MÉTODOS PARA DETECTAR UM ESTADO DE CÉLULAS DENTRO DE UMA CULTURA DE CÉLULAS E IMPLEMENTADO POR COMPUTADOR, SISTEMA INTEGRADO DE CULTURA DE CÉLULAS E DE ANÁLISE POR INFRAVERMELHO, COMPUTADOR, E, MEIO LEGÍVEL POR COMPUTADOR

MÉTODOS PARA DETECTAR UM ESTADO DE CÉLULAS DENTRO DE UMA CULTURA DE CÉLULAS E IMPLEMENTADO POR COMPUTADOR, SISTEMA INTEGRADO DE CULTURA DE CÉLULAS E DE ANÁLISE POR INFRAVERMELHO, COMPUTADOR, E, MEIO LEGÍVEL POR COMPUTADOR. Um método para detectar um estado de células dentro de uma cultura de células é descrito. O método é baseado na comparação de um espectro de IV de uma amostra de teste obtida da cultura de células com um espectro de IV de uma amostra ou amostras de controle ou com um espectro de IV de uma amostra ou amostras obtidas em um ponto de tempo anterior na cultura de células e correlacionando diferenças entre os espectros com o estado das células. O estado pode ser classificado em saudável ou não saudável. A amostra de teste pode ou não conter células. A amostra de teste pode conter fragmentos celulares, componentes celulares ou meios celulares, ou pode ser sobrenadante celular. A comparação pode ser realizada usando um modelo preditivo baseado em algoritmos de reconhecimento de padrões, como máquinas de vetor de suporte SVM, análise discriminante linear LDA, análise de função discriminante de componente principal PC-DFA, redes neurais ou florestas aleatórias). Os resultados da análise podem ser usados para monitorar e/ou controlar o processo de cultura de células. A method of detection of a status of cells within a cell culture is described. The method is based on comparing an IR spectrum of a test sample obtained from the cell culture with an IR spectrum of a control sample or samples or with an IR spectrum of a sample or samples obtained at an earlier time point in the cell culture and correlating differences between the spectra with the status of the cells. The status may be classified into healthy or unhealthy. The test sample may or may not contain cells. The test sample may contain cell fragments, cell components or cell media, or may be cell supernatant. The comparison may be performed using a predictive model based on pattern recognition algorithms, such as support vector machines SVM, linear discriminant analysis LDA, principal component discriminant function analysis PC-DFA, neural networks, or random forests). The analysis results may be used to monitor and/or control the cell culturing process.