藥物靶點發(fā)現(xiàn)的傳統(tǒng)路徑，像在黑暗中摸索一個陌生房間?？茖W家提出一個假說——某個蛋白可能與疾病有關——然后設計實驗去驗證。轉染、過表達、敲低、純化、結合實驗、功能檢測。每一步都指向那個預設的靶點。這條路走得通，但走得窄。你只能看到你正在尋找的東西。

高內涵篩選提供了一條不同的路徑。它不預設靶點，而是先觀察現(xiàn)象：給細胞施加某種擾動（比如一個化合物、一段siRNA），然后看細胞變成什么樣。那些意想不到的形態(tài)變化——線粒體網(wǎng)絡斷裂、細胞核膨大、某個蛋白從膜上脫落——可能指向從未被關聯(lián)過的信號通路。從表型倒推靶點，這條路更寬，但過去很難走通，因為缺乏工具來捕捉和量化那些“意料之外”。

搭建實驗模型

第一步是選擇合適的細胞模型和檢測指標。靶點發(fā)現(xiàn)的篩選用不追求速度，更看重生物學相關性。一個常見策略是使用疾病模型細胞——例如攜帶特定基因突變的腫瘤細胞系、病人來源的iPSC分化神經(jīng)元、或三維培養(yǎng)的類器官。

CV8000高內涵篩選系統(tǒng)的介紹中提到了一個關鍵趨勢：藥物研發(fā)正從2D轉向3D和活細胞評估。類器官、器官芯片、共培養(yǎng)體系，這些更接近人體環(huán)境的模型正在成為主流。高內涵系統(tǒng)需要適配這些模型。CQ1明確支持對3D培養(yǎng)容器內的球體進行成像和量化分析，無需像流式細胞術那樣先把細胞從培養(yǎng)皿里取出來。對于厚樣本，CQ3000和CV8000配備的高數(shù)值孔徑水浸物鏡能穿透更深，拍出的圖像信噪比更高。

細胞繪畫（CellPainting）是靶點發(fā)現(xiàn)中常用的一種檢測方法。用六種熒光染料同時標記細胞核、內質網(wǎng)、高爾基體、線粒體、肌動蛋白和微管蛋白。一次實驗獲得六個通道的圖像，覆蓋細胞的主要結構。給細胞施以不同的小分子化合物，每個化合物都會留下獨特的形態(tài)學指紋。將這些指紋聚類分析，作用機制相似的化合物會聚在一起。如果某個已知藥物和未知化合物的指紋高度相關，后者可能作用于同一通路——靶點線索就此浮現(xiàn)。

執(zhí)行篩選

靶點發(fā)現(xiàn)篩選通常使用siRNA或CRISPR文庫，逐孔敲除不同的基因，然后觀察表型。一個全基因組siRNA文庫包含兩萬多個獨立干擾片段，分布在幾十塊384孔板中。手動操作不現(xiàn)實，自動化是剛需。

CV8000高內涵篩選系統(tǒng)集成了機器人移液器，可以在成像過程中自動添加試劑。對于需要動態(tài)觀察的實驗——比如監(jiān)測某個蛋白在基因敲除后的核轉位速度——這個功能很有價值。系統(tǒng)還支持通過搬運機器人與外部設備集成，構建全天候運行的自動化篩選平臺。

成像速度在多孔板篩選中至關重要。CV8000高內涵篩選系統(tǒng)最多可同時使用四個高靈敏度sCMOS相機，一個96孔板的一分鐘完成四色成像。CQ3000高內涵分析系統(tǒng)提供第二個攝像頭選項，支持同步雙波長檢測，將采集時間縮短近一半。

從圖像到靶點

篩選產(chǎn)生的不再是幾個數(shù)據(jù)點，而是海量的圖像集。以384孔板、每孔拍攝9個視野、每個視野數(shù)百個細胞計算，一塊板產(chǎn)生的單細胞數(shù)據(jù)輕松超過百萬行。每行記錄著數(shù)百個參數(shù)：核面積、細胞圓度、某個通道的紋理特征、兩個標記物的共定位系數(shù)。

CellPathfinder分析軟件內置了機器學習和深度學習模塊。研究者可以手動標注幾張具有某種表型的圖像，讓軟件學習特征，然后自動從整個數(shù)據(jù)集中識別同類對象。對于明場圖像這類無染色的樣本，CE明場功能通過計算增強輪廓，將灰度圖像轉化為可量化的細胞特征。

機器學習在靶點發(fā)現(xiàn)中的一個典型應用是“表型聚類”。某次篩選針對一個與神經(jīng)退行性疾病相關的表型——細胞質中出現(xiàn)異常的蛋白聚集體。軟件從每個孔中提取了超過200個參數(shù)，包括聚集體的數(shù)量、平均面積、形狀因子、與線粒體的空間關系等。將這些參數(shù)降維后繪制成散點圖，部分孔形成了一個獨立簇。簇內的siRNA靶向的基因集中在幾條通路上，其中一條從未被報道與蛋白聚集相關——一個新的候選靶點通路就此鎖定。

驗證與迭代

高內涵篩選給出的不是答案，而是線索。從篩選中走出的候選靶點，還需要用獨立方法驗證：CRISPR敲除后是否有同樣表型？在動物模型中是否有效？化合物與靶點的直接結合能否通過生化實驗證實？

但高內涵篩選的價值在于它拓寬了起點。過去，一個博士生可能花兩年時間盯著一個假設中的靶點，最終發(fā)現(xiàn)走不通?，F(xiàn)在，幾周的高內涵篩選可以同時評估數(shù)千個基因或化合物對細胞表型的影響，從數(shù)據(jù)中挑出最有希望的幾條線索，然后集中資源深入驗證。

CV8000高內涵篩選系統(tǒng)的說明中提到了一個概念——“彌合藥物研發(fā)過程中的死亡谷”。早期發(fā)現(xiàn)的候選靶點，很多在后期驗證中失敗，原因往往是基于過于簡化的篩選模型。高內涵篩選用更接近生理狀態(tài)的細胞模型、更豐富的表型讀數(shù)，提高了早期發(fā)現(xiàn)的命中質量。從看見表型，到鎖定靶點，再到開發(fā)藥物，這條路仍然漫長。但至少，起跑線被向前推進了一大步。