Cell Painting在腫瘤藥物篩選中的應(yīng)用：技術(shù)原理、現(xiàn)階段成果與前景
表型藥物篩選（Phenotypic Drug Discovery, PDD）通過(guò)在細(xì)胞或組織水平上觀察化合物對(duì)疾病表型的調(diào)控作用來(lái)發(fā)現(xiàn)新藥，尤其適用于多基因疾病或靶點(diǎn)不明確的腫瘤類型。與傳統(tǒng)靶向篩選相比，PDD 更易發(fā)現(xiàn)具有新機(jī)制的潛在藥物[1]。高內(nèi)涵篩選（High Content Screening, HCS）作為 PDD 的核心技術(shù)，通過(guò)自動(dòng)化顯微鏡獲取細(xì)胞圖像，并利用 AI 加持的圖像分析算法提取形態(tài)學(xué)特征，從而量化化合物效應(yīng)，在疾病模型的藥物篩選階段，提供出色的篩選速度和篩選能力。
Cell Painting 是當(dāng)前最常用的高內(nèi)涵形態(tài)學(xué)分析方案之一，由 Gustafsdottir 等人于 2013 年提出[2]。該技術(shù)使用六種熒光染料標(biāo)記八個(gè)細(xì)胞結(jié)構(gòu)（細(xì)胞核、核仁、內(nèi)質(zhì)網(wǎng)、線粒體、高爾基體、細(xì)胞膜、RNA 和細(xì)胞骨架），通過(guò)多通道成像獲取上千個(gè)形態(tài)特征，從而全面捕捉細(xì)胞狀態(tài)的變化[3]。Cell Painting 的優(yōu)勢(shì)在于其無(wú)需預(yù)設(shè)靶點(diǎn)，能夠發(fā)現(xiàn)未知機(jī)制化合物，并適用于多種細(xì)胞類型和擾動(dòng)方式。近年來(lái)，隨著圖像分析算法、深度學(xué)習(xí)方法和計(jì)算平臺(tái)的快速發(fā)展，Cell Painting 已在腫瘤機(jī)制研究、藥物發(fā)現(xiàn)和毒性預(yù)測(cè)等領(lǐng)域展現(xiàn)出廣泛的應(yīng)用價(jià)值，并且推動(dòng)了多種候選藥物進(jìn)入臨床或臨床前階段[4]。
本文將系統(tǒng)回顧 Cell Painting 技術(shù)的原理與進(jìn)展，重點(diǎn)闡述其在腫瘤研究中的應(yīng)用現(xiàn)狀，特別是在藥物篩選和機(jī)制解析方面的作用，并對(duì)當(dāng)前面臨的挑戰(zhàn)和未來(lái)發(fā)展方向進(jìn)行討論。
01
Cell Painting 技術(shù)原理與流程
Cell Painting 自提出以來(lái)歷經(jīng)十年發(fā)展，技術(shù)已經(jīng)過(guò)多個(gè)版本的更新，優(yōu)化了重復(fù)性與標(biāo)準(zhǔn)化流程，目前全球超 36 家學(xué)術(shù)機(jī)構(gòu)及 51 家企業(yè)采用。
標(biāo)準(zhǔn) Cell Painting 實(shí)驗(yàn)采用經(jīng)過(guò)優(yōu)化的染料組合方案：
Hoechst 33342 用于標(biāo)記細(xì)胞核，Concanavalin A-Alexa Fluor 488 特異性染色內(nèi)質(zhì)網(wǎng)，SYTO 14 顯示核仁與胞質(zhì) RNA 分布，Phalloidin（如 Alexa Fluor 568 或 750）標(biāo)記 F- 肌動(dòng)蛋白細(xì)胞骨架，Wheat Germ Agglutinin (WGA) - Alexa Fluor 555 揭示高爾基體與細(xì)胞膜結(jié)構(gòu)，MitoTracker Deep Red 則用于跟蹤線粒體。
成像過(guò)程通常使用高質(zhì)量物鏡，采集多通道 Z-stack 圖像，后續(xù)通過(guò)圖像處理軟件對(duì)多層圖像進(jìn)行投影或深度投影算法進(jìn)行分析處理，可獲取包括形態(tài)、紋理、強(qiáng)度等在內(nèi)的千余個(gè)特征，從而構(gòu)建高維形態(tài)譜[3]。
