高內(nèi)涵篩選技術(shù)在中藥現(xiàn)代化研究中的應(yīng)用

李敏

浙江大學(xué)藥學(xué)院中藥科學(xué)與工程學(xué)系

現(xiàn)代中藥創(chuàng)制全國(guó)重點(diǎn)實(shí)驗(yàn)室，浙江大學(xué)長(zhǎng)三角智慧綠洲創(chuàng)新中心

沈國(guó)芳

杭州市食品藥品檢驗(yàn)研究院

王毅*

浙江大學(xué)藥學(xué)院中藥科學(xué)與工程學(xué)系

現(xiàn)代中藥創(chuàng)制全國(guó)重點(diǎn)實(shí)驗(yàn)室，浙江大學(xué)長(zhǎng)三角智慧綠洲創(chuàng)新中心

中醫(yī)藥是中華民族的瑰寶，其在重大疑難疾病、慢性病以及老年性疾病等復(fù)雜性疾病的治療上具有獨(dú)特的優(yōu)勢(shì)，在抗擊新冠疫情期間做出了重要的貢獻(xiàn)[1]。1996年，我國(guó)開始實(shí)施中藥現(xiàn)代化研究戰(zhàn)略。“中藥現(xiàn)代化”是指將傳統(tǒng)中藥的優(yōu)勢(shì)特色與現(xiàn)代科學(xué)技術(shù)相結(jié)合，詮釋、集成和發(fā)揚(yáng)傳統(tǒng)中藥的理論和實(shí)踐，改造和提升中藥的現(xiàn)代研究、開發(fā)、生產(chǎn)、管理和應(yīng)用，以適應(yīng)社會(huì)發(fā)展需求的過程。在該戰(zhàn)略實(shí)施的20 多年中，我國(guó)在中藥現(xiàn)代化研究、中藥標(biāo)準(zhǔn)化與質(zhì)量控制、中藥產(chǎn)業(yè)化、新藥研發(fā)以及推動(dòng)我國(guó)中藥進(jìn)入國(guó)際醫(yī)藥市場(chǎng)方面取得了重大的進(jìn)展[2]。

在中藥現(xiàn)代化研究中，化學(xué)成分是中藥/方劑發(fā)揮藥效的基礎(chǔ)。目前針對(duì)中藥的化學(xué)成分研究是中藥研究中最活躍的一個(gè)方向，取得了快速進(jìn)展。但是對(duì)于很多常用的中藥，已清楚和了解的成分仍然很少。中醫(yī)臨床用藥大多是方劑。方劑由多種中藥組成，成分更為復(fù)雜，多種效應(yīng)物質(zhì)并存，通過疊加、拮抗或是協(xié)同的作用實(shí)現(xiàn)治療效果。因此，如何從復(fù)雜的中藥物質(zhì)體系中準(zhǔn)確、系統(tǒng)且快速地辨析中藥藥效物質(zhì)是中藥現(xiàn)代化進(jìn)程中亟待解決的問題[3]。高內(nèi)涵篩選技術(shù)的出現(xiàn)和發(fā)展為快速、系統(tǒng)地篩選中藥藥效物質(zhì)提供了強(qiáng)有力的技術(shù)支持。高內(nèi)涵篩選技術(shù)能夠高通量、多靶點(diǎn)、多通道以及全自動(dòng)化采集熒光圖像并進(jìn)行分析[4]，符合中藥及方劑多靶點(diǎn)的作用特點(diǎn)，非常適用于中藥現(xiàn)代化研究中多層次多靶點(diǎn)地評(píng)價(jià)藥效，篩選有效成分，詮釋配伍作用以及探究藥理機(jī)制。

1 高內(nèi)涵篩選技術(shù)的概述

1.1 高內(nèi)涵篩選的概念

高內(nèi)涵篩選的概念是美國(guó)Cellomics 公司于1997年首次提出，并成功開發(fā)出來(lái)首個(gè)高內(nèi)涵篩選技術(shù)平臺(tái)[5]。高內(nèi)涵篩選具體是指在細(xì)胞結(jié)構(gòu)和功能完整的前提下，檢測(cè)藥物對(duì)細(xì)胞形態(tài)、生長(zhǎng)、分化、遷移、凋亡及信號(hào)轉(zhuǎn)導(dǎo)各個(gè)環(huán)節(jié)的影響，從而確定藥物的生物活性和潛在毒性[6]。研究者們通常使用熒光探針或熒光蛋白對(duì)細(xì)胞的結(jié)構(gòu)、細(xì)胞因子、功能蛋白以及各種信號(hào)分子進(jìn)行標(biāo)記[7]，通過自動(dòng)成像的熒光顯微鏡高通量地獲取細(xì)胞的熒光圖片，再用分析技術(shù)進(jìn)行多項(xiàng)特征的提取，最終獲取反映細(xì)胞生理狀態(tài)的多項(xiàng)數(shù)據(jù)[8]。

1.2 高內(nèi)涵篩選平臺(tái)的組成

高內(nèi)涵篩選技術(shù)主要依賴于自動(dòng)化的、高分辨率的熒光顯微成像技術(shù)和熒光標(biāo)記技術(shù)。一個(gè)高內(nèi)涵篩選平臺(tái)主要由高分辨熒光顯微鏡、自動(dòng)化圖像采集系統(tǒng)、熒光標(biāo)記探針/熒光蛋白、圖像處理分析軟件和數(shù)據(jù)管理系統(tǒng)以及其他附加模塊組成[4]。

第一臺(tái)高內(nèi)涵篩選系統(tǒng)在20世紀(jì)90年代后期由Cellomics公司生產(chǎn)，主要由全區(qū)域發(fā)光的白色光源、多道濾光片以及一臺(tái)圖像傳感照相機(jī)組成，能夠進(jìn)行多色熒光圖像采集，并進(jìn)行定量分析[9]。

1.3 高內(nèi)涵篩選技術(shù)的優(yōu)勢(shì)

