背景技术：
技术实现思路
1、提供了平衡细胞计数培养物及其产生方法、用于评估候选药剂的一种或多种治疗性质的方法。所述方法包括以三维生长不同细胞类型的细胞的异质池，用小分子化合物处理三维池，以及将处理的三维池的细胞解离成单细胞悬浮液，所述单细胞悬浮液具有适合于单细胞rna测序的相等的细胞类型代表。所述方法进一步包括对解离的单细胞和来自未用小分子化合物处理的对照三维池的解离的单细胞进行单细胞核糖核酸(rna)测序，将来自所述单细胞rna测序的数据去卷积成按处理和细胞类型分类的单细胞转录组，以及基于分类的单细胞转录组来评估小分子化合物的一种或多种治疗性质。还提供了例如用于实践本公开的方法的计算机可读介质和系统。
2、附图的简要描述
3、图1a至图1g示出了非geneva细胞池和geneva细胞池的细胞组成的比较。图1a示出了来自基于单细胞rna测序收获的非geneva细胞池(池1)的细胞代表的分布。条形表示每种细胞类型的scrnaseq数据集中的细胞数量。图1b示出了来自使用umap聚类可视化算法在二维转录组空间中绘制的图1a的数据集。图1c示出了在从geneva细胞池(池2)收获单细胞rna测序后细胞代表的分布，允许精确捕获数据集中的每个细胞系。图1d示出了单细胞rna测序数据，其绘制为geneva池2的umap图。图1e示出了在从geneva细胞池(池3)收获单细胞rna测序后细胞代表的分布，允许精确捕获数据集中的每个细胞系。图1f示出了单细胞rna测序数据，其被绘制为geneva池3的umap图。图1g示出了池1至池3的外推。与池2和池3相比，在池1中单细胞rna测序所需的细胞的总数量明显更高。
4、图2a至图2f示出了geneva在多个体内模型系统和离体模型系统中的应用。图2a示出了用若干种剂量的ars1620(0.4μm、1.6μm、25.0μm)或dmso(媒介物)处理的以四种不同的人pdx肿瘤作为输入的离体作为类器官生长的geneva池。图2a是使用umap聚类可视化算法在二维转录组空间中绘制的。图2b以表格形式示出了来自图2a的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。图2c示出了用ars1620(100mg/kg)或dmso(媒介物)处理的以四种不同的人pdx肿瘤作为输入的在体内作为侧翼异种移植物生长的geneva池。图2c是使用umap聚类可视化算法在二维转录组空间中绘制的。图2d以表格形式示出了来自图2c的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。图2e示出了用ars1620(100mg/kg)或dmso(媒介物)处理的以八种不同人类癌细胞系作为输入的在体内作为侧翼异种移植物生长的geneva池。图2e是使用umap聚类可视化算法在二维转录组空间中绘制的。图2f以表格形式示出了来自图2e的数据集，该表格按药物治疗条件和来源基因型(pdx)分类。表格中的细胞是通过单细胞rna测序获得的每个类别的细胞计数。
5、图3a至图3e示出了geneva用于发现药物化合物的相对表型、遗传驱动因子和ic50曲线重建的应用。图3a示出了从来自用维罗非尼或ars1620处理的geneva池的药物处理前/后相对细胞计数计算的单独的细胞类型的相对灵敏度。在维罗非尼处理的池中最敏感的细胞系是braf.v600e突变体藏匿(harboring)。ars1620处理的池中最敏感的细胞系是kras.g12c突变体藏匿。图3b示出了使用lasso回归模型在geneva池中发现导致相对药物敏感性变化的因果驱动因子突变。braf.v600e通过lasso算法被预测导致对维罗非尼的药物敏感性主要突变。kras.g12c通过lasso算法被预测是导致对ars1620的药物敏感性的主要突变。图3c示出了在用和不用ars1620处理之后从geneva细胞池数据重建ic50曲线，其中细胞计数与相对存活率百分比的比例测量相拟合，并且对ic50逻辑回归曲线进行插值。ic50曲线由单独的细胞系构建，并且非kras.g12c细胞系显示出对ars1620的存活率明显高于kras.g12c细胞系。图3d示出了来自geneva池中的不同细胞系的相对药物敏感性测量结果，从而概括了kras.g12c作为ars1620的致敏突变靶标的发现。图3e示出了来自在作为混合的类器官生长的pdx中进行的geneva的细胞周期抑制率的计算。这种重建方法通过使用周期状态推断作为表型的测量的细胞计数的替代方法，概述了kras.g12c特异性药物对ars-1620治疗的敏感性。
