机器学习辅助紫外吸收光谱法检测细胞治疗产品中的微生物污染

我们证明了机器学习辅助紫外吸收光谱法在细胞治疗产品 (CTP) 生产过程中检测微生物污染的可行性。该方法利用一类支持向量机分析细胞培养物的吸收光谱，并预测样品是否无菌或受污染。这种无标记技术可在极少的样品制备和体积（< 1 mL）下快速输出结果（< 30 分钟）。将 7 种微生物添加到来自 6 个商业供体的间充质基质细胞上清液中，结果表明，在 10 CFU 的低接种量下即可检测到污染事件，平均真阳性率和阴性率分别为 92.7% 和 77.7%。在排除来自单个烟酸含量异常高的供体的样品后，真阴性率进一步提高到 92%。在添加了10 CFU大肠杆菌的细胞中，在21小时时检测到了污染，其灵敏度与药典USP < 71 >检测方法（约24小时）相当。我们推测，烟酸和烟酰胺在紫外区域的光谱差异是检测污染的潜在机制。该方法可作为CTP生产不同阶段的初步测试，进行实时、连续的培养监测，从而能够及早发现微生物污染，确保CTP的安全。