二代测序（Next-Generation Sequencing, NGS）自问世以来，彻底改变了生物学研究的方式。相比于传统的Sanger测序，二代测序大大提高了数据生成速度。然而，二代测序需要的生物样本量较大，费用也较高，难以大规模、批量化开展，因而限制了它在疾病队列分析和药物筛选中的应用。
在《DRUG-seq for miniaturized high-throughput transcriptome profiling in drug discovery》一文中，研究者们首次将barcode技术与二代测序深度结合，应用于高通量药物筛选。这一突破性技术不仅能在药物筛选中同时观察数万个基因的转录组表达变化，还大幅提升了筛选效率和数据维度。相比传统药物筛选方法，该技术不仅解决了样本量大的瓶颈问题，还能同时生成大规模的转录组数据，为每一个候选药物的分子机制提供丰富的信息。
为更好的做批量化转录组的药物筛选适配以及将DRUG-seq技术适配到更多的应用场景，我们升级到了第二代技术：DRUG-seq2。
DRUG-seq2技术不仅继承了二代测序的高效性，还具备如下显著优势：1. 超低样本需求：与传统RNA-seq方法相比，DRUG-seq2技术仅需微升级别的样本，如单个类器官、少量血液或组织切片即可实现大规模测序，对于临床中难以获取的大量宝贵样本，DRUG-seq2提供了前所未有的解决方案，最低可至1000个细胞/样本。
2. 无需RNA提取步骤：该技术直接对细胞样本进行处理，省略了传统复杂的RNA提取步骤，极大简化了实验操作流程。对于科研人员来说，这意味着减少了实验操作的变异性和实验周期。3. 高通量与低成本：单次实验可同时测序上千个样本，大大提高了实验效率。相较于传统的RNA-seq方法，DRUG-seq2具有更低的成本，单个样本可低至50元，更适合大规模样本的平行分析。
4. 灵活的应用场景：从肿瘤研究到药物开发，DRUG-seq2技术的广泛适应性使其成为科研和临床领域中的重要工具。无论是药物机制的探索，还是肿瘤标志物的发现，DRUG-seq2都能提供丰富的数据支持。技术本身只是一个工具，关于这项技术科研工作者们是如何使用它的呢？1a.疾病特征描述：利用DRUG-seq2发现疾病/亚健康人群各种组织的分子特征研究者们通过对中国的新冠病毒感染者进行横断面队列研究，深入探讨了病毒在组织中的持久性及其与长期COVID症状的关系。利用昕瑞再生DRUG-seq2技术对感染者的组织样本的表达谱特征进行了全面而细致的分析。分析发现，在感染SARS-CoV-2后，病毒RNA能在多种组织中持续存在，且这种持久性与长期新冠肺炎症状的出现有显著关联。具体来说，研究人员在感染后1个月至4个月的组织样本中检测到了病毒RNA，且病毒RNA的存在与疲劳等长期症状相关。这表明病毒在体内的持续存在可能是导致长期症状的一个因素。
Refs：Zuo, Wenting et al. The Lancet Infectious Diseases, Volume 24, Issue 8, 845 – 8551b.肿瘤溯源：利用DRUG-seq2实现肿瘤组织溯源及其诊断标志物开发肿瘤组织和细胞的转录谱是它们生物学特性的重要反映，能够揭示其原发灶的特征。在临床上，通过分析这些转录谱，医生和研究人员可以追溯肿瘤的起源，这对于肿瘤的诊断和治疗至关重要。例如，通过分析肿瘤细胞的特定基因表达模式，可以确定它们最有可能来自身体中的哪个部位，从而为患者提供更精确的治疗建议。
这些诊断标志物不仅可以用于肿瘤的溯源，还可以指导临床用药，帮助医生为患者选择最合适的治疗方案。例如，通过分析肿瘤组织中的特定基因表达，可以预测患者对某些药物的反应，从而实现个性化治疗。此外，这些转录谱数据还可以用于研究肿瘤的分子机制，为开发新的治疗方法提供科学依据。
在肿瘤治疗中，除了传统的化疗和放疗，靶向治疗和免疫治疗等新兴治疗手段也在不断发展。通过深入分析肿瘤组织的转录谱，研究人员可以更好地理解肿瘤的生物学行为，发现新的治疗靶点，从而为患者提供更有效的治疗方法。这种基于转录谱的分析方法，有望在未来的肿瘤治疗中发挥越来越重要的作用。
1c.疾病诊断：利用DRUG-seq2发现药物敏感人群的诊断标志物及其分子机制通过批量采集患者的组织样本，例如特定组织的石蜡切片或血液等，我们可以利用DRUG-seq2技术进行高效的批量测序。在获得这些样本的转录组数据后，我们可以根据不同治疗预后对样本进行分群。利用机器学习或人工智能模型对这些数据进行深入分析，我们可以识别出预测药物治疗效果的潜在诊断标志物。这些标志物不仅有助于预测患者对特定药物的反应，还可以为分析药物作用的潜在新机制提供线索。例如，通过整合患者的多模态数据，如影像学图像、病理学图像和临床信息等，人工智能技术可以开发出预测模型，如MuMo模型，该模型能够全面捕捉患者的疾病特征，并有效应对临床中模态数据的潜在缺失问题。这种多模态分析技术在临床决策中具有重要的支撑作用，能够为患者提供更精确的治疗方案。