與傳統(tǒng)的高通量篩選相比，高內(nèi)涵篩選具有較為顯著的優(yōu)勢(shì)。經(jīng)典的高通量篩選方法篩選靶點(diǎn)單一，高內(nèi)涵篩選結(jié)果則以多指標(biāo)、多靶點(diǎn)共同作用作為主要特點(diǎn)[10]，篩選中所涉及的靶點(diǎn)包括細(xì)胞的膜受體、細(xì)胞器和其他胞內(nèi)成分等。高內(nèi)涵篩選和高通量篩選都是使用96/384 微孔板作為載體進(jìn)行篩選[11]。與高通量篩選相比，高內(nèi)涵篩選能夠獲得更多信息，所需要的檢測(cè)體積與高通量篩選一致，而且操作步驟同樣是簡(jiǎn)單可行且自動(dòng)化的。更重要的是，高內(nèi)涵篩選具有單細(xì)胞分辨率[9]，換而言之，高內(nèi)涵篩選獲取的信息是以細(xì)胞為單位的，而高通量篩選一般是采集一個(gè)孔的生化測(cè)定平均信號(hào)或者總信號(hào)，無(wú)法獲取單個(gè)細(xì)胞的信號(hào)。單個(gè)細(xì)胞的信號(hào)相比于整個(gè)孔中細(xì)胞的總生化信號(hào)或者平均生化信號(hào)，能更高程度地模擬實(shí)際生理病理情況。這是因?yàn)榧?xì)胞間異質(zhì)性較高，如果測(cè)定的是整個(gè)孔中的所有細(xì)胞的平均信號(hào)，則會(huì)掩蓋單個(gè)細(xì)胞的差異。比如，在檢測(cè)細(xì)胞的病毒感染時(shí)，采用一個(gè)孔的細(xì)胞讀數(shù)，會(huì)掩蓋siRNA 干擾引起的細(xì)胞表型的變化[12]。研究者在高內(nèi)涵篩選中可以從單個(gè)細(xì)胞獲取信息，從而克服細(xì)胞間的異質(zhì)性這一問題。

2 高內(nèi)涵篩選技術(shù)的發(fā)展現(xiàn)狀

顯微鏡技術(shù)和熒光標(biāo)記技術(shù)的更新迭代推動(dòng)了高內(nèi)涵篩選技術(shù)的發(fā)生發(fā)展（圖1），隨著更高分辨率、更快成像速度的高內(nèi)涵成像平臺(tái)的開發(fā)和標(biāo)記范圍越來(lái)越廣泛的熒光標(biāo)記技術(shù)的出現(xiàn)，高內(nèi)涵篩選技術(shù)在生物醫(yī)藥領(lǐng)域被廣泛應(yīng)用。

圖1 高內(nèi)涵篩選技術(shù)的歷史沿革

2.1 顯微鏡技術(shù)

圖像采集是高內(nèi)涵篩選的關(guān)鍵步驟，圖像的質(zhì)量決定了整個(gè)篩選的質(zhì)量。在這一步中圖像分辨率和放大率最為關(guān)鍵，足夠高的分辨率和放大倍數(shù)才能滿足捕捉表型細(xì)節(jié)的需求。在圖像采集中，必須注意避免成像偽影。照明不均勻或者光源衰減是造成成像偽影的關(guān)鍵原因。隨著工程學(xué)和計(jì)算機(jī)科學(xué)的進(jìn)步，越來(lái)越多具備穩(wěn)定光源、高分辨率和快速自動(dòng)聚焦的自動(dòng)成像顯微鏡被開發(fā)出來(lái)，擴(kuò)大了視覺表型的自動(dòng)篩選范圍[11]。目前實(shí)驗(yàn)室常見的高內(nèi)涵成像儀器如表1 所示。

表1 常見的高內(nèi)涵成像儀器

2.2 熒光標(biāo)記技術(shù)

為了觀察細(xì)胞的表型，大多數(shù)高通量篩選使用熒光標(biāo)記技術(shù)對(duì)需要觀察的細(xì)胞結(jié)構(gòu)、蛋白質(zhì)以及信號(hào)分子等進(jìn)行標(biāo)記。熒光標(biāo)記方法主要有基因編碼的熒光蛋白、免疫熒光染色和各種化學(xué)探針[13]。1987年，Martin Chalfie 和Douglas Prasher 合作克隆了綠色熒光蛋白（green fluorescent protein，GFP）。1994年，Science發(fā)布了大腸埃希菌表達(dá)GFP 的熒光照片，此后基因編碼的熒光蛋白技術(shù)使得熒光標(biāo)記目的蛋白成為可能[14-15]。與熒光蛋白不同，化學(xué)染料的使用更為方便，標(biāo)記范圍不僅限于蛋白，還可以標(biāo)記細(xì)胞內(nèi)的信號(hào)分子。本課題組針對(duì)氧化應(yīng)激通路源頭分子超氧陰離子[16]、蛋白翻譯后修飾關(guān)鍵酶SIRT1[17]、HDAC1[18]、ACE2[19]、DDP4[20-21]等靶點(diǎn)開發(fā)了高特異性的新型熒光探針，并將其應(yīng)用于高內(nèi)涵篩選中。比如，應(yīng)用四嗪作為超氧反應(yīng)基團(tuán)，連接上不同熒光性質(zhì)的發(fā)色團(tuán)，開發(fā)了一系列高時(shí)空特異性超氧探針，使用其中綠色的熒光探針標(biāo)記了氧化應(yīng)激損傷后的H9c2 細(xì)胞，結(jié)合高內(nèi)涵篩選平臺(tái)，成功篩選了223 個(gè)小分子化合物，從其中發(fā)現(xiàn)了4 個(gè)超氧抑制劑[16]。得益于研究者們?cè)跓晒鈽?biāo)記技術(shù)方面的努力，越來(lái)越多的化學(xué)染料[22]、基因編碼的熒光蛋白被開發(fā)出來(lái)，可被熒光標(biāo)記的亞細(xì)胞結(jié)構(gòu)、細(xì)胞因子、功能蛋白和信號(hào)分子范圍越來(lái)越廣，高內(nèi)涵篩選的可視化細(xì)胞表型大大增加。