由于 Cell Painting 技術(shù)涉及樣本制備、染色、成像及數(shù)據(jù)分析等多個(gè)實(shí)驗(yàn)環(huán)節(jié)，各環(huán)節(jié)操作差異易影響結(jié)果穩(wěn)定性，為提升實(shí)驗(yàn)數(shù)據(jù)的可比性與重現(xiàn)性，國(guó)際合作組織 JUMP-CP（Joint Undertaking for Morphological Profiling – Cell Painting）通過(guò)構(gòu)建包含 90 種不同作用機(jī)制化合物的陽(yáng)性對(duì)照體系，首次實(shí)現(xiàn)了 Cell Painting 實(shí)驗(yàn)條件的系統(tǒng)性定量?jī)?yōu)化。
該優(yōu)化策略不僅有效提升了實(shí)驗(yàn)數(shù)據(jù)質(zhì)量，還顯著增強(qiáng)了不同檢測(cè)平臺(tái)間結(jié)果的一致性[5]。
早期的 Cell Painting 數(shù)據(jù)分析依賴于傳統(tǒng)的圖像處理軟件（如 CellProfiler），通過(guò)分割細(xì)胞和亞細(xì)胞結(jié)構(gòu)來(lái)提取形態(tài)特征。然而，這種方法在處理大規(guī)模數(shù)據(jù)時(shí)計(jì)算成本高、耗時(shí)長(zhǎng)。近年來(lái)，基于人工智能的深度學(xué)習(xí)方法的引入極大地提升了圖像分析的效率與準(zhǔn)確性。例如，Molecular Devices 公司的 IN Carta 分析軟件，能夠直接從原始圖像中提取特征，無(wú)需多步驟顯式分割，不僅在速度上具有優(yōu)勢(shì)，還在多通量藥物篩選任務(wù)中表現(xiàn)出比傳統(tǒng)方法更高的圖像分割以及分割后分類的準(zhǔn)確率。
02
Cell Painting 在腫瘤藥物篩選中的應(yīng)用
雖然 2D 細(xì)胞模型具有操作簡(jiǎn)便、成本較低的優(yōu)勢(shì)，但其在模擬腫瘤微環(huán)境復(fù)雜性、細(xì)胞間相互作用機(jī)制和藥物滲透性特性方面存在明顯局限。3D 細(xì)胞模型通過(guò)模擬體內(nèi)細(xì)胞外基質(zhì)結(jié)構(gòu)，構(gòu)建三維生長(zhǎng)微環(huán)境，可重現(xiàn)細(xì)胞間緊密連接、梯度營(yíng)養(yǎng)分布及細(xì)胞與基質(zhì)的相互作用，更貼近生理狀態(tài)下的細(xì)胞功能。其藥物滲透、代謝及毒性反應(yīng)評(píng)估結(jié)果與體內(nèi)實(shí)驗(yàn)相關(guān)性更高，能更精準(zhǔn)預(yù)測(cè)藥物在體療效與安全性，為臨床前藥物篩選提供更可靠的科學(xué)依據(jù)，助力提升藥物研發(fā)效率與成功率。盡管 Cell Painting 技術(shù)最初是針對(duì) 2D 細(xì)胞模型開發(fā)的，但近年來(lái)已有多項(xiàng)研究證實(shí)其在 3D 腫瘤模型中的成功應(yīng)用[6]。
其中，由 Molecular Devices、Tulane University 和 Protein Fluidics 聯(lián)合開展的一項(xiàng)研究，首次將 Cell Painting 技術(shù)應(yīng)用于 3D 腫瘤模型的藥物篩選。該研究從一名對(duì)傳統(tǒng)化療（阿霉素、環(huán)磷酰胺、紫杉醇）耐藥的三陰性乳腺癌患者體內(nèi)建立了 TU-BcX-4IC 細(xì)胞系，該細(xì)胞系代表了一種化生性乳腺癌伴有三陰性乳腺癌（TNBC）表型 [7]。通過(guò)將 2D 擴(kuò)增的細(xì)胞接種于 U 型底超低吸附 384 孔板中，成功形成了均勻的 3D 腫瘤球。利用 Molecular Devices 公司的 ImageXpress confocal 高內(nèi)涵成像系統(tǒng)搭配自動(dòng)化工作站，對(duì) 168 種 FDA 批準(zhǔn)的抗癌藥物進(jìn)行了五濃度篩選（10 nM 至 100 μM）。以 24 小時(shí)為時(shí)間間隔進(jìn)行明場(chǎng)和熒光成像，并利用 MetaXpress 和 IN Carta™ 分析軟件評(píng)估腫瘤球的大小、完整性和細(xì)胞活性。
Fig 2. Schematic diagram of the experimental workflow including generation of patient-derived cell line, formation of tumoroids in 384 well U-shape low attachment plates, compound treatment, staining, imaging and analysis [7]
