先用功能和结构检测建立损伤参照
心肌细胞受到药物损伤时，肌节结构和收缩状态可能改变，细胞数量却未必立即大幅下降。美国 Tenaya Therapeutics、斯坦福大学（Stanford University）与 Dana Solutions 研究人员在 eLife 报道，把人诱导多能干细胞（iPSC）来源心肌细胞的高内涵成像与深度学习结合，用于早期筛查潜在心脏毒性。
团队对 WTC 来源 iPSC 进行心肌分化和药物选择，得到心肌标志染色纯度超过 95% 的细胞。细胞在 384 孔板中恢复培养，解冻后约 6–8 天收缩指标稳定，再进行药物处理与成像。
训练参照包括硼替佐米、多柔比星、西沙必利等 8 种已知有心脏毒性作用的化合物。研究根据药物浓度与作用时间，测量搏动频率、收缩速度和位移，结合肌节蛋白染色及核计数，把条件划分为轻度、较重和高度损伤，溶剂对照作为无损伤参照。
这些功能指标呈现不同变化方式。例如，多柔比星作用下，细胞可能先出现搏动频率升高，同时收缩速度和位移下降，随后失去自发收缩。模型训练使用多个指标共同确定的标签，以覆盖不同损伤表现。
图像模型输出连续毒性评分
筛查主要使用心肌肌球蛋白结合蛋白 C（MYBPC3）染色图像。团队以 ResNet50 神经网络分析图像小块，并通过旋转和翻转扩充训练数据；80% 图像用于建模，20% 用于训练过程中的验证，另外的验证板再用于检查模型表现。
研究比较二分类、三分类和四分类模型。无损伤参照在三种模型中的识别准确率均超过 95%；二分类更容易区分明显损伤与对照，对轻度及不同严重程度的区分则较难。三种模型在独立验证板上的评分高度相关。团队最终选用保留轻度损伤类别的三分类模型继续筛查。
细胞密度也是成像质量控制的一部分。每孔至少约 1500 个细胞时，筛查窗口的 Z 因子（Z-factor）可达到约 0.5；模型准确率和 Z-factor 在约 3000 个细胞后趋于平台。研究的常规筛查接种为每孔 20000 个细胞，以形成连续单层。
在只有少量技术重复的筛查条件下，单独使用核计数或染色强度的 Z-factor 较低。深度学习综合图像结构后提高了对照与毒性条件的分离程度，为后续候选排序提供连续评分。
窄屏可横向滑动查看完整图表。
从 1280 种化合物中筛出并复验候选
第一套药库有 1280 种生物活性化合物，包括已批准药物、研究工具和临床前候选。各化合物以 0.3、1.0 和 3.0 μM 处理 4 天，再成像评分。排名靠前的候选包括 DNA 相互作用药物、离子通道阻断剂及多类激酶抑制剂。
团队选出 6 种图像评分提示损伤、但常规染色强度变化不明显的候选，再加入替加色罗作为已知参照，共 7 种开展复验。除了重复成像，还测量线粒体耗氧、ATP 相关呼吸指标、最大呼吸和储备呼吸能力。
这组药物均出现剂量相关的线粒体功能下降，基础呼吸和 ATP 相关指标支持细胞功能受损。不同药物在各指标上的显著性并不一致：图中替加色罗的最大呼吸下降未达到显著，其他药物在这一指标上有显著变化。耗氧值按每孔核计数归一化。
研究同时用 ELISA 检测培养液中的 B 型利钠肽前体（proBNP），结果并没有与毒性评分一致。PHA-767491 使其升高，部分候选使其降低，BI-2536 没有显著改变。作者据此认为，这次实验中的 proBNP 不适合作为统一识别这些心肌损伤的敏感指标。
转录组与同靶点药物比较补充筛查结果
团队对 9 种化合物处理后的心肌细胞作 RNA 测序，每种药物有 2 个重复，另有 6 个溶剂对照。分析显示不同药物产生不同表达模式，部分结构、发育和收缩相关基因下调；某些药物整体转录组更接近对照，表达变化相对细微。
第二套筛查使用另一个 1280 种、靶点未知的多样性化合物库，并重新训练图像模型，找到 33 个心肌毒性候选。研究还比较 10 种蛋白酶体抑制剂：在生化抑制效力相近的药物中，心肌图像毒性评分仍不同，delanzomib 的评分较低，硼替佐米、卡非佐米等较高。
平台的主要证据来自单一 iPSC 遗传背景和所用培养、暴露及成像条件。作者强调，训练数据应覆盖多个已知损伤参照，保持图像质量和类别平衡，才能更稳定地识别细微的细胞表型。