器官芯片培养与药物测试的全流程自动化：提升可扩展性与可拓展性

药物研发领域对可有效转化应用的培养模型需求日益增长，推动了先进系统的发展，其中包括器官芯片（Organ-on-a-Chip, OoC）、微生理系统（Microphysiological Systems, MPS）及复杂体外模型（Complex In Vitro Models, CIVM）。这些技术因能够模拟人体生理反应而获得认可，尤其是美国食品药品监督管理局（Food and Drug Administration, FDA）《现代化法案2.0》将基于细胞的检测与计算机模拟列为新途径方法学（New Approach Methodologies, NAMs），以减少对动物实验的依赖。然而，MPS与OoC系统在药物研发中的应用仍受限于复杂的培养流程、低通量及结果重现性不足等问题。本研究显示，研究人员开发的自动化平台“筛选站2号（Screening Station No. 2）”通过采用血管生成模型，实现了从细胞培养到药物测试的全流程端到端自动化，解决了上述挑战。该系统整合了SCALE12-MR摇摆培养箱与多种仪器，并通过动态调度实现培养基更换、化合物给药及成像等关键操作的无缝执行。通过最小化人工干预，该平台实现了OoC培养的自动化，包括通过摇摆培养施加重力刺激。筛选站2号支持此前难以实现的复杂工作流程的可扩展性、可拓展性与自动化。本研究凸显了多功能、可扩展的自动化系统的重要性，这类系统能够适配多样化的实验条件，从而提升药物研发的效率与可靠性。上述进展表明，自动化OoC系统有潜力加速药物开发、提高临床前模型的转化性，并满足对创新实验室自动化方法学的需求。

《SLAS Technology》刊发的这项研究针对器官芯片（Organ-on-a-Chip, OoC）与微生理系统（Microphysiological Systems, MPS）在药物研发中难以规模化应用的核心瓶颈展开。当前药物研发面临临床试验成功率低的困境，FDA现代化法案2.0明确推动基于细胞的检测作为新途径方法学（New Approach Methodologies, NAMs）以替代动物实验，但OoC系统仍存在操作流程复杂、通量低、重现性差三大障碍：微流控设备的精密组装与微量注射技术要求高，长期培养的动态监测与大规模图像数据处理难度大，现有半自动化系统仅覆盖单一环节，无法实现全流程无人值守。为此，研究人员开发了集成可编程摇摆培养功能的“筛选站2号（Screening Station No. 2）”平台，首次实现了从OoC细胞接种到药物测试的全流程自动化，为提升复杂体外模型的研发效率提供了可复制的技术方案。

研究人员采用了四项核心技术方法：一是定制化开发符合ANSI/SLAS标准的SCALE12-MR摇摆培养箱，支持独立调控每个培养单元的摇摆角度（1°增量调节，-25°至+25°）、周期（5秒至999分钟）及倾斜方向，适配不同微流控通道布局；二是基于Green Button Go（GBG）调度器构建双工作单元架构，由GBG Orchestrator协调培养单元（含摇摆培养箱与PreciseFlex 400机械臂）与检测单元（含液体处理工作站、共聚焦成像仪）的跨单元协作；三是设计四组参数化工作流（设备转运、培养基更换、化合物给药、活细胞成像），支持流程灵活组合与错误隔离；四是开发CellVoyagerACE智能成像算法，通过低倍全板扫描自动识别微流控三通道结构，精准定位凝胶通道中心坐标以实现高倍靶向成像。研究未涉及临床样本队列，采用人脐静脉内皮细胞（Human Umbilical Vein Endothelial Cells, HUVECs）作为标准细胞模型。

研究结果分为五个部分。3.1节开发用于流体培养的摇摆培养箱：SCALE12-MR配备12组独立摇摆模块，支持沿器件长轴或短轴双向倾斜，通过侧开式快门设计兼容机械臂自动抓取，可实现重力驱动流体流速与剪切应力（峰值1.4 dyne/cm²，平均0.2 dyne/cm²）的精确控制，适配OrganoPlate等符合ANSI/SLAS标准的被动流微流控平台。3.2节全流程OoC培养工作流的编排：筛选站2号通过双工作单元与共享转运接口（Transfer Nest）实现设备跨单元流转，GBG Orchestrator动态调度四组工作流协同运行，完成从摇摆培养到成像的全流程无人干预，支持同时进行64个微流控芯片的并行处理。3.3节OrganoPlate血管生成模型的自动化培养：研究人员采用半自动化方式完成胶原凝胶加载与HUVECs接种后，由平台自动执行6天摇摆培养（14°倾角，8分钟间隔）、第3天培养基更换与第4天血管生成诱导剂添加，活细胞成像显示细胞在右通道增殖并形成管状结构，加入血管内皮生长因子鸡尾酒可诱导血管出芽，而5 μM舒尼替尼（sunitinib）则显著抑制该过程，表型与已报道手动实验结果一致。3.4节靶区自动识别与定量：CellVoyagerACE通过两步走成像策略，先低倍（4×）扫描识别微流控三通道并定位凝胶通道中心，再高倍（10×）靶向采集图像，有效消除了设备转运偏差与批次间尺寸差异导致的成像偏移，确保定量分析区域的准确性。3.5节端到端工作流的芯片药物测试：平台自动完成舒尼替尼给药与活细胞染色后，通过CellPathfinder定量分析显示，血管生成诱导组出芽长度为380-484 μm（P<0.0001，n=8），5 μM舒尼替尼使出芽长度较对照组降低约51.9%（P<0.0001），组间变异系数（Coefficient of Variation, CV）仅为3.0%-8.1%，验证了全自动流程的高重现性。

讨论部分进一步阐释了平台的三大优势与优化方向。通用摇摆培养箱设计通过独立参数调控适配多种被动流OoC模型，包括血管模型、血脑屏障功能障碍模型、肾损伤模型及肝纤维化模型，但不支持依赖外部泵体的主动流设备及非标准板型器件。动态容错工作流架构采用任务拆分与参数化设计，允许单个操作失败重跑而不中断整体流程，其混合调度策略（静态调度处理时间敏感型操作，动态调度处理灵活型操作）已实现分钟级精度控制。研究人员指出当前系统仍需完善预操作检查机制（如集成重量传感器、RFID标签）与自然语言交互界面，未来可通过大语言模型（Large Language Model, LLM）代理降低操作门槛。平台可扩展性与重现性验证显示，其单次运行最多可处理192个数据集（64芯片×3板），CV值低于8.1%，优于传统半自动化系统，且操作日志全程可追溯，符合数据完整性ALCOA原则（Attributable, Legible, Contemporaneous, Original, Accurate）的基本要求，为监管申报数据提供了质量基础。在应用拓展层面，该平台响应FDA逐步取消单抗类药物动物实验的政策导向，可支撑多器官系统开发与转化医学研究，其“人类驱动（Human Driver）”功能还能无缝整合人工操作环节，适配患者来源类器官等复杂模型的自动化构建。

结论部分总结，研究人员成功开发了支持摇摆流体刺激的专用培养箱，并将其与自动化药物测试系统集成，首次实现了OoC血管生成模型从细胞培养到抑制剂定量的全流程端到端自动化。该系统标准化了复杂体外模型的培养流程，将组间变异系数控制在8.1%以内，同时突破了摇摆动态条件下的延时成像难题，为解析细胞随时间变化的响应规律提供了新工具。这一平台通过提升药物测试的效率与可靠性，将加速具有高临床预测性的OoC模型在药物研发中的广泛应用。