细胞全景绘制高内涵图像分析

细胞全景绘制会使用一组荧光试剂，用于对细胞结构和成分空间水平的组织进行 可视化和分析 。该实验通常用在药物筛选过程中，通过对活细胞中染色蛋白质的分析，来评估小分子或其他化合物的作用。细胞染色（cell painting）结果可能会反应出小分子化合物处理带来的样品形态差异。

1. 铺细胞—按照所需密度，将细胞铺在 96 或 384 孔板中
2. 处理—通过化学或基因学方法得到目标表型
3. 固定和染色—处理细胞后，进行固定，透化，然后使用所需试剂或细胞全景绘制试剂盒染色，以标记目标靶点。
4. 图像采集—密封孔板，然后将孔板放入 HCS 成像仪中，从每个孔中采集图像。图像采集时间将根据每个孔采样的图像数量、样品亮度以及 z 轴的采样范围而有所不同。
5. 分析—使用自动化软件或预设的算法，从六通道数据中提取特征以指示发散的表型，并通过簇分析（或类似技术）分析这些特征以创建多个表型谱。

有关细胞全景绘制工作流程和方案的示例，请参阅这份细胞全景绘制应用指南。

通常使用高内涵筛选 (HCS) 成像系统采集细胞全景绘制数据。HCS 系统采用荧光成像，与传统荧光显微镜没有什么不同，但可以最大速度对多孔（通常为 96 或 384 孔）板进行成像，以实现最高数据通量。通常配备传统宽场和共聚焦成像模块，后者是类器官/球状体等厚样品或需要较高亮度和灵敏度的样品成像所必需的。

数据采集只是起点。处理实验产生的大量数据通常是实验过程中限速步骤。可以使用各种各样的计算方法进行数据处理，目的是阐明细胞群之间显著不同的表型特征，以鉴别出具有独特性的细胞群。由于数据量高达数十 TB，所以这个水平的数据处理直到最近才成为可能。

图1.通过 Cellinsight CX7 LZR Pro 系统采集的 HCS 数据集提供的代表性图像和数据。

图 2.未处理对照组与药物处理实验组的 U2OS 细胞表型对比。在成像 96 孔板中，用化合物处理细胞 48 小时，终浓度 1-100 μM 。化合物处理后，立即使用 Image-iT 细胞全景绘制试剂盒标记细胞，然后使用 CellInsight CX7 LZR Pro 仪器进行分析。
 

图 3.使用优化试剂进行细胞全景绘制实验的示例。可以针对特定实验需求对试剂进行优化，参见上面的心肌细胞作用机制评估示例。将 H9c2 细胞铺到 96 孔板中，每孔 2,000 个细胞。两小时，使用列出的化合物处理细胞 4、24 或 96 小时，免疫荧光标记后使用 Cellomics 分区分析生物应用进行分析。

Bray et al.下方是细胞全景绘制技术所依据的文献。“细胞全景绘制”这一术语最早出现在的文献中，其中的方法被视为标准方法。

1. Bray, MA., Singh, S., Han, H. et al.Cell Painting, a high-content image-based assay for morphological profiling using multiplexed fluorescent dyes.Nat Protoc 11, 1757–1774 (2016).PMID: 27560178 

Schiff 等人下方介绍了如何使用利用神经网络的机器学习在体外培养的患者成纤维细胞（与健康对照作对比）中探索帕金森病的表型。作者报告称，这种方法足够准确，能够可靠地区分健康，阵发和 LRRK2/遗传驱动型疾病状态。

2. Schiff, L., Migliori, B., Chen, Y. et al.Integrating deep learning and unbiased automated high-content screening to identify complex disease signatures in human fibroblasts.Nat Commun 13, 1590 (2022).PMID: 35338121