2.3 高內(nèi)涵分析方法

在高內(nèi)涵篩選中，為了確認(rèn)命中的化合物，需要對(duì)所得圖像進(jìn)行量化，以評(píng)估藥物誘導(dǎo)的變化。經(jīng)典的高內(nèi)涵圖像分析流程大致如下：首先，處理圖像以減少噪聲并校正不均勻照明，這可以使用各種濾波器來(lái)完成[23]。其次，將要分析的對(duì)象，比如單個(gè)細(xì)胞或者亞細(xì)胞器分割出來(lái)。在圖像上劃定目標(biāo)分析區(qū)域，即定義它們的輪廓，將它們表征為單獨(dú)的對(duì)象，可以使用閾值法，比如Otsu 算法，先得到背景與對(duì)象區(qū)分開的二值化圖像，然后使用分水嶺算法分割相鄰的對(duì)象[24]。最后，從分割得到的對(duì)象中計(jì)算出許多數(shù)字描述符，這些數(shù)字描述符是用于編碼各種有用的特征來(lái)區(qū)分細(xì)胞表型，比如細(xì)胞器的面積或者周長(zhǎng)，特定區(qū)域的平均強(qiáng)度、測(cè)量強(qiáng)度均勻性或異質(zhì)性、平滑度或者粗糙度等[25]。目前，有許多開源軟件集成了多種圖像處理方法，比如Fiji[26]或者CellCognition[27]等，使 用方法簡(jiǎn)單易學(xué)，使用簡(jiǎn)單的宏代碼也可以實(shí)現(xiàn)批量處理圖像，極大地便利了高內(nèi)涵篩選的圖像處理。除了開源軟件之外，還有像CellProfiler[28]這樣的專用軟件，可以自動(dòng)從細(xì)胞繪畫圖像中提取大約1500 個(gè)形態(tài)特征。盡管這些軟件可以提取出許多細(xì)胞特征，但是多數(shù)參數(shù)是無(wú)意義的，這會(huì)引入噪聲并對(duì)下游分析產(chǎn)生不利影響。因此，真正的預(yù)測(cè)特征需要人為甄別，手動(dòng)選擇。往往高內(nèi)涵篩選所得到的特征是海量的，需要研究者們使用數(shù)據(jù)降維方法進(jìn)行特征提取，比如主成分分析法或者高斯隨機(jī)投影法等[25,29]。在此之后，對(duì)選擇或提取的特征進(jìn)行統(tǒng)計(jì)分析。隨著計(jì)算科學(xué)的發(fā)展，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等方法在圖像預(yù)處理、分割對(duì)象、提取特征和選擇特征等方面成為助力高內(nèi)涵分析的有力工具[30]。本課題組基于深度學(xué)習(xí)的方法構(gòu)建了一種自適應(yīng)的細(xì)胞分割算法，利用風(fēng)格感知的預(yù)訓(xùn)練模型，結(jié)合對(duì)比微調(diào)策略，在細(xì)胞器、細(xì)胞和生物體3 個(gè)層次的顯微鏡圖像數(shù)據(jù)集上實(shí)現(xiàn)了最先進(jìn)的平均精度和聚合Jaccard 指數(shù)可轉(zhuǎn)移性。微調(diào)該算法，其性能在大約8 張圖像后趨于平穩(wěn)，僅需很少的手動(dòng)操作即可獲得適合用戶使用的專業(yè)細(xì)胞分割模型[31]。此外，藥物或者遺傳擾動(dòng)以及隨后出現(xiàn)的細(xì)胞形態(tài)反應(yīng)之間的關(guān)系通常是復(fù)雜的，不一定由任何單個(gè)特征捕獲。因此，與其逐個(gè)考慮這些特征，不如通過使用這些特征的適當(dāng)加權(quán)線性組合或者更復(fù)雜非線性函數(shù)來(lái)實(shí)現(xiàn)對(duì)相關(guān)表型的更敏感的區(qū)分。如2013年P(guān)NAS報(bào)道了一項(xiàng)研究[32]，研究者將細(xì)菌接種在384 孔板上，用大約20 種不同的抗生素處理，并對(duì)DNA 和膜進(jìn)行染色。從圖像中提取100 多個(gè)特征，在這些特征上訓(xùn)練隨機(jī)森林算法，并再次發(fā)現(xiàn)能夠基于6 種參考抗生素區(qū)分的具有不同作用機(jī)制的抗生素。除了研究藥物的機(jī)制，篩選對(duì)某種疾病具有治療效果的藥物也是高內(nèi)涵篩選的主要應(yīng)用方向，如何對(duì)產(chǎn)生的熒光圖像數(shù)據(jù)集進(jìn)行高效的分類和解析也一直是研究者們的興趣所在。比如，DNA 損傷是許多復(fù)雜疾病的罪魁禍?zhǔn)字唬藗儗?duì)發(fā)現(xiàn)調(diào)節(jié)DNA 損傷的新型先導(dǎo)化合物充滿了興趣。然而，通過計(jì)算核內(nèi)病灶的數(shù)量來(lái)評(píng)估DNA 損傷仍然存在很多挑戰(zhàn)。本課題組開發(fā)了一個(gè)基于深度學(xué)習(xí)的開源算法FociNet，用于自動(dòng)分割全場(chǎng)熒光圖像并分析每個(gè)細(xì)胞的DNA 損 傷。FociNet 能 夠?qū)Ω鞣N成像平臺(tái)拍攝所得的熒光圖像進(jìn)行分析，高效分類損傷細(xì)胞和正常細(xì)胞。該算法被成功地應(yīng)用于分析315 種中藥天然化合物的高內(nèi)涵篩選所得的5000 多個(gè)病灶圖像數(shù)據(jù)集。首次鑒定發(fā)現(xiàn)吳茱萸堿、異甘草素和草質(zhì)素可以減少輻照誘導(dǎo)的foci[33]。

