[go: up one dir, main page]

CN118518565A - 基于成像流式细胞术的高通量药物筛选方法 - Google Patents

基于成像流式细胞术的高通量药物筛选方法 Download PDF

Info

Publication number
CN118518565A
CN118518565A CN202310114892.7A CN202310114892A CN118518565A CN 118518565 A CN118518565 A CN 118518565A CN 202310114892 A CN202310114892 A CN 202310114892A CN 118518565 A CN118518565 A CN 118518565A
Authority
CN
China
Prior art keywords
cell
cells
drug
image
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310114892.7A
Other languages
English (en)
Inventor
赵精晶
杜琳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Elf Life Sciences (Wuhan) Co.,Ltd.
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Priority to CN202310114892.7A priority Critical patent/CN118518565A/zh
Priority to EP23922317.5A priority patent/EP4667902A1/en
Priority to PCT/CN2023/123195 priority patent/WO2024169199A1/zh
Publication of CN118518565A publication Critical patent/CN118518565A/zh
Priority to US19/298,255 priority patent/US20260002862A1/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1434—Optical arrangements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1404—Handling flow, e.g. hydrodynamic focusing
    • G01N15/1409—Handling samples, e.g. injecting samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/149—Optical investigation techniques, e.g. flow cytometry specially adapted for sorting particles, e.g. by their size or optical properties
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/58—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances
    • G01N33/582—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving labelled substances with fluorescent label
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1434—Optical arrangements
    • G01N2015/144—Imaging characterised by its optical setup
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2500/00—Screening for compounds of potential therapeutic value
    • G01N2500/10—Screening for compounds of potential therapeutic value involving cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids

Landscapes

  • Chemical & Material Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Dispersion Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Medicinal Chemistry (AREA)
  • Food Science & Technology (AREA)
  • Microbiology (AREA)
  • Cell Biology (AREA)
  • Biotechnology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明涉及仪器分析技术领域，具体涉及一种基于成像流式细胞术的高通量药物筛选方法。本发明提供的高通量药物筛选方法包括细胞培育、细胞染色、借助流式细胞仪获取单细胞影像、影像提取与分析。此方法结合了流式细胞术的高通量优点和显微镜的成像能力，能够高通量地生成多通道的单细胞影像，实现在102‑105个细胞每秒的通量下完成对单一细胞的荧光影像和无标记影像采集，可用于细胞表型药物筛选，并将筛选效率提升102‑104倍。

