1973年，美国密西根大学的卡尔逊教授做了一件在当时看来有些“疯狂”的事。

他把烟草野火病菌的毒素混入培养基，用单倍体烟草叶片游离的原生质体做材料，试图在细胞层面直接筛选出抗病的突变体。在此之前，育种家们只能种下整片田地的植株，等待它们长出叶子、开花、结果，然后用病菌去感染它们，看谁活下来了——周期漫长，效率低下，而且大多数时候等来的是一场空。

卡尔逊成功了。他拿到了世界上第一个抗病突变体。

这个实验后来被写进了教科书，但很少有人注意到它背后更深层的意义：人类第一次证明，可以在细胞水平上完成“筛选”这件事，而不必等到植株长大。

图片来源：百度百科

01 一个朴素的问题：能不能在细胞阶段就把事情做完？

卡尔逊的方法后来被概括为“抗毒素筛选法”——把致病毒素混入培养基，能活下来的细胞就是抗病的。这个逻辑简单而有力，但它有一个前提：你必须知道“毒素”是什么。对于大多数病害来说，致病机制远比这复杂，没有明确的“筛选压力”可供使用。

1981年，澳大利亚的Scowcraft与Larkin提出了一个更具野心的理论——“体细胞无性系变异”。他们的发现是：如果你把同一株植物的细胞分别培养，让它们在培养基上继代几次，不同的细胞系会自发产生各种各样的变异——抗病性、株高、穗形、早熟性……什么都不一样。继代次数越多，变异越大。

这个理论的革命性在于：筛选不再需要依赖“毒素”或“选择压力”。 你只需要把细胞养起来，让它们自己变异，然后从中挑出你想要的那一个。就像在一群孩子里，你不需要刻意“制造”一个天才，你只需要给他们成长的空间，然后发现那个最特别的孩子。

02 从植物到动物，从手工到自动化

植物细胞筛选的成功，很快吸引了另一个领域的目光——单克隆抗体的生产。

1975年，Kohler和Milstein在剑桥大学做了一件改变制药史的事。他们把免疫小鼠的脾脏B淋巴细胞和骨髓瘤细胞融合，创造了一种“杂交瘤”——既能无限增殖，又能分泌特定抗体。1984年，他们因此获得诺贝尔奖。

但问题来了：如何从成千上万个杂交瘤细胞中，找到那个分泌目标抗体、产量又高的“天选之子”？

最初的方法很原始——有限稀释法。把细胞不断稀释，直到每个孔里平均只有一个细胞，然后等它长成克隆，再去检测抗体。这个方法今天还在用，但效率之低令人发指：你要铺几十块96孔板，等几周时间，然后一个一个地检测上清液。

2003年，第一台商业化哺乳动物细胞克隆挑选系统问世，标志着细胞株筛选从纯手工操作迈向了自动化时代。它能自动成像、识别并挑选哺乳动物细胞克隆，每周可处理超过5000个克隆——而传统手工方法只能处理1000个左右。

到了21世纪，情况进一步改善。流式细胞术可以快速分选单个B细胞，噬菌体展示技术可以在体外构建抗体库。但不管技术怎么迭代，有一个环节始终没有被根本改变——筛选本身，依然是劳动密集型的。

你依然需要有人站在生物安全柜前面，一孔一孔地加液、换液、观察、记录。

图片来源：bioRxiv基于AI/机器学习的端到端细胞系开发工作流程

03 为什么我们还在用半个世纪前的方式干活？

2011年，一篇发表在学术期刊上的综述文章这样描述细胞株开发的现状：

“生产细胞株的建立，需要对转染后的细胞池进行单细胞克隆的分离和筛选。这个过程耗时费力，通常是早期生物药开发中关键的限速步骤。”

十年后，2022年的一篇综述给出了几乎相同的判断：

“高产细胞克隆的获得，主要依赖于耗时费力的筛选过程。随着CHO细胞表达的治疗性重组蛋白不断增加，细胞株开发已成为获取生产用细胞株的主要瓶颈。”

你看，文献里的措辞都没怎么变。

与此同时，全球细胞株开发市场正在以超过10%的年复合增长率扩张。需求在暴涨，但供给端的核心工艺——筛选——依然高度依赖人工。

这是一个很尴尬的局面：我们谈论的是基因编辑、细胞治疗、精准医疗，但实验室里的日常操作，跟三十年前没有本质区别。

图片来源：NATURE

04 当筛选不再需要人守在旁边

那套让筛选从“人去找”变成“系统去找”的完整解决方案，在国内已经有了成熟的落地案例。

汇像科技开发的智能细胞株筛选自动化系统，通过协作机器人将移液工作站、自动化细胞培养箱、细胞检测分析设备、单克隆细胞追踪成像仪等主要仪器整合在同一平台上，实现了从细胞铺板、换液、成像到分子表达检测的全流程自动化运行。

你不需要再一孔一孔地手工加液。移液工作站采用空气置换技术，移液精度CV≤2%；协作机器人重复定位精度±0.05mm，精准完成细胞板的取放与转运；耗材堆栈平均单板取耗材不超过10秒，自动扫码实现全程信息追踪。

你不需要再熬夜守在显微镜前面等成像。系统原生搭载自研AI视觉算法，基于明场和相差时序成像数据，自动区分单细胞、细胞团、凋亡细胞和单克隆菌落，识别准确率超过98%。数据实时归档，自动生成克隆生长曲线、表达量统计等关键图表，一键导出整套原始数据集。

你不需要再担心数据孤岛。iMagicOS全域中控平台对接三百多种国内外主流设备，兼容LIMS、ERP、MES等管理软件，所有操作、成像原图、检测数值、环境参数实时不可篡改记录。

更关键的是——这套系统的建株周期可以压缩到4到6周。相比传统方法的3到6个月，节省下来的时间意味着什么？意味着你可以按时吃晚饭，意味着周末不用专程跑来换液，意味着数据出问题时可以少一个“是不是我手抖了”的自我怀疑。

汇像智能细胞株筛选自动化系统

05 写在最后

1973年，卡尔逊在培养皿里筛选出第一个抗病突变体的时候，那是一个科学家凭借巧思和双手完成的工作。

半个世纪后的今天，我们讨论的是一种不同的筛选——不再依赖一个人的耐心和手稳，而是依赖一套可以7×24小时不间断运行的自动化系统，一套能在明场成像下自动识别单细胞和细胞团的AI算法，一套把实验数据实时归档、让每一个操作都可追溯的中控平台。

筛选的逻辑没变——在大量候选者中找到那个最符合条件的。但筛选的方式变了——从“人去找”，变成了“系统去找，人去判断”。

也许再过十年，当我们回看今天这篇文字的时候，会觉得“自动化筛选”这个概念也过时了。就像今天的我们看卡尔逊当年的手工作坊式实验一样。

但有一件事不会过时：从1973年到今天，推动这项技术不断向前的，始终是同一个朴素的问题——能不能更快一点、更准一点、让人少累一点？

这个问题的答案，正在从“我试试”，变成“系统来完成”。