[发明专利]细胞株相似性评价方法及相似细胞株培养基配方推荐方法

说明书

本发明公开了一种细胞株相似性评价方法及相似细胞株培养基配方推荐方法。将细胞株培养、代谢等数据，采用AI技术从细胞平行实验数据中学习细胞株特征，从而量化评价细胞株的相似性，具有良好的准确性和泛化能力。利用量化的细胞株相似性，可以为相同、相似的细胞实验提供相关的历史数据参考，甚至是直接提供相关的实验指导，从而减小实验摸索范围，缩短实验时间，提高实验效率。利用细胞株相似度分析技术，进行细胞培养基配方推荐，能够直接利用历史培养基配方数据，无需格外新增培养基配方数据，效率进一步得到提升。

技术领域

本发明属于生物技术领域，更具体地，涉及一种细胞株相似性评价方法及相似细胞株培养基配方推荐方法。

背景技术

从人工智能建模来说，细胞株的种类是多样的，以CHO细胞这一大类举例，CHO细胞株类型有CHO-K1，CHO-DG44，CHO-GS等，CHO细胞株的蛋白表达有融合蛋白、单抗、双抗的区别，同时蛋白中各种氨基酸的成分含量与比例也有区别，另外细胞株的形态与大小也存在差异。因此不同细胞株之间的特征有着或大或小的差异性。

多样的细胞株在评定标准、数据分析与处理方面会存在很大困难。一方面，部分细胞株特征无法有效运用特定的场景，如细胞的形态学特征在细胞筛选中起作用，但在细胞培养不一定起大的作用，反而是细胞株表达的蛋白及其序列、DNA插入位点影响较大。另一方面，以上特征过于繁多，CHO细胞株的种类是多样的，繁多重复无效的特征不利于数据分析处理。

虽然细胞株之间都或多或少有差异，但是不同来源的细胞在表达不同的蛋白时，其细胞生长和代谢对营养的需求上又可能存在一定的相似。

量化评价细胞株之间的相似性，对于细胞培养、数据分析、细胞功能化方面的研究和开发皆有重要应用。然而目前对与细胞株之间相似性的评价没有系统的理论和方法，仅仅凭借实验经验，也无法量化。

目前在生物信息学研究中，针对细胞株的分析还处于起步阶段，仅仅采用类型编码作为细胞株的标记。这种简单的标记方法，在分析研究上独立了不同细胞株，无法有效分析细胞株与细胞株之间的相似度，也不能利用细胞株之间的相似性。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种细胞株相似性评价方法及相似细胞株培养基配方推荐方法，其目的在于通过对相似的细胞株培养、代谢等数据监测结果进行数学模型自学习拟合，将细胞株的特征进行数学矢量化，从而量化评价相似细胞株不同方面的相似性，基于细胞株的相似性可以进行相似的实验条件摸索，例如培养基配方推荐，从而缩短实验摸索实践，由此解决现有技术不能量化评价细胞株之间的相似性，也不能利用细胞株之间的相似性的技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种细胞株相似性评价方法，包括以下步骤：

(1)针对不同细胞株进行条件相当的实验获取平行数据；所述平行数据，即在具有可比性的实验条件下获取的细胞株差异导致的采样结果不同的实验数据；

(2)对细胞株类型进行编号，作为嵌入层的输入，以获取所述平行数据的实验条件为训练输入为监督学习模型的训练输入，以所述平行数据的实验结果为输出监督，对嵌入层和监督学习模型组成的相连网络进行端到端的训练，使得回归模型的损失函数收敛，获得经训练的嵌入层；

(3)将步骤(2)获得的经训练的嵌入层的权值矩阵作为细胞株特征向量集合，按照其结构分别获取特定细胞株特征向量；

(4)计算步骤(3)获得的细胞株特征向量之间的相似性，作为相应细胞株之间的相似性。