Contr?ler la bioproduction de m¨¦dicaments en temps r¨¦el gr?ce ¨¤ la microscopie in situ et l'intelligence artificielle

Republication de l'article disponible sur le site du CNRS Ing¨¦nierie, Contr?ler la bioproduction de m¨¦dicaments en temps r¨¦el gr?ce ¨¤ la microscopie in situ et l'intelligence artificielle | CNRS Ing¨¦nierie

La classification des cellules dans un bior¨¦acteur est r¨¦alis¨¦e par un r¨¦seau de neurones qui analyse en temps r¨¦el les images capt¨¦es par un microscope in situ. Cet outil d¨¦velopp¨¦ ¨¤ l'Institut Pascal permettra de mieux contr?ler les proc¨¦d¨¦s de fabrication de m¨¦dicaments biopharmaceutiques, et ouvre la voie ¨¤ de nouvelles recherches. Ces r¨¦sultats sont publi¨¦s dans Nature Scientific Reports.

La production de m¨¦dicaments biopharmaceutiques (anticorps, prot¨¦ines...) est r¨¦alis¨¦e dans des bior¨¦acteurs contenant des cellules vivantes. De nombreux param¨¨tres du proc¨¦d¨¦, tels que la concentration en oxyg¨¨ne, le pH, la pr¨¦sence de nutriments ou de sous-produits, sont susceptibles d'alt¨¦rer le fonctionnement et la viabilit¨¦ de ces cellules. Mais aucun instrument, jusqu'¨¤ pr¨¦sent, ne permettait d'analyser finement et en temps r¨¦el l'¨¦tat des cellules au sein d'un bior¨¦acteur. En combinant la microscopie in situ et l'intelligence artificielle, des scientifiques de l'Institut Pascal (CNRS/Universit¨¦ Clermont Auvergne) ont mis au point un outil qui r¨¦alise en temps r¨¦el une classification des cellules dans le r¨¦acteur, des cellules parfaitement viables jusqu'aux cellules mortes.

Le d¨¦veloppement du nouvel instrument a d¨¦marr¨¦ par l'examen d'une base de 4000 images prises par microscopie in situ, qui a permis de d¨¦finir six classes de cellules en fonction de leur morphologie, caract¨¦ristique de leur ¨¦tat : viable, morte, ou en transition r¨¦versible ou non entre les deux. Plus de 900 cellules appartenant aux diff¨¦rentes classes ont ainsi ¨¦t¨¦ ''¨¦tiquet¨¦es''. L'apprentissage d'un algorithme de d¨¦tection de cellules, bas¨¦ sur un r¨¦seau de neurones artificiels, a ensuite ¨¦t¨¦ r¨¦alis¨¦ sur un ensemble de 3400 images, le reste ¨C 600 images- ¨¦tant r¨¦serv¨¦ pour la phase de tests. Une fois l'algorithme optimis¨¦, ces tests de performance ont montr¨¦ que l'algorithme classe les cellules avec un taux de r¨¦ussite qui peut atteindre 95%. Afin de r¨¦aliser une classification en temps r¨¦el, condition indispensable pour une application en contr?le de proc¨¦d¨¦ d'un bior¨¦acteur, les scientifiques ont utilis¨¦ un r¨¦seau de neurones capable de livrer un r¨¦sultat en quelques millisecondes.

Pour effectuer un test dans des conditions repr¨¦sentatives, le nouvel outil a ¨¦t¨¦ connect¨¦ ¨¤ un une cuve contenant une culture de cellules produisant des anticorps monoclonaux. Dans ce r¨¦acteur de laboratoire, extrapolable ¨¤ l'¨¦chelle industrielle, des variations brutales de param¨¨tres (O₂, pH, nutriments...) ont ¨¦t¨¦ volontairement cr¨¦¨¦es, afin d'induire diff¨¦rentes voies de mort cellulaire. Pr¨¨s de 850.000 images ont ainsi ¨¦t¨¦ analys¨¦es par le dispositif de classification de cellules. Dans le cadre d¡¯un proc¨¦d¨¦ industriel, le nouvel instrument devrait permettre de d¨¦tecter de fa?on pr¨¦coce l¡¯apparition des processus de mort cellulaire, afin d¡¯en limiter l¡¯effet en modifiant les param¨¨tres du proc¨¦d¨¦.

Dans la continuit¨¦ de cette ¨¦tude, un nouveau projet a ¨¦t¨¦ d¨¦marr¨¦, avec deux partenaires, afin d'¨¦tendre les performances du syst¨¨me ¨¤ d'autres types de cellules et bioproc¨¦d¨¦s. Par ailleurs, la capacit¨¦ in¨¦dite d'observer et de classer rapidement des centaines de milliers de cellules ouvre de nombreuses possibilit¨¦s de recherche sur les diff¨¦rentes voies de mort cellulaire en bior¨¦acteur.

Ci-dessous : Sch¨¦ma du processus de mise au point de l'outil de classification de cellules.