Criblage phénotypique à haut contenu pour la chémobiologie et ses enjeux

High content screening in chemical biology: overview and main challenges

¹ Inserm U1019, CNRS UMR8204, université de Lille-Nord de France, institut Pasteur de Lille, centre pour l’infection et l’immunité, 1, rue du professeur Calmette, 59000 Lille, France
² Institut Curie, centre de recherche, département de recherche translationnelle, 26, rue d'Ulm, 75005 Paris, France
³ Université Grenoble Alpes, institut de recherches en technologies et sciences pour le vivant (iRTSV) -biologie à grande échelle (BGE), 38000 Grenoble, France
⁴ CEA, iRTSV (Institut de recherches en technologies et sciences pour le vivant) - BGE (biologie à grande échelle) - criblages de molécules bioactives (CMBA), 38000 Grenoble, France
⁵ Inserm, BGE, 38000 Grenoble, France

^a emmanuelle.soleilhac@cea.fr
^b elaine.del.nery@curie.fr
^c priscille.brodin@inserm.fr

Résumé

Le high content screening (HCS), connu en France sous le terme de « criblage à haut contenu », est apparu au cours des années 1990 et représente une technologie innovante permettant l’évaluation des composés destinés à devenir des futurs médicaments. Le HCS fut initialement conçu pour élargir la compréhension du mécanisme d’action des composés en testant directement leur bioactivité sur des cellules cultivées en laboratoire. Au cours des dix dernières années, le champ d’utilisation du HCS s’est considérablement étendu au sein des laboratoires de recherche académiques. La technologie est ainsi devenue le point de départ de nombreux programmes d’études fonctionnelles visant à comprendre, pour une pathologie donnée, les cibles protéiques ou les grandes fonctions cellulaires sur lesquelles de futurs médicaments pourraient agir. Cette approche de criblage repose sur l’acquisition d’images en fluorescence de cellules marquées, ce qui génère d’énormes quantités de données qui doivent être traitées par analyse d’images automatisée, et stockées de manière appropriée. Le stockage, l’analyse et la visualisation des données associés à leur intégration et leur interprétation sont encore des défis omniprésents auxquels la méthodologie HCS doit faire face.

Abstract

The last two decades have seen the development of high content screening (HCS) methodology and its adaptation for the evaluation of small molecules as drug candidates or their use as chemical tools for research purpose. HCS was initially set-up for the understanding of the mechanism of action of compounds by testing them on cell based-assays for pharmacological and toxicological studies. Since the last decade, the use of HCS has been extended to academic research laboratories and this technology has become the starting point for numerous projects aiming at the identification of molecular targets and cellular pathways for a given disease on which novel type of drugs could act. This screening approach relies on image capture of fluorescently labeled cells therefore generating a large amount of data that must be handled by appropriate automated image analysis methods and storage instrumentation. These latter in addition to the integration and data sharing are current challenges that HCS must still tackle.