高分文章思路| Nat Methods 三百万张细胞图像揭示药物与基因编辑如何塑造细胞形态

在传统研究中，对细胞形态的分析通常依赖于手动提取的特征，例如细胞的大小、形状、强度和纹理等。这些特征需要经过一系列后处理步骤，包括归一化、特征选择和降维等。然而，随着机器学习技术的发展，研究者开始探索是否可以直接从细胞显微图像中自动识别特征。尽管很多新的分析技术正在被尝试应用于这一领域，但在细胞形态分析中的应用仍处于起步阶段。

为了克服这些挑战，本文描述了一个名为CPJUMP1的基准数据集的设计与创建。该数据集包含了约三百万张细胞图像和七千五百万个单细胞的图像基本信息，涵盖了多种细胞类型和不同实验条件下的数据。与现有数据集相比，CPJUMP1在于它包含了化学和基因干扰对同一基因的影响数据，而且提供了对细胞形态的精确记录，有助于揭示干扰因素对细胞形态的效应。

它的精髓是什么：CPJUMP1数据集包含了化学和基因干扰对同一基因的影响数据，这些干扰对被分别测试在不同的实验条件下，以观察它们是否产生相似或相反的形态学变化。

举个例子：U2OS细胞是一种常用的人类骨肉瘤细胞系，通常用于细胞生物学和药物研究中。在这篇文章中，使用了U2OS细胞作为研究对象，通过给细胞施加BRD4特异性抑制剂PFI-1，并通过显微镜观察和记录了细胞内各种结构的变化，比如细胞核、内质网、线粒体等。分析这些变化，研究人员可以推断出PFI-1对细胞功能的影响，从而深入了解该化合物的作用机制和潜在的治疗效果。

图1：来自数据集的一个样本图像，是人类U2OS细胞受到了化合物PFI-1（一种BRD4特异性抑制剂）处理后的结果。 图中的比例尺为100微米。图中的通道名称表示了每个图像中识别的细胞结构，包括AGP（细胞骨架）、DNA（细胞核）、ER（内质网）、mito（线粒体）和RNA（核仁和细胞质RNA），以及它们这些结构的叠加。

图2：UMAP--基于图像的细胞形态特征分析：每个点代表一个细胞样本，而点的接近程度表明样本间的形态特征有多相似。有助于从全局来识别哪些化学或基因扰动导致了相似的细胞形态改变

二、文章方法

根据作者在Nature Methods上发表的文章内容， 药物和细胞准备以及实验设计如下：

2.1　药物和基因扰动的选择:

化学扰动：选择的化合物主要针对特定的基因产物（蛋白），这些化合物被认为会影响细胞功能。这些化合物从Broad Institute库中挑选，包括FDA批准的药物、临床试验药物和前临床工具化合物。

基因扰动：使用CRISPR-Cas9和ORF（开放阅读框架）技术进行基因编辑，旨在敲除（CRISPR）或过表达（ORF）特定基因，以模拟基因的失活或激活状态。

2.2　细胞类型的选择:

实验使用了两种人类细胞系，U2OS（骨肉瘤细胞系）和A549（肺癌细胞系）。这些细胞系被广泛用于药物筛选和基因功能研究，因其生长特性和遗传背景适合进行高通量成像分析。

2.3　实验设计:

平板设计：实验使用384孔板，其中每个孔内进行单独的化学或基因扰动处理。为了减少边缘效应，化合物和相应基因的扰动分别安排在板的内部或外部孔中。

时间点和处理：不同的扰动在不同的时间点进行处理和成像，以观察细胞形态的变化。对于化学扰动，处理时间通常为24小时和48小时；对于基因扰动（CRISPR和ORF），则可能需要更长时间（如96小时或更长）来观察基因编辑的效果。

2.4　图像采集和处理:

细胞染色：使用Cell Painting技术对细胞的不同组分进行染色，包括核、细胞质RNA、内质网、高尔基体和线粒体等，利用不同的荧光染料。

显微成像：采用自动化荧光显微镜捕获处理后细胞的图像，每个样本的多个视野（sites）被成像以确保数据的代表性和重复性。

图像分析：使用CellProfiler软件进行图像处理和特征提取，从单个细胞中提取多达数千个形态特征，随后使用机器学习工具如cytominer进行数据分析和特征筛选，以辨识扰动间的相似性和差异性。

等等。我这么表达你也许会觉得抽象，但是看到下面的图你就会理解：

图3：CPJUMP1实验的数据生成架构，这是一个详细的384孔板布局图。实验板分为几个区域，每个区域用于不同类型的扰动实验。例如，某些板块专门用于化学扰动测试，而其他板块用于基因扰动（如CRISPR敲除和ORF过表达）。

为了确保数据的可靠性，每种扰动在板上有多个重复。此外，为了比较效果，每个实验板也包括了对照组孔，通常是未处理的细胞或只处理载体的细胞。

每个孔的具体处理细节，如扰动类型、使用的细胞类型（例如U2OS或A549细胞系）、处理的时间点等，都被精确记录，以便后续数据分析和结果解释。使用高内容成像技术对处理后的细胞进行成像，收集大量的细胞形态数据。图像数据后续用于通过机器学习和图像分析技术提取形态特征，分析扰动的影响。

这样的实验设计确保了实验结果的准确性和重复性。

三、数据应用

图4：针对不同扰动的细胞样本之间形态学相似性的检测效果，通过比如平均精确度（mean average precision, mAP）来衡量。比如说化学扰动相较于基因扰动（CRISPR和ORF）能产生更为显著和易于检测的形态变化。这表明化学化合物引起的细胞形态变化更为明显，从而在图像分析中更容易被区分出来；还可以比较不同扰动的比较，比如比较CRISPR敲除和ORF过表达的效果，显示了它们对细胞形态的不同影响程度，其中CRISPR表现出更一致的形态变化趋势，而ORF引起的变化可能更加复杂或微妙。

图5：在特定扰动（化合物与基因）之间的匹配效果，尤其是这些扰动是否导致相似或相反的形态变化，以及这些相互作用的方向性（例如，一个抑制剂与其目标基因的敲除是否产生相似的形态响应）。比如你可以分析特定化学抑制剂与其目标基因敲除是否产生相似的形态响应。

敲黑板：这种比较有助于评估化学抑制剂和基因敲除是否在生物学上通过相同的途径影响细胞功能。相似的形态变化表明抑制剂可能有效地模拟了基因敲除的效果，从而验证了其作为目标基因抑制剂的功能。这样可以为药物的作用机制提供了可视化的证据。

四、总结

１、CPJUMP1数据库的构建与功能：该研究创建了一个名为CPJUMP1的大规模数据库，其中包含了三百万张细胞图像，用以记录化学和基因扰动对多种细胞类型形态的影响。此数据库提供了比以往更广泛的实验条件下的详尽形态变化数据。

２、数据资源对研究的推动作用：通过CPJUMP1数据库，研究者们可以利用这些数据测试新的机器学习方法，或者探究化合物对基因或蛋白质影响作用机制。

３、机器学习在细胞形态学分析的应用：该研究直接从细胞显微图像中自动提取形态特征，标志着从手动特征提取向自动化、高效的分析方法的转变，大大提高了数据处理的速度和效率。

继续读