研究背景

Sf9昆虫细胞系因其在生物制药中的广泛应用而备受关注。这种细胞系不仅用于生产重组蛋白，还用于疫苗和生物农药的开发。然而，传统的细胞培养监测方法往往耗时且成本较高，难以满足现代生物制药对高效、实时监测的需求。中红外光谱（MIR）技术作为一种非侵入性、实时的分析手段，近年来在生物过程监测中展现出巨大潜力。通过与化学计量学技术（如偏最小二乘法PLS和人工神经网络ANN）结合，MIR技术能够快速、准确地分析细胞培养过程中的营养物质、代谢物、细胞密度和细胞活性等关键参数。

近日，巴西研究团队在《Spectrochimica Acta Part A》期刊发表的最新研究显示，利用衰减全反射中红外光谱（ATR-MIR）结合化学计量学模型，可实现对Sf9昆虫细胞生长状态的高效监测，为生物工艺开发提供了突破性的分析工具。

研究内容

图 1 原始与过滤光谱数据对比

研究团队采用ATR-MIR技术对Sf9细胞培养过程进行监测，通过采集4000-600 cm⁻¹范围的光谱数据，捕捉细胞代谢过程中葡萄糖、谷氨酰胺等关键物质的特征吸收峰。如图1所示，不同培养基（EX-CELL® 420与Sf-900™ III）中的光谱曲线呈现出明显的代谢特征差异，特别是葡萄糖在1038 cm⁻¹处的特征峰强度变化，直接反映了细胞对碳源的消耗速率。

为提升数据质量，研究人员对比了9种光谱过滤方案。结果显示，采用最低偏移基线校正、SNV标准化及一阶二次导数处理后，光谱噪声显著降低，模型预测精度提升超30%。这种"光谱清洗"技术如同为显微镜加上高倍物镜，让细胞代谢的细微变化无所遁形。

图 2 PLS与ANN模型误差对比

通过偏最小二乘法（PLS）与人工神经网络（ANN）构建的预测模型，成功实现了对细胞密度、活力及代谢物浓度的同步监测。数据显示，PLS模型对活细胞密度的预测平均绝对误差为0.90×10⁶ cells/mL，ANN模型对谷氨酰胺的监测误差低至0.19 g/L，这些指标与拉曼光谱等传统技术相当，但检测成本降低约40%。

值得关注的是，图2中的模型误差对比图显示，ANN模型在非线性关系处理上更具优势，尤其在细胞活力监测中，其相对误差控制在9%以内。而PLS模型则在葡萄糖等线性代谢物的监测中表现更稳定，二者形成了互补的监测体系。

该技术已在EX-CELL® 420与Sf-900™ III两种培养基体系中验证了适用性，可直接应用于重组蛋白、病毒样颗粒（VLP）等生物制品的生产监控。据测算，采用该方法可将单次检测时间从传统方法的4小时缩短至15分钟，大幅降低实验室分析成本。

不过，研究也指出当前技术对乳酸的监测仍存在局限，这与昆虫细胞低乳酸分泌特性相关。未来团队计划结合在线光谱设备，将离线监测升级为实时过程控制，进一步推动生物制药工艺的智能化发展。

这项研究不仅为昆虫细胞培养提供了精准的"化学仪表盘"，更开创了ATR-MIR技术在生物过程监测中的新应用场景。随着技术的进一步优化，未来或可在疫苗生产、细胞治疗等领域实现更广泛的产业化落地。

原文链接：

https://doi.org/10.1016/j.saa.2025.126174