6、图4a至图4d示出了geneva用于联合疗法和耐药机制的预测的应用。图4a示出了geneva发现若干种耐药靶标的上调，示出在用ars1620以kras.g12c特异性方式处理的geneva池中的细胞存活机制。图4b示出了通过将药物靶标与i)三种ars1620抑制剂和ii)靶向特异性耐药途径的化合物联合给药来验证预测的药物靶标。对bliss药物协同作用进行绘图，并且若干种化合物显示出与多种kras.g12c抑制剂的显著药物协同作用。图4c示出了在使用h1373 kras.g12c突变系的多臂联合疗法中来自ars1620和ink128的体内小鼠研究的相对肿瘤体积(每种条件n＝4至5只小鼠)。图4d示出，与ink128和ars1620独立性或无药物协同作用的无效模型相比，ink128和ars1620协同地降低了体内肿瘤生长。
7、图5a至图c示出了geneva用于经由内皮-间充质转化(emt)途径预测耐药性的体内特异性机制的应用。图5a示出，在细胞池中kras.g12c细胞系的ars1620治疗的配对的体内和体外geneva实验中，emt基因集在体内药物治疗后上调，但在体外药物治疗后没有上调。图5b示出了在使用h1373 kras.g12c突变系的多臂联合疗法中来自ars1620和galunisertib(一种emt抑制剂)的体内小鼠研究的相对肿瘤体积(每种条件n＝4至5只小鼠)。图5c示出，与galunisertib和ars1620独立性或无药物协同作用的无效模型相比，galunisertib和ars1620协同地降低了体内肿瘤生长。
8、图6a至图6e示出了geneva用于发现该化合物对线粒体基因的作用的分子机制的应用。图6a绘制了在ars1620处理后线粒体编码的和基因组编码的线粒体靶向的转录物的geneva池中kras.g12c系的聚集的基因表达与非线粒体基因转录物的基因表达的比较图。在ars1620处理后存活的细胞中，线粒体编码的基因和基因组编码的线粒体驻留基因显著下调。图6b绘制了geneva细胞池中每个单独的kras.g12c细胞系在ars1620处理后的有丝分裂编码的转录物的基因表达。图6c示出了来自h2030(kras.g12c)的长期ars1620耐受细胞系(30天处理，10um)的产生和分布。使用h2030药物持久性细胞系和原始亲代细胞系之间的荧光线粒体染色(mitotracker深红fm)进行的线粒体含量测定显示，在用ars1620进行长期药物治疗后，线粒体含量降低。图6d示出，kras.g12c抑制剂amg510增加线粒体呼吸和电子传输链活性，作为kras.g12c抑制的新致死机制，使用海马测定测量在amg510处理后(2小时)h2030(kras.g12c)细胞的耗氧量。图6e示出，kras.g12c细胞系的亚群结构显示出对用ars1620处理后具有低线粒体读数的细胞类型的选择。
9、图7a至图7g示出了geneva用于发现该化合物对铁死亡基因(ferroptosis gene)的作用的分子机制的应用。图7a绘制了示出来自用ars1620给药的geneva池的多个g12c系之间聚集的z评分差异的火山图，并且证明了抗铁死亡基因(anti-ferroptotic gene)的共同上调。图7b绘制了每个细胞系响应于ars1620剂量增加的抗铁死亡基因的基因表达。图7c利用使用荧光脂质过氧化传感器的铁死亡的实验研究来证明脂质过氧化的细胞对ars1620剂量(48小时)的剂量响应。图7d、图7e、图7f示出了与图7f中的ars1620相比，图7d中的已知铁死亡药剂六甲蜜胺(altretamine)、图7e中的埃拉斯汀(erastin)的存活和脂质过氧化动力学。在所有化合物中，脂质过氧化和存活动力学在ic50附近交叉，表明ars1620表现为铁死亡诱导剂。图7g示出了多种kras抑制剂在kras.g12c细胞系h2030中特异性地诱导脂质过氧化，但在kras.g12v细胞系h441没有这么多。