Description

基于成像流式细胞术的高通量药物筛选方法
技术领域
本发明涉及仪器分析技术领域，特别涉及一种基于成像流式细胞术的高通量药物筛选方法。
背景技术
药物筛选常用的方法是基于细胞的表型筛选，现有的细胞表型药物筛选方案中，一般是先通过流式细胞仪进行高通量初选，而后再通过高分辨率荧光显微镜完成精准分析。流式细胞仪能够实现对生物微粒的高通量检测，检测通量范围达到103-105微粒每秒，可以检测生物微粒的散射光和荧光信号。同时，流式细胞仪具有较高的并行检测能力，例如最先进的光谱流式细胞仪的并行检测能力能达到64个荧光通道，常规流式细胞仪也有4-14个荧光通道和前向与侧向两个散射光通道。但流式细胞仪不具备二维的空间分辨力或成像能力，无法获取细胞的形态学信息。因而，现有的细胞表型药物筛选方案中必须借助高分辨率荧光显微镜完成精准分析，但荧光显微镜的单次成像视场内的细胞数量极为有限，一般为几十个细胞/视场，限制了细胞表型药物筛选的速度。因此目前亟需提供一种可实现高通量药物筛选的方法。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提供一种基于成像流式细胞术的高通量药物筛选方法，具体包括对细胞进行候选药物的处理、进行荧光标记、通过流式细胞仪获取单细胞影像、对单细胞影像进行提取和分析。
为此，本发明提供一种高通量药物筛选方法，所述方法包括：
(1)对待检测细胞分别进行不同候选药物的处理；
(2)对步骤(1)中得到的候选药物处理后的细胞进行荧光标记，制成细胞悬浮液；
(3)将步骤(2)中得到的细胞悬浮液置于成像流式细胞仪流道中进行检测，获取单细胞影像；
(4)对步骤(3)中得到的单细胞影像进行信息提取，并基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物。
成像流式细胞仪是近年来新发展的生物微粒分析技术，通过将流式技术和高速显微技术相结合，实现了对高速流动状态下的生物微粒的多通道荧光和散射光成像，具备传统流式的高通量特性和显微成像的二维空间分辨能力。本发明将成像流式细胞术用于细胞表型药物筛选，能够高通量地生成多通道的单细胞影像，进而将筛选效率提升102-104倍。
根据本发明的实施例，步骤(2)中所述荧光标记包括无区别标记和/或特异性标记；
其中，所述无区别标记包括对所述候选药物处理后的细胞采用统一的荧光标记方案；
所述特异性标记包括对所述候选药物处理后的细胞根据先验知识设定的表型差异进行选择性荧光标记。
根据本发明的实施例，所述统一的荧光标记方案包括统一对所有候选药物处理后的细胞的细胞核、核仁、内质网、高尔基体、细胞膜、线粒体分别标记不同的荧光。
根据本发明的实施例，根据先验知识设定的表型差异进行选择性荧光标记包括对细胞表面或细胞内部的特异性蛋白进行荧光标记。
本发明可对细胞成分和细胞器(如细胞膜、细胞核、内质网、高尔基体、核仁、肌动蛋白、线粒体)进行荧光标记，实现对细胞成分和细胞器的识别。其中通过无区别标记得到的无标记影像，包括明场、暗场和散射场，能够测量的细胞整体形貌、尺寸、粒度；通过特异性标记，例如对某些细胞成分或细胞器进行荧光标记，可得到其荧光图像，进而得到相应的影像信息。
根据本发明的实施例，步骤(3)中所述单细胞影像包括细胞的荧光图像和无标记影像。
根据本发明的实施例，步骤(4)中从单细胞影像提取的信息包括选自细胞器、细胞成分、遗传物质、细胞形态、细胞器分布、蛋白表达、细胞核大小、细胞形态学信息、细胞纹理中的至少之一。
根据本发明的实施例，所述分析结果包括选自细胞增殖情况、细胞凋亡情况、细胞蛋白表达、细胞健康情况、药物对非目标细胞的毒性、药物对目标细胞的杀伤效果中的至少之一。
本发明从影像中所提取的信息包含细胞器、细胞成分、遗传物质、细胞形态、细胞器分布、蛋白表达、细胞核大小、细胞形态学信息、细胞纹理等信息，相应的分析涉及细胞的不同方面，例如细胞增殖情况、细胞凋亡情况、细胞蛋白表达、细胞健康情况、药物对非目标细胞的毒性、药物对目标细胞的杀伤效果等。
根据本发明的实施例，步骤(3)中所述成像流式细胞仪流道中液流的中心流动速度为0.1-20m/s。
根据本发明的实施例，所述基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物通过以下方法实现：
方法一：(1)利用所述提取的信息构建数据集，通过AI算法学习所述数据集获得所述单细胞影像中的细胞器和分子信息的形态、空间分布和表达情况；
(2)对步骤(1)中得到的细胞器和分子信息的形态、空间分布和表达情况进行定性与定量分析，设定预设条件自动筛选出符合预定要求的药物；
或方法二：(A)通过AI算法对所述提取的信息进行分析后自动完成对所测细胞的分群；
