分析測試百科網 > 行業資訊 > 綜述

術語解析和區別：高內涵成像、高內涵篩選和高內涵分析

2022.10.03

本文淺析了高內涵成像（HCI）、高內涵篩選（HCS）、高內涵分析（HCA）等術語間的區別，將這些基于圖像的自動化高通量技術逐漸用于生成數據，可對臨床前研究和下游Go/No-go決策提供支持。

引言

顯微鏡技術在過去幾十年所取得的驚人進步，使得HCI（高內涵成像，High content imaging）才成為可能。具體來說，顯微鏡現在能夠通過自動化程序獲取大量圖像。簡而言之，HCI是一種基于圖像的高通量細胞篩選方法，它將自動多色熒光成像與量化數據分析相結合，以同時評估2D和3D細胞培養中單個細胞的多種分子特征，以及其他生物樣本類型。HCI正逐漸被研究人員采用，因為它能夠在使用數百、數千甚至數百萬種新化合物治療后，對許多細胞的單細胞活性進行無偏倚的多參數可視化和量化。

例如，雖然傳統的低通量顯微鏡檢查實驗可能在相對較少的細胞中捕獲生物效應（如細胞死亡），但HCI使得研究人員能夠捕獲數百乃至數千張具有所需生物終點的細胞圖像。顯然，后一種方法生成的數據集更加可靠，因為它需要捕獲數百、數千甚至數百萬張圖像，這最終導致數據點的數量得以最大化，使得統計結果更加可靠。

“高內涵”這一術語通常指單個細胞的多個分子參數/特征（使用熒光染料測量）可以同時被評估，例如細胞周期狀態、細胞和核形態、細胞活性、受體內化、蛋白質聚集等。因此，基于HCI的強大技術正在臨床前研究等領域廣泛應用，從識別和驗證新靶點到預測體內脫靶效應等等，這并不奇怪。

雖然“高內涵成像”、“高內涵篩選”和“高內涵分析”等術語經常交替使用，但仍存在一些區別，所述詳情見下文以及總結見表1。

HCI、HCS和HCA之間的差異

高內涵成像（HCI）High-Content Imaging
如上所述，“HCI”這一術語用于指代基于圖像的主要基礎自動化高通量技術。HCI方法用于測量和監測表型變化，以優化發現和開發研究，以及早期的發現和高通量篩選（HTS），從而實現命中先導物和先導物的優化。最終目標是得出一系列可靠數據，通過更為直觀地理解化合物與靶點在細胞水平上的相互作用，為后期做出是否繼續的決定提供支持。

圖1：正常和癌癥類器官單獨和免疫細胞共培養的代表性多參數HCI圖像：?正常結腸類器官（左上）、結直腸癌類器官（右上）、類腫瘤加髓細胞（左下）和類器官加免疫細胞（右下）。

高內涵篩選（HCS）High Content Screening
HCS的目的類似于其他傳統HTS（高通量篩選）方法，目標是篩選數百萬種到數億種化合物，確定新的藥物靶點和命中率，或在復雜的細胞系統（包括球體和類器官等3D培養物）中進行靶點和先導物優化。與基于讀板儀（酶標儀）的傳統HTS相比，HCS被認為更具可預測性，因為高內涵成像（HCI）篩選法可顯示細胞對化合物反應的表型數據，而其可能同一個實驗中的在靶效應和/或脫靶效應有關。盡管在實驗的規劃階段必須考慮可能出現的實驗噪聲、工作流挑戰和數據存儲容量，但通過使用多路復用技術，可以監控多個終點。

圖2：多個特征的HCS數據輸出的代表性熱圖示例。（左）對細胞核和肌動蛋白的快速分析，（右）全z疊加分析在一次檢測中產生300多種形態特征

雖然HCI硬件的發展速度非常快，但分析軟件的發展速度卻沒跟上。這意味著HCS實驗往往沒有發揮其潛力。例如，一項分析報告稱，盡管自2000年以來HCS的使用不斷增加，但使用HCS評估的終點數量相對較少。作者發現，60-80%的已發表論文只使用了1個或2個終點，僅5-10%使用了6個以上終點。這種使用低于預期（當時）的現象，是因為缺乏功能強大且用戶友好型的高內涵分析（HCA）軟件，而HCS實驗需要這種軟件。差不多8年之后，復雜的HCA程序已可獲得，并且被證明對于分析多參數HCS數據非常寶貴。

高內涵分析（HCA）
HCA將多參數算法應用于HCS數據。通過在復雜細胞系統（包括來自球體、類器官和共培養物以及微環境的多細胞結構）的背景下開發詳細的細胞生理學特征，實現對來自HCS的命中率進行優化這一目標。換言之，精密的HCA算法現在能夠在HCS實驗中對細胞系進行非常復雜的分析，最終提供具備高度可預測性和高度可轉化性的臨床前數據來預測體內效應。