10、图8a至图8d示出了在体内细胞池中并入多种共同给药的化合物的联合疗法的geneva测试。图8a示出了使用kras.g12突变系中的clx池进行的geneva联合疗法研究，该突变系通过细胞系来源和药物治疗条件进行分类，使用umap聚类可视化算法在二维转录组空间中绘制。治疗条件包括抗霉素、ars1620、galunisertib、ink128、dmso、ars1620+抗霉素、ars1620+galunisertib、ars1620+ink128。图8b利用来自图8a的geneva数据，用于对每种药物条件中的细胞周期状态进行的协同计算，并对不同药物条件下的g12c细胞系进行组合估计。图8c至图8d使用估计基因水平协同作用的多因素线性模型，证明了驱动galuniserib(图8c)和ink128(图8d)与ars1620联合使用的协同药物效应的基因的鉴定，揭示了线粒体转录物驱动协同药物效应。
11、图9a至图9b示出了遗传去多重化改进算法和通过geneva方法鉴定对ars1620有响应的患者的新基因型。图9a示出了通过针对来自totalseq标记的单细胞rna测序数据集的百分比表示的标准方法进行遗传去多重化去噪算法比较，在细胞分配置信度方面的改进。在虚线或噪声校正算法结果中标注了较高的置信度度量。图9b绘制了用和不用ars1620给药的geneva池，示出了eml4-alk作为最药物敏感的肿瘤类型的敏感性，其中每个条形表示该基因型在ars1620治疗或媒介物下的相对存活率。
1.一种用于评估小分子化合物的一种或多种治疗性质的方法，其包括：
2.根据权利要求1所述的方法，其中所述细胞池是生长平衡的细胞池；其中
3.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含2至100种不同细胞类型。
4.根据权利要求1或2所述的方法，其中不同细胞类型的所述细胞池包含10至50种不同细胞类型。
5.根据权利要求1至4中任一项所述的方法，其中所述不同细胞类型包括从患者获得的原代细胞、来自器官系统的细胞、来自疾病模型的细胞或它们的任意组合。
6.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池产生异种移植物。
7.根据权利要求1至5中任一项所述的方法，其中以三维生长所述池包括从所述池中产生类器官。
8.根据权利要求1至7中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物联合疗法的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
9.根据权利要求1至8中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
10.根据权利要求1至9中任一项所述的方法，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，其中所述方法包括基于按处理和细胞类型分类的所述单细胞转录组：
11.根据权利要求10所述的方法，其中所述变量选择回归算法是加权的lasso回归算法。
12.一种或多种非暂时性计算机可读介质，其包括存储在其上的指令，所述指令当由一个或多个处理器执行时使得所述一个或多个处理器以：
13.根据权利要求12所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组：
14.根据权利要求12或权利要求13所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
15.根据权利要求12至14中任一项所述的一种或多种非暂时性计算机可读介质，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
16.根据权利要求15所述的一种或多种非暂时性计算机可读介质，其中所述变量选择回归算法是加权的lasso回归算法。
17.一种用于评估小分子化合物的一种或多种治疗性质的系统，所述系统包括：
18.根据权利要求17所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于与药物的联合疗法的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
19.根据权利要求17或权利要求18所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物的作用机制，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
20.根据权利要求17至19中任一项所述的系统，其中所述一种或多种治疗性质包括所述小分子化合物用于治疗疾病亚型的候选资格，并且当由所述一个或多个处理器执行时，所述指令进一步使得所述一个或多个处理器基于按处理和细胞类型分类的所述单细胞转录组以：
