概述
在本次網(wǎng)絡(luò)研討會(huì)上，介紹了用于藥物發(fā)現(xiàn)的VisionSort平臺(tái)。藥物篩選方法主要有兩種：靶向篩選和表型篩選。盡管兩者互為補(bǔ)充，表型篩選因其廣泛評(píng)估藥物作用機(jī)制和對(duì)細(xì)胞表型影響的能力而重新受到重視，且識(shí)別了最多的首創(chuàng)藥物。

傳統(tǒng)表型篩選的挑戰(zhàn)

• 存在孔間信號(hào)差異，需要復(fù)雜的細(xì)胞標(biāo)記，圖像存儲(chǔ)和處理資源密集

• 依賴自動(dòng)化顯微鏡平臺(tái)生成大量高內(nèi)容數(shù)據(jù)

• 需要大量的多孔板，通常受限于固定或貼壁細(xì)胞

VisionSort 平臺(tái)的優(yōu)勢(shì)

• 采用更靈活、高通量的方法進(jìn)行表型篩選

• 同時(shí)捕獲高內(nèi)容的無(wú)標(biāo)記形態(tài)信息和熒光信號(hào)

• 不需要傳統(tǒng)的計(jì)算圖像處理和分析，速度快，能處理每小時(shí)1000萬(wàn)個(gè)細(xì)胞，適用于活細(xì)胞和固定細(xì)胞

Ghost Cytometry 技術(shù)

• 高級(jí)光學(xué)、機(jī)器學(xué)習(xí)和微流體技術(shù)相結(jié)合

• 使用結(jié)構(gòu)化照明捕獲單細(xì)胞形態(tài)信息

• 嵌入式機(jī)器學(xué)習(xí)模型快速分析數(shù)據(jù)

• 使用溫和的流體壓力分選細(xì)胞，保持細(xì)胞活性

數(shù)據(jù)生成與分析

• 生成反映光強(qiáng)度隨時(shí)間變化的波形數(shù)據(jù)，每秒超過(guò)1200萬(wàn)個(gè)數(shù)據(jù)點(diǎn)

• 熒光波形不僅能檢測(cè)細(xì)胞總熒光強(qiáng)度，還能捕捉熒光信號(hào)的詳細(xì)空間分布

• 使用監(jiān)督和非監(jiān)督機(jī)器學(xué)習(xí)進(jìn)行細(xì)胞表型分類

應(yīng)用示例

1. HEK 293細(xì)胞表型分類

• VisionSort能夠無(wú)標(biāo)記分離這兩種表型，分類準(zhǔn)確率為0.97

• 使用熒光模式，將細(xì)胞標(biāo)記為溶酶體或線粒體

     2. T細(xì)胞表型分類

• 無(wú)標(biāo)記分離漿細(xì)胞與其B細(xì)胞前體

• 激活的人初級(jí)T細(xì)胞，標(biāo)記表面細(xì)胞標(biāo)記CD25和CD69

• VisionSort能夠僅通過(guò)形態(tài)學(xué)（無(wú)標(biāo)記）分離這些T細(xì)胞表型，分類準(zhǔn)確率為0.99

• 無(wú)標(biāo)記分離疲勞和非疲勞T細(xì)胞

 藥物篩選案例研究

1. CRISPR篩選

• 用于NFkB核轉(zhuǎn)位模型，使用機(jī)器學(xué)習(xí)模型篩選目標(biāo)基因，驗(yàn)證了TLR4信號(hào)通路的成員基因富集

     2. 巨噬細(xì)胞極化

• 使用無(wú)標(biāo)記模式，識(shí)別可能調(diào)節(jié)M1極化的基因，如BRD2基因

總結(jié)

VisionSort平臺(tái)通過(guò)高內(nèi)容的形態(tài)信息、高速篩選能力、兼容多種CRISPR庫(kù)和NGS平臺(tái)，為藥物篩選和目標(biāo)識(shí)別提供了新的可能性，增強(qiáng)了藥物發(fā)現(xiàn)流程。

重點(diǎn)

• VisionSort平臺(tái)的靈活性和高通量篩選能力

• Ghost Cytometry技術(shù)的先進(jìn)性

• 機(jī)器學(xué)習(xí)在實(shí)時(shí)數(shù)據(jù)分析中的應(yīng)用

• 實(shí)際應(yīng)用中的高分類準(zhǔn)確率和新穎基因調(diào)控發(fā)現(xiàn)

• 對(duì)藥物篩選流程的顯著提升和加速

通過(guò)這些優(yōu)勢(shì)，VisionSort平臺(tái)在藥物發(fā)現(xiàn)中展現(xiàn)了巨大的潛力和廣泛的應(yīng)用前景