米乐M6官网登录正版下载·中科院分子细胞卓越中心陈铭、赵宏伟：高内涵成像分析

　　，邀请高校、科研院所公共技术平台的老师分享技术心得和经验，方便生命科学领域研究人员了解相关技术进展，学习仪器使用方法。本篇由中国科学院分子细胞科学卓越创新中心化学生物学技术平台陈铭

　　高内涵成像分析系统，通俗来讲就是自动化成像平台和图像定量分析平台的集成，于20世纪90年代中后期推出第一代产品。高内涵成像分析系统的出现得益于自动化技术的进步，也依赖于计算机辅助的图像自动采集和信息提取能力的提升，其鲜明特点就是图像采集速度快、样品检测通量高、数据分析功能强。高内涵主要应用于高通量药物筛选和功能基因组筛选的细胞表型类实验检测，也适用于中低通量的细胞学研究中实验条件的摸索和优化

　　。本文主要从图像高通量采集和图像批量分析两个方面介绍一下应用心得，并简要介绍一下我们在高内涵使用中遇到的一些思考。

　　1. 自动化成像：图像采集要兼顾成像速度和成像质量的平衡作为高通量检测设备，高内涵的成像速度非常快，现在的技术能在5分钟之内完成一整块384孔板的单通道单视野的高质量图像采集。高内涵的成像对象通常是板底透明的微量多孔板，包括1-1536孔板，其中以96孔板和384孔板的使用最为常见。当然，借助于适配器的使用，也可以实现对培养皿和玻片的观察。根据板底材质的不同，分为PS材质多孔板和玻璃底多孔板，其中板底透明的黑色PS材质微孔板使用较广泛。根据板底厚度的不同，板底厚度大于200

　　的属于厚底板，小于等于200 μm的属于薄底板。薄底板多用于高数值孔径物镜的成像，厚底板适配于长工作距离物镜。同时，由于高数值孔径物镜比较宽，容易与多孔板边缘的裙边相撞，导致多孔板最外面的一圈的孔无法成像，现在也有低裙边的多孔板来兼容高数值孔径物镜的整板成像。此外，出于特定的实验目的，还有一些特殊的板型，也可以在高内涵上进行图像采集，比如适用于3D 类器官培养的U型底多孔板，用于研究细胞迁移能力的Transwell孔板等。区别于一般的荧光显微镜，高内涵属于自动化的倒置荧光显微镜，通常搭配自动化的载物台来驱动多孔板的移动。目前通用的载物台是机械载物台和高精度磁悬浮载物台，可以实现连续时间点成像后稳定的视频输出。由于所有的微孔板的板底都无法保证厚度是绝对一样的，因此高质量图像采集的自动化还依赖于精确自动聚焦技术的发展。常用的聚焦方式包括基于激光的硬件聚焦和基于图像的软件聚焦。基于激光的硬件聚焦是通过光源的反射或折射实现的，利用近红外激光探测微孔板的底部界面作为自动聚焦的参照，特点是速度快、重复性高、光毒性低。

　　我们平台目前使用的高内涵设备的聚焦方式为硬件聚焦，包括双峰探测和单峰探测两种板底探测方式。双峰探测的原理是利用激光探测微孔板板底下表面和空气之间的界面得到第一个探测峰，物镜继续向上移动，激光会探测到微孔板板底上表面和溶液之间的界面得到第二个探测峰，对于样品的聚焦就是在第二个探测界面上加上聚焦高度实现的。这种双峰探测方式可以保证同一个荧光通道的图像都是在样品的同一高度上采集得到，聚焦精确，但同时也相对容易受到一些因素的干扰造成聚焦困难，包括微孔板板底的厚度及均一度，以及溶液的性质和体积等。当使用低倍物镜或检测玻片样品时，双峰探测模式不再适用，只能使用单峰探测方式，即在自动聚焦时只能探测到多孔板板底的下表面和空气之间的界面或者玻片和空气之间的界面。单峰探测模式下，自动聚焦的实现是把单峰界面作为聚焦参照，加上板底厚度或玻片厚度作为理论上的第二个界面从而实现样品的自动聚焦。这种单峰探测方式下聚焦更容易些，但共聚焦成像的精确度会降低。需要特别注意的是硬件聚焦对于板底的洁净程度要求较高，多孔板在进行成像前最好用喷过消毒酒精的无尘纸擦拭，而且要保证物镜镜头洁净无尘，避免因为板底和物镜上的灰尘造成聚焦失败。另外有些自动化微孔板成像设备，还配置了软件聚焦模式。软件聚焦是指机器自动在z轴上拍摄一系列图像，根据算法挑选最大对比度的图像作为样品图像，这种软件聚焦模式速度通常较慢，而且容易因细胞碎片或死

