Molecular Devices

100% 當樣本不再是一張靜止的切片，而是會自己震盪、會對藥物即時反應、甚至正在殺死癌細胞的免疫細胞，AI 影像分析要解決的問題，就不再是「看得到」，而是「看得懂正在發生的事」。 最近跟家人聊天，聊到一個讓人心裡一沉的觀察：乳癌不知道為什麼，好像有年輕化的趨勢。更讓人意外的是，乳癌和很多其他癌症不太一樣——一旦確診，很容易得把手術、化療、免疫治療整套走完一輪，幾乎是「全餐」等級的辛苦。 我們都希望 AI 能幫人類更快攻克這些疾病。如果有一天，癌症也能像打疫苗一樣提早預防；如果研究可以更多仰賴電影裡那種精準模擬，或是晶片、類器官這樣的替代模型，不用犧牲那麼多實驗動物，也不用讓病人承受那麼多輪人體試驗的風險與等待；如果有一天，合成一款真正屬於「這一個人」的解藥，速度快到病人睡一覺醒來就好了——那該有多好。 那一天還沒到。但在實驗室裡，有些事情已經開始改變。 把免疫細胞當成藥，藥效要怎麼量？ 「全餐」裡最新的一段是免疫治療。CAR-T、TCR-T 這類細胞治療，是把病人自己的免疫細胞改造成藥，而這種藥有一個化學小分子沒有的難題：它的藥效沒辦法用純度或濃度定義，只能回答一個問題——它殺不殺得死癌細胞，殺得有多快。 過去回答這個問題靠的是終點法：流式細胞儀、LDH release，選定一個時間點，把樣本破壞掉，數還剩多少活細胞。但毒殺是一個持續數十小時的過程，終點法只能給你過程結束後的一張快照，中間發生了什麼、什麼時候開始發生，全部看不到。 終點法只留下一個數字；即時影像留下的是整條毒殺曲線——12–24 小時內就看得出不同 CAR-T 設計的高下。 一份即時 CAR-T 毒殺定量試驗換了做法：用 ImageXpress Nano 搭配 InCarta 軟體，對 CAR-T 與癌細胞的共培養進行 72 小時縮時攝影，SINAP 深度學習分割模組經過 500 次自動再訓練，學會分辨懸浮的 T 細胞與貼附的癌細胞。在高抗原表現的癌細胞株上，CAR-T 在 24 小時內就明顯聚集包圍，低抗原表現的陰性對照則持續增生；以 Cell Index（細胞數相對起始值的變化率，小於 0 即代表細胞正在死亡）量化後， 12–24 小時內就能測得清楚的毒殺效果 ，兩種 CAR-T 設計的效力高下也被明確分開——毒殺曲線本身，就成了比較不同 CAR 設...

  AI 讀懂細胞的那一刻，原來的分析流程已經落伍 No-code AI 正在讓我們用前所未有的速度讀懂細胞在說什麼——這不只是技術進步，也是讓解藥少走一點冤枉路的方式。 前年冬天在朋友家聚會時，來了對年輕夫妻，媽媽年紀看來三十出頭，全程戴著毛帽，看來額外的孱弱，後面聊起來才知道她確診的是三陰性乳癌（Triple-Negative Breast Cancer， TNBC ） ——我捏了把冷汗，這種乳癌因為沒有荷爾蒙受體、沒有 HER2 標靶可用，能打的幾乎只剩化療。看著她虛弱到站起來都費勁，但還有個才兩歲大的孩子討抱抱，還有大好的人生等著她，可是命運既然如此殘酷，真是唏噓。 我們長期在第一線和研究人員站在一起，深知新藥和治療方法開發的不易，但源自這種對生命的熱愛，和真實生活的觸動，希望我們的技術和努力能幫忙加速研究，有機會讓更多像她一樣的病人，早一點得到有效的治療。 這幾年 AI 帶來的改變，世界正在不斷地加速——而「讀懂細胞」這件事，已經不再需要一個資深的研究人員一個個圈選，或是要懂 Python 才能做機器學習， 高內涵篩選（High-Content Screening，HCS）的問題，已經從「拍得到」變成「看得懂」——而看得懂這件事，現在研究者自己就做得到，不用再等工程師排隊。 研究者要跟上的，不是一套新軟體，是一整套「讀細胞」的方式被重寫了 三年前談 AI 影像分析，講的還是找一個懂 machine learning 的人來訓練模型；現在講的是生物學家自己用滑鼠標兩張圖就能開始。差別不在演算法有多聰明，而在門檻被砍掉了一大截 ——像 SAM（Segment Anything Model）這類基礎分割模型，本身已經看過海量圖像、學會辨認邊界在哪裡，使用者要做的只是告訴它這次的目標長怎樣， 不用從零教它什麼叫細胞 。 傳統 Threshold 分割 需寫程式的 ML pipeline No-code AI 建模門檻 免寫程式，但每批次都要人工重調 需要 Python / CellProfiler 技能 免寫程式，滑鼠標記目標與背景即可訓練 跨批次一致性 光照、染色略有差異就要重調 一致，但維護成本高 深度學習自動抓特徵，較不受微幅波動影響 上手時間 快，但長期維護成本高 慢，需要工程師介入 快，生物學家自己就能上手 這件事重要的地方，不在分析變快，而在 ...

