。但对于真正的规模化制造而言,上游只是整个工艺链的第一部分。 15 L收集得到的是含EV的条件培养基,后续仍然需要进行澄清、浓缩、缓冲液置换、杂质去除和最终制剂处理。上游培养基中蛋白背景、细胞碎片和其他大分子越复杂,下游纯化负担通常越大。 因此,建立稳定的15 L上游工艺意味着下游可以获得更加一致的起始物料。只有上游颗粒浓度、粒径和背景组成在批次之间相对稳定,TFF、色谱和无菌过滤等后续步骤才更容易建立固定参数。 从这个角度看,上游的CPP和CQA并不是孤立存在,而是后续整个MSC-EV制造流程的起始控制点。 ## 十八、从250mL到15L的研究还能说明什么工艺开发原则 这项研究体现了一个比较典型的工艺放大原则:先在能够快速并行实验的小规模反应器中完成参数筛选,再把已经确定的参数带入大规模系统,而不是直接在15 L设备上大量试错。 Ambr 250这类小型生物反应器能够在较低物料消耗下测试多个工艺条件,尤其适合研究微载体密度、接种密度和培养时间等变量。当工艺窗口逐渐明确后,再进入Biostat STR等更大体积反应器验证。 对于MSC-EV这类新型生物工艺,这种模式还可以减少开发过程中细胞和培养基消耗,并更方便进行供者和批次重复性测试。 因此,“scale-down model能否代表未来的大罐行为”本身也是工艺开发中需要不断验证的问题。本研究中250 mL与15 L结果具有较好可比性,说明在所采用的培养体系和参数下,小规模模型具有一定的放大预测价值。 ## 十九、常见问题 ### Q1:为什么不能直接从培养瓶一步扩大到15L? 因为MSC属于贴壁依赖细胞,放大过程中需要同时处理细胞附着面积、微载体、剪切、混合和传质等变量。先在250 mL反应器中明确CPP,可以降低直接在15 L系统中试错的成本和复杂度。 ### Q2:这项研究最终确定的MSC扩增时间是多少? 原始研究将MSC生长阶段确定为5天,细胞数量在第5天达到峰值后趋于稳定。 ### Q3:EV收集阶段持续多久? 切换至EV收集培养基后,颗粒数量持续增加,并在收集阶段第5天达到峰值,因此最终收集周期设为5天。 ### Q4:15L条件下的MSC最终细胞浓度是多少? 在生长阶段第5天,MSC约达到4E5 cells/mL,与250 mL体系结果相当。 ### Q5:15L条件下EV颗粒浓度是多少? 收集阶段第5天达到约1.7×10¹⁰颗粒/mL,而250 mL优化体系约为1–1.5×10¹⁰颗粒/mL。 ### Q6:研究如何确认检测颗粒具有EV相关特征? 研究结合NTA、Memglow脂质膜染色、粒径分布、CD63/CD9/CD81/TSG101标志物检测以及体外功能实验进行多方法评价。 ### Q7:91%这个数据代表什么? 原始资料中约91%的检测纳米颗粒对脂质膜染料Memglow呈阳性,提示大部分颗粒具有脂质膜相关特征。 ### Q8:250mL和15L结果相似是否意味着工艺已经可以无限放大? 不能这样推断。该研究验证的是250 mL到15 L这一尺度范围内的可比性。进一步扩大到更高体积时,仍需重新评价混合、传质、剪切以及CPP和CQA是否继续保持稳定。 ## 二十、总结 MSC-EV规模化生产的核心问题并不是简单把培养体积做大,而是在放大之后仍然保持细胞扩增、单位体积颗粒产量以及EV关键质量属性的一致性。 该研究首先在250 mL Ambr 250体系中优化微载体类型、微载体密度、细胞接种密度、MSC扩增周期和EV收集周期,最终确定Synthemax II微载体、3X微载体密度、1X细胞接种密度、5天MSC生长和5天EV收集等主要条件。 在优化后的250 mL工艺中,EV颗粒浓度约为1–1.5×10¹⁰颗粒/mL,并在不同供者和不同运行批次之间表现出较好的重复性。随后,将这一工艺转移至15 L Biostat STR体系后,MSC在生长阶段第5天达到约4E5 cells/mL,EV在收集阶段第5天达到约1.7×10¹⁰颗粒/mL,与250 mL结果处于相近范围。 在质量属性方面,不同规模获得的颗粒具有相似粒径分布,并检测到CD63、CD9、CD81和TSG101等EV相关标志物。约91%的检测颗粒对Memglow脂质膜染料呈阳性,同时15 L来源条件培养基在HUVEC划痕实验中表现出相应体外功能。 这些结果说明,在该研究所采用的无动物源MSC、培养基、微载体和搅拌罐工艺条件下,从250 mL到15 L能够实现细胞生长和EV生产的可比放大。其更重要的方法学价值,是展示了“先通过小规模系统定义CPP,再在大规模系统验证CQA”的MSC-EV工艺开发路线。 对于后续规模化制造而言,还需要继续结合下游纯化、杂质去除、最终制剂、稳定性和更加针对性的Potency检测建立完整工艺链。但稳定、可重复且具有放大可比性的上游MSC培养和EV收集流程,是后续这些步骤能够进一步标准化的重要基础。 ## 研究来源 RoosterBio 与 Sartorius Stedim North America. Successful development of a scalable and robust process for MSC-EV production. 2023 ISEV Annual Meeting Poster. 内容参考:[外泌体整体解决方案|细胞外囊泡提取纯化|外泌体培养基|3D生物反应器|曼博生物](https://www.mine-bio.com/exosomes/) >本文基于RoosterBio与Sartorius公开研究海报及相关技术资料整理,用于MSC-EV、细胞外囊泡规模化培养、微载体搅拌罐生物反应器、CPP优化和CQA评价等方向的技术交流与实验参考。文中颗粒浓度、培养时间、细胞密度及质量表征数据均对应原研究条件,不同MSC来源、培养基、微载体、生物反应器及分析方法可能影响实际结果,正式工艺开发仍需结合具体生产体系进行验证。

