寨卡病毒（ZIKV）引发的全球公共卫生危机推动了病毒样颗粒（VLP）疫苗的快速研发。巴西圣保罗大学与布坦坦研究所的联合团队在《Spectrochimica Acta Part A》发表的最新研究中，利用近红外光谱（NIR）结合化学计量学方法，首次实现了Zika-VLP上游生产过程中关键生化参数的可视化在线监测，并通过透射电子显微镜（TEM）等图像技术验证了监测模型的可靠性，为生物制药过程分析技术（PAT）提供了直观的技术范本。

研究内容

1.  图像验证：病毒样颗粒的成功制备与光谱监测基础

图 1 透射电子显微镜对寨卡病毒样颗粒的表征

研究利用透射电子显微镜（TEM）首次直观地展示了寨卡病毒样颗粒（Zika-VLP）的形态特征（图1）。图1A显示了重组杆状病毒呈圆柱形结构（约 200nm），有力证实了昆虫细胞表达系统的有效性；而图1B通过金免疫标记揭示了Zika-VLP的结构，其直径在50-65nm之间，且抗原表位与天然病毒高度相似，为疫苗的免疫原性提供了关键的形态学证据。这些图像数据不仅展示了病毒样颗粒的成功表达，还与细胞代谢状态（如葡萄糖消耗和乳酸生成等）存在密切关联，为近红外（NIR）光谱监测提供了重要的对照信息，成为后续构建光谱模型的关键依据。

2. 光谱数据与化学计量学模型的可视化分析

研究通过近红外光谱（NIR）采集了不同培养条件下的光谱数据，并结合偏最小二乘法（PLS）和人工神经网络（ANN）构建预测模型，核心结果通过图表直观呈现：

图 2 采用最佳光谱预处理方法的偏最小二乘法（PLS）的相对误差

PLS模型相对误差显示（图2），超纯水作为分析空白时，多数参数误差显著低于空气空白。例如，细胞活力（CV）的平均相对误差（MRE）从空气空白的9.35%降至超纯水空白的2.37%，葡萄糖（Glc）的MRE从8.2%降至5.1%。

图 3 采用最佳光谱预处理方法的人工神经网络（ANN）的相对误差

ANN模型相对误差进一步表明，人工神经网络在非线性参数预测中优势显著。细胞密度（Xv）的ANN模型平均绝对误差（MAE）为1.11×10⁵cell/mL，较PLS模型降低64%；谷氨酸（Glu）的MAE从PLS的0.29 g/L降至ANN的0.16 g/L。

两个模型性能对比通过展示了不同分析空白（空气/超纯水）、样品条件（含细胞/无细胞）对模型精度的影响，证实超纯水空白+含细胞样品组合在80%的参数中表现最优。

3. 关键发现：简化流程与精度平衡

（1）分析空白的优化

超纯水作为空白可有效消除溶剂背景干扰，尤其在含细胞样品中，其光谱基线稳定性较空气空白提升30%，这与水分子对近红外光的特征吸收（如O-H键振动）密切相关。

（2）样品预处理的革新

传统离心去细胞步骤被证实非必需：含细胞样品的光谱直接反映细胞代谢活动，其NIR信号与离线生化分析（如台盼蓝染色、酶联反应）的相关性系数（R²）均大于0.92。此外，90%的参数无需复杂光谱滤波（如Savitzky-Golay或SNV校正），原始光谱结合ANN即可实现精准预测。

（3）离子监测的突破

铵离子NH₄⁺和钾离子K⁺的模型误差分别为0.003 g/L和0.014 g/L，较文献报道降低60%以上，这为细胞离子稳态调控提供了实时数据支持，填补了生物制药中离子监测的技术空白。

4. 工艺优化与未来应用

通过7批次生物反应器实验（涵盖MOI=0-10、胆固醇/白蛋白添加等条件），研究者模型在不同生产场景中表现稳定：

感染阶段监测：当 MOI=6、感染时间（TOI）=48 h时，NIR可同步捕捉细胞活力下降与VLP生成的光谱特征，为感染时机优化提供动态依据。

实时质量控制（RTRT）：结合PCA降维，ANN模型可在2分钟内输出多参数预测结果，较传统离线检测效率提升90%。

该研究通过图像验证-光谱采集-模型构建的完整技术链，证明NIR光谱结合化学计量学可实现Zika-VLP生产的“无损伤、多参数、实时化”监测。其核心突破——超纯水空白的优选、含细胞样品的直接分析、ANN对复杂代谢网络的解析能力——为生物制药行业提供了可复制的PAT解决方案。未来，结合深度学习与在线光谱仪的集成，该技术有望进一步推动疫苗生产向智能化、连续化迈进。

原文链接：https://doi.org/10.1016/j.saa.2024.125217