В мире биотехнологий машинное обучение становится настоящим прорывом! Исследователь из Японии, Bei-Wen Ying, на конференции PEGS Europe поделилась, как этот подход может изменить правила игры в производстве лекарств.
Традиционно, оптимизация среды для клеточных культур была делом искусства, зависящим от личного опыта ученых. Однако Ying утверждает, что с помощью машинного обучения можно создать более предсказуемые и воспроизводимые эксперименты. Это позволит находить наиболее эффективные комбинации компонентов среды для роста клеток.
В ходе экспериментов команда Ying использовала автоматизированные считыватели для сбора данных из 96-луночных планшетов, что дало возможность анализировать большие объемы информации. Результаты показали, что существует компромисс между скоростью роста клеток и их максимальной концентрацией. Например, для быстрого роста клеток важнее использовать сульфиды и другие компоненты, чем глюкозу.
Эти открытия могут значительно повысить продуктивность клеточных культур в производстве, что невозможно было бы без применения машинного обучения. Если бы не эти исследования, многие ученые продолжали бы считать глюкозу лучшим источником углерода для клеток.