优秀的个人博客,低调大师

N-2添加剂、Defined培养体系与iPSC神经类器官重复性解析

**摘要:**iPSC神经分化、神经元培养和神经类器官研究中,经常出现同一实验方案在不同批次之间重复性不足的问题。除细胞状态、操作步骤和生长因子活性外,培养基补充组分本身的成分明确程度、动物来源风险以及批次一致性同样可能影响最终结果。N-2是经典神经培养体系中的重要补充组分,可用于原代神经元、神经细胞系、神经干细胞以及多能干细胞神经分化。本文围绕N-2培养体系的作用基础、HiDef N-2的配方组成及应用场景,进一步分析Defined培养体系与iPSC、神经类器官及新型体外模型标准化之间的关系,并结合HiDef B8、Ready-CEPT、HiDef ITS及神经相关生长因子等培养组件,梳理从多能干细胞维持到神经诱导、分化和成熟阶段的培养变量,为提高神经培养实验重复性提供技术参考。 **关键词:N-2添加剂、HiDef N-2、神经分化、iPSC分化、iPSC、神经类器官、神经培养、无动物源、化学成分限定、类器官培养、Qkine、NAMs** ## 一、为什么相同的神经分化方案在不同实验中仍然会出现明显差异 在iPSC神经分化和神经类器官研究中,一个很常见的问题是:实验人员已经按照相同文献、相同时间节点和相似操作步骤进行培养,但不同实验批次得到的结果仍然存在明显差异。有时同一批iPSC在不同时间启动分化后,神经诱导效率并不一致;有时类器官能够形成,但不同批次之间的大小、形态和成熟程度差异较大;还有一些实验在第一次培养时能够获得预期结果,重复实验却需要重新调整培养条件。 遇到这些问题时,通常首先会检查起始细胞质量、细胞汇合度、传代次数、培养温度、培养基更换时间、生长因子活性及实验人员操作差异。这些因素确实都可能影响神经分化,但培养体系本身也是一个容易被忽视的变量。如果培养基中的某些补充物包含成分不完全明确的复杂组分,不同批次之间即使使用量相同,也可能存在实际生物活性差异。 神经细胞分化本身是一个连续变化过程。多能干细胞需要先退出多能状态,随后经过神经诱导、神经祖细胞形成、神经元或胶质细胞分化,再逐步进入成熟阶段。不同时间窗口所需要的信号环境并不完全相同,因此,培养体系中某一组分出现轻微波动,也可能在后续多个阶段逐渐放大,最终表现为细胞比例、形态或者成熟度差异。 因此,提高神经培养重复性并不只是将实验操作写得更加详细,还需要尽可能减少培养体系中的未知变量。成分明确、来源清晰并具有较稳定批次一致性的培养基和添加剂,为建立标准化神经分化流程提供了更容易控制的实验基础。 ## 二、Defined培养体系为什么越来越受到iPSC与类器官研究关注 随着iPSC、类器官、器官芯片和微生理系统逐渐用于疾病模型、药物筛选以及更复杂的人源体外研究,实验结果是否能够被不同实验室重复,开始成为模型评价中的重要问题。一个模型即使能够表现出预期生物学现象,如果每一次培养的细胞组成和功能差异都很大,其后续数据解释和实验比较仍然会受到限制。 原始资料将这一趋势与美国FDA围绕New Approach Methodologies,也就是NAMs相关工作的持续推进联系起来。NAMs涉及类器官、器官芯片、微生理系统和iPSC衍生模型等多种更具人体生物学相关性的研究方法,而模型的技术表征、可重复性以及与人体生物学之间的相关性,是这类体系走向更广泛应用时需要关注的重要维度。 对于细胞培养而言,这意味着培养体系的评价标准正在从“能否把细胞培养出来”,进一步转向“能否按照稳定条件获得可重复和可验证的细胞模型”。如果研究使用复杂且批次差异较大的培养补充物,即使最终细胞表型基本相似,也可能增加后续实验间的变异。 Defined培养体系的核心思路,是尽量明确培养基中的主要组分及其功能,从而减少未知成分带来的干扰。如果同时采用无动物来源原料,还能够进一步降低不同物种来源复杂成分对人源细胞模型的影响。对于需要连续培养数周甚至更长时间的神经类器官而言,这种差异可能比短周期二维细胞培养更加明显。 ## 三、N-2为什么长期用于神经细胞培养和神经分化 N-2来源于Bottenstein建立的经典无血清神经培养体系,是神经培养领域应用时间较长的一类补充剂。其基本特点是通过少量功能明确的组分,为神经细胞提供维持、生长和分化所需要的环境,同时减少传统高血清培养中的复杂成分。 N-2培养体系可用于原代神经元、神经细胞系、神经干细胞以及多能干细胞来源神经细胞培养。原始资料还将其应用场景延伸至iPSC衍生神经元、神经器官芯片以及血脑屏障模型等研究方向。 与传统含血清培养相比,N-2体系的一个重要价值,是降低复杂血清组分对神经细胞亚群组成的影响。经典研究中,N-2能够支持神经元生长,同时减少星形胶质细胞过度增殖,有利于获得以神经元为主要目标群体的培养体系。 不过,随着神经模型从相对简单的二维神经元培养发展到iPSC分化和神经类器官,研究人员关注的问题也从“N-2能不能支持神经培养”,进一步发展到“N-2本身是否完全定义、原料来源是否明确、不同批次是否能够保持一致,以及是否经过多种多能干细胞体系验证”。 ## 四、HiDef N-2的配方由哪些组分构成 HiDef N-2是一种成分明确的N-2神经培养补充剂,用于神经元、神经祖细胞、干细胞及神经母细胞瘤等多种细胞类型培养,也可用于胚胎干细胞和诱导多能干细胞向神经及胰腺相关谱系分化。 ![](https://developer.qcloudimg.com/http-save/12003223/f49e7373b3b3b60175bc5776bcb56b7d.jpg) 图1. HiDef N-2神经培养基补充剂 原始资料显示,HiDef N-2的主要组成包括胰岛素、转铁蛋白、亚硒酸钠、腐胺和孕酮。不同组分在培养体系中承担不同作用,因此,N-2并不是简单的营养补充液,而是通过多个已知成分共同支持细胞状态。 胰岛素参与葡萄糖摄取和细胞代谢调节,为培养细胞提供能量利用相关支持;转铁蛋白参与铁离子运输,可为细胞提供受控制的铁来源;亚硒酸钠属于常用培养基微量成分,同时与细胞抗氧化体系相关;腐胺是一类多胺,可参与细胞生长和增殖过程;孕酮则与神经元生长、分化和相关生物学信号有关。 由于主要组成及功能相对明确,当实验结果出现波动时,研究人员更容易围绕具体变量进行排查,而不像组成非常复杂的补充物那样难以判断问题来源。这也是Defined培养体系在标准化细胞模型研究中的一个重要意义。 ## 五、N-2如何影响神经元和神经祖细胞培养 神经细胞培养需要同时解决存活、分化和成熟三个问题。神经元在体外培养过程中对营养环境和氧化应激较为敏感,单纯维持细胞不死亡并不意味着能够获得结构和功能正常的神经元。 N-2中的胰岛素、转铁蛋白、亚硒酸钠、腐胺和孕酮共同形成较为精简的培养补充体系,可以在避免高比例血清复杂信号的同时支持神经细胞生长。经典N-2体系已经被广泛用于原代神经元和神经细胞培养,也是许多后续神经分化培养方案的基础组成部分。 对于神经祖细胞,培养体系还需要兼顾细胞扩增和后续分化潜能。若培养条件过度促进增殖,细胞可能难以按照预期进入成熟阶段;如果分化信号过强,又可能导致祖细胞池过早消耗。因此,N-2通常需要与具体神经诱导因子、基础培养基和分化时间表共同使用。 ## 六、iPSC神经分化为什么更加依赖标准化培养组分 iPSC神经分化通常持续多个阶段,从多能干细胞维持开始,经过神经诱导、神经祖细胞扩增和终末神经分化,再进入成熟培养。整个流程可能持续数周甚至更长时间,因此,一个早期培养变量可能在后续阶段持续影响细胞组成。 例如,在神经诱导早期,如果培养环境使部分细胞没有同步进入神经外胚层方向,那么后续即使使用相同成熟培养基,也可能出现目标神经细胞比例下降。对于类器官而言,这种差异还可能进一步表现为空间结构和球体大小的变化。 HiDef N-2的应用包括多能干细胞向神经细胞分化,以及神经类器官的生长和分化。原始资料还列举了iPSC向多巴胺能神经元和星形胶质细胞分化的相关实验方案,说明N-2可以作为不同神经谱系培养流程中的基础补充组分之一。 但N-2本身并不能决定最终神经细胞类型。多巴胺能神经元、星形胶质细胞以及其他神经亚型仍需要根据发育信号加入相应生长因子或小分子。