21.根据权利要求20所述的系统，其中所述变量选择回归算法是加权的lasso回归算法。
22.一种平衡细胞计数培养物，其包含两种或更多种不同细胞类型，所述细胞类型已经被培养持续一定的时间段，其中所述两种或更多种不同细胞类型中的每种细胞类型都具有生长速率，并且其中所述两种或更多种不同细胞类型中的每种细胞类型在培养前以与所述两种或更多种不同细胞类型中的每种细胞类型的生长速率相反的比率组合。
23.根据权利要求22所述的平衡细胞计数培养物，其中所述时间段为6小时至45天、12小时至30天、24小时至20天或72小时至14天。
24.22或23所述的平衡细胞计数培养物，其中，
25.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中所述平衡细胞计数培养物的0.2体积％至10体积％的样品包含每种不同细胞类型的至少500个细胞，其中在将两种或更多种细胞类型组合以创建细胞池并且接种于培养基中以获得所述平衡细胞计数培养物之后，在所述平衡细胞计数培养物被培养持续72小时至45天的时间段之后从所述平衡细胞计数培养物中取出所述样品。
26.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中至少两种细胞类型来源于不同的癌组织。
27.一种平衡细胞计数培养物，其包含至少两种或更多种不同细胞类型，其中每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中至少两种细胞类型包括彼此不同的癌症突变。
28.根据权利要求22至27中任一项所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含2至100种不同细胞类型。
29.根据权利要求28所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含10至50种不同细胞类型。
30.根据权利要求22至29中任一项所述的平衡细胞计数培养物，其中所述不同细胞类型包括具有癌症突变的细胞、来自一个或多个受试者的癌细胞、来自一个或多个受试者的原代细胞、来自器官系统的细胞、来自疾病模型的细胞、来自多种细胞系的细胞或其它们的任意组合。
31.根据权利要求22至30中任一项所述的平衡细胞计数培养物，其中所述平衡细胞计数培养物被植入模型系统中。
32.根据权利要求31所述的平衡细胞计数培养物，其中所述模型系统是体外模型系统、体内模型系统或离体模型系统。
33.一种制备具有至少两种或更多种不同细胞类型的平衡细胞计数培养物的方法，所述方法包括：
34.根据权利要求33所述的方法，其中步骤(c)的所述样品包含5,000至200,000个细胞。
35.根据权利要求33或34所述的方法，其中在步骤(c)的所述样品中存在所述两种或更多种不同细胞类型中的每种细胞类型的不少于500个活细胞。
36.根据权利要求33至35中任一项所述的方法，其中在步骤(b)中添加到所述细胞池中之后，来自所述两种或更多种不同细胞类型中的每种细胞类型的代表与如在步骤(a)中确定的该细胞类型的细胞生长速率成反比。
37.根据权利要求33至36中任一项所述的方法，其中所述平衡细胞计数培养物包含2至100种不同细胞类型。
38.根据权利要求37所述的方法，其中所述平衡细胞计数培养物包含2至50种不同细胞类型。
39.根据权利要求33至38中任一项所述的方法，其中所述确定步骤(a)的所述生长速率包括测量所述两种或更多种不同细胞类型中的每种细胞类型的生长速率。
40.根据权利要求33至39中任一项所述的方法，其中所述不同细胞类型选自具有癌症突变的细胞、来自一个或多个受试者的癌细胞、来自一个或多个受试者的原代细胞、来自器官系统的细胞、来自疾病模型的细胞、来自多种细胞系的细胞或它们的任意组合。
41.根据权利要求40所述的方法，其中所述不同细胞类型选自一种或多种异种移植物模型。
42.根据权利要求41所述的方法，其中所述异种移植物来源于患有疾病的受试者之一。
43.根据权利要求42所述的方法，其中所述疾病为肿瘤疾病。
44.根据权利要求43所述的方法，其中所述肿瘤疾病是选自头、颈、肺、皮肤、乳腺、血液、淋巴、骨、软组织、脑、眼、生殖系统、循环系统、消化系统、内分泌系统、神经系统和泌尿系统的癌症中的一种或多种的癌症。
45.根据权利要求33至44中任一项所述的方法，其中所述方法进一步包括在步骤(b)中当细胞类型具有每天0.2倍的生长速率时排除所述细胞类型。