(B)根据步骤(A)中得到的分群结果以及相对应的单细胞影像，人为分析后筛选出符合预定要求的药物。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1显示了本发明基于成像流式细胞术的高通量药物筛选流程；
图2显示了本发明实施例1中通过分析细胞周期影像确定药物对癌细胞增殖的阻断效果；
图3显示了本发明实施例2中基于成像流式细胞术建立表型数据组合的流程；
图4显示了本发明实施例2中基于表型数据组合和评价算法筛选最佳药物的流程。
具体实施方式
下面详细描述本发明的实施例。下面描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
需要说明的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。进一步地，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
在本文中所披露的范围的端点和任何值都不限于该精确的范围或值，这些范围或值应当理解为包含接近这些范围或值的值。对于数值范围来说，各个范围的端点值之间、各个范围的端点值和单独的点值之间，以及单独的点值之间可以彼此组合而得到一个或多个新的数值范围，这些数值范围应被视为在本文中具体公开。
为了更容易理解本发明，以下具体定义了某些技术和科学术语。除显而易见在本文件中的它处另有明确定义，否则本文中使用的所有其它技术和科学术语都具有本发明所属领域的一般技术人员通常理解的含义。
在本文中，术语“包含”或“包括”为开放式表达，即包括本发明所指明的内容，但并不排除其他方面的内容。
根据本发明一个具体的实施方案，本发明提供一种高通量药物筛选方法，包括：
(1)对待检测细胞分别进行不同候选药物的处理；
(2)对步骤(1)中得到的候选药物处理后的细胞进行荧光标记，制成细胞悬浮液；
(3)将步骤(2)中得到的细胞悬浮液置于成像流式细胞仪流道中进行检测，获取单细胞影像；
(4)对步骤(3)中得到的单细胞影像进行信息提取，并基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物。
根据本发明一个具体的实施方案，所述“对待检测细胞分别进行不同候选药物的处理”中的待检测细胞可以是同一类型的细胞，也可以是不同类型的细胞。以肺癌细胞为例，针对肺癌细胞分别利用不同的候选药物进行处理可筛选出符合要求的药物，同时将筛选出的药物作用于不同细胞可测定该药物的特异性，以及将该药物作用于肺癌细胞和健康细胞以测定该药物对健康细胞的毒性。本发明基于成像流式细胞仪能够实现高通量的药物筛选，既能够针对同一种细胞进行多种候选药物的筛选，获得合适的药物；也可以同时进行不同细胞类型进行多种候选药物的筛选，获得针对不同细胞类型的合适的药物。根据本发明一个具体的实施方案，所述荧光标记包括无区别标记和/或特异性标记；
其中，所述无区别标记包括对所述候选药物处理后的细胞采用统一的荧光标记方案。所述统一的荧光标记方案包括统一对所有候选药物处理后的细胞的细胞核、核仁、内质网、高尔基体、细胞膜、线粒体分别标记不同的荧光。需要说明的是，所述统一的荧光标记方案中对细胞标记的成分和细胞器并不限于上述列举的，也可以是细胞的其他组成和细胞器类型。
根据本发明一个具体的实施方案，所述特异性标记包括对所述候选药物处理后的细胞根据预测的表型差异进行选择性荧光标记。
根据本发明一个具体的实施方案，步骤(3)中所述单细胞影像包括细胞的荧光图像和无标记影像。
根据本发明一个具体的实施方案，所述无标记影像包括明场、暗场和散射场，能够测量的细胞整体形貌、尺寸、粒度。
根据本发明一个具体的实施方案，步骤(4)中从单细胞影像提取的信息包括选自细胞器、细胞成分、遗传物质、细胞形态、细胞器分布、蛋白表达、细胞核大小、细胞形态学信息、细胞纹理中的至少之一。需要说明的是，本发明中从单细胞影像提取的信息包括但不限于上述信息。这些提取获得的信息组成量化信息库，通过AI算法，建立量化信息库与分析结果的对应关系。
根据本发明一个具体的实施方案，所述分析结果包括选自细胞增殖情况、细胞凋亡情况、细胞蛋白表达、细胞健康情况、药物对非目标细胞的毒性、药物对目标细胞的杀伤效果中的至少之一。
根据本发明一个具体的实施方案，步骤(3)中所述成像流式细胞仪流道中液流的中心流动速度为0.1-20m/s。液流的中心流动速度可根据需要进行适当的调整，并不限于0.1-20m/s。
根据本发明一个具体的实施方案，所述基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物通过以下方法实现：