N-2更主要的作用,是提供相对稳定的基础培养环境,使具体诱导信号能够在减少其他复杂干扰的条件下发挥作用。 ## 七、神经类器官为什么特别关注培养基批次一致性 神经类器官比普通二维细胞培养更容易受到培养体系波动影响。二维细胞基本处于相似的培养液环境中,而类器官内部会逐步产生细胞密度、氧气和营养梯度,不同区域还可能形成不同的神经祖细胞和成熟细胞群。 如果起始培养条件已经存在差异,三维结构形成后,这些差异可能进一步放大。例如,不同批次的细胞增殖速度轻微不同,就可能最终造成类器官直径明显不同;神经诱导效率略有变化,也可能使不同类器官中的细胞亚型比例出现差异。 因此,神经类器官实验除了需要控制起始细胞数、聚集时间、培养容器、换液频率和生长因子外,基础培养基和补充剂的批次一致性也很重要。采用Defined培养组分,可以减少一部分来源不明的培养变量,从而使后续实验更容易标准化。 ## 八、HiDef N-2与NAMs模型标准化之间的联系 原始资料将HiDef N-2的完全定义、无动物来源和批次一致性特点,与NAMs方向下的人源体外模型标准化联系起来。对于类器官、器官芯片和iPSC衍生模型而言,模型本身的复杂程度越来越高,因此,对培养体系的可追溯性和重复性要求也随之提高。 如果培养体系中大量使用成分不明确且批次变化明显的原料,即使研究人员能够在某一个批次中得到理想结果,也可能增加后续实验室间重复的难度。相反,当培养体系由相对明确的组分构成时,实验条件更容易被记录、传递和复现。 这种标准化并不意味着使用Defined培养基后实验就不会产生差异。iPSC细胞系本身、遗传背景、传代次数、细胞状态和实验操作仍然会造成变化。Defined体系的意义,是减少培养基本身这一层不必要的不确定因素。 ## 九、从多能干细胞维持到神经成熟需要多个培养环节衔接 一个完整的iPSC神经分化流程通常不是依靠单一培养基完成,而是需要多个阶段相互衔接。原始资料中,Defined Bioscience相关培养体系覆盖多能干细胞维持、细胞传代和恢复、低血清细胞培养以及神经分化等不同环节。 HiDef B8属于用于人多能干细胞维持和扩增的无血清、成分明确培养基。在神经分化开始之前,首先需要保证iPSC保持稳定多能状态。如果起始细胞已经出现自发分化或生长状态异常,即使后续神经诱导方案完全一致,最终结果也可能出现波动。 ![](https://developer.qcloudimg.com/http-save/12003223/cf9747625917d88bbd525e07c4df41db.jpg) 图2. HiDef B8干细胞培养基 Ready-CEPT是一种用于提高干细胞常规传代、冷冻保存和冻融恢复过程中细胞存活及生长状态的配方。对于iPSC分化实验而言,细胞刚完成冻融或传代时的状态可能影响后续接种密度和细胞群体均一性,因此,细胞恢复阶段也是整个标准化流程中的变量之一。 ![](https://developer.qcloudimg.com/http-save/12003223/5ccb6ff041df8a8a9290416461fe4023.jpg) 图3. Ready-CEPT细胞活力补充剂 HiDef ITS则是一种用于低血清培养条件的特定补充配方,可用于维持低密度贴壁细胞。ITS类体系通过胰岛素、转铁蛋白和硒等成分为细胞提供基础培养支持,在不同细胞培养方案中可作为降低复杂血清依赖的一种选择。 ![](https://developer.qcloudimg.com/http-save/12003223/601e830a2ce35b3e00eca53efd2eb1e0.jpg) 图4. HiDef ITS细胞培养补充剂 ## 十、神经分化仍需要与特定生长因子组合使用 Defined培养体系解决的是基础培养环境的标准化问题,但神经细胞究竟向哪一种谱系分化,仍然需要由具体发育信号控制。神经诱导、神经祖细胞维持、神经元成熟和神经胶质细胞分化等阶段会涉及不同的生长因子和细胞因子。 