SLAS 2024：Molecular Devices 被指定为“未来实验室”

点击下载海报

尽管科学仪器的数据很有保证，但许多肿瘤学药物在药物开发管道的后期阶段都失败了。3D 细胞模型的使用，如患者来源的类器官（PDOs），为这个问题提供了一个很有前途的解决方案。研究表明，患者及其来源的类器官对药物的反应相似，这也表明了使用 PDOs 改善治疗效果的价值。然而，分析再现性、可扩展性和成本等挑战限制了 PDOs 在主流药物发现管道中的使用。

在海报中，Lim 博士阐述了与 PDOs 的使用相关的挑战，并展示了它们在高通量应用中的实用性。她描述了一种从在生物反应器中扩展的可检测的癌症（CRC）类器官开始的端-端的自动化工作流程。

虽然类器官对候选药物治疗的反应是一种强大的研究工具，还提供了丰富的详细信息，但筛选大量化合物需要大量的努力和时间。简化这一过程对于快速鉴定化合物非常重要，随后可以进行更耗时的研究。在这张海报中，Olsen 博士展示了分析关键参数（如细胞活力）的方法，这些方法可以快速识别有效的候选药物，并可以与更复杂的图像分析相结合或跟进。通过试剂和移板的自动化以及预先配置的程序，进一步加快了活力测定的结果。

寻找有效的药物组合来治疗癌症患者是治疗成功的关键。因此，开发有效测试药物疗效的方法并发现新的治疗靶点非常迫切。3D 癌症模型是癌症研究和药物开发的非常有价值的工具，然而，进行 3D 分析的复杂性仍然是广泛采用这些方法进行化合物筛选的障碍。

在这张海报中，Sirenko 博士描述了她如何进行自动化细胞培养过程和终点测定，以扩大复杂的基于 3D 细胞的测定和化合物筛选。然后，她分享了我们如何使用 CellXpress.ai 自动细胞培养系统开发细胞培养方法自动化方法。CellXpress.ai 系统可实现 2D 或 3D 分析的完全自动化，以延长复杂的工作流程。

来自人类诱导多能干细胞（iPSC）的神经 3D 类器官是一种快速发展的技术，在理解大脑发育和神经元疾病方面具有巨大潜力。一种有前景的方法是通过在 3D 培养物中使用完全分化的人 iPSC 来源细胞的组合，包括谷氨酸能神经元、GABA 能神经元和星形胶质细胞，组装类似于 3D 球体或“神经球”的结构。

治疗过程中的损耗通常可归因于缺乏从临床前阶段到临床的转化疗效。为了解决劳动密集型手动培养的人力消耗，我们开发了 CellXpress.ai 自动细胞培养系统。

在这里，Sirenko 博士介绍了几种常用类器官方案的自动化结果，包括在基质圆顶或低附着板中培养 3D 类器官。