方法一：(1)利用所述提取的信息构建数据集，通过AI算法学习所述数据集获得所述单细胞影像中的细胞器和分子信息的形态、空间分布和表达情况；
(2)对步骤(1)中得到的细胞器和分子信息的形态、空间分布和表达情况进行定性与定量分析，根据预设条件自动筛选出符合预定要求的药物；
或方法二：(A)通过AI算法对所述提取的信息进行分析后自动完成对所测细胞的分群；
(B)根据步骤(A)中得到的分群结果以及相对应的单细胞影像，人为分析后筛选出符合预定要求的药物。
其中，方法二针对没有前期数据集的情况下，基于提取的信息通过AI算法获得分析结果。所述AI算法，可以为t-distributed stochastic neighbor embedding，即t-SNE降维算法，或其他探索高维数据的算法。
下面将结合实施例对本公开的方案进行解释。本领域技术人员将会理解，下面的实施例仅用于说明本公开，而不应视为限定本公开的范围。实施例中未注明具体技术或条件的，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规产品。
实施例
图1所示为基于成像流式细胞术的高通量药物筛选方法的具体步骤，包括：
步骤1：细胞培育阶段，需要将不同的药物加入，进而观测细胞在不同候选药物影响下的表型变化；
步骤2：将步骤1得到的经培育的细胞进行荧光标记，后制备成细胞悬浮液。其中荧光标记分为两类：一类是无区别标记，即所有细胞均采用统一的荧光标记方案，例如，统一对所有待测细胞的细胞核、核仁、内质网、高尔基体、细胞膜、线粒体分别标记不同的荧光；另一类是特异性标记，不同细胞根据可能的表型差异进行特异性的荧光标记，例如，对细胞的某些表达蛋白进行荧光标记；
步骤3：将步骤2中得到的细胞悬浮液置于成像流式细胞仪流道中进行检测，获取单细胞影像。其中成像流式细胞仪主要包括激光照明单元1，流动室2，成像检测单元3，和信号处理单元4。激光照明单元1负责将单个或多个激光束整形为所需的照明光斑。流动室2负责将悬浮的细胞5聚焦在流道21的中心，确保悬浮的细胞5能够被照明光斑照射并发出发出散射光和荧光。流动室流道21中液流的中心流动速度在0.1-20m/s之间，检测通量在102-105个细胞每秒。成像检测单元3中的光学系统31负责收集各个微粒的散射光和荧光，其中的光电转换器件32负责将光信号转换为电信号。信号处理单元4负责处理采集的信号，并输出散射光图像和荧光图像，其中散射光图像包括明场、暗场和侧向散射图，荧光图像包括1-50个荧光通道信号。此步骤得到的单细胞影像包括荧光标记影像和无标记影像，通过荧光标记影像可得出各个细胞成分和细胞器(如细胞膜、细胞核、内质网、高尔基体、核仁、肌动蛋白、线粒体、表达蛋白)的影像信息；通过无标记影像，包括明场、暗场和散射场，能够测量细胞整体形貌、尺寸、粒度；
步骤4：对步骤3中得到的单细胞影像进行信息提取与分析。从影像中所提取的信息包含细胞器、细胞成分、遗传物质、细胞形态、细胞器分布、蛋白表达、细胞核大小、细胞形态学信息、细胞纹理等内容，相应的分析涉及细胞的不同方面，例如细胞增殖情况、细胞凋亡情况、细胞蛋白表达、细胞健康情况、药物对非目标细胞的毒性、药物对目标细胞的杀伤效果等。此步骤应尽可能多地提取影像信息，并通过人工智能技术进行分析，根据测量数据设计出筛选方案，并选出满足要求的候选药物。
实施例1
研究针对阻断癌细胞增殖的药物。观测不同候选药物对癌细胞和健康组织细胞增殖的作用。取相同数量的健康组织细胞和癌细胞，加入不同候选药物后，在合适环境下培养细胞，并设立未加任何药物的对照组。培养一段时间后，如5到9天，将被培养的细胞制备为单细胞悬浮液，并用SYTO16对细胞核进行染色。而后，通过成像流式系统对各个单细胞样品进行成像，采集细胞的明场和细胞核荧光图像。如图2所示，根据细胞核的形态和明场下细胞轮廓特征，通过AI算法可以分出细胞周期中的G0/G1、S、G2、M阶段。以未加任何药物的健康组织细胞为对照组A，统计处于不同细胞周期阶段的细胞数量和相对比例。以未加任何药物的癌细胞为对照组B，统计处于不同细胞周期阶段的细胞数量和相对比例。由于癌细胞增殖速度高于健康细胞，因而培养后癌细胞的绝对数量大于健康组织细胞，同时处于分裂期的细胞比例更高。观察候选药物C对健康组织细胞和癌细胞的影像和统计数据。如果候选药物C对健康组织细胞的影像和统计数据与对照组A相近，则说明候选药物C对健康细胞没有毒性；如果异常，例如细胞绝对数量下降、处于分裂期细胞比例下降，则说明候选药物C对健康组织细胞有毒副作用，需要进一步研究其对健康细胞的影响或将其排除候选名单。如果候选药物C对癌细胞的影像和统计数据与对照组B相近，则说明候选药物C无法有效阻断癌细胞的增殖，不是理想的候选药物；如果候选药物C作用后的癌细胞绝对数量大幅下降，且大量癌细胞被阻断于G0/G1、S、G2、M中的某一阶段，则说明候选药物C能够有效阻断癌细胞的增殖，并可根据阻断位置进一步分析药物靶点。最终，选出能够有效阻断癌细胞增殖且对健康组织细胞无明显副作用的若干药物，并对这个药物进行更深入和更广泛的研究，最终确定最佳药物。一般，对于小分子化合物类药物，初始的候选药物可以多达数千到数十万个，因而高通量的影像流式分析对提升药物筛选效率、加速药物研发有不可替代的作用。