原始资料中的Qkine神经培养体系覆盖神经诱导与维持、神经分化与成熟以及神经胶质细胞分化相关因子。这些蛋白因子与N-2的定位不同:N-2主要构成基础培养环境,而特定生长因子用于调节细胞命运和成熟方向。 ![](https://developer.qcloudimg.com/http-save/12003223/4556095bdb8965506fb62fe65bf0c13f.jpg) 图5. 神经细胞维持、分化和神经胶质细胞培养相关生长因子 因此,在分析一次神经分化失败时,也需要区分“基础培养环境出现问题”与“诱导信号设置不合适”这两类原因。若基础细胞状态稳定,但目标亚型比例不足,应重点检查生长因子浓度、添加时间和处理窗口;如果不同批次整体细胞状态和分化效率都出现较大波动,则培养基和补充剂批次也值得纳入排查范围。 ## 十一、如何从实验设计角度提高神经分化重复性 从实验设计角度看,提高神经分化重复性首先需要固定起始细胞条件,包括细胞系、传代范围、分化前汇合度和接种密度。如果不同实验使用的起始iPSC状态已经明显不同,后续即使培养基完全一致,也很难判断最终差异来自哪一个环节。 其次,应尽可能固定培养基和关键补充剂。对于持续数周的神经分化实验,可以记录每次实验所使用的培养基和补充剂批次,便于在结果出现异常时进行回溯。更换关键培养组分后,可通过小规模平行实验完成批次桥接。 第三,需要固定神经诱导和成熟阶段的时间窗口。同一种生长因子在不同分化阶段可能产生不同作用,因此,不仅要控制最终浓度,还需要控制加入和撤除时间。 对于神经类器官,还应同时记录起始细胞数量、球体形成时间、类器官尺寸和不同阶段的形态变化。只有将细胞、培养体系和过程参数同时标准化,才能逐步判断哪些变量真正影响最终模型。 ## 十二、为什么“无动物来源”并不等于实验一定更加稳定 无动物来源能够减少一类复杂原料来源和批次差异,但它本身并不能保证培养结果完全一致。实验重复性还受到细胞遗传背景、培养设备、实验操作、生长因子和培养时间等因素影响。 因此,评价一种神经培养体系时,不应只关注是否无动物来源,还需要观察其配方是否明确、是否能够提供稳定批次性能,以及在目标细胞和具体分化流程中是否经过验证。 对于iPSC和类器官模型,最有价值的是建立一套能够被记录、重复和验证的完整培养流程,而不是单独依赖某一个标签判断体系质量。 ## 十三、为什么Defined体系更适合做实验问题排查 当使用成分复杂的培养体系时,如果实验突然失败,很难快速判断是其中哪一种活性组分发生了变化。Defined培养体系虽然不能消除所有实验异常,但至少减少了一部分未知因素。 例如,如果iPSC维持阶段状态稳定,N-2批次和基础培养条件没有改变,但神经分化效率突然下降,就可以更加集中地排查起始细胞状态、生长因子活性和诱导时间。相反,如果多个不同神经分化方案在同一时期均出现细胞状态变化,则基础培养组分可能成为需要优先检查的因素。 这种可排查性对于长周期培养尤其重要。神经类器官培养往往持续数周甚至数月,如果只能在终点发现问题,而无法追溯早期变量,会明显增加实验成本。 ## 十四、HiDef N-2适合哪些神经培养应用 根据原始资料,HiDef N-2可用于神经细胞培养、神经类器官生长和分化、多能干细胞向神经细胞分化以及神经干细胞研究。其适用范围覆盖二维和三维模型,也可作为不同神经分化流程中的基础培养补充组分。 对于原代神经细胞,可以利用N-2建立相对精简的培养环境;对于iPSC分化,则可与阶段性生长因子组合,支持神经祖细胞及终末神经细胞形成;对于类器官,则可作为Defined培养体系的一部分,减少复杂补充物带来的批次变量。 不同神经细胞类型仍然需要分别优化培养方案。多巴胺能神经元、星形胶质细胞、其他神经元亚型和神经祖细胞对诱导信号的要求不同,因此,N-2更适合被理解为培养基础,而不是一个能够决定最终谱系的单一分化试剂。 ## 十五、常见问题 ### Q1:为什么同一套iPSC神经分化方案每次得到的结果不一样? 神经分化会受到起始iPSC状态、接种密度、传代次数、生长因子活性、培养时间和培养体系批次等多个变量影响。