大象传媒

　机械学习による细胞培养に用いる培地の最适化手法に関して、4つの异なるモデルにより検讨し、市贩培地よりも高い细胞浓度が得られる培地の作成に成功しました。また机械学习においては、学习データに対する相対値补正を行うことが、优れた结果をもたらすことが明らかになりました。

　细胞培养は、生命科学などの基础研究から医疗、エネルギー、素材开発など幅広い分野に利用される基盘技术です。细胞を培养する培地（さまざまな栄养成分で构成される溶液）は、培养结果の决定要因となるため、目的に応じた培地を选択することが不可欠です。近年、培地の最适化に机械学习が用いることで、従来の経験则に缚られず、より少ない労力で高性能な培地を开発する试みが注目されています。しかし具体的な报告事例は少なく、ノウハウが不足しています。そこで本研究では、机械学习を用いた培地开発を复数のモデルで実施し、培地最适化のポイントを探索しました。

　31种类の栄养成分をさまざまな浓度で组み合わせた培地で、ヒト子宫颈がん由来の细胞を培养して细胞浓度を测定し、得られた结果を学习データとして、4つの异なる机械学习モデルに适用しました。アクティブラーニング（机械学习と実験検証の繰り返し）を実施したところ、市贩培地より细胞浓度が高くなる培地の作成に成功しました。また、机械学习においては、学习データに対する相対値补正を行うことが重要であることが明らかになりました。さらに、遗伝子発现解析により、培地最适化による细胞内遗伝子発现の调整メカニズムも明らかになりました。

　本研究成果は、人工知能を用いた培地开発に関する知见をもたらし、より効果的な活用方法を示すものです。これにより、细胞培养顿齿化を実现することができ、幅広い产业および学术研究に贡献すると期待されます。

笔顿贵资料

プレスリリース

研究代表者

筑波大学生命环境系

掲载论文

【题名】

A data-driven approach for cell culture medium optimization
（细胞培养培地最适化のためのデータ駆动型アプローチ）

【掲载誌】

Biochemical Engineering Journal

【顿翱滨】

関连リンク