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(kāi)始實(shí)施中藥現(xiàn)代化研究戰(zhàn)略?!爸兴幀F(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(kāi)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(guò)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(guò)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(wèn)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。
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(kāi)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(guò)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]。
高內(nèi)涵篩選技術(shù)主要依賴(lài)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]。
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(wèn)題。
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(kāi)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
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(mǎn)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(kāi)發(fā)出來(lái),擴(kuò)大了視覺(jué)表型的自動(dòng)篩選范圍[11]。目前實(shí)驗(yàn)室常見(jiàn)的高內(nèi)涵成像儀器如表1 所示。
表1 常見(jiàn)的高內(nèi)涵成像儀器
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(kāi)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(kāi)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(kāi)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。
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(kāi)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(kāi)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(kāi)源軟件之外,還有像CellProfiler[28]這樣的專(zhuān)用軟件,可以自動(dòng)從細(xì)胞繪畫(huà)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(hù)使用的專(zhuān)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(guò)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(lèi)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(mǎn)了興趣。然而,通過(guò)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(kāi)發(fā)了一個(gè)基于深度學(xué)習(xí)的開(kāi)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(lèi)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]。
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(guò)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(kāi)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(lèi)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(chēng)為是第一個(gè)“現(xiàn)代”類(lèi)器官[38]。目前,已有成熟的實(shí)驗(yàn)方案可以獲取類(lèi)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(lèi)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(lèi)型[39]。鑒于類(lèi)器官?gòu)?fù)雜性及其成熟的培養(yǎng)技術(shù),人們期望類(lèi)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(lèi)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(lèi)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(lèi)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(lèi)器官,本課題組還利用斑馬魚(yú)和線蟲(chóng)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(yú)心衰模型,結(jié)合深度學(xué)習(xí)實(shí)現(xiàn)了使用斑馬魚(yú)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(chē)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(chē)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(guò)表達(dá)皮膠原XII(COL-12)的秀麗隱桿線蟲(chóng)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(chóng)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(guò)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
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(guò)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。
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(yú)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(lèi)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(yú)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(lài)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(lài)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(kāi)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(lèi)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
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(wèn)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(wèn)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(guò)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(guò)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(lèi)組分對(duì)腎細(xì)胞的損傷,通過(guò)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(kāi)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(lèi)(如千里光屬、澤蘭屬、款冬屬等)、苷類(lèi)(如黃藥子、何首烏等)、毒蛋白類(lèi)(如蓖麻子、相思豆等)、多肽類(lèi)(如毒蕈傘含有的毒傘肽和毒肽等)、萜與內(nèi)酯類(lèi)(如川楝子、艾葉等)、鞣質(zhì)類(lèi)(如五倍子、石榴皮等)、動(dòng)物類(lèi)(如蜈蚣、蟾酥等)、礦物類(lèi)(如含汞、砷、鉛的礦物藥等)[57]。但是還有許多中藥在服用過(guò)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(guò)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(méi)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(guò)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?lè)治龆喾N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)。
中藥質(zhì)量評(píng)價(jià)是中藥現(xiàn)代化進(jìn)程的關(guān)鍵問(wèn)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(guò)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(wèn)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。
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(kāi)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(jiàn)》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(lèi),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)。
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(wèn)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(wèn)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。