做科研，誰沒在實驗里「被迫做過減法」？經(jīng)費有限、樣本稀缺、周期緊張、工具受限，這些現(xiàn)實困境，讓多少精心設(shè)計的課題不得不將就。尤其是「成本高、周期長」的高通量測序：

為了省錢，忍痛刪掉一半樣本：梯度不完整、趨勢不清晰，只能安慰自己「有總比沒有強」。

為了湊樣本，反復養(yǎng)細胞、反復質(zhì)檢：珍貴材料經(jīng)不起折騰，費時費錢，心在滴血。

為了趕時間，放棄機制研究：化合物表型明明漂亮，卻沒時間做轉(zhuǎn)錄組驗證，審稿意見一來：「作用通路是什么？」啞口無言。

預算、通量、數(shù)據(jù)質(zhì)量、實驗周期——在傳統(tǒng)工具的框架下，似乎永遠只能「保一個」。直到 2018 年 Nature Communications 文章《DRUG-seq for miniaturized high-throughput transcriptome profiling in drug discovery》首次報道DRUG-seq 技術(shù)[1]，才發(fā)現(xiàn)：問題或許不在于如何取舍，而在于工具本身的局限。

DRUG-seq是專為藥物篩選設(shè)計的 3′ 端高通量轉(zhuǎn)錄組測序方案。其核心突破是：孔特異性 Barcode 與 UMI 分子標簽實現(xiàn)精確定量，無需 RNA 提取，細胞裂解液即可直接建庫——在不犧牲數(shù)據(jù)質(zhì)量的前提下，縮成本、縮短周期、減少樣本用量！

憑借高通量與高性價比的雙重優(yōu)勢，DRUG-seq 可在單輪實驗內(nèi)完成大量化合物、多濃度、多時間點的轉(zhuǎn)錄組解析，從基因?qū)用嫦到y(tǒng)揭示藥物作用機制、靶點與脫靶效應，并輔助預測藥效與潛在毒性，顯著提升候選化合物的篩選效率與可靠性。以下是主流測序技術(shù)的橫向?qū)Ρ?，供選型參考：

諾禾致源 DRUG-seq 專為大規(guī)模藥篩優(yōu)化，完美適配新藥篩選、毒性評估、老藥新用、中藥復方解析等場景，同時也支持基因調(diào)控、細胞分化、基因編輯等基礎(chǔ)研究，是兼顧通量、成本與數(shù)據(jù)深度的理想工具。（顛覆性定價超低成本，文末或點此查看活動詳情）

一、DRUG-seq 技術(shù)應用方向

新藥篩選（通過基因表達變化評價藥效）

毒性評估

藥物靶點檢測

細胞培養(yǎng)條件篩選等大規(guī)模廣篩研究

應用案例解析：

案例一

Article：DRUG-seq for miniaturized high-throughput transcriptome profiling in DRUG discovery

期刊：Nature Communications IF：15.7（2024～2025 最新影響因子）

本研究報道了一種用于藥物發(fā)現(xiàn)的高通量平臺——基因擾動數(shù)字 RNA 測序技術(shù)。藥物發(fā)現(xiàn)領(lǐng)域高度依賴高通量篩選技術(shù)，但現(xiàn)有平臺的檢測指標存在局限性。雖然 RNA 測序能通過轉(zhuǎn)錄組變化來研究藥物效應，但標準文庫構(gòu)建成本高昂。 DRUG-seq 技術(shù)能夠以百分之一的成本捕獲標準 RNA 測序所檢測到的轉(zhuǎn)錄水平變化。在對 8 個劑量梯度下的 433 種化合物進行概念驗證實驗時，基于 DRUG-seq 生成的轉(zhuǎn)錄譜成功根據(jù)化合物作用靶點的分子作用機制，將其歸納入功能聚類。針對作用同一靶點的化合物，檢測到轉(zhuǎn)錄組變化所反映的擾動差異，這證明了 DRUG-seq 在解析靶向及脫靶效應方面的價值。

