2017年4月17日/
生物谷BIOON/---中國倉鼠卵巢細胞（CHO細胞）經常被用來製造生物製劑，即基於蛋白的藥物，可用來治療癌症、
自身免疫疾病以及很多其他的疾病。如今，市場上一半以上最為暢銷的生物製劑是由CHO細胞產生的。舉幾個例子來說，阿達木單抗（Humira）、貝伐單抗（Avastin）和利妥昔單抗（Rituxan）。
儘管得到廣泛的使用，研究人員面臨的挑戰是對利用CHO細胞產生生物製劑進行優化。比如，CHO細胞的蛋白產量有時是較低的，這一因素導致這些藥物具有比較高的成本。
來自美國加州大學聖地牙哥分校CHO
系統生物學中心（以下簡稱CHO中心）的研究人員開創性地付出各種努力以便更加深入地理解CHO細胞和推進細胞工程研究。CHO中心研究人員與來自加州大學聖地牙哥分校雅各布工程學院、加州大學聖地牙哥分校醫學院和桑福德-伯納姆-普利貝斯醫學探索研究所（Sanford Burnham Prebys Medical Discovery Institute）的研究人員組建成一個跨學科小組。
提高產品產量在去年發表在
Cell Systems期刊上的一篇論文中，CHO中心研究人員與全世界的幾個團隊合作開發出一種綜合的全基因組水平的CHO細胞代謝模型，並且鑑定出讓蛋白產生最大化的特定途徑。這個項目是由CHO中心聯合主任、加州大學聖地牙哥分校兒科教授Nathan Lewis領導的。
研究人員利用這種模型預測當遭受行業上經常用來增加蛋白產生的兩種處理方法時，CHO細胞實際上能夠產生多少數量的蛋白。一種處理方法涉及降低培養溫度，另一種處理方法涉及往培養基中加入丁酸鈉。
這種模型預測這些處理方法差強人心地增加蛋白產生，但這是以犧牲細胞生長為代價的。Lewis說，「這種權衡是非常不高效的」，這是因為細胞生長下降僅換來蛋白產量少量增加。
研究人員利用這種模型模擬CHO細胞發生的其他變化。特別地，他們研究了基因變化提高CHO細胞中的分泌途徑流動的效率，這種分泌途徑會產生治療性蛋白，並將這些蛋白釋放到細胞外。這種模型預測這些細胞變化能夠比經常使用的行業處理方法3倍地增加蛋白產生。
Lewis說，「這一發現證實這種分泌途徑是細胞機器中的一種重要的管線，我們能夠對它進行改造來產生更多的蛋白。」
在今年早期發表在
Scientific Reports期刊上的一項研究中，Lewis和同事們證實一種不同的方法能夠增加蛋白產生，也能夠增加細胞生長率。這種方法涉及當CHO細胞產生一種治療性抗體時，繪製它們當中所有核糖體的活性。在這種過程中，研究人員發現沉默一種基因不僅改善細胞生長，而且導致抗體產生增加了18%。
質量控制糖基化，即將糖鏈附著到蛋白上，是CHO中心研究人員正在深入研究的另一種細胞過程。控制糖基化，如將哪些糖分子或多少數量的糖分子加入到所需的蛋白上，對產生高質量藥物產品是至關重要的，但是它是極其充滿挑戰的。
在發表在
Biotechnology Journal期刊上的一項研究中，研究人員開發出一種算法來預測當製造生物製劑和它們的
生物仿製藥時，他們如何能夠修飾CHO細胞來獲得所需的糖基化模式。Lewis說，這項研究能夠加快顯著降低主要的蛋白藥物成本的努力。
正在開展的研究CHO中心研究人員正在開發和改進其他的一流資源來合理地設計和優化用於藥物開發的CHO細胞系。這些資源包括CHO細胞系的高質量基因組序列，下一代基因組編輯技術，不斷增加的工程CHO細胞系庫，改良的不含汙染物的「清潔」CHO細胞系，「安全港」整合位點（即CHO細胞基因組上的位點，能夠將人基因安全地插入到這些位點上來改善蛋白表達）圖譜，以及分析和理解組學數據的複雜方法。（生物谷 Bioon.com）
本文系生物谷原創編譯整理，歡迎個人轉發，網站轉載請註明來源「生物谷」，商業授權請聯繫我們 。更多資訊請下載 生物谷 app.原始出處：Researchers develop new tools to optimize CHO cell lines for making biologic drugsHooman Hefzi, Kok Siong Ang, Michael Hanscho et al. A Consensus Genome-scale Reconstruction of Chinese Hamster Ovary Cell Metabolism. Cell Systems, 23 November 2016, 3(5):434-443, doi:10.1016/j.cels.2016.10.020Thomas Beuchert Kallehauge, Shangzhong Li, Lasse Ebdrup Pedersen et al. Ribosome profiling-guided depletion of an mRNA increases cell growth rate and protein secretion. Scientific Reports, Published online:16 January 2017, doi:10.1038/srep40388Philipp N. Spahn, Anders H. Hansen, Stefan Kol et al. Predictive glycoengineering of biosimilars using a Markov chain glycosylation model. Biotechnology Journal, February 2017, 12(2), doi:10.1002/biot.201600489