当前位置: 首页 > news >正文

什么是CHO细胞?

CHO细胞:生物制药的“黄金标准”

CHO细胞(Chinese Hamster Ovary cells,中国仓鼠卵巢细胞)是全球生物制药的核心工具,生产了70%以上的重组蛋白药物,包括单抗、疫苗、凝血因子等。其应用覆盖癌症、自身免疫疾病、传染病治疗等领域,是当今生物医药工业的基石。

一、起源与生物学特性

1957年由美国科学家George Puck从中国仓鼠卵巢组织分离建立,最初用于染色体研究。

1987年首个CHO细胞生产的重组药物(组织纤溶酶原激活剂)获批上市,开启工业化时代。

核心特性

形态:上皮样或成纤维细胞样,贴壁或悬浮生长。

遗传缺陷:缺乏L-脯氨酸合成能力,需外源补充,便于筛选稳定转染株。

安全性:不携带人类病毒(如HIV、乙肝病毒),降低药物污染风险。

______ 

二、为何成为“生物制药黄金标准”?

高效蛋白表达

产量高:通过CRISPR基因编辑,单抗产量可达>1g/L。

人源化修饰:糖基化结构与人类相似度>95%,显著降低药物免疫原性。

工业化适配性

悬浮培养:密度达20–30×10⁶ cells/mL,适配百升至万升生物反应器。

无血清培养基:化学成分明确(如ProGro™、CDM4CHO),减少批次差异。

严格质控

STR鉴定:确保细胞株身份唯一性,避免交叉污染。

______ 

三、核心应用场景

✅ 1. 重组蛋白药物

单克隆抗体:

阿达木单抗(年销>200亿美元)、帕博利珠单抗(年销>250亿美元)。

酶与激素:促红细胞生成素(EPO)、凝血因子。

✅ 2. 疫苗开发

HPV疫苗:表达病毒L1蛋白自组装成病毒样颗粒(VLP)。

新冠疫苗:重组亚单位疫苗表达S蛋白RBD片段(2022年马里临床试验)。

✅ 3. 基因工程改造

CRISPR技术:敲除降解蛋白酶基因提升产物稳定性。

表观调控:抑制miR-23a可使抗体产量提升42%。

______ 

四、培养技术要点

⚠️ 1. 关键参数

⚠️ 2. 常见问题解决

细胞凋亡:添加保护剂(如Kolliphor HS 188)。

表达量低:转染24小时后补加3%营养补料。

糖基化变异:选用工程化亚株(如CHO-S)。

______ 

五、CHO细胞亚系对比

六、未来展望

随着灌流工艺优化(培养周期延长至120天)和基因编辑技术突破,CHO细胞将在基因治疗、新型疫苗开发中持续释放价值。

一句话总结:CHO细胞——人类对抗疾病的“超级细胞工厂”,用生物合成的精密性,重塑医药未来。

______ 

参考资料:

CHO细胞培养基与培养工艺(洁特生物)

CHO细胞在生物制药中的应用(生物医药前沿)

重组新冠疫苗CHO细胞临床试验(沃森生物)

 

 

http://www.lryc.cn/news/604545.html

相关文章:

  • 深入剖析 StarRocks 与 Hive 的区别、使用场景及协同方案实践
  • Spring Cloud Gateway静态路由实战:Maven多模块高效配置指南
  • 安全和AI方向的学习路线
  • docker常用命令集(6)
  • Shopify Draggable + Vue 3 完整指南:打造现代化拖拽交互体验
  • Apache Ignite 与 Spring Data 集成
  • 人工智能与安全:智能安防的创新与伦理边界
  • 把Java程序部署到本地Docker
  • 常见CMS
  • NVIDIA Isaac平台推动医疗AI机器人发展研究
  • Hyperchain 的分级权限体系如何应对潜在的安全威胁和攻击?
  • 关于Docker【常见问题解决方案】
  • 【问题未解决-寻求帮助】VS Code 中使用 Conda 环境,运行 Python 后 PowerShell 终端输出内容立即消失
  • 随笔之TDengine基准测试示例
  • 【开源】一款开源、跨平台的.NET WPF 通用权限开发框架 (ABP) ,功能全面、界面美观
  • 基于 Flask 和 MySQL 的期货数据分析系统
  • 【NLP舆情分析】基于python微博舆情分析可视化系统(flask+pandas+echarts) 视频教程 - 微博评论IP地图可视化分析实现
  • Vue + Flask 管理系统开发方案
  • 【Flask 基础 ①】 | 路由、参数与模板渲染
  • [Agent开发平台] API网关 | 业务领域 | DTO格式 | 分页令牌
  • FPGA实现CameraLink视频解码转SRIO与DSP交互,FPGA+DSP多核异构图像处理架构,提供2套工程源码和技术支持
  • 分布式搜索和分析引擎Elasticsearch实战指南
  • 图像处理中级篇 [1]—— 彩色照相机的效果与预处理
  • RAG实战指南 Day 28:RAG系统缓存与性能优化
  • 大模型对比评测:Qwen2.5 VS Gemini 2.0谁更能打?
  • 线性代数常见的解题方法
  • Apache Ignite中分布式信号量(Distributed Semaphore)的说明和使用示例
  • GitPython03-项目setup编译
  • Directory Opus 使用优化
  • CouchDB 从入门到精通:构建高效的分布式文档数据库