高内容成像技术所揭示的藻类表型特征,有助于实现对重金属胁迫的多层次精准识别

《Journal of Hazardous Materials》:High-Content Imaging Driven Algal Phenotypes Enable Precise Multilevel Discrimination of Heavy Metal Stress

【字体: 大 中 小 】 时间:2026年07月29日 来源:Journal of Hazardous Materials 10.6

编辑推荐:

  摘要:基于固定化学阈值的传统水质监测方法往往无法体现污染物混合物及亚致死应力所带来的综合生物效应。为解决这一缺陷,我们开发了一种基于高内容成像技术的分析流程,可将藻类细胞的表型变化转化为多维定量特征,用于毒性评估。通过让普通小球藻暴露于不同浓度的铜、镍和锌环境中——这些浓度从标准

  摘要:基于固定化学阈值的传统水质监测方法往往无法体现污染物混合物及亚致死应力所带来的综合生物效应。为解决这一缺陷,我们开发了一种基于高内容成像技术的分析流程,可将藻类细胞的表型变化转化为多维定量特征,用于毒性评估。通过让普通小球藻暴露于不同浓度的铜、镍和锌环境中——这些浓度从标准值到有毒水平不等——建立了重金属应力模型。该分析流程能够以单细胞分辨率同时捕捉明场形态、核荧光以及叶绿体自荧光信息。所检测到的多维表型特征能在远低于传统光学密度测量所能识别的暴露水平下就显示出显著的亚致死性变化,且Mantel检验表明不同金属引发的表型反应模式具有一致性。基于这些核心图像衍生特征构建的表型毒性筛选框架,能够以较高的灵敏度和特异性将样本分为无毒性、低毒性和高毒性三类。进一步利用融合后的特征训练的多类随机森林模型,可将样本划分为五种与浓度相关的应力类别,其区分性能优异(AUC大于0.956),优于仅基于单一表型指标的模型。此外,该框架无需重新训练即可应用于二元或三元金属共暴露场景,能够在混合应力检测中保持高灵敏度。本研究建立了一种以图像为驱动、以表型为基础的水质评估方法。通过将微妙的细胞特征转化为定量表型指纹,该方法为从化学合规性评估向自动化、高通量且基于效应的监测系统转型提供了可扩展的、具有生物学依据的基础。

引言:由于工业、农业和城市活动带来的污染日益严重,全球范围内人们对水安全的关注度不断上升[2]、[43]。重金属因其高毒性、持久性、生物累积潜力以及在环境中的广泛存在,对水生生态系统的稳定性和人类健康构成严重且长期的威胁[14]。目前的监管框架,如中国的地表水环境质量标准(GB 3838-2002)以及美国环保署的《国家初级饮用水标准》(EPA NPDWRs)[11]、[41],主要依靠针对特定化学物质的浓度阈值来设定限制。虽然这种做法对于合规性监测至关重要,但它存在明显局限:无法体现污染物混合物的综合生物效应,忽视了亚致死应力机制,也无法在生态系统出现显著损害之前揭示早期的毒理学反应。因此,亟需开发新的、高通量且基于效应的监测策略,将这些策略与污染物暴露直接关联到可量化的生物反应上,从而实现预测性风险评估,保护生态系统和公众健康。

微藻作为水生生态系统中的基础生产者和敏感生物指示物,因其响应迅速、对污染物高度敏感且与现代成像技术兼容性好,成为生物预警的强大工具。普通小球藻是一种普遍存在的淡水绿藻模型[1]、[48],它对重金属尤为敏感[12]、[23],在单细胞层面就会表现出可作为早期预警信号的明显表型变化[35]、[36]。已知重金属胁迫会抑制微藻的光合作用和生长,扰乱细胞内的氧化还原平衡,并激活抗氧化防御系统[32]、[46]。重要的是,金属毒性既与金属种类有关,也与检测终点有关。在普通小球藻中,生长抑制试验对砷、锌和铅更为敏感,而光合作用抑制试验则对铜和镍的反应更强烈,这两种反应之间没有显著相关性[12]。这种终点依赖性凸显了仅依靠群体层面的检测指标进行藻类毒性评估的局限性。然而,传统的藻类监测方法,包括直接显微镜计数、光学密度(OD680)测定以及叶绿素荧光分析法,由于其通量低且工作繁琐,存在根本性的技术瓶颈[37]、[38]。一项对89项微藻生物测定研究的综述发现,63%的研究仅以生长抑制作为检测终点,而且几乎所有研究都采用单一维度的检测指标,无法揭示毒性背后的机制,也无法在复杂的环境样本中识别出特定的致毒物质[25]。OD680值常常会受到浊度和颜色干扰的影响,从而导致假阳性结果[13]。叶绿素荧光参数仅能提供单一的生理指标,无法反映形态上的变化。总体而言,这些方法无法捕捉多维度的应力反应,也无法区分不同的亚群,因此不适合用于检测早期的亚致死性表型变化[37]。

