数字化细胞命运药筛平台——开启肿瘤类器官药筛的组学时代

肿瘤类器官是更为仿真的体外药筛模型，但现有基于类器官的药筛系统大多数还是停留在对于肿瘤类器官的大小或细胞数的定量评价上，缺乏对于细胞命运（状态）的更为全面、丰富的描述，错失大量潜在药效信息。

昕瑞再生大力推荐公司特色的“数字化细胞命运（状态）的药筛平台”，基于仅用极低成本、少量细胞、规模化操作即可实现的DRUG-seq2转录组测序技术，全面评价肿瘤细胞系及类器官在药物处理后的整体变化趋势及药效综合分析。筛选产生的数据集还可以反复开展数据挖掘，插上计算生物学和机器学习、人工智能的翅膀！

一个类器官、少量血液或3-5张组织切片即可实现规模化测序。对于临床中难以获取大量样本的情况，以及药筛中常见96孔板、384孔板或单个类器官用于筛选所涉及细胞数量较少的情况，DRUG-seq2都提供了绝佳解决方案，低至1000个细胞/样本。

对于细胞培养样本或小型类器官样本可直接进行细胞裂解处理替代传统的RNA提取步骤，极大地简化了实验操作流程，减少了实验操作的批次差异和实验周期。更利于实现规模化的操作。

单次实验可同时测序上千个样本，大大提高了实验效率。相较于传统的 RNA-seq方法，DRUG-seq2成本更低，非常适合大规模样本的平行分析。技术服务低至100元/样本，试剂盒低至50元/样本。

从肿瘤研究到药物开发，DRUG-seq2技术的广泛适应性使其成为科研和临床领域的重要工具。无论是药物机制的探索，还是肿瘤标志物的发现，DRUG-seq2都能提供丰富的数据支持。

DRUG-seq2 具有广泛的适用性，其不仅在药物筛选方面表现出色，还可应用于靶点发现、机制探究、培养基研制以及细胞模型优化等诸多领域^[1][2]。此外，DRUG-seq2 的筛选数据能够用于细胞分化评分、细胞衰老评分以及原癌/抑癌/ 驱动基因表达评分等操作，并且在新的肿瘤标志物寻找以及用药指导等多个方向上展现出强大的应用潜力。

生物信息学中的聚类分析是一种高效的数据处理策略，可将大量生物数据中具有相似特征的样本或基因归为同一类别。在全转录组测序的药物筛选中，引入已知的特定阳性参照，依据聚类分析结果，能在海量分子中准确找到具有相似功效的药物，可作为寻找候选药物的方法之一。

转录因子活性的变化可能对肿瘤的生长、转移及耐药性起关键调控作用。利用生物信息学方法对健康样本与疾病样本中的转录因子活性差异进行分析，或者参考现有的研究成果以确定目标转录因子。随后，分析经小分子处理后的细胞样本转录组，查看是否出现相应因子的转录活性变化，这将为探寻有效药物提供至关重要的依据。

在肿瘤等疾病状态下，特定基因的异常表达与疾病的发生及发展密切相关。基于这些重要差异基因，对经每个小分子处理后的样本进行打分评估，可作为获取有效药物的关键线索之一。图3左图为候选小分子对疾病相关基因的表达影响，右图为小分子依据关键基因表达趋势的打分排名情况。

同样的，根据关键的差异基因表达趋势变化，Norkin 等人^[3]运用自研的转录组测序技术对经不同小分子处理后的肠癌肿瘤类器官测序，分析发现其呈现各异的转录组表型特征。随后，他们依据关键的标志性基因将药物划分为不同组别，确定新的候选药物。

经过后续的药效验证，他们发现这些候选分子都有相应不同程度的抗肿瘤药效^[3]，证实了基于转录组数据进行药物筛选的可行性。

在肿瘤治疗中，单药治疗易导致患者耐药，而肿瘤药物的联合治疗对克服耐药性、增强药物疗效、降低单药剂量毒性及扩大药物适应症有很大帮助。但我们对不同药物联用的方法、疗效及作用机制的了解远远不够。基于转录组的药物筛选策略可帮助我们更好地解决这些问题。

Diaz等人的研究发现^[4]，分别使用单药和双药组合处理肿瘤细胞，双药的抗肿瘤药效更为显著。分析其转录谱数据发现，双药处理后的转录组特征与其中任何一种单药相比都不同。在进一步研究中，他们发现双药组合可更显著地激活关键转录因子活性。因此，通过转录组进行联用药物的筛选不仅可以帮助我们更好地找出更有效的药物组合，还能帮助我们进一步解析联用药物的药效机理。

毒性问题是导致很多抗癌药物难以实现临床应用的研发难题。如果在药物研发过程中能提前预测药物的潜在毒性，将极大地助力抗肿瘤药物的研发工作。转录组药物筛选技术能够使我们获取药物处理后细胞的完整转录组信息，通过将转录组表型与已知的毒性相关转录组表型进行对比，便可得到小分子的潜在药物毒性评估结果^[5]，从而协助我们更为全面地对小分子进行评估。