高通量筛选（HTS）已从早期仅能处理数万样本、依赖简单“命中或未命中”二元结果的机器人板式读取器，发展为如今更快、更智能且高度精细化的技术。现代HTS不仅能评估化合物库的活性，还能在同一工作流程中分析选择性、毒性和作用机制。
现代药物发现要求在不牺牲质量的前提下提升速度。制药管线正面临专利悬崖、研发成本激增以及对靶向个性化疗法的迫切需求等压力。在此背景下，HTS已成为科学理念快速验证的核心工具和高强度试验场。
21世纪初，典型筛选项目可能针对单一生化靶点测试数十万种化合物，产生海量数据后再筛选出先导化合物。如今，随着检测微型化、机器人技术和数据分析的卓越进步，筛选项目更精简且精准——有时仅测试少量化合物，却能生成指数级丰富的数据。
要理解HTS的演进，需回顾其基础环节。例如，检测板仍是工作流程的核心。液体处理机器人以惊人精度将化合物移入孔板，加入细胞或酶后，板式读取器或成像系统记录相互作用。并行化原理依然简单：尽可能快速运行大量生物实验。变化在于从每个孔中提取的信息深度——过去简单的“是/否”信号已足够，如今研究人员能捕获关于形态、信号传导甚至转录组变化的多参数数据。
“最激动人心的变革是从平面2D培养转向与高内涵筛选整合的3D细胞模型，”兰开夏大学药物科学讲师塔马拉·兹温博士表示，“我在3D血脑屏障和肿瘤模型中的工作显示，药物摄取和渗透行为与2D培养完全不同。这意味着研究者获得的结果更接近患者真实情况。”
伴随生物学进步，技术革新也重塑了HTS前端。“过去所有操作都依赖手工移液，如今这几乎完全消失，”芬兰分子医学研究所实验室协调员劳拉·图尔宁解释道，“声波移液和纳米级精度的压驱动方法已普及，使工作流程更快且错误率大幅降低。”
然而，陷阱依然存在。兹温警告，仓促设置检测是“后期失败的最快途径”，强调在优化阶段为追求速度而牺牲稳健性几乎总会适得其反。“许多用户仍偏好96孔板和吸光度读数，因为它们过去一直有效。”图尔宁认同道：“在HTS成本高昂的学术界，采用新技术总显得风险较高。”
3D细胞培养在检测开发中的应用
传统HTS常依赖严格的二维细胞培养：平皿中的单层细胞易于处理、成像且适合自动化。但它们被认为生物学过于简化——培养皿中的细胞行为不同于真实组织或器官，2D中前景光明的候选药物在动物或人体测试中有时会惨遭失败。
新型三维细胞培养技术（从球体、类器官到支架系统）正弥合这一差距。它们提供更符合生理的微环境，使细胞以模拟真实组织的方式相互作用。这种增强的真实性转化为更可靠的临床结果预测，尤其适用于癌症和神经退行性疾病等复杂病症。
“3D模型的优势在于其行为更接近真实组织。你能观察到氧气、营养和药物渗透的梯度变化，这在2D培养中无法实现，”兹温指出，“当我研究胶质母细胞瘤球体时，发现纳米载体能轻松进入外部活跃分裂的细胞，却难以穿透内部坏死核心。这正是患者体内的典型行为，因此3D模型提供的洞见更具临床转化价值。”
但并非新旧替代的关系。尽管3D培养被广泛视为未来，许多实验室仍因实用性并行使用2D与3D。“3D模型日益普及，但许多实验室仍并行运行2D和3D，”图尔宁表示，“由于成像耗时较长，3D实验的存活性读数仍是默认选择。这始终是真实性与实用性的平衡。”
患者来源类器官的兴起尤为引人注目，它能在临床试验前于基因型和表型相关系统中测试药物反应。“类器官将成为管线标准环节，可能不用于首轮筛选，但用于验证，”兹温说，“这样能在耗费数年开发无效化合物前，及早发现变异性与耐药性。”
图尔宁认同患者来源类器官将从专业系统转向常规应用，但也提醒勿假设其会成为唯一标准。“随着培养技术演进和成本下降，类器官将主流化，”她表示，“但微流控液滴等全新方法可能超越它。技术发展如此迅速，我们必须对主导模型保持开放心态。”
更丰富、更优质、更快速的数据
当然，最佳检测和最真实模型的价值取决于数据提取能力，这正是自动化和检测技术真正变革HTS的领域。HTS检测已从简单的吸光度或发光读数大幅扩展，涵盖高内涵成像（HCI）、荧光共振能量转移（FRET）以及无标记生物传感等突破，甚至包括能捕捉人眼不可见细微表型变化的人工智能增强活细胞成像。
同时，驱动HTS的自动化不再仅限于液体搬运。现代平台将液体处理器、机械臂、成像系统和数据捕获工具整合为无缝工作流程。机器人移入孔板的化合物可直接传送至板式读取器，分析软件立即处理剂量-反应曲线并识别潜在命中物。此类端到端自动化使HTS不仅更快，而且重现性和可靠性显著提升。
当前挑战不再是生成数据，而是解读数据。多重检测单次活动即可产生太字节级信息。
“我对学生的首要建议是：从明确的生物学问题出发，再围绕它构建检测，”兹温强调，“采用分层工作流程：先进行广泛简单的初筛，再将深度表型分析留给真正值得的化合物。并及早投资数据基础设施，避免后续诸多麻烦。”
人工智能和机器学习在此领域已展现价值。“有待观察，但模式识别是机器学习可能大放异彩的领域，尤其针对成像数据，”图尔宁指出，“它能比人工方法更高效地分析复杂图像。”
高通量，更高潜力
HTS不再仅关乎提速，而是通过精准性、上下文关联和可转化性提供更高价值。3D生物学、先进检测与集成自动化的融合正形成创新互促的反馈循环。
“展望2035年，HTS将与今日几乎不可辨认，”兹温预测，“我们将运行连接不同组织和屏障的器官芯片系统，在微型‘类人’环境中研究药物。筛选将具有自适应性，AI实时决定下一步尝试的化合物或剂量。”
“纵观我的职业生涯，HTS已从大规模库筛选转向更小、更聚焦的努力，”图尔宁补充道，“到2035年，我预计AI将在靶点发现到虚拟化合物设计的每个阶段增强建模。结合量子计算，分子预测可能变得极其精准，大幅削减湿实验环节，显著减少浪费。”
因此，HTS的未来充满希望，正日益呈现模块化、适应性、个性化特征，并通过减少浪费实现更可持续的发展。但无论技术如何进步，核心原则不变：越快越准地识别有前景的化合物，就能越早推进开发，患者也越早受益。
工具可能与二十年前大相径庭，但为正确靶点寻找正确分子的使命始终如一。最后，留下一个问题：HTS的未来会否在数字层面与生物学层面同等重要？
【全文结束】
