AI 结合显微成像筛选 7000 万细胞，锁定自噬与 STING 调控因子
德国团队用 AI 读显微图像、再原位回收细胞，把复杂形态表型和具体基因对应起来，两次筛选覆盖约 7000 万个细胞。
细胞形态变化受多基因共同影响，很难像荧光信号那样简单判定阳性或阴性，因此用图像做基因筛选一直很难。SPARCS 把机器学习图像分析与自动化激光显微切割回收细胞结合起来，在两次全基因组 CRISPR 敲除筛选中分析约 7000 万个细胞，分别研究自噬体形成和 STING 激活，并回收命中细胞做质谱蛋白质组分析。
正文摘录
.jpg) 编辑丨& 细胞内发生的许多变化，都会留下可观察的形态线索。细胞器位置偏移、细胞内部异常结构出现、囊泡数量增加都可能对应特定生物学过程。细胞形态往往受到多个基因和细胞过程共同影响，复杂表型很难简单地划分为阳性或阴性，不像荧光信号是否出现那样容易分辨，因此想要从图像判断基因变化并不容易。 2026 年 10 月 6 日，发表于《 Cell 》的「 SPARCS enables scalable recovery of complex image-based phenotypes for genetic screening 」提出了 SPARCS（空间分辨 CRISPR 筛选）技术，将机器学习驱动的显微图像分析与自动化细胞回收结合起来。 在两个全基因组 CRISPR 敲除筛选中，来自德国慕尼黑大学、普朗克生化研究所等的团队分析了总计约 7000 万个细胞，分别研究自噬体形成和先天免疫传感器 STING 的激活过程，并从中识别出相关调控因子。