🎧 3-Min Audio Summary 快速聽取本研究的核心發現與 AI 自動化技術應用亮點（純音訊導讀）： (點我播放器，支援手機播放) 📋 資源下載： 原文 Application Note 網頁 下載原始 PDF 報告 摘要 (Abstract) 本研究採用健康人類腸道類器官（HIOs），建立了一套結合 AI 自動化培養與高內涵成像的藥物毒性篩選平台。相較於傳統 2D 模型，3D 類器官能更真實反映臨床藥物引起的腸道損傷。透過 CellXpress.ai 與 ImageXpress HCS.ai 的整合，實現了從種植、加藥到複雜表型分析的全自動化流程，顯著提升了新藥開發中毒性預測的準確性與一致性。 重點： 使用健康人類腸道類器官，具備極高生理相關性。 CellXpress.ai 實現自動化培養與加藥，大幅提升實驗一致性。 ImageXpress HCS.ai 進行 AI 驅動的高內涵影像分析。 可量化毒性、適合高通量篩選，優於 2D 模型。 引言 (Introduction) 抗癌藥物常伴隨顯著的腸道毒性，而腸道上皮對化療的高敏感性更使毒性成為臨床劑量調整的重要限制因素。為了在臨床前更準確預測藥物對腸道的影響，本研究採用健康人類腸道類器官，建立一套兼具自動化與高再現性的毒性評估流程。相較於傳統 2D 細胞模型，類器官具備更貼近人體生理的三維結構與細胞組成，能更真實反映化合物對組織層級的影響。 本平台結合 CellXpress.ai 的自動化培養與加藥功能，以及 ImageXpress HCS.ai 的高內涵成像與 AI 驅動的表型分析，可定量...

Molecular Devices and Anivance AI Corporation Announce Strategic Partnership to Advance Intelligent Organ-on-Chip Technology in Drug Development Taipei, November 7, 2024 —  Molecular Devices, a global leader in life science technologies, and Anivance AI Corporation today announced the signing of a strategic cooperation agreement. Together, they aim to advance the application of intelligent organ-on-chip technology in the biopharmaceutical market, accelerating drug development processes. This collaboration combines expertise in 3D cell culture, high-throughput screening, and organ-on-chip technologies. The goal is to create drug development processes that better mimic human physiological responses, thus improving drug screening efficiency and data analysis. Molecular Devices believes this partnership will expand their capabilities in the Asian market, particularly enhancing high-throughput imaging and data processing to shorten development cycles and increase the success rate of ne...

本期 《Drug Target Review》 的PODCAST節目中，我們節錄了「康寧生命科學』的高級應用科學家Hilary Sherman博士和『Molecular Devices|美商分子儀器』的試劑開發高級經理Oksana Sirenko博士的精采對話，對於 3D成像技術 如何填補對 複雜細胞模型視覺化和分析 的空白進行了深入淺出的剖析。不容錯過!!  LabNote Blog原文連結