　　细胞等原因导致聚焦不精确。作为显微镜，高内涵的成像模式也包括宽场成像和共聚焦成像。高内涵仪器上宽场成像用途比较广泛，但对于一些信噪比很低的实验或者需要观察亚细胞结构的筛选则必须使用共聚焦成像。为了适配检测通量和检测速度，因此高内涵上的共聚焦只能是转盘共聚焦，有效提高了成像速度的同时但也会导致图像分辨率受一定损失。目前主流的高内涵品牌推出的共聚焦，有较低端的LED光源的单转盘共聚焦，也有激光光源的双转盘共聚焦。由于共聚焦排除了非焦平面的杂散光，到达样品的激发光的光子数量的急剧锐减，微透镜双转盘共聚焦能极大地提高到达样品的光子数量，从而达到比较好的成像效果。高内涵的共聚焦通常搭配水镜使用，与空气镜相比，水镜的透光量是空气镜的4倍以上。另外，目前虽然有的高内涵搭配了油镜，但是油镜并不适用于高通量筛选，进行稳定的大规模自动化实验时还是空气镜和水镜更为适用。

　　作为高通量自动化仪器，高内涵通常会搭配机械臂和多孔板堆栈来提高检测通量。考虑到荧光成像样品最好避光保存，降低荧光淬灭或衰减风险，在使用多孔板堆栈时，条件允许的情况下最好能做适当的避光措施以更好地保护样品的荧光信号。

　　在实际科研应用中，有的实验细胞密度较低，有的实验因为药物处理或siRNA处理导致的细胞毒性问题使部分样品孔内细胞比较稀疏，有的类器官成像实验中样品只存在于孔内的部分区域，对于上述这些情况可以考虑使用低倍物镜进行预扫描，对扫描结果进行简单的图像分析确认精确的检测区域，再对目标区域进行高倍物镜下的正常图像采集。这不仅可以节省大量的检测时间，同时也避免了大量冗余数据的产生。

　　2. 细胞图像分析：标准化、多参数、高通量、无偏差高内涵图像采集速度快和检测通量高的直接结果是会产生海量的图像数据，因此，标准的、无偏差的批量图像分析是必不可少的。同一批次的筛选样品，设置一个通用的图像分析方法，可以稳定的用于所有筛选数据的批量分析。高内涵分析软件能够根据细胞图像提取数百到数千个特征参数，用于定义或区分不同细胞表型，也可以输出所有的特征参数用于实验数据的评价。

　　高内涵的图像分析软件可包含三个难度的分析模式：简单的预设方法模式，灵活的模块化组合模式，以及难度最大的个性化分析方法开发模式。预设方法模式对操作新手比较友好，按照实验类型简单修改后套用即可，比如细胞计数、荧光强度分析、细胞增殖分析、细胞凋亡分析、蛋白核质转位分析、蛋白受体内化分析、Spot分析等等。由于面临的实验需求多种多样，在我们平台的实际科研应用中高内涵图像分析通常采用灵活的模块化组合模式，优化调整不同的模块参数使其更加贴合具体的实验需求。基于这种分析模式，细胞的亚群分析、基于图像的纹理分析、细胞周期分析、Spot分析、神经细胞分化分析、单细胞迁移轨迹追踪分析、微核分析、类器官分析、免疫细胞杀伤分析等实验类型，都已获得很好的分析效果。