2.4 用于高內(nèi)涵篩選的模型

目前，大多數(shù)的高內(nèi)涵篩選使用二維（2D）培養(yǎng)的細(xì)胞。2D 細(xì)胞一直是了解疾病和藥物功能機(jī)制的有力工具。在細(xì)胞培養(yǎng)過程中，細(xì)胞生長(zhǎng)為附著在培養(yǎng)瓶/培養(yǎng)皿表面的單層[34]。這種培養(yǎng)方法有許多缺點(diǎn)。比如，細(xì)胞和細(xì)胞外環(huán)境缺乏相互作用，結(jié)構(gòu)與在體組織相比顯示出改變的形態(tài)，以及上皮細(xì)胞極性的喪失。此外，2D 培養(yǎng)的細(xì)胞可以無(wú)限制地獲得培養(yǎng)基成分，如營(yíng)養(yǎng)物質(zhì)、代謝物和信號(hào)分子，這與生理?xiàng)l件不相似，可能導(dǎo)致非自然的基因反應(yīng)和細(xì)胞生物化學(xué)反應(yīng)[35]，從而無(wú)法模擬組織中存在的細(xì)胞功能和信號(hào)通路。因此，與在體組織相比，2D 培養(yǎng)的細(xì)胞也可能無(wú)法模擬在體組織對(duì)藥物的反應(yīng)[36]。近年來(lái)，許多研究者致力于開發(fā)與在體組織生理相關(guān)程度更高的模型，從而提高篩選結(jié)果轉(zhuǎn)化臨床應(yīng)用的可行性。比如，與2D 培養(yǎng)的細(xì)胞不同，三維（3D）細(xì)胞培養(yǎng)提供了細(xì)胞可以在3 個(gè)維度上相互作用的環(huán)境，可以進(jìn)一步模擬在體組織[37]。類器官是3D 細(xì)胞培養(yǎng)的一種。早在2009年，Hans Clevers 實(shí)驗(yàn)室就首次將單個(gè)腸道干細(xì)胞接種在基質(zhì)膠中，使其增殖并獲得了復(fù)雜的3D 組織結(jié)構(gòu)，這些復(fù)雜的3D 細(xì)胞結(jié)構(gòu)包括干細(xì)胞和各種分化的細(xì)胞構(gòu)型被稱為是第一個(gè)“現(xiàn)代”類器官[38]。目前，已有成熟的實(shí)驗(yàn)方案可以獲取類器官，主要有兩種途徑：一種途徑是用胚胎干細(xì)胞或者多能干細(xì)胞的固有自組織能力形成類似體內(nèi)組織的3D 結(jié)構(gòu)；另一種途徑則是使用器官特異性成體干細(xì)胞[37]，它們能自我更新并產(chǎn)生祖細(xì)胞，祖細(xì)胞增殖并分化成為存在于其來(lái)源組織中的所有細(xì)胞類型[39]。鑒于類器官?gòu)?fù)雜性及其成熟的培養(yǎng)技術(shù)，人們期望類器官可以減少或者取代藥物篩選中的動(dòng)物模型。Vlachogiannis 等[40]培養(yǎng)了一種轉(zhuǎn)移性胃腸道癌癥患者的衍生類器官模型，用它們來(lái)預(yù)測(cè)患者的治療反應(yīng)，并使用了一個(gè)化合物庫(kù)測(cè)試了類器官對(duì)患者反應(yīng)的敏感性。研究結(jié)果表明，陽(yáng)性預(yù)測(cè)值為88%。由此說(shuō)明，類器官可以用于高通量藥物篩選，并且能夠更高程度地模擬在體組織的情況。利用3D細(xì)胞培養(yǎng)技術(shù)，構(gòu)建更貼近在體組織的仿生模型，有望加速高內(nèi)涵篩選實(shí)驗(yàn)結(jié)果到臨床應(yīng)用的轉(zhuǎn)化。除了使用3D培養(yǎng)的細(xì)胞或者類器官，本課題組還利用斑馬魚和線蟲這樣的模式生物構(gòu)建了模擬多種疾病的高內(nèi)涵篩選模型。圖2 對(duì)本課題組已有的高內(nèi)涵篩選模型及藥效評(píng)價(jià)模型進(jìn)行了總結(jié)。比如，首先使用阿霉素構(gòu)建斑馬魚心衰模型，結(jié)合深度學(xué)習(xí)實(shí)現(xiàn)了使用斑馬魚胚胎高內(nèi)涵篩選了300 余個(gè)中藥化合物，并首次發(fā)現(xiàn)了氯化矢車菊素、迷迭香酸、2''-O-酰基金絲桃苷等10 余個(gè)具有抗心衰活性的中藥成分，并對(duì)氯化矢車菊素的藥效在整體動(dòng)物模型上進(jìn)行了評(píng)價(jià)，深入研究了其抗心衰的作用機(jī)制[41]。此外，本課題組還在過表達(dá)皮膠原XII（COL-12）的秀麗隱桿線蟲上使用GFP 標(biāo)記了COL-12，之后利用高內(nèi)涵篩選系統(tǒng)和圖像分割算法Scellseg 構(gòu)建了基于線蟲的高內(nèi)涵篩選模型。探索可能在膠原生物發(fā)生、分泌和組裝中發(fā)揮重要作用的天然小分子化合物，對(duì)614個(gè)天然小分子化合物進(jìn)行了篩選，經(jīng)過驗(yàn)證篩選所得的丹參素、指甲花醌和血根堿對(duì)COL-12 的合成或分泌更有效[42]。

圖2 多尺度藥效評(píng)價(jià)模型

3 高內(nèi)涵篩選技術(shù)在中藥現(xiàn)代化研究中的應(yīng)用進(jìn)展

近年來(lái)，在中藥領(lǐng)域使用高內(nèi)涵篩選技術(shù)的研究逐年攀升。在中藥現(xiàn)代化研究中的高內(nèi)涵篩選可以大致分為兩種：基于靶點(diǎn)的篩選和表型篩選。對(duì)于基于靶點(diǎn)的篩選，首先要明確靶點(diǎn)，再用熒光標(biāo)記的方法，比如基因編碼的熒光蛋白或者是化學(xué)染料，使感興趣的靶點(diǎn)可視化。而表型篩選則是基于細(xì)胞整體的表型變化來(lái)篩選藥物，不需要靶點(diǎn)先驗(yàn)知識(shí)，可檢測(cè)的表型包括細(xì)胞或細(xì)胞器形態(tài)、細(xì)胞代謝情況、細(xì)胞黏附遷移情況、細(xì)胞周期調(diào)節(jié)和凋亡情況以及第二信使等。明確了使用哪種篩選之后，研究者一般會(huì)先構(gòu)建相關(guān)的細(xì)胞模型，使用熒光標(biāo)記技術(shù)對(duì)靶點(diǎn)和表型進(jìn)行可視化，這里需要研究者在大規(guī)模篩選應(yīng)用之前，首先測(cè)試模型是否構(gòu)建成功以及熒光標(biāo)記是否成功，以確認(rèn)適用性并確保特定和可測(cè)的關(guān)鍵靶標(biāo)或表型。在此之后，再進(jìn)行大規(guī)模篩選，用于篩選的對(duì)象可以是方劑、藥材提取物、組分以及中藥單體化合物，將藥物與細(xì)胞共孵育后，進(jìn)行熒光標(biāo)記（由基因編碼的熒光蛋白則略過這一步），使用高內(nèi)涵成像平臺(tái)獲取高通量的細(xì)胞圖像，對(duì)圖片進(jìn)行分析處理或特征提取，數(shù)據(jù)分析后，獲得有效的化合物，最后對(duì)所獲得的化合物進(jìn)行二次篩選或者使用其他手段驗(yàn)證其藥效。目前，研究者們大多利用2D 培養(yǎng)的細(xì)胞進(jìn)行高內(nèi)涵篩選以研究中藥藥效物質(zhì)、評(píng)價(jià)藥物安全性和中藥質(zhì)量以及提升中藥標(biāo)準(zhǔn)化和產(chǎn)業(yè)化。

