导读：本文解读 Nature Communications（2025）发表的“HCS-3DX, a next-generation AI-driven automated 3D-oid high-content screening system”，聚焦其系统组成、实验验证与对药物筛选/个体化医疗的启示，帮助研发团队快速把握3D类器官（3D-oids）高内涵筛选（HCS）的最新进展。

一、研究背景与痛点

3D类器官（包含球体、类器官、肿瘤类器官与复合体）较2D培养更能还原体内微环境，但在生成、处理、成像与分析标准化方面长期存在难题；相关文献增长迅速，但真正使用成像型HCS的方法占比极低（约1%，其中明确用于3D-oids成像的仅数十篇）。

二、HCS-3DX系统：由三大核心模块构成

• AI驱动微操纵器（SpheroidPicker）：基于2D形态学特征进行预筛选与自动转移。
• FEP薄膜多孔成像板：用于光片显微镜（LSFM）下的单细胞分辨率3D成像。
• BIAS图像分析软件工作流：完成3D数据的分割、特征提取与分类，实现单细胞级别的高通量分析。

该系统覆盖从样本生成、AI预筛与转移、到LSFM成像与单细胞分析的完整流程。

三、关键实验与主要发现

1）成像效率：与传统“琼脂包埋+培养皿”方法相比，HCS成像板显著缩短总筛查时间（约48±7分钟 vs. 102±9分钟，样本量各10），且图像质量无显著差异。

2）规范化与预筛：在不同物镜下（2.5×/5×/10×/20×）测得的2D特征整体差异较小（多数≤5%），但低倍会影响周长/圆度等与轮廓精度相关的指标；5×或10×在速度与准确性间具较好折中。

3）模型异质性：同一协议由不同实验人员重复，也会产生显著大小与形状差异；仅依赖单张2D图像进行预筛，易在不规则类器官上造成误分或偏差，因此需要3D与单细胞层面的分析。

4）肿瘤-基质共培养的细胞比例与结构：对114个HeLa-MRC-5共培养类器官的单细胞统计，分别有约72/28/14个样本呈现“基质多数/肿瘤多数/数量相当”的比例分布；细胞数与体积3D呈显著正相关。

5）系统适用性：作者在单培养与共培养肿瘤模型上验证了HCS-3DX在单细胞分辨率下的可靠性与有效性，适合药物筛选、个体化医疗与基础研究。

四、对药物筛选与个体化医疗的意义

• 缩短筛查节拍、保持图像质量，提升3D模型下的通量与复现性。
• 实现单细胞级别的结构-功能解读，有助于更精细的药效与耐药机制评估。
• 系统化解决“生成-处理-成像-分析”中的标准化难题，为从2D向更接近体内环境的模型迁移提供工具。

五、局限性与改进方向（作者自述）

当前模型仍未完全覆盖更复杂的肿瘤微环境（如多细胞类型与ECM成分），成像时间点单一，难以反映动态变化；未来应进一步增强模型复杂度与时间维度分析。

六、给研发团队的实操要点

1. 在预筛阶段，尽量采用5×或10×物镜兼顾速度与精度；若仅用2D指标，至少同时选取“大小+形状”两类互不强相关的特征。
2. 优先使用FEP成像板+LSFM提升成像通量与穿透深度，并以标准化板位减少校准时间。
3. 对共培养模型需进行单细胞分割与分类，关注肿瘤/基质细胞比例、空间组织与邻域特征，以避免仅靠2D形态得出偏差结论。

七、结语

HCS-3DX以“AI预筛+专用成像板+单细胞分析”一体化方案，显著提升3D类器官HCS的效率与深度，对加速药物筛选与个体化医疗具有现实价值。