实施例2
针对肺部抗病毒感染的药物筛选。细胞模型采用MRC-5人肺纤维原细胞，研究病毒为人冠状病毒CoV-229E，候选药物的代号为药物1、药物2、…、药物100。采用染色试剂分别为，Hoechst 33342用于对DNA的染色(激发波长377nm、发射波长447nm)、麦胚凝集素-AlexaFluor 555偶联物用于对高尔基体和细胞膜的染色(激发波长562nm、发射波长624nm)、鬼笔环肽(phalloidin)-Alexa Fluor 568偶联物用于对纤维形肌动蛋白的染色(激发波长578nm、发射波长603nm)、SYTO14绿色荧光染料用于对核仁和细胞质RNA的染色(激发波长531nm、发射波长593nm)、伴刀豆蛋白A-Alexa Fluor 488偶联物用于对内质网的染色(激发波长482nm、发射波长536nm)、以及用于偶联冠状病毒核蛋白的泛冠状病毒单克隆抗体FIPV3-70和山羊抗小鼠IgG H&L二抗(激发波长628nm、发射波长692nm)，该组试剂用于确定MRC-5人肺纤维原细胞是否被人冠状病毒CoV-229E感染，如果感染则显示二抗发出的荧光，如果没有被感染则不会有二抗的荧光信号。该实验分为表型数据建立和药物筛选两步。第一步表型数据建立的目的是基于图像提取的多维表型数据，建立有效的表型数据组合，能够有效区分感染细胞和非感染细胞。第二步的药物筛选则是基于提取的表型数据组合来判断不同药物作用下感染细胞的变化，最终选出毒性小且能够有效治愈的药物。
第一步如图3所示，首先用人冠状病毒CoV-229E感染健康的MRC-5人肺纤维原细胞，而后用上述的Hoechst 33342、SYTO14绿色荧光染料、麦胚凝集素-Alexa Fluor 555偶联物、鬼笔环肽-Alexa Fluor 568偶联物、伴刀豆蛋白A-Alexa Fluor 488偶联物对MRC-5人肺纤维原细胞的不同部位染色。而后，加入泛冠状病毒单克隆抗体FIPV3-70和山羊抗小鼠IgG H&L二抗，如果MRC-5人肺纤维原细胞被Cov-229E感染则会在细胞中表达冠状病毒核蛋白质并能够被标记，如果没有被感染则不会被标记。而后，将细胞制备为单细胞悬浮液，并通过影像流式快速收集10万个细胞的荧光影像数据和无标记影像数据。由于上述用于分子标记的试剂的荧光波长不同，因而可以通过不同的荧光通道区分所标记的细胞结构。从各个荧光图像和无标记影像中提取特征信息，如细胞或细胞结构的大小、形状、粒度、位置、重心、纹理、与相邻细胞结构的空间关系等，构成原始的数据池。通过检测冠状病毒核蛋白质信号的有无确定某一细胞是否被感染，也就是通过单细胞是否有山羊抗小鼠IgG H&L二抗的荧光信号来判断细胞是否被感染。而后，通过AI数据分析从原始数据池中选出最佳的特征组并得出评价算法，该最佳特征组合经过评价算法处理后能够最为准确地判断细胞是否被感染；
第二步如图4所示。首先将健康的MRC-5人肺纤维原细胞分配在多孔板上，培育24小时后，用人冠状病毒CoV-229E感染细胞，2小时后，将候选药物1、药物2…药物100依次加入到各个培养孔中并培育48小时，而后固定细胞、增加细胞通透性，并用上述染料对细胞进行标记，并制备细胞为单细胞悬浮液，而后通过影像流式收集各个药物作用后的细胞影像，每种药物作用后的细胞收集量不小于1万个。此步骤中未加入泛冠状病毒单克隆抗体FIPV3-70和山羊抗小鼠IgG H&L二抗。而后，按照第一步所确定的最佳特征组合和评价算法判断细胞是否处于被感染的状态。如果细胞的表型组合与第一步确定的非感染状态一致，则说明该药物能够有效抗感染。如果细胞的表型组合与第一步确定的感染状态一致，则说明该药物不能有效抵抗人冠状病毒CoV-229E。如果细胞的表型组合更接近未感染状态，则说明该药物能够有效改善感染状态，帮助细胞恢复到健康状态。同时，还可以通过观测细胞核的影像判断该药物对细胞的毒性。最终，从候选药物1、药物2…药物100中选取安全且能够有效抗感染的药物。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、“一些实施方案”或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (9)

