Cell Painting 在肿瘤药物筛选中的应用：技术原理、现阶段成果与前景展望

Cell Painting 是当前最常用的高内涵形态学分析方案之一，由 Gustafsdottir 等人于 2013 年提出^[2]。该技术使用六种荧光染料标记八个细胞结构（细胞核、核仁、内质网、线粒体、高尔基体、细胞膜、RNA 和细胞骨架），通过多通道成像获取上千个形态特征，从而全面捕捉细胞状态的变化^[3]。Cell Painting 的优势在于其无需预设靶点，能够发现未知机制化合物，并适用于多种细胞类型和扰动方式。近年来，随着图像分析算法、深度学习方法和计算平台的快速发展，Cell Painting 已在肿瘤机制研究、药物发现和毒性预测等领域展现出广泛的应用价值，并且推动了多种候选药物进入临床或临床前阶段^[4]。

本文将系统回顾 Cell Painting 技术的原理与进展，重点阐述其在肿瘤研究中的应用现状，特别是在药物筛选和机制解析方面的作用，并对当前面临的挑战和未来发展方向进行讨论。

虽然 2D 细胞模型具有操作简便、成本较低的优势，但其在模拟肿瘤微环境复杂性、细胞间相互作用机制和药物渗透性特性方面存在明显局限。3D 细胞模型通过模拟体内细胞外基质结构，构建三维生长微环境，可重现细胞间紧密连接、梯度营养分布及细胞与基质的相互作用，更贴近生理状态下的细胞功能。其药物渗透、代谢及毒性反应评估结果与体内实验相关性更高，能更精准预测药物在体疗效与安全性，为临床前药物筛选提供更可靠的科学依据，助力提升药物研发效率与成功率。尽管 Cell Painting 技术最初是针对 2D 细胞模型开发的，但近年来已有多项研究证实其在 3D 肿瘤模型中的成功应用^[6]。

其中，由 Molecular Devices、Tulane University 和 Protein Fluidics 联合开展的一项研究，首次将 Cell Painting 技术应用于 3D 肿瘤模型的药物筛选。该研究从一名对传统化疗（阿霉素、环磷酰胺、紫杉醇）耐药的三阴性乳腺癌患者体内建立了 TU-BcX-4IC 细胞系，该细胞系代表了一种化生性乳腺癌伴有三阴性乳腺癌（TNBC）表型 ^[7]。通过将 2D 扩增的细胞接种于 U 型底超低吸附 384 孔板中，成功形成了均匀的 3D 肿瘤球。利用 Molecular Devices 公司的 ImageXpress confocal 高内涵成像系统搭配自动化工作站，对 168 种 FDA 批准的抗癌药物进行了五浓度筛选（10 nM 至 100 μM）。以 24 小时为时间间隔进行明场和荧光成像，并利用 MetaXpress 和 IN Carta™ 分析软件评估肿瘤球的大小、完整性和细胞活性。

传统的细胞健康评估方法通常依赖于单一指标，如细胞活性或细胞死亡率，这些方法在反映细胞在复杂条件下的健康状态方面存在局限性。相比之下，Cell Painting 作为一种基于图像的形态学表型分析技术，通过多通道荧光成像多种细胞组分，能够提供细胞的多维度形态特征，从而更全面地反映细胞的健康状态。有研究利用 Cell Painting 技术对经不同化合物处理的细胞进行多通道荧光成像，该技术通过标记六种细胞器结构，生成了高达每细胞 1700 个维度的丰富形态学特征谱。

随后，他们进一步采集了与之匹配的、由特定荧光报告基因测定的细胞健康表型数据，并以此作为机器学习模型的训练标签。通过数学统计算法，成功构建了包括死细胞比例（R²=0.62）、S期细胞数量（R²=0.64）和凋亡细胞百分比（R²=0.37）等多种细胞健康表型^[8]。Cell Painting 技术不仅能够识别有效化合物，还能在早期筛选阶段有效排除具有潜在毒性的候选分子，从而显著降低药物研发后期失败的风险。