高通量筛选研究进展

自从多孔板出现以来，研究人员一直在开拓用于高通量筛选(HTS)的微型化分析的新方法。从那时起，机器人技术和液体处理设备的进步使得同时播放数百万个屏幕比以往任何时候都更容易。与此同时，CRISPR、生物工程和高含量成像等基因编辑技术的进步意味着HTS不再局限于多孔培养皿中的二维细胞层。今天的筛查可以使用工程多能干细胞来进行，这种干细胞可以模拟肝脏等整个器官，¹再造肿瘤微环境的生物工程表面，即所谓的“芯片上的癌症”，²甚至是整个生物体，比如斑马鱼^3.用于毒理学检查。高内容和高通量之间的界限越来越模糊，发现热门作品的是计算机，而不是人。在这里，我们分享两个例子，说明现代HTS在药物发现中的力量。

结合计算性和在体外高温超导

教授娜塔莎Kirienko莱斯大学的研究人员使用了一种叫做秀丽隐杆线虫她在癌症新药筛选方面做了很多工作。她的实验室正专注于针对癌细胞线粒体的药物。大部分工作使用秀丽隐杆线虫因为它对高温超导有很多好处。“当我们想要筛选数千种化合物时，我们使用秀丽隐杆线虫因为这样更快。蠕虫比培养的细胞更强壮，它们是透明的，所以更容易观察荧光，你可以在每个孔中使用准确的数字，我们正在对整个动物进行筛选。对于蠕虫，我们知道，如果一种药物对任何组织都毒性过大，蠕虫就会死亡，这种药物就会从筛选中被淘汰。这意味着我们已经在测试生物利用度和降低毒性，所以我们可以在筛选的最初阶段消除假阳性。

Kirienko教授的实验室正在使用这种方法来筛选分子，以确定可以针对线粒体的新化合物。“筛选这么多分子要容易得多秀丽隐杆线虫然后将这些打击应用于细胞系，进行更仔细的评估和优先排序。”

最近，她的实验室发表了一项从计算建模开始的研究结果⁴然后进行更有针对性的筛选。

“许多常用的白血病化疗药物都是针对线粒体以及复制过程。在其他癌症中，我们很少看到这类药物。我们想看看是否有一种公正的方法来预测哪种治疗方法对哪种癌症有效。”

他们首先分析了大约200种美国食品和药物管理局(FDA)批准的药物，这些药物的一些作用机制是已知的。从这些基因中，他们选择了14种已知的靶向线粒体的基因和14种不靶向线粒体的基因。然后，他们检索了每个细胞系的可用敏感性得分NCI-60人肿瘤细胞系筛选他计算了针对六种不同癌细胞系的线粒体靶向药物和对照药物的得分，然后对敏感性进行了排名。

“排名后，我们注意到分布不正常。例如，只有6个白血病细胞系，而且它们都在列表的最顶端。进一步的分析表明，这不是随机的。事实上，当我们分析这六种细胞系的所有可能排列时，我们发现白血病对线粒体损伤非常敏感。在谱系的另一端，我们有卵巢癌，但不是。此外，这种极性分布仅适用于线粒体靶向药物，也就是说，当我们研究对线粒体靶向药物的敏感性和癌症类型时，我们发现了显著的相关性，而非线粒体靶向药物的敏感性和癌症类型时则没有。”

当他们通过实验验证这一点时，正如预测的那样，白血病对多种线粒体损伤敏感，而其他癌症和对照健康的血细胞则不那么敏感。此外，当他们添加糖酵解抑制剂来抑制细胞制造能量和维持电子流的能力时，他们发现了协同效应。现在他们正在测试多种药物组合，目前在临床上使用的靶向线粒体的药物正在与其他导致线粒体损伤的治疗方法结合起来。他们希望这些结果能很快发表。

PHERAstar上的配体-受体结合动力学^®标仪

药物的特征是它们的平衡常数KD，它描述了化合物对其靶标的亲和力。然而，这个解离常数只适用于平衡态，忽略了结合和解离速度的重要性。在本应用笔记中，发现一种分析结合动力学的方法。