3.1 應(yīng)用高內(nèi)涵篩選技術(shù)研究中藥藥效物質(zhì)

高內(nèi)涵篩選技術(shù)在中藥藥效評(píng)價(jià)和中藥藥效物質(zhì)發(fā)現(xiàn)的研究中廣受研究者的青睞。研究者們常使用表型篩選的方式，構(gòu)建對(duì)應(yīng)疾病的體外模型，對(duì)其中的關(guān)鍵表型進(jìn)行熒光標(biāo)記，再使用高內(nèi)涵篩選技術(shù)評(píng)價(jià)藥效以及篩選有效成分。

方劑是中醫(yī)臨床遣方用藥的主要形式[3]，體系復(fù)雜、化學(xué)成分繁多，因此高內(nèi)涵篩選在中藥復(fù)方研究中優(yōu)點(diǎn)最為突出。本課題組將高內(nèi)涵篩選技術(shù)與高分辨質(zhì)譜、液質(zhì)聯(lián)用技術(shù)結(jié)合起來(lái)，構(gòu)建了斑馬魚炎性腸病高內(nèi)涵篩選模型，從桃花湯、白頭翁湯、葛根芩連湯3 個(gè)與炎性腸病相關(guān)的仲景方中制備了74 個(gè)組分，以活性氧水平為篩選標(biāo)準(zhǔn)，發(fā)現(xiàn)了6 種有效成分對(duì)腸道的炎癥表型具有較強(qiáng)的抑制作用[43]。在血管緊張素Ⅱ誘導(dǎo)的心肌肥大模型上明確了通脈養(yǎng)心丸對(duì)心肌肥大的抑制作用，并從該復(fù)方中鑒定出了4 種抗心肌肥大的有效成分[44]。同樣是對(duì)通脈養(yǎng)心丸的研究，Liu等[45]構(gòu)建了腎小管上皮間質(zhì)轉(zhuǎn)化（epithelial-mesenchymal transition，EMT）體外模型，使用高內(nèi)涵篩選技術(shù)自動(dòng)采集和處理雙熒光標(biāo)記的圖像識(shí)別EMT抑制劑，結(jié)合色譜分離和質(zhì)譜聯(lián)用技術(shù)，發(fā)現(xiàn)了其中5 個(gè)組分具有抗EMT 活性，從中進(jìn)一步鑒定了甘草酸、粗毛甘草素A 和甘草酸內(nèi)酯A 對(duì)EMT 有抑制作用。此外，一些方劑在臨床應(yīng)用中具有顯著的療效，但是藥效物質(zhì)基礎(chǔ)不明確，使其廣泛應(yīng)用被限制，高內(nèi)涵篩選技術(shù)在鑒定這類方劑的藥效物質(zhì)基礎(chǔ)方面優(yōu)勢(shì)突出。比如，宣肺敗毒方在臨床治療新冠病毒感染中療效顯著，但藥效物質(zhì)基礎(chǔ)和作用機(jī)制不明確，本課題組在高分辨質(zhì)譜、液質(zhì)聯(lián)用對(duì)復(fù)方成分分離鑒定的基礎(chǔ)上，結(jié)合質(zhì)譜分子網(wǎng)絡(luò)技術(shù)和高內(nèi)涵篩選，在巨噬細(xì)胞系和斑馬魚損傷模型中鑒定了宣肺敗毒方中來(lái)自不同藥材的多種活性成分的生物學(xué)效應(yīng)，比如虎杖、蘆根和化橘紅中的虎杖苷、異甘草素和洋丁香酚苷可以強(qiáng)烈下調(diào)巨噬細(xì)胞的活化。茅蒼術(shù)、青蒿草和麻黃中的活性成分白術(shù)內(nèi)酯I、山柰酚和麻黃堿被發(fā)現(xiàn)能顯著抑制內(nèi)源性巨噬細(xì)胞的遷移[46]。

高內(nèi)涵篩選技術(shù)在單味中藥和中藥化合物的藥效物質(zhì)中應(yīng)用也頗為廣泛。趙志敏等[47]利用高內(nèi)涵篩選技術(shù)觀察黃芪來(lái)源的成分對(duì)肝竇內(nèi)皮細(xì)胞缺氧損傷的保護(hù)作用，實(shí)驗(yàn)結(jié)果表明，黃芪來(lái)源的7 種單體成分對(duì)缺氧損傷的肝竇內(nèi)皮細(xì)胞有明顯保護(hù)作用。在中藥化合物藥效研究中，Wang 等[48]使用轉(zhuǎn)化生長(zhǎng)因子-β1（TGF-β1）誘導(dǎo)正常大鼠的腎成纖維細(xì)胞NRK-49F纖維化，建立了穩(wěn)定的腎纖維化體外模型，以肌成纖維細(xì)胞標(biāo)志α-平滑肌肌動(dòng)蛋白（α-SMA）作為檢測(cè)指標(biāo)，篩選了包含344個(gè)中藥分子的標(biāo)準(zhǔn)中藥化合物庫(kù)，共鑒定出16 種化合物具有潛在的抑制活性。Wang 等[49]利用高內(nèi)涵篩選技術(shù)成功在中藥化合物庫(kù)中篩選出丹酚酸A、丹酚酸B 和鞣花酸對(duì)泛素-蛋白酶體系統(tǒng)有激活作用。上述研究均基于固定的時(shí)間點(diǎn)對(duì)細(xì)胞進(jìn)行圖像采集分析，而高內(nèi)涵成像不僅可以對(duì)固定時(shí)間點(diǎn)的細(xì)胞進(jìn)行采集，還可以對(duì)細(xì)胞效應(yīng)進(jìn)行動(dòng)態(tài)追蹤。倪曉晨等[50]使用高內(nèi)涵成像追蹤細(xì)胞軌跡并對(duì)細(xì)胞運(yùn)動(dòng)功能進(jìn)行測(cè)定，在傷口愈合模型上鑒定了南蛇藤提取物能夠劑量依賴性地抑制非小細(xì)胞肺癌細(xì)胞的遷徙能力。

