文献

J-GLOBAL ID：202002276840786485   整理番号：20A2016133

多因子プロセスモデリングによるヒト誘導多能性幹細胞心臓分化結果の予測【JST・京大機械翻訳】

Prediction of Human Induced Pluripotent Stem Cell Cardiac Differentiation Outcome by Multifactorial Process Modeling

著者 (11件)： Williams Bianca (Department of Chemical Engineering, Auburn University, Auburn, AL, United States) ,  Lobel Wiebke (Leibniz Research Laboratories for Biotechnology and Artificial Organs (LEBAO), Department of Cardiothoracic, Transplantation and Vascular Surgery, Hannover Medical School, Hanover, Germany) ,  Finklea Ferdous (Department of Chemical Engineering, Auburn University, Auburn, AL, United States) ,  Halloin Caroline (Leibniz Research Laboratories for Biotechnology and Artificial Organs (LEBAO), Department of Cardiothoracic, Transplantation and Vascular Surgery, Hannover Medical School, Hanover, Germany) ,  Ritzenhoff Katharina (Leibniz Research Laboratories for Biotechnology and Artificial Organs (LEBAO), Department of Cardiothoracic, Transplantation and Vascular Surgery, Hannover Medical School, Hanover, Germany) ,  Manstein Felix (Leibniz Research Laboratories for Biotechnology and Artificial Organs (LEBAO), Department of Cardiothoracic, Transplantation and Vascular Surgery, Hannover Medical School, Hanover, Germany) ,  Mohammadi Samira (Department of Chemical Engineering, Auburn University, Auburn, AL, United States) ,  Hashemi Mohammadjafar (Department of Chemical Engineering, Auburn University, Auburn, AL, United States) ,  Zweigerdt Robert (Leibniz Research Laboratories for Biotechnology and Artificial Organs (LEBAO), Department of Cardiothoracic, Transplantation and Vascular Surgery, Hannover Medical School, Hanover, Germany) ,  Lipke Elizabeth (Department of Chemical Engineering, Auburn University, Auburn, AL, United States) ,  Cremaschi Selen (Department of Chemical Engineering, Auburn University, Auburn, AL, United States)
資料名： Frontiers in Bioengineering and Biotechnology (Web)  (Frontiers in Bioengineering and Biotechnology (Web))
巻： 8  ページ： 851  発行年： 2020年 
JST資料番号： U7059A  ISSN： 2296-4185  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ヒト心筋細胞(CM)は,治療細胞治療およびハイスループット薬剤スクリーニングに使用できる。成体CMを拡大できないため,ヒト多能性幹細胞(hPSC)からの大規模生産が示唆されている。hPSCからのCMsの有向分化過程とその化学的定義条件での懸濁培養ベース生産の理解において顕著な改善がなされてきた。しかし,最適化実験は,コストがかかり,時間がかかり,非常に変動しており,高純度で大きなCM数を発生させるための信頼できて一貫したプロトコルの開発の課題に通じる。本研究では,先進撹拌槽バイオリアクタ(STBRs)におけるhPSC-心臓分化時に収集したデータを用いて,重要な実験条件を同定し,最終CM含有量を予測するための機械学習によるデータ駆動モデリングの能力を調べた。特徴選択を通して,著者らは,分化日10(dd10)に関して,プロセスエンドポイントでCM含有量に最も影響し,予測するプロセス条件,特徴,およびパターンを同定した。プロセス関連特徴を,特徴工学による58の分化実験から収集した実験データから抽出した。これらの特徴は,溶存酸素濃度およびpHパターン,ならびに細胞密度,細胞凝集体サイズ,および栄養濃度を含むオフライン決定データなどのバイオリアクタシステムによってオンラインで連続的に収集したデータを含んだ。選択した特徴を入力として用いて,予め定義された閾値に関して「十分な」または「不十分な」として得られるCMコンテンツを分類するためのモデルを構築した。ランダムフォレストとGaussプロセスモデリングを用いて構築したモデルは,プロトコルのdd7で90%の正確度と精度を有する分化プロセスに対して不十分なCM含有量を予測し,かなり早い段階で85%の精度と82%の精度を有した。これらのモデルは,将来の実験条件の選択を助けるためのhPSC心臓分化に影響する潜在的主要因子への洞察を提供し,コストと時間節約を提供する初期のプロセス時点における最終CM含有量を予測することができる。本研究は,データ駆動モデルと機械学習技術が,他の系統に潜在的に適用され,それらの治療応用の実現に重要な特定の細胞タイプの生産を理解し,改善するための既存のデータを用いて使用できることを示唆する。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *心臓 ,  ヒト ,  *分化 ,  成体 ,  バイオリアクタ ,  懸濁培養 ,  機械学習 ,  細胞移植 ,  心筋細胞 ,  細胞密度
準シソーラス用語： ハイスループット ,  オンライン ,  ランダムフォレスト ,  薬物スクリーニング , 【Automatic Indexing@JST】

著者キーワード (8件)： 機械学習 ,  分類 ,  特徴選択 ,  ヒト人工多能性幹細胞 ,  心筋細胞 ,  有向分化 ,  バイオリアクター ,  細胞生産

分類 (3件)： 循環系の基礎医学  (GJ01020K) ,  発生と分化  (EJ16020W) ,  細胞・組織培養法  (EA03040R)

引用文献 (47件)：

• Ackermann M., Kempf H., Hetzel M., Hesse C., Hashtchin A. R., Brinkert K., et al (2018). Bioreactor-based mass production of human iPSC-derived macrophages enables immunotherapies against bacterial airway infections. Nat. Commun. 9:5088. doi: 10.1038/s41467-018-07570-7
• Alonso-Gutierrez J., Kim E. M., Batth T. S., Cho N., Hu Q. J., Chan L. J. G., et al (2015). Principal component analysis of proteomics (PCAP) as a tool to direct metabolic engineering. Metab. Eng. 28 123-133. doi: 10.1016/j.ymben.2014.11.011
• Amiri A., Mohamad R., Rahim R. A., Illias R. M., Namvar F., Tan J. S., et al (2015). Cyclodextrin glycosyltransferase biosynthesis improvement by recombinant Lactococcus lactis NZ:NSP:CGT: medium formulation and culture condition optimization. Biotechnol. Biotechnol. Eq. 29 555-563. doi: 10.1080/13102818.2015.1009713
• Blix K., Eltoft T. (2018). Machine learning automatic model selection algorithm for oceanic chlorophyll-a content retrieval. Remote Sens. 10, 775-796. doi: 10.3390/rs10050775
• Breiman L. (2001). Random forests. Mach. Learn. 45 5-32. doi: 10.1023/A:1010933404324

タイトルに関連する用語 (7件)： プロセスモデリング ,  ヒト ,  誘導 ,  多能性幹細胞 ,  心臓 ,  分化 ,  予測