　　图像分析主要包括以下步骤：图像的处理、图像分割、特征参数的定量和提取、细胞亚群分类和结果输出。图像分析环节特别具有挑战性的步骤就是图像分割，尤其是对于样品质量比较差或者是没有荧光标记的明场图像而言。对于细胞分布不均匀，细胞核拥挤成团的样品的分割，往往要尝试很多分割方法，包括对图像进行锐化或模糊化处理、通道叠加、调整细胞识别方法的荧光阈值或对比度、优化不同切割方法的参数等，从而获得最好的分割效果。对于分割不理想的图像，可以将细胞区域和背景区域分割，对细胞区域进行整体定量。现在随着机器深度学习技术在高内涵图像分析软件中的应用拓展，软件图像分割能力已得到很大提升。

　　当微孔板上孔内细胞表型的异质性比较大的时候，采用整孔平均值这样的参数定义不同处理之间的差异时，往往信号的窗口比较小。为了增大信号窗口，可以考虑采用将细胞群体划分为不同的亚群，针对不同的亚群进行数据分析，或者是计算某个亚群在群体细胞中的占比。对于荧光图像的分析，多数情况下平均荧光强度（即mean-mean值，每个孔内所有像素点的平均荧光强度）可以反映不同孔之间的差异，但当不同处理导致细胞形态发生变化时，总荧光强度的平均值（即sum-mean，每个孔内所有细胞的总荧光强度的平均值）更能反映真实的孔间差异。对于一些荧光强度比较低的样品，阴性样品和阳性样品的信号窗口不够大的时候， 通过扣除背景信号，也可以提高阴性阳性之间的信号窗口。我们常用的背景信号的计算方法有四种：① 通过平均荧光强度和对比度，反推背景荧光强度；②通过纹理分析，找出没有细胞的区域定义为背景区域，定量该背景区域的荧光值为背景荧光强度；③圈选细胞之外的一圈无细胞区域为背景区域，定量该区域的荧光强度；④制备没有荧光标记的细胞孔，该孔的荧光值作为背景荧光。

　　高内涵分析软件虽然能够对细胞图像提取成百上千个生物学参数，但大多数情况下，简单表型只需要其中一个或几个参数就可以进行数据评价，判断药物处理效果和反映趋势。常用的参数包括：荧光强度、荧光总强度、细胞数量、细胞面积、阳性细胞比例、荧光强度比值等。但是有一些复杂的细胞表型，无法用单个或几个参数进行简单区分，这时候结合软件的机器自学习功能/深度学习功能，利用多参数体系对细胞群体进行分类，可能更容易实现不同表型的区分。

　　3. 高内涵系统使用过程中需注意完善的地方总的来说，高内涵细胞成像和图像分析功能都很强大，但是在实际的使用中也面临着一些问题和挑战。首先，高内涵实验产生的数据量非常庞大，高效安全的数据存储管理非常重要。如果由于配套电脑的硬盘容量跟不上实际实验规模的需求，仪器管理员往往会处于频繁的数据备份和硬盘清理工作中。同时也需要有高速稳定的数据信息传输途径，确保采集好的图像能及时传输到分析软件系统，避免发生数据丢失的情况。其次，图像分析对电脑的运算性能要求比较高，特别是有些类型的图像分析方法步骤复杂，定量参数繁多。比如单细胞实时追踪实验，需要对单个细胞的多个连续时间点进行多参数定量统计，最后的结果输出阶段也需要对单个细胞数据进行呈现，因此对电脑的运算能力很有挑战。如果配置的数据分析电脑性能与这类图像分析的需求不太匹配，往往会导致分析速度过慢甚至容易发生宕机现象。最后，对于实心的类器官样品，目前常见的高内涵系统的激光穿透效率和成像分辨率还不足够理想，重构获得的三维图像可以用于获取体积面积等参数，但还不太能对球体深处内部细胞进行高质量分割，也较难获取准确的蛋白定位信息。相信这也是高内涵成像系统在未来发展提升中会逐渐优化解决的一些要点。