Gain-Scheduled Optogenetic Feedback for Disturbance Rejection in Bacterial Batch Cultures

Dit artikel presenteert een modelgebaseerd, groeistoestand-afhankelijk feedbackcontrolesysteem met opgewekte optogenetische stimulatie dat de verstoringen in batchkweken van bacteriën effectief onderdrukt door de dynamische veranderingen in de fysiologische toestand van de cellen te compenseren.

De kern

Stel je voor dat je een tuin hebt met bacteriën in plaats van bloemen. Je wilt dat deze bacteriën een specifieke "bloem" (een eiwit) produceren, en je wilt dat de hoeveelheid van die bloem precies gelijk blijft, hoe het weer ook is. Dit is wat wetenschappers proberen te doen in de synthetische biologie: het regelen van genen.

Maar er is een groot probleem: bacteriën zijn geen statische machines. Ze groeien, eten, veranderen en worden moe, net als mensen. In een bakje (een "batch cultuur") verandert de situatie voortdurend:

1. De start: Ze zijn klein en hongerig (groei-fase).
2. Het midden: Ze zijn druk aan het delen en groeien als kool (log-fase).
3. Het einde: Ze zijn vol en stoppen met groeien (stationaire fase).

Elke fase vereist een andere aanpak. Als je een vaste regelaar gebruikt (zoals een thermostaat die altijd even hard verwarmt), faalt het systeem. Soms is het te heet, soms te koud.

Dit artikel beschrijft hoe de onderzoekers dit oplossen met een slimme, aanpasbare regeling. Hier is de uitleg in simpele taal:

1. Het Probleem: De "Vaste Thermostaat"

Stel je voor dat je een auto bestuurt die van nature versnelt als je op de berg afrijdt en vertraagt als je omhoog gaat. Als je de gaspedaal altijd op dezelfde stand zet (een vaste regelaar), zul je in de dalen te hard rijden (gevaarlijk!) en in de bergen te langzaam.

In de bacteriën-bak werkt het zo:

• Als de bacteriën snel groeien, veranderen ze de snelheid waarmee ze eiwitten maken.
• Als je plotseling water toevoegt (een "verstoring" of disturbance), wordt de concentratie bacteriën lager. Dit verandert hun gedrag drastisch.
• Een oude regelaar (een vaste PID-controller) weet niet dat de situatie veranderd is. Hij blijft proberen te corrigeren alsof alles hetzelfde is, wat leidt tot schommelingen en fouten.

2. De Oplossing: De "Slimme Regisseur"

De onderzoekers hebben een nieuw systeem bedacht dat zich aanpast aan de "stemming" van de bacteriën. Ze noemen dit Gain-Scheduled Feedback.

Laten we dit vergelijken met een orkestleider:

• Fase 1 (Snel groeien): De bacteriën zijn als jonge, energieke muzikanten. Ze reageren heel snel op een tikje. Als de orkestleider (de regelaar) hard slaat, wordt het chaos. De regelaar moet dus zacht spelen en voorzichtig zijn.
• Fase 2 (Langzaam groeien): De bacteriën zijn als oude, trage muzikanten. Ze reageren traag. Als de regelaar zacht speelt, gebeurt er niets. De regelaar moet nu krachtig en assertief zijn om ze wakker te schudden.

Dit is wat hun PID-GS (Gain-Scheduled) controller doet: hij kijkt continu naar hoe snel de bacteriën groeien en past zijn eigen "kracht" (de instellingen) daar direct op aan.

3. De Superkracht: De "Voorspeller" (Feedforward)

Er is nog een probleem: soms is de verstoring (bijvoorbeeld het toevoegen van water) zo groot dat zelfs de slimme regelaar te laat is om te reageren. Hij moet wachten tot hij ziet dat de bloemen minder worden, en dan pas actie ondernemen.

De onderzoekers voegden een Feedforward-component toe. Denk hierbij aan een voorspeller of een strategische speler:

• In plaats van alleen te wachten tot het fout gaat, kijkt deze regelaar naar de oorzaak. Als hij ziet dat er water wordt toegevoegd (een verstoring), grijpt hij direct in voordat de bacteriën überhaupt merken dat er iets mis is.
• Het is alsof je een paraplu opent voordat het regent, omdat je ziet dat de lucht donker wordt, in plaats van wachten tot je nat bent.

