Étudier la dynamique des cellules CHO pour une meilleure production de biopharmaceutiques

Les cellules sont les briques de la vie et elles se comportent différemment selon plusieurs facteurs. Ça inclut leur âge, leur spécialisation, leur environnement, et même un peu de chance. Pour comprendre ce qui se passe dans une cellule, les scientifiques mesurent souvent les niveaux d'ARN, ce qui nous renseigne sur les gènes qui sont activement traduits en protéines. C'est important parce que le comportement des cellules peut changer en fonction de ces expressions génétiques.

Dans les industries où les cellules sont modifiées pour produire des médicaments, comprendre ces changements est crucial. Par exemple, les cellules utilisées pour générer des protéines thérapeutiques peuvent être imprévisibles. Quand on étudie un grand groupe de cellules, il peut être difficile de voir les différences entre chaque cellule. Des changements importants dans de petits groupes de cellules peuvent passer inaperçus, ce qui peut mener à des résultats trompeurs sur le comportement global de la population cellulaire.

Les avancées récentes en technologie permettent maintenant aux scientifiques d'examiner les cellules individuellement. Des techniques comme le séquençage de cellules uniques utilisent des marqueurs spéciaux pour suivre les molécules d'ARN individuelles jusqu'à leurs cellules respectives. Ça veut dire que les chercheurs peuvent analyser les différences dans l'expression des gènes de manière plus précise, menant à une meilleure compréhension du comportement des cellules à travers différents types de tissus.

Malgré ces progrès, ces outils ne sont pas souvent utilisés sur des populations cellulaires considérées comme génétiquement identiques. Quand les cellules proviennent d'une seule cellule ancêtre, on suppose qu'elles se comportent de manière homogène. Cependant, les données montrent que ce n'est pas toujours vrai. Cette divergence est particulièrement pertinente lors de l'examen de certains types de cellules cultivées en laboratoire, comme les cellules ovariennes de hamster chinois (CHO), qui sont largement utilisées dans l'industrie pharmaceutique pour produire différents médicaments.

Les Cellules CHO sont très appréciées car elles sont douées pour produire des protéines complexes qui sont sûres pour l'utilisation humaine. Elles peuvent produire plus de 70% des protéines thérapeutiques, y compris des Anticorps et des hormones. Cependant, ces cellules ont besoin des bonnes conditions pour croître et produire des protéines efficacement. Elles peuvent aussi changer génétiquement au fil du temps, ce qui rend la prévision de leur comportement en production difficile.

Dans des environnements de production connus, il peut être compliqué de maintenir des clones cellulaires performants. Même quand les scientifiques essaient de créer des conditions optimales, comme ajouter certains nutriments, les résultats peuvent quand même varier. Les chercheurs continuent de travailler pour comprendre comment les changements dans l'environnement peuvent affecter ces cellules et comment les garder performantes.

Les études précédentes ont principalement examiné comment l'expression génique change selon les différents environnements, mais il n'y a pas eu assez d'attention portée à la façon dont ces expressions changent dans le temps au sein de la même population cellulaire. Dans une étude, les chercheurs ont regardé un nombre spécifique de cellules sans surveiller leur vieillissement. Une autre étude a examiné moins de cellules et ne les a regardées que sur une courte période.

Pour voir comment la productivité cellulaire pourrait diminuer avec le temps, une équipe de chercheurs a utilisé des techniques avancées de séquençage de cellules uniques pour examiner deux clones de CHO sur une période de 90 jours. Ils voulaient savoir si l'observation des cellules individuelles pouvait aider à expliquer les raisons derrière une baisse de production des protéines.

#Mise en Place de l'Expérience

Les chercheurs ont commencé avec deux types de cellules CHO modifiées pour produire un certain type d'anticorps. Ces cellules ont été cultivées dans un milieu spécial et transférées d'un conteneur à un autre tous les trois jours pour les garder en bonne santé. Ils ont ajouté un nutriment appelé L-glutamine dans certains tests tout en l'ometant dans d'autres.

