案例应用丨I.DOT赋能纳升液滴阵列:4万次实验筛出转染增强剂,试剂消耗直降2500倍

发布日期:2025-08-14


传统非病毒转染效率低,而筛选增强剂需测试数千种化合物,依赖微孔板的高通量技术存在试剂消耗大(每实验需20 μL)、成本高的瓶颈。德国卡尔斯鲁厄理工学院团队开发的液滴微阵列(DMA)平台,结合I.DOT非接触式纳升级移液系统,首次实现20 nL级微量体系的高通量转染筛选:单次筛选774种药物,完成41796次实验仅消耗0.84 mL细胞悬液和0.02 μmol药物,试剂用量较384孔板减少2500倍,成功筛选出14种转染增强剂,转染效率提升2-5倍,为基因递送研究和生物制药生产提供突破性工具



实验方法















































01
液滴微阵列(DMA)平台构建

采用7.5×2.5cm玻璃载玻片,表面图案化为超疏水背景包围的亲水斑点(500 μm或1 mm边长),形成588或2187个独立反应单元,每个单元可容纳20-100 nL液滴(图1A)。


图1. A)具有588个单独微滴的1 mm(正方形边长为1 mm)微滴微阵列(DMA)的代表性图像。DMA载玻片的尺寸为7.5 ± 2.5 cm。B)明视野显微镜图像,显示孵育24小时后CHO-K1细胞的形态(比例尺:100 µm)。C)用GFP质粒DNA转染的HEK 293 T细胞在具有Imm斑点尺寸的液滴微阵列上的代表性图像(比例尺:Imm)。用GFP质粒DNA转染的D)HEK 293 T细胞、E)CHO-K1细胞和F)Jurkat悬浮细胞的单个微滴的荧光显微镜图像(比例尺:100 µm)。


02
I.DOT 介导的精准分配与转染体系

药物分配:通过I.DOT将774种FDA批准药物(1、10、30 μM三个浓度)以20 nL/spot分配至500 μmDMA,真空干燥去除DMSO(避免细胞毒性)[1](图 2A)。


图2. 原代细胞筛选的工作流程。A)将774种FDA批准的药物作为DMSO溶液印刷在500 μmDMA载玻片上,并在真空干燥器中干燥过夜。然后将与转染混合物(ScreenFectA转染试剂,GFP质粒DNA)混合的细胞印刷到每个斑点中,并与药物孵育24小时,然后固定和荧光显微镜分析。药物的最终浓度分别为1、10和30×10−6m。将初筛的14种命中化合物打印到1mm DMA载玻片上,并以相同的方式重复该过程,除了使用更大的浓度范围:1、5、10、20、30和40×10−6m。对于无药物对照实验,将转染混合物打印到空点中。B)设计用于转染增强剂筛选的高通量筛选方法。在500 µmDMA载玻片(每次实验20 nL)上进行初步筛选,在1mm DMA载玻片(每次实验100 nL)上进行二次筛选。在常规高通量筛选平台384孔板中进行进一步验证和比较。最后,在优化条件下在96孔板中确认命中。C)筛选了774种FDA批准的药物,共进行了41796次单独实验。各个水性隔室的体积为20 nL,其总共产生仅0.84 mL的总细胞悬浮液,并且仅需要200皮摩尔的药物(总共0.02摩尔),这比必须在384孔板中进行相同实验的情况小2500倍。


细胞与转染复合物分配:I.DOT将含GFP质粒和转染试剂(ScreenFectA)的CHO-K1、Jurkat、HEK293T细胞悬液以20 nL/spot分配至药物预处理的DMA,湿度控制在70%以防止蒸发(图 1B-D)。


检测与量化:24小时后固定细胞,通过荧光显微镜计数GFP阳性细胞(转染效率)、Hoechst染色(总细胞)、PI染色(死细胞)(图1C)。



实验结果















































01
基于DMA的初筛结果:药物浓度与细胞类型的转染效率差异


CHO-K1 细胞(难转染):以GFP阳性细胞数量为指标,初筛结果显示药物对转染效率的影响具有浓度依赖性(图3A)。在1 μM浓度下,425种药物表现出转染增强效应,349种抑制;10 μM时,624种增强(数量最多),150种抑制;30 μM时,236种增强,538种抑制。这可能与药物对细胞内吞、转染复合物运输及定位的影响差异有关。通过“对照组均值+3倍标准差”阈值,初筛获得19个(1 μM)、78个(10 μM)和18个(30 μM)候选化合物(图4),其中7种(如金诺芬、卡托普利等)在不同浓度下均表现出稳定增强效果。


图3. FDA批准的药物对CHO-K1细胞转染效率的影响。A)使用来自20898次总转染实验(三次生物重复和每次三次重复)的量化的相对转染效率数据产生的热图。蓝色和红色分别表示与不添加药物的对照相比,效率的降低或增加。使用了三种不同的药物浓度:1、10和30×10−6m。B)使用主成分分析(PCA)评分图的初步筛选结果的概述。每个数字代表FDA批准的药物库中的一种药物。