1.一种高通量药物筛选方法，其特征在于，包括：
(1)对待检测细胞分别进行不同候选药物的处理；
(2)对步骤(1)中得到的候选药物处理后的细胞进行荧光标记，制成细胞悬浮液；
(3)将步骤(2)中得到的细胞悬浮液置于成像流式细胞仪流道中进行检测，获取单细胞影像；
(4)对步骤(3)中得到的单细胞影像进行信息提取，并基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物。
2.根据权利要求1所述的方法，其特征在于，步骤(2)中所述荧光标记包括无区别标记和/或特异性标记；
其中，所述无区别标记包括对所述候选药物处理后的细胞采用统一的荧光标记方案；
所述特异性标记包括对所述候选药物处理后的细胞根据先验知识设定的表型差异进行选择性荧光标记。
3.根据权利要求2所述的方法，其特征在于，所述统一的荧光标记方案包括统一对所有候选药物处理后的细胞的细胞核、核仁、内质网、高尔基体、细胞膜、线粒体分别标记不同的荧光。
4.根据权利要求2所述的方法，其特征在于，根据先验知识设定的表型差异进行选择性荧光标记包括对细胞表面或细胞内部的特异性蛋白进行荧光标记。
5.根据权利要求1所述的方法，其特征在于，步骤(3)中所述单细胞影像包括细胞的荧光图像和无标记影像。
6.根据权利要求1所述的方法，其特征在于，步骤(4)中从单细胞影像提取的信息包括选自细胞器、细胞成分、遗传物质、细胞形态、细胞器分布、蛋白表达、细胞核大小、细胞形态学信息、细胞纹理中的至少之一。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述分析结果包括选自细胞增殖情况、细胞凋亡情况、细胞蛋白表达、细胞健康情况、药物对非目标细胞的毒性、药物对目标细胞的杀伤效果中的至少之一。
8.根据权利要求1所述的方法，其特征在于，步骤(3)中所述成像流式细胞仪流道中液流的中心流动速度为0.1-20m/s。
9.根据权利要求1所述的方法，其特征在于，所述基于提取的信息通过AI算法获得分析结果，以便筛选出符合预定要求的药物通过以下方法实现：
方法一：(1)利用所述提取的信息构建数据集，通过AI算法学习所述数据集获得所述单细胞影像中的细胞器和分子信息的形态、空间分布和表达情况；
(2)对步骤(1)中得到的细胞器和分子信息的形态、空间分布和表达情况进行定性与定量分析，根据预设条件自动筛选出符合预定要求的药物；
或方法二：(A)通过AI算法对所述提取的信息进行分析后自动完成对所测细胞的分群；
(B)根据步骤(A)中得到的分群结果以及相对应的单细胞影像，人为分析后筛选出符合预定要求的药物。
CN202310114892.7A 2023-02-14 2023-02-14 基于成像流式细胞术的高通量药物筛选方法 Pending CN118518565A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202310114892.7A CN118518565A (zh) 2023-02-14 2023-02-14 基于成像流式细胞术的高通量药物筛选方法
EP23922317.5A EP4667902A1 (en) 2023-02-14 2023-10-07 Imaging flow cytometry-based high-throughput drug screening method
PCT/CN2023/123195 WO2024169199A1 (zh) 2023-02-14 2023-10-07 基于成像流式细胞术的高通量药物筛选方法
US19/298,255 US20260002862A1 (en) 2023-02-14 2025-08-13 Imaging flow cytometry-based high-throughput drug screening method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310114892.7A CN118518565A (zh) 2023-02-14 2023-02-14 基于成像流式细胞术的高通量药物筛选方法

