第1章高通量筛选概述

一、高通量筛选概述：HTS发展历史、角色与核心流程

各位同学好，我是老张。在药物研发圈子里摸爬滚打了十几年，今天咱们来聊聊高通量筛选（HTS）这门课的开篇。说实话，每次带新人，我第一件事就是让他们搞清楚HTS到底是个什么玩意儿——它不是什么高深莫测的黑科技，说白了就是一套“批量试错”的方法论。

HTS这个概念，最早可以追溯到上世纪80年代末。那时候我刚入行，记得实验室里做筛选，全靠手工加样——96孔板，一个孔一个孔地加，一天下来眼睛都花了。你想想看，那时候筛选一万个化合物，得花好几个月。

到了90年代中期，自动化技术开始介入。我记得1997年我参与的第一个HTS项目，用的是第一代自动化工作站，能同时处理384孔板。那时候大家都很兴奋，觉得效率提升了一大截。但说实话，那机器稳定性差，动不动就卡板，半夜还得爬起来看机器。

进入21世纪后，HTS迎来了爆发期。1536孔板、3456孔板相继出现，检测技术也从传统的荧光检测发展到AlphaScreen、TR-FRET等高灵敏度方法。我个人习惯把这段历史分成三个阶段：

核心观点：HTS的本质不是“快”，而是“标准化”。我见过太多团队一味追求通量，结果数据质量一塌糊涂。记住，没有质量的速度是灾难。

HTS在药物发现链条里到底扮演什么角色？我用一句话概括：它是连接“化合物库”和“先导化合物”的桥梁。

整个药物发现流程大致是这样的：靶点发现 → 靶点验证 → HTS筛选 → 先导化合物优化 → 临床前研究 → 临床试验。HTS处于这个链条的中间位置，它的任务就是从几十万甚至上百万个化合物中，找出那些对靶点有活性的“苗头化合物”。

我在项目中遇到过不少这样的情况：靶点验证做得很好，但一到HTS阶段就卡壳。为什么？因为HTS不是简单的“加样-读数”就完事了。它涉及到化合物库管理、检测方法开发、数据质量控制、假阳性/假阴性判断等一系列问题。

个人经验：我建议你在做HTS之前，先花30%的时间把检测方法开发好。很多人急着上机跑数据，结果跑出来的全是噪音。我曾经有一个项目，就因为检测方法没优化好，浪费了整整三个月。

HTS的基本流程，我用一张流程图来展示：

这张图看起来简单，但每个环节都有坑。我重点讲几个核心概念：

Z'因子是衡量HTS检测质量的核心指标。它的计算公式是：

Z' = 1 - (3σ阳性 + 3σ阴性) / |μ阳性 - μ阴性|

其中σ是标准差，μ是均值。Z'因子的取值范围是0到1，一般认为：

避坑指南：我曾经有一个项目，Z'因子测出来0.6，觉得没问题就开跑了。结果跑了10万化合物后，发现重复性极差。后来一查，原来是阳性对照的浓度选错了。所以，Z'因子高不代表一切，一定要做预实验验证。

命中率（Hit Rate）是指活性化合物占总筛选化合物的比例。一般来说，HTS的命中率在0.1%-1%之间。如果命中率太高（比如>5%），说明你的筛选条件太宽松，假阳性会很多。

假阳性是HTS的头号敌人。我见过最夸张的一个案例，某团队筛选了50万化合物，命中率高达8%，结果验证后发现90%都是假阳性。原因是什么？检测方法有干扰——化合物本身有荧光，干扰了检测信号。

HTS的数据处理，核心是标准化。常用的方法有：

我个人习惯用百分比抑制率做初筛，然后用Z-score做复筛。为什么？因为百分比抑制率直观，容易跟生物学意义挂钩；而Z-score能消除板间差异，更适合做统计学分析。

小技巧：做HTS数据分析时，一定要看“板图”（Plate Map）。我每次拿到数据，第一件事不是算Z'因子，而是看板图有没有明显的边缘效应或位置偏差。这些信息，光看统计量是看不出来的。

化合物库是HTS的“弹药库”。一个标准的化合物库，通常包含10万到200万个化合物。管理这些化合物，需要注意：

我记得有一次，一个合作团队拿来的化合物库，号称有50万化合物。结果我一测，发现30%的化合物纯度低于80%，还有10%的化合物已经降解了。这种库，筛出来的结果谁敢信？

好了，这一章的内容就到这里。HTS不是什么神秘的东西，它就是一个系统化的筛选方法。但要做好它，需要你对每个环节都有深刻的理解。从化合物库到检测方法，从自动化加样到数据分析，每一步都马虎不得。

下一章我们会深入讲检测方法开发，到时候我会分享一些具体的案例和代码。记住我这句话：HTS的成功，90%取决于实验设计，10%取决于运气。