實驗結(jié)果表明， DRUG-seq 不僅能捕捉共同作用機制，還能識別同一靶點下化合物處理與 CRISPR 技術(shù)之間的差異。該技術(shù)為高通量篩選環(huán)境中的全面轉(zhuǎn)錄組分析提供了強大工具。

展示 DRUG-seq 和標準 RNA-seq 的可比較性

案例二

Article： Generation of iPSC-derived human venous endothelial cells for the modeling of vascular malformations and DRUG discovery

期刊：Cell Stem Cell IF：20.4（2024～2025 最新影響因子）

本文利用 iPSC 分化、CRISPR-Cas9、體外功能測定、體內(nèi)腎包膜移植和 DRUG-seq 等方法，生成了攜帶 TIE2 基因突變的人類靜脈內(nèi)皮細胞（iVEC），構(gòu)建了能模擬人類靜脈畸形（VM）的體外和體內(nèi)模型，并通過 AI 輔助的 DRUG-seq 篩選發(fā)現(xiàn) Bosutinib 是潛在的治療藥物。研究中利用 DRUG-seq 結(jié)合深度學習模型（DLEPS），對攜帶 TIE2 突變的 iVEC 進行了高通量藥物篩選，通過分析候選藥物處理后細胞的轉(zhuǎn)錄組變化，識別能夠逆轉(zhuǎn) VM 表型、使突變細胞轉(zhuǎn)錄組更接近野生型細胞的潛力藥物。

A) 藥物預測和篩選示意圖。（B) 經(jīng)不同藥物和濃度處理的 L914F-iVECs 轉(zhuǎn)錄組學的 UMAP 可視化，顏色標注如圖所示。（C） 經(jīng)藥物處理

的 L914F-iVECs 與 WT-iVECs 之間的轉(zhuǎn)錄相關(guān)性（上）。經(jīng)藥物處理的 L914F-iVECs 與經(jīng) DMSO 處理的 L914F-iVECs 之間的轉(zhuǎn)錄相關(guān)性（下）。

每個點代表 (B) 中特定濃度下的一個重復樣本。數(shù)據(jù)以平均值 ± 標準誤表示。（D） 經(jīng)博舒替尼處理的 L914F-iVECs 與 L914F-iVECs 在涉

及血管生成、血管發(fā)育、細胞遷移、細胞骨架組織和細胞外基質(zhì)的基因方面的基因集富集分析（GSEA）。

二、DRUG-seq 技術(shù)產(chǎn)品優(yōu)勢

PCR 無偏好性，數(shù)據(jù)更準確

樣本起始量低，1,000 個細胞即可開展

無需 RNA 提取，裂解液直接反轉(zhuǎn)錄

聚焦 mRNA 3’ 端序列，數(shù)據(jù)需求量小，2M/樣即可分析

1

技術(shù)流程

細胞裂解后，通過在逆轉(zhuǎn)錄引物中引入的特異性 Well Barcode 和 UMI，使用 PolyT 捕獲各個孔的細胞釋放的 mRNA 分子，然后經(jīng) RT-PCR 對各個孔的 cDNA 第一鏈進行標記，將標記后的 96 孔板樣本 Pooling 至一起，純化得到雙鏈 cDNA。雙鏈 cDNA 經(jīng)過片段化、末端修復、加 A 尾、接頭連接、擴增和純化等建庫步驟，構(gòu)建得到適用于 NGS 測序平臺的文庫。

2

送樣建議

常見樣本類型：人/鼠來源的活細胞、細胞系等。

* 注：

（1）細胞投入量：均指裂解處理時投入的細胞數(shù)量，此處貼壁細胞請注意根據(jù)不同細胞類型貼壁后的生長速率確定起始的細胞培養(yǎng)量和培養(yǎng)天數(shù)，保證加入裂解液時細胞投入量符合要求。

