기계 학습을 활용한 세포 치료제의 미생물 오염 검출을 위한 UV 흡광도 분광법

우리는 세포 치료제(Cellular Therapy Product, CTP) 제조 과정에서 발생하는 미생물 오염을 실시간으로 감지하기 위해 기계 학습을 활용한 자외선 흡광도 분광법의 타당성을 입증하였습니다. 이 방법은 단일 클래스 서포트 벡터 머신(one-class support vector machine)을 사용하여 세포 배양액의 흡광도 스펙트럼을 분석하고, 샘플이 무균 상태인지 오염되었는지를 예측합니다. 이 라벨링이 필요 없는 기술은 최소한의 샘플 준비와 용량(1 mL 미만)으로 신속한 결과(30분 미만)를 제공합니다.6명의 상업적 공여자로부터 얻은 중간엽 줄기세포(mesenchymal stromal cells) 배양액 시료에 7종의 미생물을 첨가하여 실험한 결과, 10 CFU의 낮은 접종량에서도 오염 사례를 감지할 수 있음을 확인하였습니다. 각각 평균 진짜 양성률과 음성률은 92.7%와 77.7%였습니다. 니코틴산(nicotinic acid) 함량이 비정상적으로 높은 한 공여자의 샘플을 제외한 후에는 진짜 음성률이 92%로 더욱 개선되었습니다. E. coli 10 CFU를 첨가한 세포에서는 21시간 시간점에서 오염이 감지되어, USP <71> 테스트(약 24시간)와 유사한 민감도를 보였습니다.우리는 자외선 영역에서 니코틴산과 니코티나민(nicotinamide) 사이의 스펙트럼 차이가 오염 감지의 근본적인 메커니즘임을 가설화하였습니다. 이 접근 방식은 다양한 CTP 제조 단계에서 예비 검사로 활용될 수 있으며, 실시간 및 지속적인 배양 모니터링을 통해 미생물 오염을 조기에 감지하여 CTP의 안전성을 보장할 수 있습니다.