該研究通過(guò) Cell Painting 的優(yōu)化方案（包括延長(zhǎng)染色時(shí)間、使用遠(yuǎn)紅色 Phalloidin 分離肌動(dòng)蛋白與高爾基體信號(hào)），成功獲取了 3D 腫瘤球的六通道熒光圖像，結(jié)合圖像的深度學(xué)習(xí)分割和數(shù)據(jù)分析，研究人員從每個(gè)腫瘤球中提取了 210 個(gè)形態(tài)特征，并利用分析軟件進(jìn)行主成分分析（PCA）和聚類分析，計(jì)算出每種藥物的表型距離分?jǐn)?shù)，以此評(píng)估藥物對(duì)腫瘤類器官的影響。結(jié)果顯示，該篩選體系成功識(shí)別出多種機(jī)制類別的活性化合物，包括組蛋白去乙�；敢种苿╮omidepsin、panobinostat）、蛋白酶體抑制劑（bortezomib、carfilzomib）和激酶抑制劑（trametinib、dasatinib）等。通過(guò)層次聚類分析，這些化合物根據(jù)其形態(tài)譜被分為不同的類別，與已知的作用機(jī)制（MoA）注釋高度一致。該研究還比較了 2D 與 3D 模型在藥物響應(yīng)方面的差異。結(jié)果顯示，對(duì)于某些化合物（如 carfilzomib、trametinib），3D 模型表現(xiàn)出更高的 EC50 值，提示其更好的耐藥性模擬能力。
03
Cell Painting 在表型活性與毒性預(yù)測(cè)的應(yīng)用
傳統(tǒng)的細(xì)胞健康評(píng)估方法通常依賴于單一指標(biāo)，如細(xì)胞活性或細(xì)胞死亡率，這些方法在反映細(xì)胞在復(fù)雜條件下的健康狀態(tài)方面存在局限性。相比之下，Cell Painting 作為一種基于圖像的形態(tài)學(xué)表型分析技術(shù)，通過(guò)多通道熒光成像多種細(xì)胞組分，能夠提供細(xì)胞的多維度形態(tài)特征，從而更全面地反映細(xì)胞的健康狀態(tài)。有研究利用 Cell Painting 技術(shù)對(duì)經(jīng)不同化合物處理的細(xì)胞進(jìn)行多通道熒光成像，該技術(shù)通過(guò)標(biāo)記六種細(xì)胞器結(jié)構(gòu)，生成了高達(dá)每細(xì)胞 1700 個(gè)維度的豐富形態(tài)學(xué)特征譜。
隨后，他們進(jìn)一步采集了與之匹配的、由特定熒光報(bào)告基因測(cè)定的細(xì)胞健康表型數(shù)據(jù)，并以此作為機(jī)器學(xué)習(xí)模型的訓(xùn)練標(biāo)簽。通過(guò)數(shù)學(xué)統(tǒng)計(jì)算法，成功構(gòu)建了包括死細(xì)胞比例（R²=0.62）、S期細(xì)胞數(shù)量（R²=0.64）和凋亡細(xì)胞百分比（R²=0.37）等多種細(xì)胞健康表型[8]。Cell Painting 技術(shù)不僅能夠識(shí)別有效化合物，還能在早期篩選階段有效排除具有潛在毒性的候選分子，從而顯著降低藥物研發(fā)后期失敗的風(fēng)險(xiǎn)。
04
Cell painting 技術(shù)的挑戰(zhàn)與未來(lái)
盡管 Cell Painting 在腫瘤藥物篩選中展現(xiàn)出巨大潛力，但其進(jìn)一步發(fā)展仍面臨若干挑戰(zhàn)。Cell Painting 生成的高維數(shù)據(jù)雖然信息豐富，但如何將其轉(zhuǎn)化為具有生物學(xué)意義的見(jiàn)解仍是一大難題。許多形態(tài)特征缺乏直觀的生物學(xué)解釋，且不同特征之間可能存在高度共線性。同時(shí)，生物學(xué)模型也進(jìn)入高速發(fā)展階段，目前比 2D 細(xì)胞更具有仿生性的 3D 細(xì)胞模型已逐漸走入更多的實(shí)驗(yàn)室，但是為了追求更加仿生且穩(wěn)定的體外模型，科學(xué)家們正致力于構(gòu)建更復(fù)雜、更加多元化的類器官及類器官共培養(yǎng)體系。但是 3D 環(huán)境中的光散射、熒光淬滅和細(xì)胞重疊等問(wèn)題增加了圖像采集與分析的難度。當(dāng)前多數(shù)研究仍依賴于 2D 投影而非真正的 3D 重建，可能導(dǎo)致信息丟失或誤解。開發(fā)更先進(jìn)的 3D 圖像采集技術(shù)、3D 信息重構(gòu)技術(shù)和深度學(xué)習(xí)分割算法，將有助于提升 3D Cell Painting 的數(shù)據(jù)質(zhì)量與分析精度。另外如前文所述，Cell Painting 涉及多個(gè)步驟，需要更多例如 JUMP-CP 等研究組織以及更多的實(shí)驗(yàn)室，建立標(biāo)準(zhǔn)化的操作流程和數(shù)據(jù)處理方法，施以更多努力以實(shí)現(xiàn)真正的數(shù)據(jù)互通與整合。