目前，使用高內(nèi)涵篩選技術(shù)研究方劑、中藥以及中藥化合物的有很多，但是對(duì)于組分配伍和優(yōu)化的研究較少。組分配伍是中醫(yī)遣方用藥的核心，對(duì)組分配伍的研究可能是闡釋其中科學(xué)內(nèi)涵的一種解題思路[3]。畢蕾等[51]利用高內(nèi)涵篩選平臺(tái)分析丹參-人參組分配伍對(duì)肺癌A549 細(xì)胞遷移的作用，結(jié)果表明，丹參-人參組分配伍可以顯著降低細(xì)胞遷移的面積，對(duì)A549 細(xì)胞遷移有抑制作用，且呈劑量依賴性。充分表明了中藥組分配伍可以起到增效的作用，而高內(nèi)涵篩選技術(shù)的高通量、多通道特點(diǎn)，為研究中藥組分配伍研究提供了強(qiáng)有力的平臺(tái)。本課題組在國(guó)內(nèi)率先使用高內(nèi)涵篩選進(jìn)行中藥藥效物質(zhì)的研究，并在組分配伍研究方面做了一些探索。綜合運(yùn)用前文提到的針對(duì)氧化應(yīng)激通路源頭分子超氧陰離子、蛋白翻譯后修飾關(guān)鍵 酶SIRT1、HDAC1、ACE2、DDP4 等靶點(diǎn)開發(fā)的高特異性的新型熒光探針，采用“亞細(xì)胞器—細(xì)胞—3D 細(xì)胞球/類器官—整體動(dòng)物模型”多層次高內(nèi)涵藥效評(píng)價(jià)方法和基于深度學(xué)習(xí)的高內(nèi)涵圖像分析方法[32-33]，構(gòu)建了具有多靶點(diǎn)標(biāo)記技術(shù)、多層次藥理學(xué)模型以及人工智能（AI）賦能高效分析方法的高內(nèi)涵篩選平臺(tái)用于中藥藥效物質(zhì)研究，并結(jié)合中醫(yī)藥典籍等文獻(xiàn)資料，整合方劑化學(xué)分析數(shù)據(jù)和多組學(xué)數(shù)據(jù)等，運(yùn)用知識(shí)發(fā)現(xiàn)和關(guān)聯(lián)分析等手段，挖掘出方-證-病間相互關(guān)系，研究發(fā)現(xiàn)了ACE2、SGK1、SIRT1 等中成藥治療心血管疾病的潛在作用靶點(diǎn)群，明確了主要作用途徑以合理選擇評(píng)價(jià)模型，從而發(fā)現(xiàn)了一批中藥藥效物質(zhì)，對(duì)通脈養(yǎng)心方[34]、宣肺敗毒方[36]和冠心寧片[52]的藥效辨析、組分配伍和作用機(jī)制的研究充分證明了高內(nèi)涵篩選技術(shù)在明晰中藥復(fù)方配伍規(guī)律、作用機(jī)制和有效成分群辨識(shí)方面的潛力，研究流程概括總結(jié)如圖3 所示。

圖3 本課題組應(yīng)用高內(nèi)涵篩選技術(shù)研究中藥流程示例

3.2 應(yīng)用高內(nèi)涵篩選技術(shù)評(píng)價(jià)中藥安全性

中藥臨床應(yīng)用的安全性缺乏科學(xué)、客觀的評(píng)價(jià)方法和標(biāo)準(zhǔn)規(guī)范，一直是中醫(yī)藥研究者和百姓關(guān)注的問題，建立中藥安全性預(yù)警體系是中藥現(xiàn)代化發(fā)展中需要直面的問題。高內(nèi)涵篩選技術(shù)與傳統(tǒng)分析技術(shù)相比，能夠通過較少的實(shí)驗(yàn)全面地獲得因藥物造成的細(xì)胞形態(tài)和標(biāo)志分子的微小變化，更加準(zhǔn)確地分析出藥物的潛在安全隱患[53]。

郭曉等[54]使用HEK293 細(xì)胞系作為模型，選擇具有明顯腎損傷的化合物馬兜鈴酸A 和環(huán)孢素A 作為陽(yáng)性對(duì)照，建立了一種基于細(xì)胞表型的高內(nèi)涵多指標(biāo)中藥腎損傷檢測(cè)方法，檢測(cè)指標(biāo)為細(xì)胞存活率、細(xì)胞核面積、細(xì)胞核圓度、線粒體質(zhì)量和線粒體膜電位。對(duì)文獻(xiàn)中報(bào)道的18 種具有潛在腎損傷的中藥化合物進(jìn)行篩選。實(shí)驗(yàn)結(jié)果表明，該方法可應(yīng)用于建立中藥腎損傷安全預(yù)警體系。方劑中具有潛在腎損傷成分的發(fā)現(xiàn)也非常重要。楊春?jiǎn)⒌萚55]通過高內(nèi)涵成像系統(tǒng)結(jié)合腎小管上皮細(xì)胞HK-2 模型篩選了左金丸中主要生物堿類組分對(duì)腎細(xì)胞的損傷，通過高內(nèi)涵成像系統(tǒng)對(duì)細(xì)胞數(shù)目、細(xì)胞膜通透性和線粒體膜電位的分析，發(fā)現(xiàn)了該復(fù)方中吳茱萸堿能夠顯著降低細(xì)胞數(shù)目導(dǎo)致細(xì)胞損傷，是導(dǎo)致腎損傷的主要成分，為安全使用該方劑提供了客觀科學(xué)的指導(dǎo)。此外，高內(nèi)涵分析技術(shù)還可以應(yīng)用于腎損傷機(jī)制的研究中。路青瑜等[56]使用高內(nèi)涵篩選技術(shù)分析了山柰酚對(duì)細(xì)胞數(shù)目、活性氧水平、線粒體膜電位和Ca2+內(nèi)流水平的影響，鑒定了山柰酚對(duì)人腎近曲小管HK-2 的毒性之后，使用免疫熒光的方法對(duì)氧化應(yīng)激相關(guān)蛋白標(biāo)記后，在高內(nèi)涵篩選系統(tǒng)上進(jìn)行分析，進(jìn)一步發(fā)現(xiàn)其損傷機(jī)制與促進(jìn)活性氧水平升高而導(dǎo)致氧化應(yīng)激損傷和細(xì)胞凋亡相關(guān)。

