AI 虚拟细胞近期大热，但真要落地，绕不开一个问题：数据。单一模态的数据，永远约束不了一个真实的生物学系统。传统组学（转录组、蛋白组）揭示分子层面的状态与机制，却难直接反映其在表型层面的下游后果；细胞形态影像组学数据恰好补上这一环——Cell Painting以相对低成本、单细胞分辨率捕捉细胞对扰动的表型响应。现实中多数平台还是只做一个读出：要么测序，要么成像。同一批细胞、同一扰动下，同时拿到“转录组 + 形态学”配对数据的，仍是少数。
什么是DRUG-seq2高通量转录组测序技术？
DRUG-seq2 是将条形码（Barcode）标签技术与二代测序（NGS）深度结合：每种化合物处理均有唯一条形码标记，允许数百至数千种药物处理条件在单次测序中高度复用。同时引入UMI（唯一分子标识符）实现精确定量，每个样本只需要1000个细胞，无需提取RNA，测序量为1G/样本，检测基因数量1.2万/样本。
什么是Cell Painting影像组筛选技术？
Cell Painting通过标准化的六种特异性荧光染料组合，在多个荧光通道中同时标记细胞的六大核心结构：细胞核、核仁/细胞质RNA、线粒体、内质网、细胞膜/细胞骨架/高尔基体。一次成像，就能从单个细胞里提取上千项形态特征。Cell Painting的表型分析主要包含两类特征提取方法。
① 借助CellProfiler软件，输出细胞形态、纹理、荧光强度等一系列可解释的量化指标，方法成熟稳定，是我们现阶段采用的核心分析方案。② 基于深度学习的自动化特征提取方法：通过算法自动挖掘图像中更丰富的表型信息，不受人工预设指标的限制，能够识别更细微的表型变化，是目前领域内的重要发展方向。
Cell Painting 多细胞器荧光标记成像
A) Cell Painting示意图；B）U2OS细胞荧光成像图片
国外已经在用这两条路线规模化产数据
这套技术路线，国外都已经在大规模使用。Ginkgo Bioworks 这样的国际头部公司，已经把 DRUG-seq 当作核心的药物响应数据生产引擎——2026 年初发布 GDPx4（406 个化合物、HEK293 剂量响应），与 Hugging Face、Plex Research 共建生态，VCPI 计划目标生成超 120 亿数据点。另一边，Broad Institute 的 Cell Painting Gallery 已经是业内最大的开放形态学图像资源之一，细胞图谱项目也在快速扩张，规模最大的已覆盖数亿个细胞。国外巨头都在用这条路线规模化产数据，说明"转录组 + 形态学"作为药物响应数据，都已经获得国际验证。
我们的做法：同一批细胞，同时产出两套数据
我们想做的是在同一批细胞（类器官）、同一扰动条件下，同时产出 DRUG-seq2 转录组和 Cell Painting 形态学两套数据。分子层面的"因"和表型层面的"果"对上号，把"细胞变成了什么样"变成可量化、可累积、能被 AI 学习的数据，这也正是我们做“ DRUG-seq2 +Cell Painting”联合服务的底层逻辑。
DRUG-seq2+Cell Painting×️AI多模态筛选范式
昕瑞再生自己也在做药，所以更清楚"能用来做决策的数据"该长什么样：既用它驱动自研管线，也把这套联合能力做成技术服务对外开放。
合作模式：
模式A全流程服务：客户提需求，我方承接全部实验流程，包含细胞培养、药物处理、Cell Painting染色成像、高通量建库测序及数据分析。
模式B样本送检服务：客户完成细胞培养、药物加药处理等前期实验，将合格成品样本交付我们，提供全套染色、成像、高通量建库测序及标准化数据分析。
如果你手里有化合物、有细胞模型、有想回答的生物学问题，欢迎来咨询。
邮箱：xrzs-cx@xremed.com
官网：www.xremed.com
手机：18936040318（微信同号）
关于昕瑞再生
南京昕瑞再生医药科技有限公司成立于2019年，先后获中科创星、红杉资本两轮融资，依托北京大学分子医学南京转化研究院软硬件支持。公司核心团队源自北京大学，承载创始团队在干细胞、再生医学及小分子创新药领域20余年经验，搭建了世界领先的细胞表型药筛平台——整合细胞疾病模型、表型组学定量、AI技术，聚焦“细胞疾病/衰老表型逆转”研发新药。
公司拥有自主知识产权的DRUG-seq2、PHDs-seq高通量测序技术，已在早期药物开发、靶点发现、人工智能大模型建立等场景见效，既服务自研项目，也为科研领域提供高质量技术解决方案。
热门跟贴