若操作步骤基本一致但长期存在批次差异,可以进一步检查基础培养基和补充剂是否发生变化。 ### Q2:N-2添加剂主要是做什么的? N-2是一种经典神经培养补充体系,主要由胰岛素、转铁蛋白、亚硒酸钠、腐胺和孕酮等组分构成,可用于支持神经元、神经祖细胞及多能干细胞神经分化等培养过程。 ### Q3:使用N-2后就可以直接将iPSC分化成特定神经元吗? 不能。N-2主要提供基础培养支持,具体神经谱系仍需要相应生长因子、小分子和时间程序进行诱导。不同神经元及胶质细胞需要使用不同的分化策略。 ### Q4:Defined培养基为什么更适合神经类器官研究? 神经类器官培养周期长,早期培养差异可能在三维生长过程中逐渐放大。成分明确的培养体系能够减少部分未知组分和批次变量,有利于建立更容易重复和比较的实验流程。 ### Q5:无动物来源是不是一定比普通培养体系更好? 是否适合需要结合目标细胞和实验目的判断。无动物来源能够减少动物源复杂成分带来的部分变量,但实验结果仍取决于配方设计、细胞状态和分化方案。实际应用应通过目标模型进行验证。 ### Q6:提高神经分化重复性最应该先控制哪些变量? 建议优先固定起始细胞状态、接种密度、基础培养基、N-2等关键补充剂、生长因子批次及加入时间,并记录每次实验的关键培养节点。对于类器官,还需要同步控制初始聚集细胞数量和球体尺寸。 ## 十六、从“培养成功”到“可重复培养”的核心变化 早期神经培养实验更多关注细胞能否存活和分化,而随着iPSC、神经类器官和微生理模型逐步发展,研究重点开始进一步转向模型是否可以稳定复制。实验能够成功一次,与实验能够在不同批次、不同时间甚至不同实验室获得相近结果,是两个不同层面的要求。 Defined培养体系的价值就在于降低培养环境中的不确定因素。HiDef N-2通过成分明确和无动物来源的设计,为神经细胞培养提供较清晰的基础环境;HiDef B8用于多能干细胞维持,Ready-CEPT用于传代和冻融恢复阶段,HiDef ITS可用于低血清培养,而不同神经相关生长因子则承担细胞命运调控作用。 这些组件本质上对应了细胞培养流程中的不同变量。将不同阶段分别标准化,比依靠单一培养试剂更有利于构建可重复的神经分化流程。 ![](https://developer.qcloudimg.com/http-save/12003223/0af6b3ce175f9b922090225279134a4a.png) 图6. Qkine与Defined Bioscience相关Defined培养体系 ## 十七、总结 iPSC神经分化和神经类器官培养中的实验波动,并不一定来自某一个单独步骤。起始细胞状态、生长因子、时间窗口以及培养基补充组分都可能成为影响最终结果的变量。随着模型复杂程度增加,培养体系本身的成分明确程度和批次一致性也越来越值得关注。 N-2作为经典神经培养补充体系,由胰岛素、转铁蛋白、亚硒酸钠、腐胺和孕酮等组分构成,可用于神经元、神经祖细胞、iPSC神经分化和神经类器官等多种培养场景。HiDef N-2在这一经典配方基础上强调Defined和无动物来源,用于减少培养过程中部分未知变量。 对于完整iPSC神经分化流程,仅使用N-2并不能解决所有培养问题。多能干细胞维持、细胞冻融恢复、神经诱导、祖细胞扩增和终末成熟均需要分别控制。通过将基础培养组分、关键生长因子和操作参数逐步标准化,并持续记录细胞状态和实验批次,可以更加清晰地识别造成分化波动的真正原因。 从更长远的人源体外模型研究角度看,iPSC、类器官和器官芯片不仅需要具有生物学相关性,也需要具有较好的技术可重复性。减少培养体系中的未知成分,是提高模型标准化程度的一种思路,但最终仍需结合目标细胞和具体实验流程完成验证。 > 本文基于Qkine及Defined Bioscience公开技术资料整理,用于N-2神经培养、iPSC神经分化、神经类器官和Defined培养体系等方向的技术交流与实验参考。不同iPSC细胞系、神经分化方案、基础培养基及生长因子组合可能影响实际培养结果,正式应用前仍需结合具体模型完成条件优化与验证。