Publications (1)

Publication Number Publication Date
CN118518565A true CN118518565A (zh) 2024-08-20

Family

ID=92278479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310114892.7A Pending CN118518565A (zh) 2023-02-14 2023-02-14 基于成像流式细胞术的高通量药物筛选方法

Country Status (4)

Country Link
US (1) US20260002862A1 (zh)
EP (1) EP4667902A1 (zh)
CN (1) CN118518565A (zh)
WO (1) WO2024169199A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240331158A1 (en) * 2023-03-30 2024-10-03 Molecular Devices, Llc Cell painting and analysis in 3d cellular models

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100920749B1 (ko) * 2007-10-02 2009-10-07 재단법인서울대학교산학협력재단 초분광 이미지 시스템을 이용하는 정량적 세포 분석방법
EP2660598A1 (en) * 2012-04-30 2013-11-06 Amnis Corporation Method for imaging and differential analysis of cells
CN104266956A (zh) * 2014-09-02 2015-01-07 上海凯度机电科技有限公司 高内涵图像流式生物显微分析方法
CN105803038A (zh) * 2016-04-14 2016-07-27 天津中医药大学 一种基于细胞表型的多指标量化心脏毒性检测方法及其应用
US20210270844A1 (en) * 2016-05-24 2021-09-02 Tokyo Women's Medical University Method for analyzing expression of smn protein nuclear body
GB201615532D0 (en) * 2016-09-13 2016-10-26 Univ Swansea Computer-Implemented apparatus and method for performing a genetic toxicity assay
CN112082957B (zh) * 2020-07-22 2023-03-31 北京理工大学 一种检测单克隆抗体的方法及其应用

Also Published As

Publication number Publication date
US20260002862A1 (en) 2026-01-01
EP4667902A1 (en) 2025-12-24
WO2024169199A1 (zh) 2024-08-22

Similar Documents

Publication Publication Date Title
Hennig et al. An open-source solution for advanced imaging flow cytometry data analysis using machine learning
JP7075126B2 (ja) 画像ベースの細胞分取システムおよび方法
CA2381344C (en) Optical system analysis of cells
CN107209041B (zh) 使用时空转换的成像流式细胞仪
JP5752093B2 (ja) 視覚的サーボ制御光学顕微鏡
US8062856B2 (en) System for cell-based screening
CN101418280B (zh) 具有高纯度x-染色体和y-染色体的精子群
US20100135566A1 (en) Analysis and classification, in particular of biological or biochemical objects, on the basis of time-lapse images, applicable in cytometric time-lapse cell analysis in image-based cytometry
WO2001042786A2 (en) System for cell based screening : cell spreading
CN101149327A (zh) 基于细胞显微图像信息的抗肿瘤药物评价和筛选方法
Bowen et al. Application of laser-scanning fluorescence microplate cytometry in high content screening
Sharma et al. High-throughput screening in primary neurons
US20260002862A1 (en) Imaging flow cytometry-based high-throughput drug screening method
CN118817684A (zh) 利用激光力细胞学的改进生物物理和生物化学细胞监测和定量
Krams et al. Applying mass cytometry to the analysis of lymphoid populations in transplantation
WO2022207125A1 (en) Method and device for optically recognising a discrete entity from a plurality of discrete entities
US20240219287A1 (en) Multi-spectral digital inline holography for biological particle classification
Shibuta et al. Imaging cell picker: A morphology-based automated cell separation system on a photodegradable hydrogel culture platform
KR20230163541A (ko) 신속한, 자동화된 이미지 기반 바이러스 플라크 및 효능 검정법
CN118731352A (zh) 用于细胞表面标志物的自动化分析检测方法及系统
CN112508951B (zh) 用于确定内质网表型的方法及产品和用于药物筛选的方法
Wolff et al. Morphological profiling dataset of EU-OPENSCREEN bioactive compounds over multiple imaging sites and cell lines
De Beuckeleer et al. Unbiased identification of cell identity in dense mixed neural cultures
EP4315153A1 (en) Method and device for optically recognising a discrete entity from a plurality of discrete entities
US20250067654A1 (en) Systems and methods for particle mapping

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20250806

Address after: 430075 Hubei Province, Wuhan City, Donghu New Technology Development Zone, No. 1 Jiufeng Road, Biomedical Innovation Park Phase II, Building A12, First Floor, Room 105

Applicant after: Elf Life Sciences (Wuhan) Co.,Ltd.

Country or region after: China

Address before: 450046 Henan Province Zhengzhou City Longzi Lake East Road Qiushi Street Yuyuan Community Building 8 Room 77

Applicant before: Zhao Jingjing

Country or region before: China

TA01 Transfer of patent application right