此外，藥物潛在的肝損傷在藥物開發(fā)和臨床應(yīng)用方面一直備受關(guān)注，因?yàn)楦闻K承擔(dān)著藥物代謝轉(zhuǎn)化的關(guān)鍵作用。目前已明確具有潛在肝損傷風(fēng)險(xiǎn)的中藥包括生物堿類（如千里光屬、澤蘭屬、款冬屬等）、苷類（如黃藥子、何首烏等）、毒蛋白類（如蓖麻子、相思豆等）、多肽類（如毒蕈傘含有的毒傘肽和毒肽等）、萜與內(nèi)酯類（如川楝子、艾葉等）、鞣質(zhì)類（如五倍子、石榴皮等）、動(dòng)物類（如蜈蚣、蟾酥等）、礦物類（如含汞、砷、鉛的礦物藥等）[57]。但是還有許多中藥在服用過程中造成肝損傷的發(fā)病機(jī)制和原因尚不明確，需要研究者們深入研究。高內(nèi)涵篩選技術(shù)因其能夠靈敏穩(wěn)定、簡(jiǎn)單易行地獲得目的藥物對(duì)細(xì)胞產(chǎn)生的實(shí)時(shí)多維立體的生物效應(yīng)信息，為體外預(yù)警肝損傷風(fēng)險(xiǎn)和研究其作用機(jī)制規(guī)避損傷風(fēng)險(xiǎn)提供了強(qiáng)有力的工具。耿興超等[58]為了篩選何首烏中潛在的致肝損傷的風(fēng)險(xiǎn)成分，采用4 種人源肝細(xì)胞系建立CCK-8 體外高通量篩選方法，對(duì)其總提物及其分部進(jìn)行篩選，確定潛在風(fēng)險(xiǎn)成分分部。對(duì)其中16 種代表性單體化合物進(jìn)一步篩選，確定潛在風(fēng)險(xiǎn)成分。最后通過高內(nèi)涵分析平臺(tái)檢測(cè)潛在風(fēng)險(xiǎn)成分對(duì)亞細(xì)胞器的影響，初步探索其機(jī)制，基本確定了沒食子酸為何首烏中潛在的致肝損傷的危險(xiǎn)成分，確定了其通過引起內(nèi)質(zhì)網(wǎng)應(yīng)激導(dǎo)致肝細(xì)胞損傷。除了這種針對(duì)某種中藥或者方劑的潛在肝損傷成分的發(fā)現(xiàn)和機(jī)制研究，余璇等[59]基于兩種肝細(xì)胞系，采用多種熒光探針分析多種細(xì)胞表型，對(duì)56 種中藥活性成分進(jìn)行了肝損傷快速篩選評(píng)價(jià)，篩選結(jié)果證明了高內(nèi)涵篩選方法適用于大規(guī)模初步篩選預(yù)警中藥活性成分潛在的肝損傷風(fēng)險(xiǎn)。

多種研究實(shí)例證明，高內(nèi)涵篩選技術(shù)因其能夠快速獲得多維細(xì)胞生物學(xué)效應(yīng)，從而能快速簡(jiǎn)便地評(píng)價(jià)和篩選從中藥化合物到復(fù)雜方劑潛在的風(fēng)險(xiǎn)成分，并發(fā)現(xiàn)關(guān)鍵致機(jī)體損傷成分，但是目前研究多集中于中藥潛在的肝腎損傷研究中，對(duì)其他潛在的風(fēng)險(xiǎn)研究較少，且多集中于中藥活性化合物的應(yīng)用，缺乏對(duì)方劑和組分的評(píng)價(jià)。

3.3 應(yīng)用高內(nèi)涵篩選技術(shù)建立中藥質(zhì)量評(píng)價(jià)體系

中藥質(zhì)量評(píng)價(jià)是中藥現(xiàn)代化進(jìn)程的關(guān)鍵問題之一，中藥材、中藥飲片以及中藥復(fù)方制劑的質(zhì)量是保證中藥臨床有效性、安全性的基礎(chǔ)，同時(shí)也是促進(jìn)中藥國(guó)際化、產(chǎn)業(yè)化和現(xiàn)代的關(guān)鍵[2]。中藥的質(zhì)量是中藥化學(xué)物質(zhì)綜合生物效應(yīng)的整體表現(xiàn)，其特點(diǎn)是多成分、多功效和整體性?，F(xiàn)代中藥質(zhì)量評(píng)價(jià)體系以“找成分，測(cè)含量”為主，以高效液相色譜、液質(zhì)聯(lián)用、紫外光譜等技術(shù)為主的化學(xué)評(píng)價(jià)能夠宏觀地反映中藥的物質(zhì)成分，而基于生物體系和藥效實(shí)驗(yàn)的生物評(píng)價(jià)則更能夠總體評(píng)價(jià)和表征中藥的安全性和有效性[60]。高內(nèi)涵篩選技術(shù)與傳統(tǒng)的分析實(shí)驗(yàn)相比，高內(nèi)涵成像平臺(tái)多通道地采集藥物對(duì)細(xì)胞的生物學(xué)效應(yīng)，發(fā)現(xiàn)中藥的生物質(zhì)量標(biāo)志物，從而構(gòu)建分析方法，方法構(gòu)建完畢后，能夠通過較少的樣本和較少的實(shí)驗(yàn)以及較少的時(shí)間高通量地快速評(píng)價(jià)多批次、多產(chǎn)地的中藥質(zhì)量。比如，阿膠作為臨床常用的名貴中藥，長(zhǎng)期以來(lái)因產(chǎn)品質(zhì)量問題備受關(guān)注，究其原因是與其臨床功效相關(guān)的質(zhì)量評(píng)價(jià)方法的缺失。劉靖等[61]采用高內(nèi)涵篩選技術(shù)，建立了基于小鼠巨噬細(xì)胞系RAW 264.7 吞噬模型的阿膠生物活性評(píng)價(jià)方法，實(shí)現(xiàn)了對(duì)不同品質(zhì)的阿膠的質(zhì)量評(píng)價(jià)。在相同的細(xì)胞模型上，曹俊嶺等[62]結(jié)合高內(nèi)涵分析，比較了鐵棍山藥和非鐵棍山藥促進(jìn)巨噬細(xì)胞吞噬活性的差異，分析了11 個(gè)批次山藥的藥效，鐵棍山藥的生物效價(jià)明顯高于非鐵棍山藥，為山藥的質(zhì)量評(píng)價(jià)構(gòu)建了快速簡(jiǎn)便的方法。

3.4 應(yīng)用高內(nèi)涵篩選技術(shù)助力中藥標(biāo)準(zhǔn)化和中藥新藥藥品注冊(cè)