05
討論
Cell Painting 作為一種高通量、多參數(shù)、無(wú)偏的細(xì)胞表型分析技術(shù)，已成為腫瘤藥物篩選和機(jī)制研究的重要工具。
通過(guò)全面捕捉細(xì)胞在擾動(dòng)下的形態(tài)變化，它不僅能夠預(yù)測(cè)化合物的作用機(jī)制和毒性，還能揭示新的生物學(xué)見(jiàn)解和治療靶點(diǎn)。
隨著 3D 模型、深度學(xué)習(xí)技術(shù)和多模態(tài)數(shù)據(jù)整合方法的不斷發(fā)展，Cell Painting 有望在個(gè)性化醫(yī)療和精準(zhǔn)腫瘤學(xué)中發(fā)揮越來(lái)越重要的作用。
然而，要實(shí)現(xiàn)其全部潛力，仍需在數(shù)據(jù)解讀、標(biāo)準(zhǔn)化和技術(shù)創(chuàng)新方面取得進(jìn)一步突破。
相關(guān)產(chǎn)品鏈接：
ImageXpress HCS.ai 智能高內(nèi)涵成像分析系統(tǒng)
參考文獻(xiàn)
[1] Swinney DC, Anthony J. How were new medicines discovered? Nat Rev Drug Discov. 2011 Jun.
[2] Gustafsdottir SM, Ljosa V, Sokolnicki KL, Anthony Wilson J, et.al. Multiplex cytological profiling assay to measure diverse cellular states. PLoS One. 2013 Dec.
[3] Bray MA, Singh S, Han H, Davis CT, et.al. Cell Painting, a high-content image-based assay for morphological profiling using multiplexed fluorescent dyes. Nat Protoc. 2016 Sep.
[4] Seal S, Trapotsi MA, Spjuth O, et.al. Cell Painting: a decade of discovery and innovation in cellular imaging. Nat Methods. 2025 Feb.
[5] Cimini BA, Chandrasekaran SN, Kost-Alimova M, et.al. Optimizing the Cell Painting assay for image-based profiling. Nat Protoc. 2023 Jul.
[6] Imamura Y, Mukohara T, Shimono Y, et.al. Comparison of 2D- and 3D-culture models as drug-testing platforms in breast cancer. Oncol Rep. 2015 Apr.
[7] Oksana Sirenko, Courtney K Brock, Angeline Lim, et.al. Evaluating Drug Response in 3D Triple Negative Breast Cancer Tumoroids with High Content Imaging and Analysis. Research Square. 2022 Aust.
[8] Way GP, Kost-Alimova M, Shibue T, et.al. Predicting cell health phenotypes using image-based morphology profiling. Mol Biol Cell. 2021 Apr.