优秀的个人博客,低调大师

《 自动化测试最佳实践:来自全球的经典自动化测试案例解析》一一第2章 终极数据库自动化

第2章 终极数据库自动化Henri van de ScheurHenri van de Scheur讲述了一个跨越6年的故事,是有关他和他的同事在开发一款适用于多个环境的测试数据库工具时所发生的事情。他们为自己的自动化测试设定了良好的目标,并为测试工具搭建了一个良好的架构。他们使很多测试实现了自动化,从而为自动化测试构建了一个完整的生命周期,包括周期性的bug清理。测试是每晚、每周运行的,或者根据特殊的时间表来安排执行。虽然取得了巨大的成功,但他们也遭遇过一系列的问题,Henri都如实地进行了描述。这个数据库测试工具(现在是开源的)是由一支小团队短短几年内在挪威开发的,并且取得了非常可观的投资回报率(ROI),如表2-1所示。

资源下载

更多资源
腾讯云软件源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题,腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构,目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring

Spring框架(Spring Framework)是由Rod Johnson于2002年提出的开源Java企业级应用框架,旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念,提供核心容器、应用上下文、数据访问集成等模块,支持整合Hibernate、Struts等第三方框架,其适用范围不仅限于服务器端开发,绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux

Rocky Linux(中文名:洛基)是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版,作为CentOS稳定版停止维护后与RHEL(Red Hat Enterprise Linux)完全兼容的开源替代方案,由社区拥有并管理,支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性,采用模块化包装和SELinux安全架构,默认包含GNOME桌面环境及XFS文件系统,支持十年生命周期更新。

WebStorm

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源,继承了IntelliJ IDEA强大的JS部分的功能。

用户登录
用户注册