中藥標(biāo)準(zhǔn)化是中藥現(xiàn)代化的重要內(nèi)容之一[2]，包括中藥質(zhì)量標(biāo)準(zhǔn)的現(xiàn)代化和國(guó)際化、中藥質(zhì)控技術(shù)的現(xiàn)代化、中藥安全性評(píng)價(jià)研究。如前文提到的，已有研究將高內(nèi)涵篩選技術(shù)應(yīng)用于評(píng)價(jià)中藥的毒性，構(gòu)建中藥毒性預(yù)警體系[45-49]。另外利用中藥的生物學(xué)效應(yīng)，應(yīng)用高內(nèi)涵分析技術(shù)構(gòu)建快速簡(jiǎn)便的質(zhì)量評(píng)價(jià)體系[51-52]。證明了高內(nèi)涵篩選技術(shù)在中藥標(biāo)準(zhǔn)化方面有著巨大的應(yīng)用前景。高內(nèi)涵篩選技術(shù)所獲得的中藥材、中藥復(fù)方以及中藥制劑的多維、海量的生物學(xué)效應(yīng)信息對(duì)進(jìn)一步提高中藥質(zhì)量標(biāo)準(zhǔn)的現(xiàn)代化和國(guó)際化大有裨益，同時(shí)也可以作為現(xiàn)代化中藥質(zhì)控技術(shù)的一種。此外，該技術(shù)還能實(shí)現(xiàn)快速評(píng)價(jià)中藥安全性，全面助力提升中藥標(biāo)準(zhǔn)。

中藥新藥研發(fā)的主要來(lái)源是中醫(yī)藥長(zhǎng)期的臨床實(shí)踐與經(jīng)驗(yàn)總結(jié)，現(xiàn)有的中藥復(fù)方新藥研究多是基于已有臨床實(shí)踐經(jīng)驗(yàn)和確切療效的中藥方劑基礎(chǔ)上的研究，來(lái)源主要包括經(jīng)典名方、臨床經(jīng)驗(yàn)方、民間藥方等[63]。2015～2020年，中藥新藥獲批的數(shù)量為個(gè)位數(shù)，尤其從2016年開始，每年僅有1～4 個(gè)品種獲批[64]。2019年發(fā)布的《中共中央 國(guó)務(wù)院關(guān)于促進(jìn)中醫(yī)藥傳承創(chuàng)新發(fā)展的意見》中提出：改革完善中藥注冊(cè)管理，及時(shí)完善中藥注冊(cè)分類，加快構(gòu)建中醫(yī)藥理論、人用經(jīng)驗(yàn)和臨床試驗(yàn)相結(jié)合的中藥注冊(cè)審評(píng)證據(jù)體系。支持中藥新藥以臨床應(yīng)用價(jià)值為導(dǎo)向，注重藥品的安全性、有效性和質(zhì)量可控性[64]。因此，對(duì)于中藥新藥研發(fā)要加強(qiáng)物質(zhì)基礎(chǔ)、藥效特點(diǎn)、安全性研究和評(píng)價(jià)、借鑒現(xiàn)代醫(yī)學(xué)的循證醫(yī)學(xué)理念創(chuàng)新中藥臨床療效評(píng)價(jià)體系、充分采用適宜的制劑技術(shù)，確保發(fā)揮療效優(yōu)勢(shì)和降低安全風(fēng)險(xiǎn)[2]。高內(nèi)涵篩選技術(shù)在明晰中藥作用機(jī)制、辨識(shí)有效成分群、定量設(shè)計(jì)和優(yōu)化有效成分群組方和質(zhì)控方面具有明顯的優(yōu)勢(shì)。比如，在作用機(jī)制和有效成分辨識(shí)方面，本課題組在紅景天、通脈養(yǎng)心方[34]、宣肺敗毒方[36]和冠心寧片[52]的藥效辨析和作用機(jī)制的研究，充分證明了高內(nèi)涵篩選技術(shù)在明晰中藥或中藥復(fù)方作用機(jī)制和有效成分群辨識(shí)方面的潛力。中藥復(fù)方需要從多組分、多劑量、多配比中優(yōu)選[2]，而高內(nèi)涵篩選技術(shù)能夠同時(shí)獲取高通量、多維度信息的特點(diǎn)則恰好符合實(shí)現(xiàn)自動(dòng)化優(yōu)化多變量、多指標(biāo)的需求。因此，高內(nèi)涵篩選技術(shù)能夠?yàn)橹兴幮滤幾?cè)和獲批提供更多的研究信息和科學(xué)支撐，助力中藥新藥注冊(cè)。

4 展望

面對(duì)中藥現(xiàn)代化的發(fā)展需求，高內(nèi)涵篩選技術(shù)為中藥藥效物質(zhì)研究、中藥安全性評(píng)價(jià)以及中藥質(zhì)量評(píng)價(jià)提供了有力的幫助。如上所述，廣大中藥研究者也借助高內(nèi)涵成像平臺(tái)解決了中藥現(xiàn)代化中的一些問題，研究者能夠利用高內(nèi)涵成像多通道、多靶點(diǎn)的特點(diǎn)較為全面地發(fā)現(xiàn)中藥藥效物質(zhì)及作用靶點(diǎn)，系統(tǒng)地揭示其中一些方劑的科學(xué)內(nèi)涵，但尚有許多問題未能解決，比如目前中藥研究中高內(nèi)涵篩選的通量較低，對(duì)于組分配伍和組分優(yōu)化的研究甚少。隨著熒光標(biāo)記技術(shù)的進(jìn)步，越來(lái)越多的靶點(diǎn)、信號(hào)分子和蛋白質(zhì)能夠可視化，3D 仿生模型構(gòu)建技術(shù)、微流控技術(shù)的發(fā)展則使可用于高內(nèi)涵篩選的體外模型越來(lái)越貼近真實(shí)的在體組織、光學(xué)顯微鏡的迭代更新會(huì)使高內(nèi)涵成像系統(tǒng)的分辨率越來(lái)越高，能夠捕捉更微小的生物學(xué)效應(yīng)，圖像分割、特征提取以及機(jī)器學(xué)習(xí)的算法的推陳出新也使得高內(nèi)涵分析能力越來(lái)越強(qiáng)。未來(lái)可能借助更加強(qiáng)大的高內(nèi)涵篩選云平臺(tái)，實(shí)現(xiàn)自動(dòng)化（無(wú)人值守復(fù)合機(jī)器人系統(tǒng)避免實(shí)驗(yàn)誤差）、數(shù)字化（全生命周期管理實(shí)現(xiàn)實(shí)驗(yàn)流程追溯和實(shí)驗(yàn)數(shù)據(jù)分析平臺(tái)支撐多維度篩選）和智能化（智能化引擎精準(zhǔn)調(diào)度實(shí)驗(yàn)操作和智能化設(shè)備支持多種研發(fā)實(shí)驗(yàn)流程）的中藥現(xiàn)代化研究，比如中藥功效組分智能辨識(shí)與組方優(yōu)化等。