近日，上?？萍即髮W(xué)物質(zhì)科學(xué)與技術(shù)學(xué)院劉一凡教授、李健教授、原物質(zhì)學(xué)院凌盛杰教授（現(xiàn)復(fù)旦大學(xué)）課題組合作，在高通量篩選技術(shù)平臺(tái)開(kāi)放方向取得重要進(jìn)展，研究成果以“AI-driven high-throughput droplet screening of cell-free gene expression” 為題在國(guó)際學(xué)術(shù)期刊《自然·通訊》（Nature Communications）上在線(xiàn)發(fā)表。

高通量篩選被廣泛應(yīng)用于生命科學(xué)和生物醫(yī)藥領(lǐng)域。目前，高通量篩選平臺(tái)主要基于多孔板（96-1536孔）反應(yīng)體系，并依賴(lài)于高通量移液工作站和移液機(jī)器人進(jìn)行移液操作。此類(lèi)平臺(tái)的單個(gè)反應(yīng)體積較大（通常為微升量級(jí)），這意味著在進(jìn)行大規(guī)模篩選時(shí)會(huì)消耗大量生物試劑，產(chǎn)生高昂成本。在藥物開(kāi)發(fā)中，高通量篩選的花費(fèi)可達(dá)總開(kāi)發(fā)成本的20%。此外，在構(gòu)建組合篩選等較為復(fù)雜的篩選體系時(shí)，繁雜的移液操作會(huì)浪費(fèi)大量的時(shí)間，進(jìn)而影響整體篩選效率。因此，亟需構(gòu)建反應(yīng)體積更小、移液效率更高的下一代高通量篩選技術(shù)平臺(tái)。

針對(duì)上述需求和挑戰(zhàn)，劉一凡和李健、凌盛杰團(tuán)隊(duì)合作者開(kāi)發(fā)了一種基于液滴技術(shù)和人工智能的高通量組合篩選平臺(tái)DropAI（圖1），成功將單位反應(yīng)體積降低至250皮升，僅約為主流平臺(tái)的千分之一。DropAI平臺(tái)還將構(gòu)建組合篩選反應(yīng)所需的移液步驟全部集成于微流控芯片上，無(wú)需任何移液操作，一個(gè)小時(shí)即可生成百萬(wàn)個(gè)反應(yīng)單元，可涵蓋數(shù)千種組合條件。此外，在液滴篩選之后，DropAI還會(huì)構(gòu)建人工智能模型，從而進(jìn)一步擴(kuò)大篩選范圍和通量。因此，DropAI平臺(tái)為高通量組合篩選提供了一種經(jīng)濟(jì)且高效的方案。

圖1 DropAI高通量組合篩選平臺(tái)技術(shù)流程

液滴具有體積小、通量高的重要優(yōu)勢(shì)，然而將其運(yùn)用至高通量篩選面臨著在液滴中構(gòu)建海量不同的組合條件、高效識(shí)別每一個(gè)液滴中獨(dú)特的反應(yīng)條件等挑戰(zhàn)。為了解決上述挑戰(zhàn)，研究人員構(gòu)建了一種高通量多液滴組合微流控芯片，可在片上高效構(gòu)建四種不同的液滴文庫(kù)的隨機(jī)組合。此外，研究人員開(kāi)發(fā)了一種組合熒光編碼技術(shù)，使得每個(gè)液滴反應(yīng)都攜帶一個(gè)四位、九進(jìn)制熒光編碼，最高可分辨6561種不同的組合條件（圖2）。

圖2 DropAI平臺(tái)中構(gòu)建海量組合反應(yīng)的微流控及熒光編碼策略

為了展示該平臺(tái)的優(yōu)越性，作者運(yùn)用DropAI對(duì)無(wú)細(xì)胞基因表達(dá)系統(tǒng)進(jìn)行了高通量篩選及優(yōu)化。在兩輪“干-濕”迭代優(yōu)化后，作者成功將構(gòu)建該系統(tǒng)所需的數(shù)十種添加物分子精簡(jiǎn)至三種，同時(shí)實(shí)現(xiàn)了綠色熒光蛋白表達(dá)產(chǎn)量的提升，將蛋白表達(dá)的成本縮減了四倍。此外，作者還通過(guò)人工智能遷移學(xué)習(xí)，僅依賴(lài)少量的額外實(shí)驗(yàn)，就成功將優(yōu)化后的模型適配至新的表達(dá)系統(tǒng)，從而大幅提升了同時(shí)篩選/優(yōu)化多個(gè)基因表達(dá)系統(tǒng)的效率。DropAI作為一個(gè)高效、經(jīng)濟(jì)的通用型組合篩選平臺(tái)，有望在藥物組合篩選等領(lǐng)域得到廣泛應(yīng)用。

圖3 運(yùn)用DropAI平臺(tái)對(duì)無(wú)細(xì)胞蛋白表達(dá)系統(tǒng)進(jìn)行高通量組合篩選

本項(xiàng)工作中，上?？萍即髮W(xué)物質(zhì)學(xué)院碩士畢業(yè)生朱佳偉、孟雅如、博士后高文麗為共同第一作者。上?？萍即髮W(xué)物質(zhì)學(xué)院劉一凡教授、李健教授，原物質(zhì)學(xué)院凌盛杰教授（現(xiàn)復(fù)旦大學(xué)）的課題組團(tuán)隊(duì)為共同通訊作者。中國(guó)科學(xué)院上海微系統(tǒng)所羅源研究員參與了此項(xiàng)工作。上?？萍即髮W(xué)為第一完成單位。

論文標(biāo)題：AI-driven high-throughput droplet screening of cell-free gene expression

論文鏈接：https://www.nature.com/articles/s41467-025-58139-0