41、基于高内涵细胞组学筛选的模式识别助力EGFR内吞研究

基于高内涵细胞组学筛选的模式识别助力EGFR内吞研究

在生物学研究中，对细胞结构和生物现象的深入分析至关重要。随着荧光显微镜技术以及计算机控制显微镜的发展，高通量图像采集方案（HTS）得以实现，但大量的图像数据远超人工处理能力，因此需要图像和机器学习技术为HTS实验提供自动化分析解决方案。

1. 方法概述

我们的研究围绕EGFR内吞过程展开，旨在量化该过程并识别可能调节此过程的蛋白质。整个研究方法包括图像采集、图像分析和数据分析三个主要部分。

2. 图像采集

图像采集的工作流程包含三个关键步骤：
1. 细胞培养、siRNA转染和EGF暴露 ：以EGFR调节相关的siRNA筛选设计为例，将细胞培养在96孔培养板中，使用Dharmafect smartpool siRNAs进行转染，随后将转染后的细胞群暴露于不同时长的表皮生长因子（EGF）中。
2. 感兴趣蛋白质的荧光染色 ：对细胞进行固定后，对感兴趣的蛋白质进行荧光染色。
3. 图像采集 ：使用共聚焦激光显微镜（Nikon TE2000）进行图像采集，通过自动载物台和自动聚焦镜头控制器实现自动化采集。每个孔从十个随机选择的位置采集图像，每个图像采集三个通道，分别是包含P - ERK表达染色的红色通道（Cy3）、包含EGFR表达染色的绿色通道（Alexa - 488）和包含核染色的蓝色通道（Hoechst #33258）。采集完成后，所有图像上传到数据库服务器进行图像分析。

3. 图像分析

图像分析主要包括高内涵分析和表型测