46.根据权利要求33至45中任一项所述的方法，其中步骤(c)中的所述时间段为六小时至45天。
47.根据权利要求46所述的方法，其中步骤(c)中的所述时间段为12小时至20天。
48.根据权利要求47所述的方法，其中步骤(c)中的所述时间段为24小时至14天。
49.根据权利要求46至48中任一项所述的方法，其中步骤(c)中的所述时间段为72小时。
50.根据权利要求46至48中任一项所述的方法，其中步骤(c)中的所述时间段为七天。
51.根据权利要求33至50中任一项所述的方法，其中步骤(c)的所述样品在所述时间段结束时获取。
52.根据权利要求33至51中任一项所述的方法，其中步骤(c)的至少两个或更多个样品在所述时间段期间的不同时间点获取。
53.根据权利要求33至52中任一项所述的方法，其中步骤(a)中每种细胞类型的所述生长速率分别通过钙黄绿素-am生长测定或细胞滴度glo生长测定来确定。
54.根据权利要求33至53中任一项所述的方法，其中所述两种或更多种不同细胞类型中的每种细胞类型在步骤(b)中以与如通过所述钙黄绿素-am生长测定确定的每种细胞类型的所述生长速率成反比的比率进行组合，并且ii)按比例缩放至生长的总天数。
55.根据权利要求33至54中任一项所述的方法，其中步骤(c)的所述样品为所述平衡细胞计数培养物的0.5体积％至体积3％。
56.一种将来自根据权利要求33至55中任一项的步骤(c)的所述样品的细胞与来自步骤(c)的所述样品的步骤(b)的所述细胞池的所述两个或更多个细胞相关联的方法，执行步骤进一步包括：
57.根据权利要求56所述的方法，其进一步包括对所述样品的一种或多种细胞进行单细胞转录组分析。
58.根据权利要求33至57中任一项所述的方法，其中步骤(c)的一部分在体外进行。
59.根据权利要求33至58中任一项所述的方法，其中步骤(c)的一部分在体内进行。
60.根据权利要求33至58中任一项所述的方法，其进一步包括将所述平衡细胞计数培养物植入到模型系统中。
61.根据权利要求60所述的方法，其中所述模型系统是体外模型系统、离体模型系统或体内模型系统。
62.一种平衡细胞计数培养物，其根据权利要求33至61中任一项所述的方法制备。
63.根据权利要求62所述的平衡细胞计数培养物，其中在步骤(c)结束时，在所述样品中存在所述两种或更多种不同细胞类型中的每种细胞类型的不少于500个活细胞，其中步骤(c)的所述时间段在24小时至45天之间。
64.根据权利要求62或63所述的培养物的平衡细胞计数培养物，其中步骤(c)的所述时间段在3天至20天之间。
65.根据权利要求62至64中任一项所述的平衡细胞计数培养物，其中所述不同细胞类型包括具有癌症突变的细胞、来自一个或多个受试者的癌细胞、来自一个或多个受试者的原代细胞、来自器官系统的细胞、来自疾病模型的细胞、来自多种细胞系的细胞或它们的任意组合。
66.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含两种或更多种不同细胞类型，其中所述两种或更多种不同细胞类型中的每种细胞类型在所述培养物中用至少1×103个活细胞表示，并且其中所述细胞类型中的至少两种细胞类型来源于不同受试者。
67.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含两种或更多种不同细胞类型，其中所述两种或更多种不同细胞类型中的每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中所述细胞类型中的至少三种细胞类型来源于不同的癌组织。
68.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述平衡细胞计数培养物包含两种或更多种不同细胞类型，其中所述两种或更多种不同细胞类型中的每种细胞类型在所述培养物中用至少1×103个细胞表示，并且其中所述细胞类型中的至少两种细胞类型包含彼此不同的癌症突变。
69.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述平衡细胞计数培养物被植入体外模型系统、离体模型系统或体内模型系统中。
70.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述平衡细胞计数培养物中没有一种细胞类型的数量超过其他细胞类型2个数量级或更多。
