Non‐Newtonian rheology in suspension cell cultures significantly impacts bioreactor shear stress quantification
Notice bibliographique
Résumé
The fields of regenerative medicine and tissue engineering require large-scale manufacturing of stem cells for both therapy and recombinant protein production, which is often achieved by culturing cells in stirred suspension bioreactors. The rheology of cell suspensions cultured in stirred suspension bioreactors is critical to cell growth and protein production, as elevated exposure to shear stress has been linked to changes in growth kinetics and genetic expression for many common cell types. Currently, little is understood on the rheology of cell suspensions cultured in stirred suspension bioreactors. In this study, we present the impact of three common cell culture parameters, serum content, cell presence, and culture age, on the rheology of a model cell line cultured in stirred suspension bioreactors. The results reveal that cultures containing cells, serum, or combinations thereof are highly shear thinning, whereas conditioned and unconditioned culture medium without serum are both Newtonian. Non-Newtonian viscosity was modeled using a Sisko model, which provided insight on structural mechanisms driving the rheological behavior of these cell suspensions. A comparison of shear stress estimated by using Newtonian and Sisko relationships demonstrated that assuming Newtonian viscosity underpredicts both mean and maximum shear stress in stirred suspension bioreactors. Non-Newtonian viscosity models reported maximum shear stresses exceeding those required to induce changes in genetic expression in common cell types, whereas Newtonian models did not. These findings indicate that traditional shear stress quantification of cell or serum suspensions is inadequate and that shear stress quantification methods based on non-Newtonian viscosity must be developed to accurately quantify shear stress.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».