  點擊圖片閱讀原文 【簡介】 　　類器官(Organoid)是一種利用3D細胞培養技術發展出，可於體外培養的最簡化器官，具有『自我更新』及『自我分化 』 的能力，被廣泛用於模擬健康或疾病生物模型。 　　 類器官得益於其複雜的細胞異質性，相較於傳統2D細胞培養，帶來更接近真實器官/組織在活體內的反應，在新興的多維度細胞研究上擁有更多優勢 [1] 。 包括以下幾個主要特性/差異: 由多種細胞組合而成的3D生物微組織 能有代表組織的複雜性、組織性和結構性 能具備至少組織某些功能性   　　 因為以上特點，類器官在癌症研究、神經生物學、幹細胞研究、藥物開發等生物複雜性更高的領域越發重要。由幹細胞而得的類組織能分化成包含肝、肺、腦、腎臟、胃、腸道等各類器官的組織。也因為是立體的結構，類器官可以讓研究者更好理解人體發育與疾病機轉。如研究者可以透過基因調控來了解特定基因突變與那些失調現象有關。類器官也能夠進行感染性疾病、宿主與病原體交互作用的研究。而由病患細胞培養成的類器官，則可用於藥物篩選、毒性評估的研究，幫助精準醫療/個人型藥物的研究拓展。 　　 面對類器官及其他3D細胞系統漸增的複雜性，分析的工具也需要進一步提昇精準度及效率。採用『全自動共軛焦影像系統』和 『 3D影像分析軟體』能幫助研究者流程化各工作步驟並最佳化實驗結果。(圖1) 　　 為您推薦本文為Cell Press與Molecular Devices聯合出刊，精選多篇近年刊登於Cell Press之類器官研究文獻，內容涵括腫瘤免疫、腦神經發育、心肌再生等等不同領域，值得您收藏。 【小編推薦】 iPSC-derived myelinoids to study myelin biology of humans [2] 。 使用Molecular Devices的共軛焦高內涵影像系統(ImageXpress Micro Confocal)進行髓鞘化類器官(myelinating organoids (‘‘myelinoids’’))的研究 　　髓鞘生成在中樞神經系統(CNS, central nervous system)的行程、健康和功能上均扮演重要腳色。越來越多證據，包含寡樹突膠細胞(oligodendrocyte)的異質性及小鼠與人類之間在多樣性CNS基因表現圖譜，均支持開發人類髓鞘化系統...

  【挑戰與突破】 　　以 『 高通量影像平台』 建立 3D化的 疾病研究模型 ， 用於免疫腫瘤學和神經退化性疾病的革命性『早期藥物』開發。 【 背景 】 　　 Bioneer A/S 公司是一家成軍40年以上的大型丹麥CRO公司，該社總部在哥本哈根北部，另有兩個研究中心在哥本哈根和瑞典隆德。 他們專注於加速各種新型治療方案的早期及試驗性開發。 提供進階的細胞檢測、分子組織學、生物標記、蛋白質生產與藥物開發服務。 　　Bioneer研發主管Christian Clausen說： 『我們採用當前最新技術的實驗室設施，並擁有完整科研訓練的員工，能為客戶解決從極簡單到需要跨部門多個學科項目的高度複雜專案。 『 3D疾病模型』是其中一個精采案例 ，它涉及以多種學科方法來向客戶呈現高度複雜、更In-Vivo like的資料。』 　　Bioneer長期為不同的客戶開發細胞模型和細胞檢測法，積累了豐富的經驗，特別在 免疫模型、腫瘤模型、神經退化性模型和一系列屏障模型（如血腦障壁和腸道模型）以及定量成像 。近年來，他們越來越清楚地認知到，將這些模型與技術轉移到 『3D高通量平台』 上，將可為客戶帶來更多解決早期藥物開發的手段。   　　四年前，該團隊啟動了一系列內部開發計畫，將其自製模型和細胞檢測法帶入3D格式，以半高通量配置進行概念驗證研究，其結果極為成功。因此他們打算將更多模型繼續轉移到高通量3D平台上。   　　在評估不同的3D高通量成像系統後，該團隊選擇ImageXpress Micro Confocal高內涵成像系統 來推進他們的免疫腫瘤學和神經退化性疾病研究。 【解決方案】 Christian Clausen如是說： 　　『Bioneer不僅要擁有最好的細胞模型，還要擁有最先進的成像和分析設備來為我們的客戶提供高品質的研究支援。』 　　 『我們認為 ImageXpress Micro Confocal系統的特點符合我們的需要 ，並進一步讓我們有能力幫助那些不具備專業技術或設備自行進行這些分析的 中小型生物技術公司 。也讓我們能幫助 大型製藥公司 ，無論是他們需要裝備這些技術或者需要外部夥伴來處理藥物開發過程中的數據。』   【卓越成果】 ● 免疫腫瘤學 　　Bioneer的團隊觀察到”細胞模型”的需求與日俱增，不單是2D單層細...