71.根据权利要求33至61中任一项所述的方法制备的平衡细胞计数培养物，其中所述两种或更多种不同细胞类型的每种细胞类型的总数彼此在2个数量级以内。
72.一种评估候选药剂对两种或更多种细胞类型的影响的方法，所述方法包括：
73.根据权利要求72所述的方法，其中所述模型系统是体外模型系统、体内模型系统或离体模型系统。
74.一种在体内模型系统中产生包含至少两种或更多种不同细胞类型的镶嵌肿瘤的方法，所述方法包括：
75.一种评估候选药剂对根据权利要求74所述的包含至少两种或更多种不同细胞类型的镶嵌肿瘤的单独的细胞的治疗功效的方法，所述方法包括：
76.一种在体内系统中同时评估候选药剂对多种细胞类型的影响的方法；所述方法包括：
77.一种在离体系统中同时评估候选药剂对多种细胞类型的影响的方法；所述方法包括：
78.一种在体外系统中同时评估候选药剂对多种细胞类型的影响的方法；所述方法包括：
79.根据权利要求72至78中任一项所述的方法，其中所述方法包括评估联合疗法中多于一种候选药剂的影响。
80.根据权利要求79所述的方法，其中所述方法包括评估第一候选药剂和第二候选药剂的组合的影响。
81.根据权利要求79或80所述的方法，其中所述方法评估所述第一候选药剂和所述第二候选药剂的药物协同作用。
82.根据权利要求80或81所述的方法，其中所述方法评估所述第一候选药剂和所述第二候选药剂的组合在抑制肿瘤生长中的功效。
83.一种鉴定对候选药剂敏感的受试者亚群的方法，所述方法包括：
84.一种鉴定生物途径中的候选药剂靶标的方法，所述方法包括：
85.一种鉴定候选药剂用于治疗疾病的疗效的方法，所述方法包括：
86.根据权利要求72至73或75至85中任一项所述的方法，其中评估所得的平衡细胞计数培养物以确定所述候选药剂对所述平衡细胞计数培养物的单独的细胞的遗传和转录影响包括：
87.根据权利要求72至73或75至86中任一项所述的方法，其中所述候选药剂是引起治疗干扰的药剂。
88.根据权利要求72至73或75至87中任一项所述的方法，其中所述候选药剂是选自小分子、抗体、肽、基因编辑器或核酸适体的药剂。
89.根据权利要求72至73或79至88中任一项所述的方法，其中确定所述表型、遗传和转录组影响包括评估所述候选药剂对根据权利要求22至31或61至69中任一项所述的平衡细胞计数培养物的单独的细胞的影响，或对根据权利要求32至60中任一项所述的方法制备的平衡细胞计数培养物的影响。
90.根据权利要求89所述的方法，其中通过计算由所述候选药剂处理的所述平衡细胞计数培养物的单独的细胞的基因表达并且将所述基因表达与未由所述候选药剂处理的相同平衡细胞计数培养物的单独的细胞的基因表达进行比较来评估所述候选药剂对所述平衡细胞计数培养物的单独的细胞的影响。
91.根据权利要求89或90所述的方法，其中通过确定由所述候选药剂处理的所述平衡细胞计数培养物的单独的细胞的转录组表达并且将所述转录组表达与未由所述候选药剂处理的相同平衡细胞计数培养物的单独的细胞的基因表达进行比较来评估所述候选药剂对所述平衡细胞计数培养物的单独的细胞的影响。
92.根据权利要求89至91中任一项所述的方法，其中通过对由所述候选药剂处理的所述平衡细胞计数培养物中的所述两种或更多种不同细胞类型中的每种细胞类型的存活的单独的细胞的数量进行计数并且与未由所述候选药剂处理的相同平衡细胞计数培养物中的两种或更多种不同细胞类型中的每种细胞类型的存活的单独的细胞的数量进行比较来评估所述候选药剂对所述平衡细胞计数培养物的单独的细胞的影响。
93.根据权利要求72至73或79至92中任一项所述的方法，其中所述评估遗传影响包括在所述持续时间结束时对所述平衡细胞计数培养物中的细胞进行单细胞rna测序。
94.根据权利要求72至73或79至93中任一项所述的方法，其中评估表型变化包括在所述持续时间结束时对所述两种或更多种不同细胞类型中的每种细胞类型的存活的单独的细胞的数量进行计数。
95.根据权利要求72至73或79至94中任一项所述的方法，其中评估转录组影响包括在所述持续时间结束时确定所述平衡细胞计数培养物中细胞的单细胞转录组谱。
96.根据权利要求72至73或74至95中任一项所述的方法，其中所述持续时间为6小时至45天、12小时至30天、24小时至20天或72小时至14天。
97.根据权利要求72至73或74至96中任一项所述的方法，其中所述持续时间为至少24小时。
98.根据权利要求72至73或74至97中任一项所述的方法，其中所述持续时间为14天。