Cell Painting 是當(dāng)前最常用的高內(nèi)涵形態(tài)學(xué)分析方案之一，由 Gustafsdottir 等人于 2013 年提出[2]。該技術(shù)使用六種熒光染料標(biāo)記八個(gè)細(xì)胞結(jié)構(gòu)（細(xì)胞核、核仁、內(nèi)質(zhì)網(wǎng)、線粒體、高爾基體、細(xì)胞膜、RNA 和細(xì)胞骨架），通過(guò)多通道成像獲取上千個(gè)形態(tài)特征，從而全面捕捉細(xì)胞狀態(tài)的變化[3]。Cell Painting 的優(yōu)勢(shì)在于其無(wú)需預(yù)設(shè)靶點(diǎn)，能夠發(fā)現(xiàn)未知機(jī)制化合物，并適用于多種細(xì)胞類型和擾動(dòng)方式。近年來(lái)，隨著圖像分析算法、深度學(xué)習(xí)方法和計(jì)算平臺(tái)的快速發(fā)展，Cell Painting 已在腫瘤機(jī)制研究、藥物發(fā)現(xiàn)和毒性預(yù)測(cè)等領(lǐng)域展現(xiàn)出廣泛的應(yīng)用價(jià)值，并且推動(dòng)了多種候選藥物進(jìn)入臨床或臨床前階段[4]。
本文將系統(tǒng)回顧 Cell Painting 技術(shù)的原理與進(jìn)展，重點(diǎn)闡述其在腫瘤研究中的應(yīng)用現(xiàn)狀，特別是在藥物篩選和機(jī)制解析方面的作用，并對(duì)當(dāng)前面臨的挑戰(zhàn)和未來(lái)發(fā)展方向進(jìn)行討論。
01
Cell Painting 技術(shù)原理與流程
Cell Painting 自提出以來(lái)歷經(jīng)十年發(fā)展，技術(shù)已經(jīng)過(guò)多個(gè)版本的更新，優(yōu)化了重復(fù)性與標(biāo)準(zhǔn)化流程，目前全球超 36 家學(xué)術(shù)機(jī)構(gòu)及 51 家企業(yè)采用。
標(biāo)準(zhǔn) Cell Painting 實(shí)驗(yàn)采用經(jīng)過(guò)優(yōu)化的染料組合方案：
Hoechst 33342 用于標(biāo)記細(xì)胞核，Concanavalin A-Alexa Fluor 488 特異性染色內(nèi)質(zhì)網(wǎng)，SYTO 14 顯示核仁與胞質(zhì) RNA 分布，Phalloidin（如 Alexa Fluor 568 或 750）標(biāo)記 F- 肌動(dòng)蛋白細(xì)胞骨架，Wheat Germ Agglutinin (WGA) - Alexa Fluor 555 揭示高爾基體與細(xì)胞膜結(jié)構(gòu)，MitoTracker Deep Red 則用于跟蹤線粒體。
成像過(guò)程通常使用高質(zhì)量物鏡，采集多通道 Z-stack 圖像，后續(xù)通過(guò)圖像處理軟件對(duì)多層圖像進(jìn)行投影或深度投影算法進(jìn)行分析處理，可獲取包括形態(tài)、紋理、強(qiáng)度等在內(nèi)的千余個(gè)特征，從而構(gòu)建高維形態(tài)譜[3]。
由于 Cell Painting 技術(shù)涉及樣本制備、染色、成像及數(shù)據(jù)分析等多個(gè)實(shí)驗(yàn)環(huán)節(jié)，各環(huán)節(jié)操作差異易影響結(jié)果穩(wěn)定性，為提升實(shí)驗(yàn)數(shù)據(jù)的可比性與重現(xiàn)性，國(guó)際合作組織 JUMP-CP（Joint Undertaking for Morphological Profiling – Cell Painting）通過(guò)構(gòu)建包含 90 種不同作用機(jī)制化合物的陽(yáng)性對(duì)照體系，首次實(shí)現(xiàn)了 Cell Painting 實(shí)驗(yàn)條件的系統(tǒng)性定量?jī)?yōu)化。
該優(yōu)化策略不僅有效提升了實(shí)驗(yàn)數(shù)據(jù)質(zhì)量，還顯著增強(qiáng)了不同檢測(cè)平臺(tái)間結(jié)果的一致性[5]。
Fig 1. Morphological profiling using the Cell Painting assay [4]. A) Schematic representation of Cell Painting assay. B) Imaging and segmentation. C) Deep learning-based methods are applied to measure or calculate morphological features from the images. D) Downstream analysis. E) BODIPY to mark lipid droplets in lipid-accumulating cells. F) Coronavirus antibody against human coronavirus 229E (CoV-229E) viral protein
