Cell Painting“细胞绘画”：AI 赋能高内涵重塑表型筛选新范式

引言

观察细胞状态是揭示生命活动规律、支撑创新药物研发、探究疾病机制的核心环节。然而，传统的检测手段仅能获取单一或少数几个生物学指标，存在信息维度不足、检测通量低等局限。随着高内涵成像技术与人工智能算法的快速发展，一种能够全面评价细胞结构、像拍摄“细胞全家福”一样同时记录多种亚细胞变化的技术——Cell Painting“细胞绘画”，应运而生。

Cell Painting在过去十年间从一项实验室染色方法，迅速发展为覆盖全球36家学术机构和51家企业的成熟技术平台。而真正让这项技术实现范式突破的，是AI与高内涵成像的深度融合——它让研究者不仅能“看见”细胞的变化，更能“看懂”这些变化背后的生物学意义。

本文将系统梳理Cell Painting的技术原理与发展现状，重点阐述AI驱动的高内涵图像分析如何赋能表型筛选，并结合Molecular Devices最新一代AI高内涵成像系统的完整解决方案，展现这一技术在高效科研发现中的广阔前景。

“细胞绘图”技术原理

Cell Painting的核心思路十分简洁而巧妙：用六种荧光染料分别标记细胞中八个关键的亚细胞结构，通过五通道荧光成像，获取细胞形态学的高维信息。实验方法中，Hoechst 33342标记细胞核，Concanavalin A-AF488标记内质网，SYTO14显示核仁与胞质RNA，Phalloidin标记F-肌动蛋白，WGA标记高尔基体和质膜，MitoTracker Deep Red标记线粒体。通过高内涵系统采集高分辨率图像后，使用自动化分析，可提取出超过1000种形态学特征，构建出独特的“细胞指纹”，用于全面、无偏地描述细胞在药物、基因扰动或环境刺激下的状态变化^[1]。

Cell painting技术多元应用方向

传统Cell Painting分析通常仅采集终点数据，而Graham等人将其拓展至动态领域。研究团队对肝祖细胞长达四周的分化过程每24–72小时采样成像，构建了涵盖20个时间点的单细胞形态学“分化地图”。通过时间推断算法，他们发现Src家族激酶抑制剂能将肝细胞样细胞比例从50%提升至75%以上，并在原代人类肝祖细胞中验证了这一效果。该方法将传统“终点法”拍照升级为动态命运追踪，无需抗体标记即可量化细胞分化轨迹，为再生医学研究提供了全新工具^[2]。

在胶质母细胞瘤研究中，Elliott等人将Cell Painting应用于6株患者来源的胶质母细胞瘤干细胞，系统筛选了3,866种化合物，成功鉴定出211个活性化合物，并深度解析了HDAC和CDK9抑制剂的作用机制，为这一高度异质性的脑肿瘤提供了全新的药物组合策略^[3]。

在皮肤癌前病变研究中，Elsbroek等人从光化性角化病患者皮肤中分离原代角质形成细胞，结合Cell Painting形态学分析与RNA测序，发现持续激活的干扰素信号会导致DNA损伤累积，ISG15和UBE2L6可作为临床组织切片中的病变标志物^[4]。

两项研究均采用患者来源的原代细胞模型，将高内涵表型筛选从传统的永生化细胞系拓展至更具临床相关性的疾病模型，证明了Cell Painting不仅适用于早期药物发现，更有潜力直接应用于临床精准医疗。加速了从预测患者特异性药物响应，到发现可指导临床决策的生物标志物的发现过程。

相比传统2D细胞系，类器官能够更真实地模拟体内组织的细胞组成、空间结构与生理功能。Cell Painting等多参数表型分析方法可在类器官体系中提取细胞器形态、细胞类型组成等丰富特征，同时结合深度学习方法提升3D分割精度，可以更真实地模拟体内微环境^[5]。

Molecular Devices应用团队将Cell Painting技术拓展至患者来源的三阴性乳腺癌3D肿瘤球模型，对168种FDA批准的抗肿瘤药物进行了五浓度梯度筛选。研究采用ImageXpress高内涵成像系统进行Z-stack共聚焦层扫，获取肿瘤球完整三维结构的多通道荧光图像，并通过高内涵IN Carta软件结合深度学习语义分割模块（SINAP）实现透射光图像的自动化分割与特征提取。实验成功获取了每个肿瘤球210种形态学特征，基于主成分分析计算表型距离评分，鉴定出24个表型活性化合物，其中三分之二与细胞活性筛选结果重叠。该研究表明，Cell Painting不仅适用于2D单层细胞，更能有效适配3D肿瘤球模型，为更贴近生理状态的药物筛选提供了高通量表型分析解决方案^[6]。

在Cell Painting数据分析中，传统方法面临计算资源门槛高、忽视单细胞异质性等瓶颈。AI驱动的Cellpose深度学习分割模型，在普通台式电脑上实现比传统方法快约10倍的处理速度，同时将特征数量从约4,000个精简至约400个，在药物机制预测任务中达到相同甚至更高的准确率。Stossi等人结合定向算法保留单细胞分布信息，而非简单取平均值，使研究者能够捕捉群体中少数细胞的极端响应。该平台已在18种细胞系和160种代谢调节物筛选中得到验证，其开源特性让任何实验室都能借助AI技术高效开展Cell Painting数据分析^[7]，为Cell painting分析结果有效读取提供一种高效的方法。

Molecular Devices高内涵成像系统：Cell Painting的完整解决方案

2025年，Molecular Devices发布了第五代高内涵成像系——ImageXpress HCS.ai智能高内涵成像分析系统。该系统在硬件和软件方面进行了全面重新设计，加速整个Cell painting实验过程。

与主流高内涵成像平台相比，ImageXpress HCS.ai系统的图像采集速度平均提升100%。宽场成像速度平均快50%，共聚焦成像速度平均快38%。在Cell painting检测中，完成一块384孔板的成像（共聚焦、水镜、4个荧光通道加透射光）仅需96分钟，而其他同类系统则需要约162分钟。

采用重新设计的光路和背照式sCMOS传感器（量子效率高达95%），信噪比相比基于激光的系统提升两倍以上。在多通道弱信号成像中，高信噪比确保了线粒体、内质网等精细结构的清晰分辨。

系统支持明场无标记成像、宽场荧光成像和共聚焦荧光成像多种模式。自动水镜技术提供最高4倍的信号增强，特别适合3D细胞模型（如肿瘤球、类器官等）的深层成像。该系统可在90秒内完成两个通道的成像，在25分钟内完成384孔板的3D体积分析。

IN Carta是Molecular Devices高内涵解决方案的核心软件组件，包含多种基于人工智能的图像分析工具：

这些数据上传至StratoMineR平台后，通过UMAP降维与聚类分析，相同化合物处理的细胞在表型空间中高度聚集，不同化合物之间表型距离显著分离。整个过程从成像到分析无需手动干预，将原本耗时数日的图像分析工作缩短至数小时内完成，且整体实验Z‘-prime因子大于0.5，充分验证了这套方案在高通量筛选中的稳健性^[8]。