简 介
高内涵成像技术是药物研发过程中的重要基石。与仅测量单一参数的检测方法不同,高内涵成像能够捕捉多种细胞特征,从而更全面地了解细胞对各种干扰因素的反应。然而,目前的成像平台在图像采集速度、信号背景比以及数据管理等方面存在一定的局限性。为了克服这些问题,我们研发了新一代智能高内涵成像分析系统——ImageXpress HCS.ai 智能高内涵成像分析系统(Molecular Devices),该系统在硬件和软件方面都进行了全新设计。通过改进 x、y、z 轴平台的移动性能和自动对焦功能的通用性,提高了通量;全新的先进光路系统,包括优化的光源和高量子效率相机,缩短了曝光时间,降低了背景干扰,提高了信噪比。在此,我们将展示三个检测实验及其结果,以说明这款智能高内涵成像分析系统及其现代化软件界面是如何从实验设置到数据分析,遵循一套合理的工作流程的。每个实验的 Z 因子得分均超过 0.5:
1
G 蛋白偶联受体检测实验;
2
Cell Painting实验;
3
球体活力检测实验。
与业内现有系统相比,我们的智能高内涵成像分析系统平均图像采集速度提高了 40%。信噪比也比目前其他基于激光的系统有显著提升(提高了两倍以上)。速度的提升,加上该系统的高图像质量,使得 ImageXpress HCS.ai 智能高内涵成像分析系统非常适合典型的 2D 和 3D 高通量成像应用。
方 法
图像采集
ImageXpress HCS.ai 智能高内涵成像分析系统在光学和硬件方面进行了重新设计,支持快速图像采集的同时不影响图像质量。该系统:
1
支持标准 SBS 格式的实验室耗材和载玻片;
2
提供激光或 LED 两种光源选择;
3
有四种转盘几何结构可供选择;
4
自动倍率转换器在一个系统中最多可提供 12 种有效放大倍率(包括四种水镜选项)。
图像采集软件+人工智能图像分析
重新设计的图像采集软件(MetaXpress Acquire)提供了直观、用户友好的操作界面,新手可以快速上手,同时也为高级用户保留了灵活性和可定制性。软件还增加了一些新功能,包括易于控制的透射光采集,以及在孔板中识别和定位“稀有”物体,以便进行高倍率采集。
IN Carta 图像分析软件包含两种基于人工智能的图像分析工具:
SINAP(Segmentation Is Not A Problem)是一种基于深度学习的图像分割工具。预训练模型(如细胞核、细胞模型)可由用户根据分析目标进行定制。像 SAM(Segment Anything Model)和Cellpose这样的工具,让用户能够更轻松地对图像进行注释。
Phenoglyphs 是一种基于机器学习和分类的工具,用于在图像分析后对分割的特征进行测量。
结 果
图像采集时间缩短多达 50%
为了评估仪器的速度性能,我们使用不同的设置对细胞进行成像,并将图像采集时间与类似的高内涵成像分析系统进行比较。宽场成像时,采集速度平均快 50%;共聚焦成像时,速度平均快 38%(图 1)。
图 1. 展示了每个图像采集设置下三次运行的平均采集速度(四台仪器,20 倍放大倍率)。在进行 3D 成像时,采集 5 个 Z 平面;进行 2D 成像时,采集 1 个聚焦平面。在宽场速度测试中,仅进行 2D 成像
提高图像质量-高信号、低背景
lmageXpress HCS.ai 智能高内涵成像分析系统重新设计了光路,以提高信噪比(SNR)。为了评估该新系统对 3D 结构的成像质量,我们在 U 型底板中培养球体,固定后用细胞核标记物(Hoechst)染色并成像。通过四台仪器计算信噪比,结果如图 2 所示。平均而言,我们获得的信噪比为 4.4,相比类似高内涵成像系统提高了两倍以上。高信噪比提高了检测灵敏度,与类似高内涵成像系统相比,我们能够在更深的层面检测到至少两倍数量的细胞核。
图 2. 3D 样本中信噪比的评估。A) 此处展示了代表性的球体(单平面,10 倍放大)及其相应的正交切面。图像以相似的缩放设置显示。请注意,ImageXpress HCS.ai 智能高内涵成像分析系统采集的图像对比度有所提高。B) 显示乙方向上 3 个细胞核信噪比的图表。每个乙平面的步长为 6 微米。C) 对球体图像进行分析,并展示每个 Z 平面中的细胞核数量(数据来自两台 ImageXpress HCS.ai 智能高内涵成像分析系统)。请注意,可检测到的细胞核数量至少是同类高内涵成像系统的两倍
检测性能:GPCR 检测实验 (Transfluor)