早期的 Cell Painting 數(shù)據(jù)分析依賴于傳統(tǒng)的圖像處理軟件（如 CellProfiler），通過(guò)分割細(xì)胞和亞細(xì)胞結(jié)構(gòu)來(lái)提取形態(tài)特征。然而，這種方法在處理大規(guī)模數(shù)據(jù)時(shí)計(jì)算成本高、耗時(shí)長(zhǎng)。近年來(lái)，基于人工智能的深度學(xué)習(xí)方法的引入極大地提升了圖像分析的效率與準(zhǔn)確性。例如，Molecular Devices 公司的 IN Carta 分析軟件，能夠直接從原始圖像中提取特征，無(wú)需多步驟顯式分割，不僅在速度上具有優(yōu)勢(shì)，還在多通量藥物篩選任務(wù)中表現(xiàn)出比傳統(tǒng)方法更高的圖像分割以及分割后分類的準(zhǔn)確率。
Video 1. Six cell painting assays being acquired using MetaXpress Acquire (Molecular Devices) at 20x magnification on a 84 well plate
02
Cell Painting 在腫瘤藥物篩選中的應(yīng)用
雖然 2D 細(xì)胞模型具有操作簡(jiǎn)便、成本較低的優(yōu)勢(shì)，但其在模擬腫瘤微環(huán)境復(fù)雜性、細(xì)胞間相互作用機(jī)制和藥物滲透性特性方面存在明顯局限。3D 細(xì)胞模型通過(guò)模擬體內(nèi)細(xì)胞外基質(zhì)結(jié)構(gòu)，構(gòu)建三維生長(zhǎng)微環(huán)境，可重現(xiàn)細(xì)胞間緊密連接、梯度營(yíng)養(yǎng)分布及細(xì)胞與基質(zhì)的相互作用，更貼近生理狀態(tài)下的細(xì)胞功能。其藥物滲透、代謝及毒性反應(yīng)評(píng)估結(jié)果與體內(nèi)實(shí)驗(yàn)相關(guān)性更高，能更精準(zhǔn)預(yù)測(cè)藥物在體療效與安全性，為臨床前藥物篩選提供更可靠的科學(xué)依據(jù)，助力提升藥物研發(fā)效率與成功率。盡管 Cell Painting 技術(shù)最初是針對(duì) 2D 細(xì)胞模型開發(fā)的，但近年來(lái)已有多項(xiàng)研究證實(shí)其在 3D 腫瘤模型中的成功應(yīng)用[6]。
其中，由 Molecular Devices、Tulane University 和 Protein Fluidics 聯(lián)合開展的一項(xiàng)研究，首次將 Cell Painting 技術(shù)應(yīng)用于 3D 腫瘤模型的藥物篩選。該研究從一名對(duì)傳統(tǒng)化療（阿霉素、環(huán)磷酰胺、紫杉醇）耐藥的三陰性乳腺癌患者體內(nèi)建立了 TU-BcX-4IC 細(xì)胞系，該細(xì)胞系代表了一種化生性乳腺癌伴有三陰性乳腺癌（TNBC）表型 [7]。通過(guò)將 2D 擴(kuò)增的細(xì)胞接種于 U 型底超低吸附 384 孔板中，成功形成了均勻的 3D 腫瘤球。利用 Molecular Devices 公司的 ImageXpress confocal 高內(nèi)涵成像系統(tǒng)搭配自動(dòng)化工作站，對(duì) 168 種 FDA 批準(zhǔn)的抗癌藥物進(jìn)行了五濃度篩選（10 nM 至 100 μM）。以 24 小時(shí)為時(shí)間間隔進(jìn)行明場(chǎng)和熒光成像，并利用 MetaXpress 和 IN Carta™ 分析軟件評(píng)估腫瘤球的大小、完整性和細(xì)胞活性。
Fig 2. Schematic diagram of the experimental workflow including generation of patient-derived cell line, formation of tumoroids in 384 well U-shape low attachment plates, compound treatment, staining, imaging and analysis [7]
該研究通過(guò) Cell Painting 的優(yōu)化方案（包括延長(zhǎng)染色時(shí)間、使用遠(yuǎn)紅色 Phalloidin 分離肌動(dòng)蛋白與高爾基體信號(hào)），成功獲取了 3D 腫瘤球的六通道熒光圖像，結(jié)合圖像的深度學(xué)習(xí)分割和數(shù)據(jù)分析，研究人員從每個(gè)腫瘤球中提取了 210 個(gè)形態(tài)特征，并利用分析軟件進(jìn)行主成分分析（PCA）和聚類分析，計(jì)算出每種藥物的表型距離分?jǐn)?shù)，以此評(píng)估藥物對(duì)腫瘤類器官的影響。結(jié)果顯示，該篩選體系成功識(shí)別出多種機(jī)制類別的活性化合物，包括組蛋白去乙�；敢种苿╮omidepsin、panobinostat）、蛋白酶體抑制劑（bortezomib、carfilzomib）和激酶抑制劑（trametinib、dasatinib）等。通過(guò)層次聚類分析，這些化合物根據(jù)其形態(tài)譜被分為不同的類別，與已知的作用機(jī)制（MoA）注釋高度一致。該研究還比較了 2D 與 3D 模型在藥物響應(yīng)方面的差異。結(jié)果顯示，對(duì)于某些化合物（如 carfilzomib、trametinib），3D 模型表現(xiàn)出更高的 EC50 值，提示其更好的耐藥性模擬能力。