图4. 在CHO-K1细胞的初步筛选中鉴定为转染增强剂的命中化合物。A)774种FDA批准的药物中的19种是从1×10-6 μM浓度的CHO-K1细胞的初步筛选中获得的。B)在10×10−6m浓度下鉴定出78种命中化合物。C)在30×10-6 μmCHO-K1细胞处初步筛选获得的18种命中化合物的散点图。红色表示化合物(金诺芬、卡托普利、半硫酸反苯环丙胺、吡罗昔康、卡比多巴、苯唑西林钠盐一水合物和硝酸奥昔康唑)在不同浓度下显示可重复的正增强作用,绿色表示化合物(利福平、酒石酸卡巴拉汀、醋酸氢化可的松、异环磷酰胺、吲达帕胺、甲泼尼龙和盐酸萘唑啉)在一个浓度下显示强增强作用。数据表示为三次生物学实验的平均值±SD,每次三次技术重复。


Jurkat 细胞(悬浮细胞,转染难度高):初筛中阳性结果显著少于CHO-K1细胞。1 μM时244种药物增强,530种抑制;10 μM时325种增强,449种抑制;30 μM时192种增强,582种抑制。仅在10 μM和30 μM时各筛选出2个和1个候选化合物,且因细胞本身转染效率极低,增强倍数仅为6-8倍(相对值)


可靠性验证:通过主成分分析(PCA)对初筛结果进行验证,显示候选化合物与对照组差异显著,与初筛算法结果一致(图3B),排除了假阳性信号。


02
二次筛选候选化合物的剂量效应与细胞活力影响


从初筛中选取14种增强效果显著或稳定的化合物(如氢可的松acetate、异环磷酰胺等),在1mmDMA平台上开展浓度梯度(1-40μM)验证(图2B),并引入HEK293T细胞(易转染)作为对照;转染效率方面,14种化合物均表现出剂量依赖性,转染效率较对照组提升1.8-5.1倍(图5)。其中,吡罗昔康和反苯环丙胺半硫酸盐在高浓度(30-40μM)下仍保持增强效果,而其余12种因细胞毒性在高浓度时效率下降。


图5.14种命中化合物对GFP质粒DNA转染CHO-K1细胞的影响。将不同量的14种命中化合物(金诺芬、卡比多巴、卡托普利、醋酸氢化可的松、异环磷酰胺、吲达帕胺、苯唑西林钠盐一水合物、甲泼尼龙、盐酸萘甲唑啉、利福平、硝酸奥昔康唑、吡罗昔康、反苯环丙胺半硫酸盐和酒石酸卡巴拉汀)印刷到1mmDMA上,在真空中干燥。


细胞活力:14种化合物均随浓度升高导致细胞活力下降(PI染色检测),提示转染增强效果需平衡药物毒性。


HEK293T细胞验证:CHO-K1趋势一致,转染效率提升1.2-3.5倍,进一步支持候选化合物的通用性;而Jurkat细胞未观察到显著增强,可能与其本身转染障碍相关。


03
审跨平台验证:DMA 与传统微孔板结果一致性


384孔板验证:CHO-K1细胞在最佳浓度下的转染效率与1mm DMA结果趋势一致(图6),尽管384孔板中单个反应的细胞数量更多(1135个/孔vs100个/斑点),但平均效率无显著差异,证明DMA结果可迁移至传统平台。


图6. 在最佳浓度下,在A)1mm DMA和B)CHO-K1细胞的384孔板上的单个斑点中,两种形式的所有三个分析重复中,来自初步筛选的命中化合物的影响。单独显示了每个拍摄的图像/每个孔(每个斑点)中的转染效率。不同的形状表示单个重复(重复1-正方形,重复2-圆形和重复3-三角形)。根据二次筛选,每种药物的最佳工作浓度用于每种药物(表S2,支持性信息)。用在10μLScreenFect稀释缓冲液中的0.017 μLScreenFectA制备转染复合物,随后将在稀释缓冲液中的总共17ngGFP质粒DNA稀释至10 μL的最终体积(ScreenFectA与质粒DNA的比例为1:1)。然后将浓度为7.13×104个细胞mL-1的80 µL新鲜细胞悬液加入复合物中,然后混合并以20 µL/孔的体积接种到每个孔中。数据表示为三次生物学实验的平均值±SD,每次三次技术重复。


96孔板优化验证:选取4种化合物(氢可的松acetate、萘甲唑啉・HCl等),在优化转染参数(0.4 μL转染试剂+100 ngDNA/孔)后,转染效率从对照组的30.3%提升至33.9%-38.8%,进一步确认了其增强效果。




总结与讨论















































该研究证明DMA平台在超微量高通量筛选中的巨大潜力:仅用0.84 mL细胞悬液和0.02μmol药物完成4万余次实验,成本降低2500倍。14种阳性化合物(如金诺芬、卡比多巴等)可将转染效率提升至5倍,为基因治疗载体优化与蛋白生产提供新工具。


I.DOT非接触分配技术在微量液滴精准操控中的应用,解决了传统打印的蒸发与污染问题,推动DMA成为细胞生物学与药物筛选的革新性平台。未来该技术有望拓展至更多高通量场景,加速生物活性分子的发现进程。