G 蛋白偶联受体(GPCR)是最大的一类药物靶点,广泛应用于基于细胞的筛选实验中。当 GPCR 被激活时,细胞质中的 β - arrestin 蛋白会转移到凹陷处和内吞小泡(图 3A)。在此实验中,用异丙肾上腺素(一种 GPCR 激动剂)处理表达绿色荧光蛋白(GFP)标记的 β - arrestin 蛋白的 U2OS 细胞,然后使用高内涵成像技术对内化的 GPCR 小泡进行成像和分析。通过计算 GFP 斑点的数量来计算该检测实验的 Z 因子得分(分别为 0.75 和 0.67)(图 3C)。
图 3. GPCR 检测实验的评估。A) 左侧展示了 GPCR 被激活的细胞 (用异丙肾上腺素处理),右侧为阴性对照。注意在处理后的样本中存在 β-arrestin 蛋白斑点(绿色)。B) 使用 IN Carta 图像分析软件对图像进行分析。这里展示了一对图像,右侧为细胞核和斑点的分析图层。C) 展示了来自两台 lmageXpress HCS.ai 智能高内涵成像分析系统的 8 次技术重复的平均值。D) 展示了来自两台 lmageXpress HCS.ai 智能高内涵成像分析系统的剂量反应图。半数有效浓度(EC 50)= 0.014,0.011。剂量反应曲线使用 Ouest Graph 四参数逻辑斯蒂(4PL)曲线计算器生成。AAT Bioquest 公司,2025年1月7日
结 果
Cell Painting实验
Cell Painting是一种高度多重的基于图像的检测方法,它使用多达六种荧光染料来标记八种细胞成分。事实证明,这是一种非常有效的表征细胞特征的方法,能够提供细胞状态、基因表达的替代指标,甚至还能揭示药物的作用机制。在这里,用一组少量的化合物处理 MCF7 乳腺癌细胞然后进行 Cell Painting 实验(图 4)。使用 lmageXpress HCS.ai 智能高内涵成像分析系统采集图像并利用 IN Carta 图像分析软件进行分析。数据分析则是在 StratoMineR 软件中进行,这是一个基于云的平台,专为分析多参数数据(如表型分析检测中的数据)而开发。
使用 IN Carta 软件进行图像分析,之后用 StratoMineR 软件进行数据分析,以此形成一套工作流程。
图 4. 在 lmageXpress HCS.ai 智能高内涵成像分析系统上进行的Cell Painting实验。A) 对照组和处理后的 MCF7 细胞的代表性图像。比例尺=50 μm。使用 IN Carta 图像分析软件对图像进行分析。利用 SINAP 进行细胞核分割。将该实验中每个细胞的 246 项测量数据上传至 StratoMineR 软件进行进一步分析。B) 显示所用化合物平均物理距离得分的图表。C) 表型特征的 UMAP(均匀流形近似与投影)表示
3D 细胞球检测
越来越多细胞间相互作用在许多细胞过程中,如新陈代谢、细胞信号传导和基因表达等,都起着至关重要的作用。因此,在检测实验中,3D 细胞模型(如球体模型)的应用越来越广泛。为了评估 lmageXpress HCS.ai 智能高内涵成像分析系统对 3D 样本的成像能力,我们在 U 型超低吸附板中培养了 HCT116 细胞形成球体。用化合物处理球体后,通过 Caspase3(细胞凋亡标记物)染色评估处理效果(图 5)。对未处理和阳性对照化合物处理的球体进行凋亡细胞核与总细胞核数量分析,得到 Z 因子平均值为 0.8(n=2 台仪器)。
图 5. 球体用 Hoechst(蓝色)、caspase3(绿色)、碘化丙啶同型二聚体(橙色)和线粒体示踪剂(品红色)进行染色。B) 以 10 倍放大倍数通过 Z 轴层叠采集球体图像。此处展示的是最大投影图像。分析在 IN Carta 定制模块编辑器中进行。C) 剂量反应曲线(caspase 阳性细胞数/细胞总数)。半数有效浓度 EC50:5 - 氟尿嘧啶(5FU)为 103 μM;阿维西替尼(Adavosertib)为 1.13 μM;曲美替尼(Trametinib)为 0.018 μM
结 论
新设计的 ImageXpress HCS.ai 智能高内涵成像分析系统平均采集速度提高了 40%。
图像质量的信噪比提高了两倍以上,能够在 3D 结构中检测到更多物体。
lmageXpress HCS.ai 智能高内涵成像分析系统与高度多重检测实验兼容,能够根据表型特征进行良好的聚类分析。
2D 和 3D 检测实验均获得了较高的 Z’ 得分(>0.5),表明 HCS.ai 系统适用于高通量筛选。