4. Wat hebben ze ontdekt?

Ze hebben drie scenario's (regimes) geïdentificeerd waar je een andere regelaar nodig hebt:

1. Kleine verstoringen: Als er maar een klein beetje water wordt toegevoegd, doet een simpele regelaar het prima. Niets aan de hand.
2. Gemiddelde verstoringen (tijdens de rustige fase): Als je bacteriën die rustig aan het groeien zijn plotseling verdunt, wil je geen paniek. De Slimme Regisseur (PID-GS) is hier het beste. Hij dempt de schokken en voorkomt dat de bacteriën "overreageren".
3. Grote verstoringen (een ramp): Als je de helft van de bacteriën wegspoelt, moet je snel en krachtig handelen. De Regisseur met Voorspeller (PID-GS-FF) is hier de winnaar. Hij grijpt direct in om de schade te beperken en herstelt de balans veel sneller dan de anderen.

Conclusie

Kortom: Je kunt bacteriën in een bakje niet behandelen als een statische machine. Ze veranderen voortdurend. Om ze onder controle te houden, moet je een regelaar hebben die:

1. Zich aanpast aan hun groeistadium (niet te hard, niet te zacht).
2. Soms zelfs vooruitkijkt en ingrijpt voordat de fout optreedt.

Dit onderzoek toont aan dat door te luisteren naar de "fysiologische toestand" van de cellen, we veel betere controle kunnen uitoefenen. Dit is een grote stap voor het maken van betere medicijnen en het produceren van biobrandstoffen, waar precisie en stabiliteit cruciaal zijn.

Technische samenvatting

Probleemstelling

De precieze regulatie van genexpressie in bacteriële batch-culturen is een fundamentele uitdaging in de synthetische biologie. In tegenstelling tot continue culturen (zoals chemostaten), waar cellen in een stabiele fysiologische toestand blijven, doorlopen cellen in batch-culturen dynamische groeifasen: van de lag-fase, via de exponentiële groeifase, tot de stationaire fase.

Deze overgangen veroorzaken een multischaal-koppeling tussen populatiegroei en moleculaire dynamica:

1. Veranderende plant-dynamica: De input-output dynamiek van genexpressie verandert systematisch naarmate de celtoestand verandert (bijv. door verdunningseffecten en veranderingen in de beschikbaarheid van translationele resources).
2. Beperking van vaste controllers: Traditionele PID-controllers met vaste gains, die zijn ontworpen onder de aanname van constante groei, falen in batch-culturen. Een controller die goed werkt in de stationaire fase, kan te agressief zijn in de exponentiële fase (wat leidt tot overshoot) of te traag in de stationaire fase.
3. Stoornisafwijzing: Het handhaven van een gewenste expressieniveau (setpoint) bij verstoringen (zoals plotselinge verdunning) is moeilijk omdat de respons van het systeem sterk afhankelijk is van het groeistadium op het moment van de verstoring.

Methodologie

De auteurs gebruiken een multischaal-modelgeleid feedback-controllersysteem gebaseerd op het GEAGS-framework (Gene Expression Across Growth Stages) en het LEMOS-platform (LED Embedded Microplate for Optogenetic Studies).

1. Systeem en Model:

   • Het gebruikte systeem is een optogenetische CcaSR-regelkring in E. coli, waarbij groen licht expressie induceert en rood licht repressie.
   • Het GEAGS-model koppelt intracellulaire reacties (transcriptie, translatie, vouwing) aan populatiegroei (logistische groei).
   • Rate Modifier Functions (RMF's): Het model introduceert empirische functies ($\alpha, \delta, \gamma$) die afhankelijk zijn van de relatieve populatiegrootte ($f_{RMF} = C/C_{max}$). Deze functies modelleren hoe groeifasen de verdunning, degradatie en efficiëntie van moleculaire processen beïnvloeden.

2. Frequentieresponsanalyse:

   • De auteurs voerden een lineaire analyse uit rondom verschillende werkpunten (verschillende groeifasen) om de overdrachtsfunctie van het systeem te bepalen.
   • Resultaat: De systematische versterking (gain) en fasevertraging nemen toe naarmate de populatie dichter bij de stationaire fase komt (hoge OD600). In de vroege groeifasen is het systeem sneller maar heeft het een lagere gain.