Après 90 jours, ils ont prélevé des échantillons des cellules et les ont congelés pour une étude ultérieure. Ils ont aussi réveillé ces échantillons pour voir comment ils fonctionnaient dans un autre cadre de croissance appelé processus fed-batch. Cela signifie qu'ils pouvaient contrôler encore plus les conditions de croissance et observer comment les cellules produisaient des protéines pendant une période de 14 jours.

Pendant ces essais, les scientifiques ont mesuré divers aspects de la performance cellulaire, y compris le nombre de cellules viables et la quantité d'anticorps produits. Ils ont trouvé que quand les cellules produisaient plus d'anticorps, il y avait tendance à avoir moins de cellules viables et vice versa.

L'un de leurs résultats majeurs était qu'un clone particulier de cellules, le clone B, montrait une augmentation surprenante de cellules vivantes après vieillissement, indépendamment des conditions nutritives. Au début, les deux clones produisaient des niveaux élevés d'anticorps, mais avec le temps, les cellules du clone A maintenues sous pression nutritive étaient plus performantes en termes de productivité comparé au clone B.

#Analyse de Cellule Unique

Grâce au séquençage d'ARN de cellule unique, les chercheurs ont pu analyser comment l'expression génique variait d'une cellule à l'autre. Ils ont découvert qu'il y avait des groupes distincts au sein de leurs populations cellulaires, surtout à mesure que les cellules vieillissaient. Certaines cellules produisaient beaucoup d'anticorps, tandis que d'autres en produisaient beaucoup moins.

Dans leur analyse, ils ont trouvé que les cellules à faible production étaient en fait plus viables que celles à haute production, ce qui était plutôt inattendu. Cela suggérait que les cellules produisant de faibles niveaux d'anticorps étaient meilleures pour survivre et s'adapter à leur environnement.

Fait intéressant, quand le clone B était sous pression nutritive, il avait étonnamment plus de cellules à faible production par rapport à quand il n'était pas sous pression. Cela a soulevé des questions sur pourquoi ces cellules semblaient prospérer malgré les attentes.

#Biomarqueurs et Tri des Cellules

Pour mieux comprendre les caractéristiques de ces différents groupes cellulaires, les chercheurs ont cherché des gènes qui pouvaient servir d'indicateurs du comportement cellulaire. Deux gènes spécifiques, Scd2 et Ccnd1, ont attiré l'attention parce qu'ils étaient liés à une plus grande production d'anticorps. On pense que Scd2 joue un rôle dans la production d'énergie et les réponses au stress cellulaire, tandis que Ccnd1 est impliqué dans la gestion du cycle cellulaire.

En utilisant ces gènes, les scientifiques ont testé s'ils pouvaient trier les cellules en fonction de leurs niveaux de Scd2. Ils ont trouvé que fixer un seuil spécifique pour l'expression de Scd2 pouvait aider à séparer les cellules à haute production de celles produisant peu ou pas d'anticorps, surtout dans les populations de cellules plus anciennes.

Lorsque cette méthode de tri a été appliquée, ils ont pu filtrer efficacement les cellules à faible production, résultant en un échantillon cellulaire plus productif. Cette approche pourrait aider à améliorer l'efficacité des cultures cellulaires dans des environnements industriels.

#Conclusion

En résumé, cette recherche a fourni des insights précieux sur le comportement des cellules CHO au fil du temps et comment leur production peut changer. En utilisant des techniques avancées pour analyser les cellules individuelles, les scientifiques ont découvert un tableau complexe du comportement cellulaire qui remet en question les hypothèses précédentes sur les populations cellulaires clonales. Ils ont démontré que, bien que certaines cellules puissent être sous stress à cause de niveaux élevés de production de protéines, d'autres peuvent s'adapter et prospérer avec moins de productivité.

Les résultats suggèrent que l'identification et le tri des cellules en fonction d'expressions géniques spécifiques pourraient mener à de meilleures méthodes pour maintenir des niveaux élevés de production de protéines à l'avenir. Cette étude souligne le besoin de recherches continues sur la dynamique des populations cellulaires pour améliorer l'efficacité des processus de production biopharmaceutiques.