400-0755-639
联系微信客服
学术文献
三叶兴科为医学诊断、治疗以及医药行业的发展注入了新的活力,我们是您研发工作中值得信赖的伙伴!
首页 学术文献 Cell | 当AI读懂细胞图像:SPARCS开启百万级复杂表型CRISPR筛选新时代

Cell | 当AI读懂细胞图像:SPARCS开启百万级复杂表型CRISPR筛选新时代

来源:生物探索 发表时间:2026-11-16 阅读:0
近日,《Cell》的研究报道“SPARCS enables scalable recovery of complex image-based phenotypes for genetic screening”,提出了空间分辨CRISPR筛选(spatially resolved CRISPR screening,SPARCS):先用显微图像识别异常细胞,再回收它们,追查相关基因和蛋白变化。
在约7000万细胞中,这套方法不仅找回了几乎全部核心宏自噬相关基因,还揭示了高尔基体酸碱状态对STING信号的调控。它提出的问题是:我们能否从细胞内部的空间变化出发,发现常规筛选容易忽略的机制?
 

当细胞的异常,无法用一个亮度值概括

混池CRISPR筛选(pooled CRISPR screening)把携带不同基因扰动的细胞放在一起,通过单向导RNA(single-guide RNA,sgRNA)追踪扰动身份。细胞存活或增殖变化等表型,已能用于大规模筛选。

但许多生物学问题依赖蛋白“在哪里”,而不只是“有多少”。例如,自噬相关蛋白LC3(microtubule-associated protein 1 light chain 3)的总荧光相似,空间分布却可能完全不同。将整幅图压缩成一个强度值,便可能丢失关键差别。

逐个基因分别培养、拍摄,能保留这些信息,却增加了实验负担;在细胞内原位读取扰动条码,则通常需要对大量细胞进行解码。SPARCS选择先对整个细胞库成像,再集中回收具有目标表型的细胞,让后续分析聚焦于更有价值的对象。

这改变了实验设计的重心:研究人员可以先定义想识别的细胞状态,再寻找使这一状态出现的基因。对于形态相似、内部定位却不同的细胞,选择什么读出,本身就决定了哪些功能变化更容易被发现。

先看清异常,再把目标细胞取回来

研究人员让细胞生长在聚苯硫醚(polyphenylene sulfide,PPS)膜上。它既支持显微成像,也能被激光切割。图像经过拼接和细胞分割后,算法判断每个细胞是否符合目标表型,再把坐标交给自动化激光显微切割(laser microdissection,LMD)系统。

用于基因分型时,系统主要切取细胞核,随后扩增、测序其中的sgRNA,识别富集的基因扰动;用于蛋白分析时,则回收相应细胞材料。图像因此成为选择实验对象的依据。

这套系统每小时可切取约1000个细胞核,切取膜片的回收率约为80%。在混合细胞群的验证中,至少95%的测序读段来自指定切取群体,支持回收的准确性。不过,1000个细胞核是切取速度,并不代表整个成像筛选每小时只能处理1000个细胞。

巧妙之处在于:先观察大规模细胞库,再对少量候选对象投入后续分析资源。

AUC超过0.92,为什么仍会漏掉大多数目标?

研究首先选择宏自噬(macroautophagy)验证方法。正常细胞在Torin-1刺激后,会形成带有LC3信号的自噬体(autophagosome);关键基因缺失的细胞,则可能无法形成这些斑点。

Torin-1是mTOR抑制剂(mTOR inhibitor),在这里用于模拟饥饿诱导的自噬。训练样本既包括未刺激与刺激后的正常细胞,也包括缺失ATG5的细胞,使算法能够学习同一实验体系中的不同LC3分布。

在120万细胞的预实验中,被回收细胞里的ATG5靶向sgRNA中位富集约200倍,其他自噬相关sgRNA中位富集约60倍。这说明图像筛选能把目标扰动从混合细胞库中富集出来。

但第一版分类器暴露了一个问题:受试者工作特征曲线下面积(area under the ROC curve,AUC)超过0.92,看起来表现不错;当假发现率(false discovery rate,FDR)控制在1%时,召回率(recall)却不足26%。换言之,为减少误选,它漏掉了大多数目标细胞。

研究人员随后优化染色、成像和训练样本,减少标签错误。第二版分类器在独立测试集中的AUC超过0.999,在FDR低于1%的条件下,召回率接近100%。

这组数据提醒我们:评价筛选模型,不能只看一个漂亮的总体指标,还要看它在实际选择阈值下,能找回多少目标、混入多少误选。这里的高性能也属于特定测试条件,不能自动推广到所有细胞和表型。

有LC3斑点,为什么仍可能存在自噬缺陷?

随后,自噬筛选扩大到4000万U2OS细胞,每个基因的中位覆盖为1818个细胞。研究人员累计切取395173个细胞核,找回了几乎全部核心饥饿诱导宏自噬相关基因,包括完整的ULK1复合物和LC3脂质化通路。

其中,内质网(endoplasmic reticulum,ER)跨膜蛋白EI24对应的扰动富集约82倍。但它并非首次与自噬建立联系:既往研究已报告,EI24缺失会伴随LC3脂质化升高或斑点形成。

研究人员也没有把单条sgRNA的富集直接视为可靠结论。所用文库为每个基因设计了4条sgRNA,多个独立扰动是否一致,成为评估候选的重要依据。仅有一条sgRNA突出,可能涉及脱靶效应(off-target effect),仍需谨慎核查。

那么,一个识别自噬体形成障碍的分类器,为何会选中它?

