3. 荧光标记与探针工程
高内涵成像的“信号质量”在样本进入显微镜之前就已决定大半。探针选择与光谱设计决定了通道能否分离、动态范围是否足够、以及细胞在成像期间是否仍保持生理状态。本节围绕四类常用标记体系(荧光蛋白、免疫荧光、细胞器/核染料、活/死探针)给出选择原则,并落到可执行的多通道光谱配置方法。
一、四类标记体系的能力边界
荧光蛋白(FP)适合活细胞、动态过程与稳定表达株构建。核心权衡是亮度、成熟速度、光稳定性与寡聚化倾向。常用组合如 EGFP(激发/发射约 488/509 nm)、mCherry(约 587/610 nm)、mTagBFP2(约 399/454 nm)、miRFP670(约 645/670 nm)。需要长期延时成像时,优先选择光稳定性更好的 mNeonGreen、mScarlet 或近红外 FP,并避免使用易二聚化的早期红色 FP 融合到结构蛋白上。
免疫荧光(IF)适合固定样本中内源蛋白的定位与定量,优势是可用抗体放大信号、靶点几乎不受限;代价是需固定透化、无法追踪活细胞动态,且存在抗体交叉反应与背景问题。直接法(一抗带荧光)步骤少、背景低;间接法(一抗+荧光二抗)信号放大 3~10 倍,适合低丰度靶点,但需注意二抗宿主种属与其它一抗不冲突。
细胞器染料与核染料提供形态学上下文。核染料常用 Hoechst 33342(约 350/461 nm,可活细胞)、DAPI(约 358/461 nm,多用于固定)、DRAQ5(约 647/681 nm,远红,适合与 GFP 类共用以避开蓝通道拥挤)。细胞器探针如 MitoTracker(线粒体)、LysoTracker(溶酶体)、ER-Tracker、BODIPY 系列(脂滴)、CellMask(质膜/整体轮廓)。这类探针多为可固定或不可固定两类,做后续 IF 时必须确认“可固定性”。
活/死细胞探针用于细胞健康状态与毒性读出。经典组合是 Calcein AM(活细胞,绿,约 494/517 nm)+ PI 或 7-AAD(死细胞,核酸染料,约 535/617 nm 或 546/647 nm)。Calcein AM 需被胞内酯酶剪切后发光,因此信号反映酯酶活性而非单纯膜完整性;PI 只能进入膜破损细胞。判读时以“Calcein 阳性/PI 阴性”为活,“Calcein 阴性/PI 阳性”为死,双阴性提示早期损伤或酯酶抑制。
二、光谱匹配与多通道兼容性设计
多通道设计的核心是让每个通道的“激发效率高、发射收集多、串扰低”。可按以下顺序推进:
- 列出探针的 Ex/Em 峰值与发射肩部,注意发射谱并非对称,长波侧拖尾常是串扰来源。
- 选择滤光片组:激发片带宽尽量覆盖探针激发峰;发射片中心应偏向发射峰长波侧,并让带宽边缘与相邻探针发射谱保持距离。
- 评估串扰:若探针 A 的发射谱在探针 B 的发射带内仍有 >5% 相对强度,就需要补偿或换探针。
- 安排通道顺序:把最弱、最易淬灭的信号(如活细胞 FP 或低丰度 IF)放在最短曝光、最先采集的通道,减少光毒性与漂白累积。
一个可参考的 4 通道配置示例(参数为示例值,需按实际滤光片与仪器校准):
| 通道 | 探针 | 激发 | 发射 | 主要用途 |
|---|---|---|---|---|
| Ch1 蓝 | Hoechst 33342 | 350/50 | 460/40 | 细胞核计数、周期 |
| Ch2 绿 | EGFP / Calcein AM | 488/20 | 525/30 | 靶蛋白定位、活细胞 |
| Ch3 橙红 | mCherry / PI | 561/20 | 610/40 | 第二靶点、死细胞 |
| Ch4 远红 | DRAQ5 / miRFP670 | 640/30 | 690/40 | 核、深层组织、避串扰 |
若必须同时使用 DAPI 与 Hoechst,二者光谱几乎重叠,应视为同一通道,不可拆分。若同时需要 GFP 与 Calcein AM,二者发射峰接近,需通过“FP 稳定表达 + Calcein 短时孵育”或改用远红活细胞探针来区分。
三、从选择到验证:一个可复现的检查流程
完成探针与通道设计后,建议用“单标—双标—全标”三步验证。单标用于记录每个探针在全部通道中的泄漏系数;双标用于确认两两之间的串扰是否可接受;全标用于确认最终成像条件下各通道信噪比与动态范围。若某通道在单标时即出现明显泄漏,应先调整滤光片或更换探针,而不是依赖后期补偿。
最后强调一个常被忽略的工程细节:探针的“亮度”不仅取决于量子产率,还取决于在细胞内的有效浓度与光路收集效率。做多通道定量时,应先用已知浓度的标准微球或校准片建立各通道的强度—浓度关系,再比较不同样本。若某通道在单标时即出现明显泄漏,应先调整滤光片或更换探针,而不是依赖后期补偿。把探针选择、光谱匹配与验证流程固定成实验室内部的检查表,可以显著降低批次间差异,让高内涵筛选的结果更稳定、更可复现。