此外，人工智能在癌症治疗响应预测方面的应用也日益增多，其核心任务是利用患者初期治疗的数据预测其对特定治疗方案的响应程度。这种预测能够帮助医生及早了解治疗可能的结果，并选择最佳的治疗策略，旨在最大化治疗效果并延长患者生存期。
综上所述，通过DRUG-seq2技术结合机器学习和人工智能模型，我们有望在肿瘤治疗领域实现更精准的诊断和治疗，为患者提供个性化的医疗方案。
2a.新药发现：利用DRUG-seq2综合评价候选药物的效果及分子机制DRUG-seq2通过检测药物处理后的细胞转录谱，能够识别出药物作用的分子途径，以及细胞在不同处理条件下的基因表达变化。这些数据的多维度分析能够揭示药物的潜在靶点、毒性风险和预期药效，从而为药物的临床应用提供更精确的指导。此外，这一技术还能帮助预测候选药物的长期效果，并在早期阶段发现可能的副作用。 这种前瞻性和广泛的数据覆盖面，能够帮助研究人员快速、全面地评价候选药物的效果及其分子机制，显著提升了药物研发的效率和准确性。
2b.中药研究：利用DRUG-seq2开展中药药效、机制及毒性研究
利用DRUG-seq2技术测试中药单体或组分的转录组变化，可以帮助识别其对细胞基因表达的影响，从而揭示它们是如何影响特定的生物学过程或疾病通路的。这个过程中，每个中药组分会在不同的细胞或组织模型中进行测试，进而通过高通量测序平台生成其对应的转录组数据。分析这些数据不仅能够验证已知的药用机制，还可能发现其在新的适应症或生物学靶点上的作用。这样一来，DRUG-seq2可以为中药组分的药理学功能提供全新的科学证据，从而揭示它们的全新药用价值。
应用DRUG-seq2技术还可以预测潜在毒性。在筛选中药组分时，研究人员可以根据转录组数据中的分子标记物，初步判断某些组分可能的毒性反应。这对于传统中药的安全性评价具有重要意义，能够帮助避免潜在的安全隐患，加速中药组分向现代药物转化的进程。
总的来说，DRUG-seq2与中药单体或组分库的结合，不仅为中药研究带来了更加精确的分子工具，还可以通过其高效的数据分析能力，推动中药研究走向组学时代。借助这一技术平台，我们不仅能拓宽中药在疾病治疗中的应用范围，还能确保其安全性，为新药开发和中药现代化贡献更多前瞻性成果。
2c.药物靶点发现：基于DRUG-seq2筛选发现药物潜在靶点基于DRUG-seq2化合物筛选，通过转录组聚类分析，鉴定出诱导化学重编程的关键小分子E-616452，通过靶向CDK8发挥启动重编程的作用。
Refs：Li, Jun et al. Cell Reports, Volume 42, Issue 6, 1125663.细胞培养优化：利用DRUG-seq2开发及优化特殊细胞群及类器官的培养液配方利用DRUG-seq2技术的批量化细胞转录组检测优势，可以以极低的成本和高效的方式综合比较不同细胞培养成分或其组合对细胞培养效果的影响。这一技术平台能够通过对大量细胞样本的基因表达数据进行深度挖掘与分析，从细胞外基质、信号因子、小分子抑制剂到代谢物及营养成分等多个维度进行评价，帮助研究者系统性地评估不同培养条件对细胞生长、分化及功能的影响。这种大规模并行测试能力，不仅有助于优化培养液的配方，还能揭示特定培养条件下，细胞在不同生理或病理状态下的分子特征。例如，通过比较含有不同小分子抑制剂或代谢物组合的培养基，研究者可以发现哪些成分能够最好地促进细胞分化、维持干细胞状态或诱导类器官形成。
DRUG-seq2所测数据还可以通过大数据挖掘与机器学习，找到隐藏在培养条件与细胞转录组变化之间的复杂关联。这样的数据驱动分析可以帮助研究者确定最佳的培养条件组合，以便细胞或类器官模型更好地反映人体生理或疾病特征，从而提升模型在药物筛选、疾病机制研究及再生医学中的应用价值。这些优化的模型将为科学研究和药物开发提供更加真实且具有临床相关性的工具，加速从实验室到临床应用的转化。
Refs：Xiang et al., Science, 2019. 364 (6438), 399-402.昕瑞再生还提供多种服务与产品以及个性化研究设计，致力于为科研工作者尤其是医学相关研究人员提供定制化课题设计与技术开发，欢迎咨询！
关注昕瑞再生微信公众号，回复关键词“药筛”获取客服联系方式~南京昕瑞再生医药科技有限公司成立于2019年，依托于北京大学分子医学南京转化研究院的软硬件支持。公司核心团队成员来自北京大学、复旦大学、南京大学等知名高校，基于创始团队20余年在干细胞和再生医学领域以及小分子创新药开发领域的知识和经验，打造了世界领先的细胞表型药筛平台CREDIT (Cell Revitalization Drug Innovation Technology)。该平台整合了细胞疾病模型构建、细胞表型多组学定量评测、人工智能等前沿技术，为以细胞疾病表型逆转、衰老表型逆转为原理的新药开发以及基于干细胞分化或原代细胞培养的再生医疗新方法开发奠定了技术基础。公司自主知识产权的代表性技术DRUG-seq2少量细胞高通量3’转录组测序技术、PHDs-seq 高通量靶向转录组测序技术等已在早期药物发现、细胞毒性测试、培养液开发、靶点研究等领域展现威力，广泛应用于自研及科研服务项目。