3. Ontwikkelde Controlerstrategieën:
   Om de variabiliteit in plant-dynamica aan te pakken, werden twee "groeibewuste" (growth-aware) strategieën ontwikkeld:

   • PID-GS (Gain-Scheduled PID): De gains van de PID-controller worden dynamisch aangepast op basis van de fysiologische toestand ($f_{RMF}$).
     • De proportionele en differentiaal-gain worden geschaald met $f_{RMF}$ om te voorkomen dat de controller te agressief reageert tijdens de vroege groeifasen (waar resources overvloedig zijn).
     • De differentiaal-term wordt sterker geschaald ($f_{RMF}^2$) om de toenemende fasevertraging in de stationaire fase te compenseren.
   • PID-GS-FF (Feedback-Feedforward): Een hybride controller die de PID-GS combineert met een feedforward-component.
     • De feedforward-term ($u_{FF}$) reageert direct op de gemeten verandering in celpopulatie (OD600) bij een verstoring, voordat de fout in de feedback-lus zich opbouwt. Dit versnelt het herstel bij grote verstoringen.

4. Evaluatie:

   • Simulaties van stapverstoringen (plotselinge verdunning van 20% tot 80%) werden uitgevoerd.
   • Een nieuwe composiete prestatie-metriek ($M$) werd geïntroduceerd die zowel de insteltijd als de geïntegreerde absolute fout (ITAE) combineert om controllers objectief te vergelijken.

Belangrijkste Resultaten

De simulaties tonen drie distincte operationele regimes aan, afhankelijk van de grootte van de verstoring en het groeistadium:

1. Regime 1 (Kleine verstoringen, $\rho = 20\%$): Alle controllers (vaste PID, PID-GS, PID-GS-FF) presteren vergelijkbaar goed. De verstoring is te klein om de systematische dynamica significant te verstoren.
2. Regime 2 (Intermediaire verstoringen, $\rho = 30-60\%$): De PID-GS presteert het best.
   • Bij deze verstoringen wordt de populatie teruggeschaald naar de mid-log fase, wat leidt tot een tijdelijke piek in translationele resources en een risico op overshoot.
   • De vaste PID is te agressief en veroorzaakt grote overshoots.
   • De PID-GS dempt deze overshoot effectief door de gain te verlagen tijdens de actieve groeifase. De feedforward-term van PID-GS-FF is hier zelfs contraproductief en veroorzaakt lichte overshoots.
3. Regime 3 (Grote verstoringen, $\rho = 70-80\%$): De PID-GS-FF presteert overtuigend het best.
   • Grote verstoringen resetten de populatie naar de vroege exponentiële fase, wat leidt tot een scherpe daling in signaal (door verdunning) gevolgd door een snelle herstel.
   • De feedforward-component zorgt voor een snelle, proactieve reactie die het herstel versnelt, terwijl de gain-gescheduleerde feedback overshoots voorkomt. De vaste PID en de pure PID-GS herstellen hier te traag.

Bijdragen

De belangrijkste bijdragen van dit werk zijn:

1. Inzicht in beperkingen: Het aantonen dat groeifase-afhankelijke dynamica fundamentele beperkingen oplegt aan de stoornisafwijzing in batch-culturen, waardoor vaste gain-controllers onvoldoende zijn.
2. Nieuwe Architecturen: De ontwikkeling van twee nieuwe controllers (PID-GS en PID-GS-FF) die expliciet rekening houden met de veranderende plant-dynamica tijdens de batch-loop.
3. Evaluatiekader: De formulering van een gestructureerd evaluatiekader met een scalar prestatie-metriek en de identificatie van drie operationele regimes. Dit biedt richtlijnen voor het selecteren van de juiste controller op basis van de verwachte verstoring.

Significantie

Dit onderzoek is baanbrekend omdat het voor het eerst een groeibewuste stoornisafwijzingscontroller ontwerpt voor genexpressie in bacteriële batch-culturen. Het werk verschuift het paradigma van statische regelgeving naar adaptieve, modelgeleide controle die de biologische realiteit van veranderende fysiologische toestanden omarmt.

De implicaties zijn breed:

• Het biedt een robuust kader voor het regelen van levende systemen met veranderende operationele omstandigheden.
• Het legt de basis voor de toepassing van deze strategieën in bredere bioproces-toepassingen, zoals de productie van biogene geneesmiddelen of therapeutische cellen in batch-modi.
• Het benadrukt de noodzaak van online schatting van groeiparameters (zoals OD600) voor real-time aanpassing van de controller in toekomstige experimentele validaties.