This thesis analyzes data on E. coli cell growth in a bioreactor to investigate the possibility of finding predictable correlations between the environmental parameters (sensor data) and the growth using machine learning. Discovering these correlations could be a first step toward optimizing the growth of cells to be used for cell therapy: an effective but very expensive treatment method for cancer. This could ultimately lead to decreased manufacturing costs and larger treatment availability. The data first underwent a thorough preprocessing to obtain useful features that were divided into batches. In addition, a few separate further processing methods were applied to the data for further analysis. Thereafter several different machine learning methods were implemented and evaluated on the data. All possible sensor combinations were then fed into the best-performing network and the mean absolute error was calculated for each combination. The results showed that the implemented machine learning models did not find predictable patterns between sensor inputs and growth, as the predictions did not follow the growth variations and the models mainly predicted the average yield. However, the possibility that the used approach would benefit from additional data should not be discarded. / Detta examensarbete analyserar data som beskriver celltillväxt av E. coli i en bioreaktor för att undersöka möjligheten att hitta samband mellan inputparametrar och tillväxt med hjälp av maskininlärning. Att upptäcka dessa samband kan vara ett första steg mot att optimera tillväxten av celler som används för cellterapi: en effektiv men väldigt dyr behandlingsmetod för cancer. Detta kan i slutändan leda till minskade tillverkningskostnader och en större tillgänglighet av behandlingen. All data genomgick först en ingående förberedande bearbetning för att erhålla användbara features som var uppdelade i batcher. Ett antal separata vidarebearbetningsmetoder tillämpades också för vidare analys. Därefter implementerades och evaluerades ett flertal olika maskininlärningsmetoder. Den bäst presterande modellen blev tränad på alla möjliga sensorkombinationer och medelabsolutfelet beräknades. Resul- taten visade att de implementerade maskininlärningsmodellerna inte hittade förutsägbara mönster mellan sensorinput och celltillväxt, då förutsägelserna inte följde tillväxtvariationerna och modellerna främst förutspådde den genomsnittliga celltillväxten. Trots resultatet bör möjligheten att ytterligare data kan gynna det använda tillvägagångssättet inte förkastas.

Introduktion: Hyalint brosk består av kondrocyter inbäddade i ett extracellulärt matrix som täcker alla kroppens synoviala leder. I dag är skador på hyalint brosk ett folkhälsoproblem med begränsade behandlingsmöjligheter. Mesenkymala stamceller har i flertalet studier visat sig vara en lovande kandidat för framtida behandling av broskskador, eftersom dessa kan differentiera till broskproducerande kondrocyter. Modern behandling av broskskador innefattar odling av patientens egna kondrocyter eller stamceller för att sedan återföra dem till broskskadan. För att göra detta effektivt behöver optimering av odlingsförhållanden för aktuella celler utföras. Syfte: Att undersöka tillväxt hos kondrocyter samt mesenkymala stromaceller från benmärg i varierande odlingsförhållanden, detta med avseende att utvärdera vilka tillsatser som mest gynnar cellernas viabilitet och proliferation. Material & Metod: Framtagning av kondrocyter och mesenkymala stromaceller från benmärg i denna studie utfördes på överblivet ortopediskt material från en individ. Cellerna kollagenasbehandlades innan de odlades ut i ett standardmedium under tre veckor. Därefter odlades de i närvaro av olika tillsatser under sex dagar. Cellernas viabilitet mättes genom relativ fluorescens med CellTiter-Blue® reagens medan proliferationen mättes genom cellräkning med flödescytometri. Resultat: Det fanns en signifikant skillnad (ANOVA, p<0,05) mellan minst två tillsatser inom grupperna för viabilitetsanalys samt cellräkning för både kondrocyter och benmärgderiverade mesenkymala stromaceller (BMMSC). Kondrocyterna som odlades i närvaro av fetalt bovint serum (FBS) hade högre proliferation och viabilitet än de celler som odlades i frånvaro av FBS. FBS i kombination med insulin-transferrin-selen (ITS) och kondrocytfaktorerna (KF) dexametason, prolin, insulin samt transforming growth factor beta hade störst positiv effekt på proliferationen. Vidare visade Minimum Essential Medium α med tillsats av FBS 10 % ha störst effekt, av den panel som undersöktes, på både viabilitet och proliferation hos BMMSC. Slutsats: FBS i kombination med ITS och KF hade störst stimulerande effekt på proliferation hos kondrocyter. Val av standardmedium hade större betydelse än tillsats av faktorer vid odling av BMMSC in vitro. / Introduction: Articular cartilage consists of chondrocytes and covers all the synovial joints in the body. Articular cartilage injuries are today a public health issue with limited orthopedic treatments. Mesenchymal stem cells have shown to be a promising candidate for future treatment of articular cartilage injuries due to their many abilities. Modern treatment of cartilage damage involves cultivation of the patient´s own chondrocytes and stem cells. To make this treatment as effective as possible the culture conditions for chondrocytes and stem cells must be optimized. Aim: To study cell growth in chondrocytes and mesenchymal stromal cells from bone marrow in varying culture conditions, this regarding to evaluate the most optimal culture conditions for cell viability and proliferation. Method: Cell extraction in this study was performed on leftover orthopedic material. The cells were treated with collagenase and then cultured in a standard medium for three weeks before they were cultured in presence of various factors for six days. Cell viability was measured by relative fluorescence while proliferation was measured by cell counting. Result: There was a statistically significant difference (ANOVA, p<0,05) between at least two additives within the groups for viability analysis and cell count for both chondrocytes and bone marrow-derived mesenchymal stromal cells (BMMSC). The chondrocytes cultured in presence of fetal bovine serum (FBS) had a higher proliferation and viability compared to the cells cultured in the absence of FBS. FBS in combination with insulin-transferrin-selenium (ITS) and the chondrocyte factors (CF) dexamethasone, proline, insulin and transforming growth factor beta had the biggest impact on proliferation. Minimum Essential Medium α with FBS 10% additive showed positive effects on both viability and proliferation of BMMSCs. Conclusion: FBS in combination with ITS and CF had a good effect on the proliferation of chondrocytes. The choice of standard medium seems to have a more important role than growth factor additive when studying BMMSCs expansion in vitro.