下载App

赞助内容

基于图像的表观遗传HTS

表型筛选已成为药物发现的首选工具。然而，目前还缺乏有效和高效筛选表观遗传学靶向药物的方法Alexey Terskikh教授桑福德·伯纳姆·普比斯医学发现研究所他的实验室开发了一种新的方法——表观遗传景观显微成像(MIEL)。⁵

“我的实验室长期以来一直在研究神经发生。然后，我被我在会议上看到的报告震惊了，在多能细胞和神经祖细胞中，DNA甲基化的模式表现不同。在另一个会议上，我听说了从这些模式中提取信息的机器学习方法。然而，我们还是花了很长一段时间才意识到这种方法有多么强大。”

“人们开始质疑使用报告者或抗体分析的表型筛选结果，因为它们捕捉到的模式几乎是任意的。但当我们使用表观遗传标记时，没有更多未经验证的模式——我们正在研究细胞的表观基因组。”

这促使Terskikh和他的同事们开始研究DNA甲基化、乙酰化或任何与细胞染色质相关的标记。MIEL平台捕获不同表观遗传标记的核染色模式，并使用机器学习来区分这些模式。

“我们现在正在研究三维(3D)模式——体素而不是像素。当我们使用3D排列时，表观基因组有一个特定的结构变得更加明显。这种结构实际上就是细胞的特征。如果我能完美地确定某种表观遗传标记的体积和分布，并找到一个具有相同模式的不同细胞，特别是在高分辨率下，我可以保证它们是相同的细胞。当然，分辨率还不完美，但在表型筛选领域，它可能是你能得到的最接近的结果。”


虽然是一种表型筛选方法，但MIEL是面向高通量的。所有的实验都是在384孔板中完成的，实验室正在转向1536孔板格式，可以筛选多达50万种化合物。“这意味着你现在可以将低通量的表型筛选与高通量的筛选的表观遗传意义的模式分析结合起来。”Terskikh说，与传统的表观遗传筛选相比，它的最大优势在于，它摆脱了基于报告的测定的阈值方法，在这种方法中，你要寻找的是上调或下调的信号。“毫无疑问，你不会检测到表观遗传标记。这些痕迹总是存在的。我们讨论的是与细胞相对应的模式，而不是信号的存在或缺失。”

特斯基赫计划用这种方法来筛选延长寿命的药物，这些药物可以改变表观遗传时钟的指针。“我们已经证明，我们可以使用MIEL将表观遗传模式与细胞年龄联系起来，而且我们在这方面做得越来越好。现在我们想看看我们是否可以用这种方法作为抗衰老化合物的细胞筛选。迄今为止，只有10-15种这样的药物被发现，而且它们都是偶然发现的，所以如果有人有一种工具可以筛选数千种化合物，找到新的延长寿命的药物，那真的很令人兴奋。”

参考文献

1.Corbett JL和Duncan SA。(2019) ipsc衍生的肝细胞作为疾病建模和药物发现的平台。Front Med(洛桑)．DOI: 10.3389 / fmed.2019.00265。
2.Fetah KLet al。(2019)癌症芯片建模与未来人工智能集成。小。DOI: 10.1002 / smll.201901985
3.贾人力资源et al。(2019)纳米材料满足斑马鱼:毒性评估和药物输送应用。J控制释放．DOI: 10.1016 / j.jconrel.2019.08.022。Epub 2019 8月22日。审查。https://www.ncbi.nlm.nih.gov/pubmed/31446084
4.Panina某人et al。(2019)急性髓系白血病对有丝分裂毒性药物敏感性增加的机制。细胞死亡。DOI: 10.1038 / s41419 - 019 - 1851 - 3
5.Farhy Cet al。(2019)使用基于图像的表观遗传景观多参数分析改善药物发现。eLife。DOI: 10.7554 / eLife.49683