（2）其他類型或不常見樣本請單獨咨詢。

（3）細胞投入量必須在要求細胞量范圍內(nèi)，過多過少都不行

（4）為什么限制細胞投入量和細胞活性？

? 細胞投入量過低（< 1k），裂解后釋放的 mRNA 不足，導致捕獲數(shù)量低，無法滿足后續(xù)實驗；

? 細胞投入量過高（> 30k），捕獲 mRNA 數(shù)量過高，會包裹磁珠，影響磁珠與磁力架的吸附效果，導致棄上清時損失磁珠，無法滿足后續(xù)實驗。

? 細胞活性低，cDNA 大概率會降解，造成 cDNA 擴增產(chǎn)物產(chǎn)出偏低。

完成測序后，會提供一套完整的標準分析內(nèi)容，幫你快速從數(shù)據(jù)中拿到關(guān)鍵結(jié)論。

3

分析內(nèi)容

RNA-seq 的核心是基因表達差異的顯著性分析，使用統(tǒng)計學方法，比較兩個條件或多個條件下的基因表達差異，從中找出與條件相關(guān)的特異性基因，然后進一步分析這些特異性基因的生物學意義，分析過程包括質(zhì)控、比對、定量、差異顯著性分析、功能富集等環(huán)節(jié)。信息分析流程如下圖所示：

樣本基因表達量分布盒形圖，直觀展示所有樣本基因表達量的整體分布，快速判斷樣本重復性與數(shù)據(jù)可靠性。

主成分分析結(jié)果圖，從全局層面展示樣本間的表達差異，清晰區(qū)分不同處理組的分離趨勢。

差異基因火山圖，一眼鎖定兩組間顯著上調(diào)/下調(diào)的關(guān)鍵基因，直觀呈現(xiàn)差異數(shù)量與顯著性。

差異表達基因聚類熱圖，展示所有差異基因在不同樣本中的表達模式，輕松識別處理組的特征性表達譜。

富集分析柱狀圖，統(tǒng)計差異基因最顯著富集的功能通路，快速定位藥物作用的核心生物過程。

富集分析散點圖，結(jié)合富集程度與基因數(shù)量，直觀展示關(guān)鍵通路的重要性與可信度。

4

部分研發(fā)數(shù)據(jù)展示

測序飽和度結(jié)果：

結(jié)論：傳統(tǒng) RNA-seq 測序量接近 40M；DRUG-seq 測序量達到 2M reads 即到達平臺期。

DRUG-seq 基于 3' 端進行計定量：對低表達基因（FPKM 小于 1）檢出率影響大，對高表達量（FPKM > 1）基因影響不顯著。

RNA-seq：17123 genes；42M reads/well

DRUG-seq：12149 genes；13M reads/wel

DRUG-seq：10630 genes；2M reads/wel

分析結(jié)果：

Barcode 拆分率 > 96%，平均基因檢出數(shù)均 > 1W。

更低的成本、更豐富的轉(zhuǎn)錄組維度數(shù)據(jù)！諾禾致源提供一站式服務，讓每一位研究者的創(chuàng)新想法都不再需要妥協(xié)?，F(xiàn)在點擊下方圖片咨詢，即可享受「顛覆性定價」>>

內(nèi)容策劃：沈佳鈺

內(nèi)容審核：朱卿

題圖來源：圖蟲創(chuàng)意

參考文獻：

[1] Ye C, Ho DJ, Neri M, Yang C, Kulkarni T, Randhawa R, Henault M, Mostacci N, Farmer P, Renner S, Ihry R, Mansur L, Keller CG, McAllister G, Hild M, Jenkins J, Kaykas A. DRUG-seq for miniaturized high-throughput transcriptome profiling in drug discovery. Nat Commun. 2018 Oct 17;9(1):4307. doi: 10.1038/s41467-018-06500-x. PMID: 30333485; PMCID: PMC6192987.