后续实验确认,EI24缺失细胞的基础LC3脂质化确实升高;但在Torin-1刺激后,常见的多个LC3斑点形成明显受损,主要出现一个较大的LC3阳性聚集点。

这些结果支持EI24参与自噬体形成,同时说明:LC3脂质化升高或出现聚集点,都不能单独等同于自噬过程正常完成。既往观察与本研究的差异,需要结合实验条件和具体表型理解,EI24的详细机制也仍待研究。

空间形态补充了总量指标无法提供的信息,让“信号增加”背后的不同状态得以区分。

STING去了哪里,比信号亮不亮更有信息

第二项筛选聚焦干扰素基因刺激因子(stimulator of interferon genes,STING)。在静息状态下,STING位于内质网;受刺激后,它经过内质网—高尔基体中间区(ER–Golgi intermediate compartment,ERGIC)、高尔基体,最终进入内溶酶体系统。转运与信号激活紧密相连。

研究人员在HeLa细胞中表达带荧光标签的STING,用激动剂diABZI刺激,再训练分类器区分不同定位状态。经过2小时刺激,正常细胞的STING通常已进入内溶酶体相关结构;仍停留在早期转运区室的细胞,则成为候选对象。

在2940万细胞中,研究人员回收了2071个候选细胞用于基因分型。已知转运因子SEC24C、SEC31A的敲除显著富集,同时出现了机制尚不清楚的候选基因,包括GPR89B。

这项实验把“蛋白停在哪里”变成了全基因组筛选的读出,使转运障碍能够直接进入候选基因发现过程。

高尔基体更不酸了,STING却难以启动

GPR89A和GPR89B编码高尔基体pH调节蛋白(Golgi pH regulator,GPHR)。它作为氯离子通道,参与维持高尔基体腔内的酸性环境。

同时敲除两个基因后,高尔基体pH升高,diABZI刺激下的STING明显滞留在内质网。重新表达GPR89B,能够恢复其向高尔基体的转运。

研究人员又进行了两项有助于排除其他解释的实验。首先,另一种激动剂Compound 53(C53)能直接在内质网上诱导STING聚集,其效应在双敲除细胞中大体保留。这提示GPHR缺失并未让STING完全失去响应能力,影响更集中于依赖转运的激活路径。

其次,在单核细胞转分化模型中,双敲除影响了diABZI刺激后0.5小时的STING、TBK1和IRF3磷酸化,并削弱IFNB1、CXCL10的转录响应。使用莫能菌素(monensin)急性提高高尔基体pH,也产生了类似的激活延迟,使长期基因缺失引发代偿变化的解释受到进一步检验。

值得关注的是,既往研究发现STING激活后伴随高尔基体pH升高,而该研究显示,预先破坏酸性环境会妨碍早期激活。两者未必矛盾:同一种环境变化,在不同阶段可能具有不同作用。至于后期pH变化如何维持信号,仍需要更直接的机制证据。

敲除、回补、替代激动剂和急性干预,从不同方向检验了同一解释,使证据超出了“定位异常与信号减弱同时出现”的相关性观察。不过,pH变化具体影响了哪一步转运,仍没有被完全解释。

50个细胞,继续追查约5000种蛋白

SPARCS还让候选细胞可以接受图像之外的分析。研究人员从50个回收细胞中,利用液相色谱—质谱(liquid chromatography–mass spectrometry,LC-MS)稳定定量约5000种蛋白。

在STING筛选中,43组每组含40—60个候选细胞的混合样本,呈现出可重复的蛋白组(proteome)差异,涉及SEC61G、TMEM258、KDELR1等内质网和高尔基体相关蛋白。这提供了进一步追查细胞状态的线索。

研究人员还借助计算扰动预测模型STATE,比较2023种基因扰动的预测效应与实验蛋白组特征,提出CLCC1等额外候选。但模型主要学习单细胞转录组数据,将其用于蛋白组特征存在跨数据类型的局限;计算提名也仍需实验验证。

目前每小时约1000个细胞核的切取速度仍限制回收效率;基因分型采用至少500个切取细胞的混合样本,尚不能将每幅单细胞图像与某条sgRNA逐一配对;小规模混池蛋白组也不等于逐细胞蛋白组。

因此,这是一项细胞层面的功能发现平台,尚不能据此认定临床治疗策略。它带来的启发是:当基因扰动改变的是细胞内部的组织方式,保留空间信息,就可能发现总量指标难以呈现的功能异常。

细胞里的一幅图,因而不只是实验的展示结果,也可以成为提出问题、选择对象和追查机制的起点。

 

 

参考文献

 
Schmacke NA, Mädler SC, Wallmann G, Metousis A, Varlamova V, Steigerwald S, Christ SB, Bérouti M, Harz H, Leonhardt H, Theis FJ, Mann M, Hornung V. SPARCS enables scalable recovery of complex image-based phenotypes for genetic screening. Cell. 2026 Oct 6:S0092-8674(26)01123-2. doi: 10.1016/j.cell.2026.09.021. Epub ahead of print. PMID: 42838047.