Fig 3.The Cell Painting assay modified for 3D spheroids. A) Spheroids were labeled with phalloidin,MitoTracker, WGA, SYTO 14, concanavalin A and Hoechst 33342. B) Scatterplot representing the phenotypic distance score for each compound is shown. C) Results of cluster analysis are represented as a hierarchical dendrogram. D) Example images grouped by cluster from the Cell Painting assay
03
Cell Painting 在表型活性與毒性預(yù)測(cè)的應(yīng)用
傳統(tǒng)的細(xì)胞健康評(píng)估方法通常依賴于單一指標(biāo)，如細(xì)胞活性或細(xì)胞死亡率，這些方法在反映細(xì)胞在復(fù)雜條件下的健康狀態(tài)方面存在局限性。相比之下，Cell Painting 作為一種基于圖像的形態(tài)學(xué)表型分析技術(shù)，通過(guò)多通道熒光成像多種細(xì)胞組分，能夠提供細(xì)胞的多維度形態(tài)特征，從而更全面地反映細(xì)胞的健康狀態(tài)。有研究利用 Cell Painting 技術(shù)對(duì)經(jīng)不同化合物處理的細(xì)胞進(jìn)行多通道熒光成像，該技術(shù)通過(guò)標(biāo)記六種細(xì)胞器結(jié)構(gòu)，生成了高達(dá)每細(xì)胞 1700 個(gè)維度的豐富形態(tài)學(xué)特征譜。
隨后，他們進(jìn)一步采集了與之匹配的、由特定熒光報(bào)告基因測(cè)定的細(xì)胞健康表型數(shù)據(jù)，并以此作為機(jī)器學(xué)習(xí)模型的訓(xùn)練標(biāo)簽。通過(guò)數(shù)學(xué)統(tǒng)計(jì)算法，成功構(gòu)建了包括死細(xì)胞比例（R²=0.62）、S期細(xì)胞數(shù)量（R²=0.64）和凋亡細(xì)胞百分比（R²=0.37）等多種細(xì)胞健康表型[8]。Cell Painting 技術(shù)不僅能夠識(shí)別有效化合物，還能在早期篩選階段有效排除具有潛在毒性的候選分子，從而顯著降低藥物研發(fā)后期失敗的風(fēng)險(xiǎn)。
04
Cell painting 技術(shù)的挑戰(zhàn)與未來(lái)
盡管 Cell Painting 在腫瘤藥物篩選中展現(xiàn)出巨大潛力，但其進(jìn)一步發(fā)展仍面臨若干挑戰(zhàn)。Cell Painting 生成的高維數(shù)據(jù)雖然信息豐富，但如何將其轉(zhuǎn)化為具有生物學(xué)意義的見(jiàn)解仍是一大難題。許多形態(tài)特征缺乏直觀的生物學(xué)解釋，且不同特征之間可能存在高度共線性。同時(shí)，生物學(xué)模型也進(jìn)入高速發(fā)展階段，目前比 2D 細(xì)胞更具有仿生性的 3D 細(xì)胞模型已逐漸走入更多的實(shí)驗(yàn)室，但是為了追求更加仿生且穩(wěn)定的體外模型，科學(xué)家們正致力于構(gòu)建更復(fù)雜、更加多元化的類器官及類器官共培養(yǎng)體系。但是 3D 環(huán)境中的光散射、熒光淬滅和細(xì)胞重疊等問(wèn)題增加了圖像采集與分析的難度。當(dāng)前多數(shù)研究仍依賴于 2D 投影而非真正的 3D 重建，可能導(dǎo)致信息丟失或誤解。開發(fā)更先進(jìn)的 3D 圖像采集技術(shù)、3D 信息重構(gòu)技術(shù)和深度學(xué)習(xí)分割算法，將有助于提升 3D Cell Painting 的數(shù)據(jù)質(zhì)量與分析精度。另外如前文所述，Cell Painting 涉及多個(gè)步驟，需要更多例如 JUMP-CP 等研究組織以及更多的實(shí)驗(yàn)室，建立標(biāo)準(zhǔn)化的操作流程和數(shù)據(jù)處理方法，施以更多努力以實(shí)現(xiàn)真正的數(shù)據(jù)互通與整合。
05
討論
Cell Painting 作為一種高通量、多參數(shù)、無(wú)偏的細(xì)胞表型分析技術(shù)，已成為腫瘤藥物篩選和機(jī)制研究的重要工具。
通過(guò)全面捕捉細(xì)胞在擾動(dòng)下的形態(tài)變化，它不僅能夠預(yù)測(cè)化合物的作用機(jī)制和毒性，還能揭示新的生物學(xué)見(jiàn)解和治療靶點(diǎn)。
隨著 3D 模型、深度學(xué)習(xí)技術(shù)和多模態(tài)數(shù)據(jù)整合方法的不斷發(fā)展，Cell Painting 有望在個(gè)性化醫(yī)療和精準(zhǔn)腫瘤學(xué)中發(fā)揮越來(lái)越重要的作用。
然而，要實(shí)現(xiàn)其全部潛力，仍需在數(shù)據(jù)解讀、標(biāo)準(zhǔn)化和技術(shù)創(chuàng)新方面取得進(jìn)一步突破。
相關(guān)產(chǎn)品鏈接：
ImageXpress HCS.ai 智能高內(nèi)涵成像分析系統(tǒng)
參考文獻(xiàn)
[1] Swinney DC, Anthony J. How were new medicines discovered? Nat Rev Drug Discov. 2011 Jun.