近年来,高内容成像技术已成为生物医学和毒理学研究领域的变革性技术[27]、[31]。该技术能够实现对大量细胞群体的自动多通道荧光成像,可在单细胞分辨率下同时量化多种形态学、纹理和强度方面的特征,实际上将一张图像转化成了数千个检测指标[4]、[45]。这一技术为捕捉细胞对环境胁迫的异质性和细微反应提供了可能。尽管高内容成像技术已在药物发现和疾病研究中得到广泛应用[15]、[21],但其在环境毒理学和藻类生物监测领域的应用还处于起步阶段。初步的高内容成像研究已实现了对藻类的表型分析,包括大型藻类的细胞学筛选[24]、定量表型分析[3]以及多性状表型分析[19]。多重藻类细胞学成像技术结合机器学习,可用于分析某种藻类的表型反应,但该技术目前仅针对除草剂和抗生素进行了验证,尚未用于研究重金属胁迫。利用荧光寿命成像显微镜结合机器学习,已可预测微藻在铜离子暴露下的应力状态[34],但由于其依赖于专用仪器和复杂的采集流程,不太适合大规模常规的水质监测工作。总体而言,生态毒理学领域的高通量筛选技术远远落后于药物发现领域,在自动数据采集和与监管标准的整合方面仍存在诸多不足[42]。

与此同时,机器学习和深度学习模型也被越来越多地应用于藻类图像分析。不过,这些研究大多旨在物种鉴定,而非应力评估。例如,卷积神经网络架构在从显微图像中鉴定藻类物种方面,准确率可达85%至100%[18]、[28]、[40],而实时物体检测框架和生成对抗网络则提升了藻类细胞的检测和分类精度[9]。在物种鉴定之外,也有少数研究将机器学习应用于与藻类毒性相关的数据分析。例如,结合机器学习的脂质分析技术已被用于评估某种藻类对除草剂的敏感性[26]。但这种方法依赖于质谱分析得到的脂质谱,而非基于图像的单细胞表型信息,且未能实现对毒性严重程度的分类。目前,尚未有研究将高内容成像技术获得的图像特征与机器学习相结合,用于藻类重金属胁迫的分类。因此,在将高维度的高内容成像数据转化为可用于应力识别和严重程度分类的稳健、可解释模型方面,尤其是在早期预警方面,仍存在巨大差距。

在本研究中,我们建立了一种基于高内容成像技术的藻类表型分析流程,用于评估普通小球藻在重金属胁迫下的反应。利用该流程,我们分析了普通小球藻对铜、镍和锌胁迫的形态学反应,并从明场图像、核荧光图像以及叶绿体自荧光图像中提取了多维表型特征,用于应力检测。通过构建表型毒性筛选框架以及整合这些特征的机器学习模型,我们实现了对重金属胁迫严重程度的精准分类,并验证了该综合框架在多种金属共暴露场景下的通用性。本研究旨在推动水质监测向自动化、高通量且基于效应的早期预警系统发展,为水生环境风险管理提供可扩展的技术基础。

实验部分片段:藻类培养与重金属暴露
普通小球藻(FACHB-8)取自中国武汉水生生物学研究所的淡水藻类培养库,其在BG-11培养基(Gibco,产品编号A1379901)中培养,培养温度为25±1℃,光照时间为14小时/黑暗时间10小时,同时以120转/分钟的速率振荡。所有实验所用的处于指数生长期的藻液,其初始OD680值均调整为0.13 - 0.14。本实验中用作重金属胁迫因子的有硫酸锌·7水合物、硫酸镍·6水合物和硫酸铜·5水合物。

初步研究:开发用于评估普通小球藻在重金属胁迫下表型的高内容成像技术流程
为系统地分析普通小球藻对重金属胁迫的多维表型反应,我们建立了一种基于高内容成像技术的表型分析流程(见图1)。该流程能够在不同的金属浓度和暴露时间点下,生成单细胞分辨率的明场图像、核荧光图像和叶绿体自荧光图像。这些互补的成像数据被转化为结构化的定量数据集,为后续分析提供了基础。

讨论部分:
本研究利用高内容成像技术,建立了普通小球藻在铜、镍和锌胁迫下的单细胞表型反应图谱,展示了如何将多维图像衍生特征转化为用于毒性评估的区分性信号。研究结果表明,细胞数量和核数量的减少是重金属胁迫的敏感早期指标,在暴露第3天时就能观察到因浓度升高而导致的显著减少。叶绿体自荧光……

结论部分:
本研究开发了一种以图像为驱动的表型组学分析流程,该流程整合了高内容成像技术、单细胞表型分析以及可解释的机器学习算法,可用于评估普通小球藻在重金属胁迫下的反应。该框架能够将明场、核以及叶绿体通道中的微弱光学信号转化为定量、多尺度的表型特征,并且在多种金属暴露水平下均展现出良好的区分性能。经过优化的机器学习……

CRediT作者贡献声明:
马杰:写作——审阅与编辑,写作——初稿撰写,项目管理,方法学,资金获取,概念构思。张金旭:写作——初稿撰写,资源协调,方法学,实验实施。黄明杰:实验实施。李毅:实验实施。刘万林:写作——审阅与编辑,写作——初稿撰写,结果可视化,验证,概念构思。朱云平:监督工作,资源协调,资金获取。马腾飞:写作——审阅与编辑,写作——初稿撰写……

利益冲突声明:
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。

致谢:
我们感谢北京国家蛋白质科学中心生物信息学平台为高内容成像数据分析提供的计算资源。本研究得到了中国国家自然科学基金(项目编号32270697和32570774)、中国国家重点研发计划(项目编号2021YFA1301603)以及医学蛋白质组学国家重点实验室开放课题计划(项目编号SKLP-O202204和SKLP-O202005)的资助。

利益冲突披露:
作者声明不存在利益冲突。

马腾飞|张金旭|蒋军义|刘英鹤|李毅|黄明杰|朱云平|刘万林|马杰
中国河北大学生命科学学院,保定市071002
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号