Cell Painting and machine learning for mechanistic profiling of hepatotoxic botanicals and their constituents

长期以来，人们一直通过植物来支持健康，从简单的茶饮到复杂的草本补充剂。这些植物产品是全球健康产业的重要组成部分，但它们也给安全专家带来了独特的挑战。与单一化学药物不同，一瓶草本补充剂是一个包含数百种不同化合物的复杂混合物。虽然我们知道某些植物会对肝脏造成伤害，但通常很难判断这种混合物中究竟是哪种特定的成分导致了问题，或者它是如何造成损伤的。传统的安全性测试难以应对这种复杂性，往往让监管机构和消费者对隐藏在天然疗法中的真实风险感到茫然。

为了解决这个问题，研究人员正在转向一种称为“细胞绘图”（Cell Painting）的方法。想象一下，一台显微镜不仅能拍摄细胞的照片，还能用五种不同的荧光颜色为细胞“上色”，每种颜色都突出显示细胞机器的一个特定部分，例如细胞核、能量工厂或外层皮肤。当化学物质干扰细胞时，这些被涂色的部分会以独特的方式改变形状或排列。通过捕捉这些变化，科学家们不仅能看到细胞是否正在死亡，还能看到它正在如何反应。这些视觉数据随后被输入到经过数千种已知化学物质训练的计算机模型中。这些模型就像一个生物反应库，允许研究人员将一种新的植物提取物与庞大的已知行为数据库进行对比，从而推测细胞内部正在发生什么。

在最近的一项研究中，一个科学家团队将这种方法应用于十三种不同的植物提取物及其八十五种单独的化学成分。他们在原代人类肝脏细胞上测试了这些物质，这是理解肝脏安全性的最相关模型。研究人员将细胞暴露在每种植物提取物及其成分的八个不同浓度下，然后使用细胞绘图技术捕捉细胞反应。他们还进行了标准的健康检查，以观察细胞是否在泄漏或失去能量，从而提供一个基准进行比较。其目标是观察这种高科技成像技术是否能发现传统测试所遗漏的活动，更重要的是，识别出植物混合物中哪些特定成分驱动了这些效应。

结果显示，细胞绘图方法比标准健康检查更为敏感。它在十三种植物提取物中的十一种以及八十五种单个成分中的四十六种中检测到了生物活性，而传统测试仅在九种提取物和四十种成分中发现了活性。至关重要的是，成像方法通常在极低的浓度下就能发现这些效应。例如，在植物提取物引起反应的十三种情况中有九种，其中至少有一种单一成分在较低剂量下引起了更强的反应。这表明，植物混合物的整体效应通常是由少数几种强力成分驱动的，而不是由其所有成分平等地共同作用。

研究还表明，最具潜力的植物提取物是马兜铃（Aristolochia）和黄根草（Goldenseal）。两者在极低剂量下都表现出强烈的细胞应激迹象。研究人员能够将此追溯到特定的成分，例如马兜铃中的马兜铃酸 I 和黄根草中的小檗碱（berberine），它们本身都具有高度活性。然而，整体植物与其组成部分之间的关系并不总是那么直接。在某些情况下，如南非醉茄（Ashwagandha）和 Comfrey（聚合草），单个成分在实验室中表现出高度活性，但整个植物提取物在测试水平下并未显示出同样强烈的反应。相反，亚洲人参（Asian Ginseng）提取物即使其单个成分本身的效力较低，也表现出了强烈的反应。这突显了成分在混合物内部相互作用的方式可以改变最终结果，使得仅仅通过观察孤立的化学物质来预测安全性变得困难。

除了单纯检测活性之外，研究人员还利用视觉数据生成关于这些植物如何影响肝脏的假设。通过将细胞“绘画”与一个拥有超过一千种已知效应化学物质的庞大参考库进行对比，计算机模型预测了具体的动作机制。例如，模型预测黄根草和马兜铃可能会干扰人体的激素系统或破坏 DNA，这与已知的毒性特征相符。成像还显示了细胞的不同部分会有不同的反应；例如，马兜铃酸 I 引起了 DNA 通道的明显变化，这与其导致遗传损伤的能力是一致的。

该研究得出结论，这种高细节成像与机器学习相结合的方法，为筛选复杂的植物混合物提供了一种强大的新途径。它使科学家能够超越仅仅询问“这是否有毒？”的问题，转而询问“这在做什么，以及植物的哪一部分在做这件事？”虽然这些发现是基于实验室培养的肝脏细胞，并不能直接证明这些植物会在人体内引起肝损伤，但该方法成功地确定了最活跃的成分以进行进一步研究。它为理解植物产品中隐藏的毒性驱动因素提供了一条清晰且可扩展的路径，有助于在广阔的草本疗法世界中区分益处与危害。