[2] Gustafsdottir SM, Ljosa V, Sokolnicki KL, Anthony Wilson J, et.al. Multiplex cytological profiling assay to measure diverse cellular states. PLoS One. 2013 Dec.
[3] Bray MA, Singh S, Han H, Davis CT, et.al. Cell Painting, a high-content image-based assay for morphological profiling using multiplexed fluorescent dyes. Nat Protoc. 2016 Sep.
[4] Seal S, Trapotsi MA, Spjuth O, et.al. Cell Painting: a decade of discovery and innovation in cellular imaging. Nat Methods. 2025 Feb.
[5] Cimini BA, Chandrasekaran SN, Kost-Alimova M, et.al. Optimizing the Cell Painting assay for image-based profiling. Nat Protoc. 2023 Jul.
[6] Imamura Y, Mukohara T, Shimono Y, et.al. Comparison of 2D- and 3D-culture models as drug-testing platforms in breast cancer. Oncol Rep. 2015 Apr.
[7] Oksana Sirenko, Courtney K Brock, Angeline Lim, et.al. Evaluating Drug Response in 3D Triple Negative Breast Cancer Tumoroids with High Content Imaging and Analysis. Research Square. 2022 Aust.
[8] Way GP, Kost-Alimova M, Shibue T, et.al. Predicting cell health phenotypes using image-based morphology profiling. Mol Biol Cell. 2021 Apr.
- 乳腺癌外泌體研究新突破：CD133+外泌體增強(qiáng)細(xì)胞遷移
- 細(xì)胞轉(zhuǎn)染助力解析免疫信號(hào)通路和細(xì)胞功能機(jī)制
- 活細(xì)胞成像技術(shù)助力細(xì)胞毒性研究例
- 活細(xì)胞成像儀在胚胎發(fā)育研究中的應(yīng)用
- 實(shí)時(shí)捕捉NK細(xì)胞獵殺腫瘤:3D芯片+Celloger用于觀察監(jiān)測(cè)trNK細(xì)胞
- 無(wú)標(biāo)記活細(xì)胞成像技術(shù)應(yīng)用于高時(shí)空分辨率捕捉蛋白結(jié)構(gòu)變化
- 人類成骨肉瘤細(xì)胞系——U-2 OS的培養(yǎng)及常見(jiàn)應(yīng)用領(lǐng)域
- 外泌體藥物遞送結(jié)合細(xì)胞電轉(zhuǎn)染系統(tǒng)重塑藥物遞送未來(lái)
- 華威中儀推出O2K高精度能量代謝分析儀集文有禮活動(dòng)
- 瑞孚迪聯(lián)合發(fā)起“生物醫(yī)藥新范式創(chuàng)新聯(lián)盟”正式成立
- 2026山西科學(xué)儀器及實(shí)驗(yàn)室裝備展覽會(huì)通知
- 2026中國(guó)生命科學(xué)大會(huì)暨中國(guó)生命科學(xué)博覽會(huì)通知
- 安捷倫推出21 CFR Part 11實(shí)時(shí)細(xì)胞分析合規(guī)軟件
- CBIC 2026細(xì)胞生物產(chǎn)業(yè)大會(huì)邀請(qǐng)函
- MD CellXpress.ai類器官工作站落戶加大洛杉磯分校
- 安捷倫向加州大學(xué)戴維斯分校授予安捷倫思想領(lǐng)袖獎(jiǎng)
Copyright(C) 1998-2026 生物器材網(wǎng) 電話：021-64166852;13621656896 E-mail：info@bio-equip.com