研究人员主要采用以下关键技术方法：一是利用深度迁移学习（DTL）训练卷积神经网络（如 ResNet50），对明场显微镜下肿瘤细胞的死亡模式进行分类；二是结合高通量药物筛选平台，通过自动化活细胞成像技术分析药物诱导的细胞死亡类型；三是运用流式细胞术（FACS）检测脂质活性氧（lipid ROS）、铁离子（Fe²⁺）等铁死亡相关标志物；四是通过实时定量 PCR（qPCR）和免疫荧光等方法分析相关基因表达变化；五是利用小鼠白血病模型进行体内验证，评估药物的抗肿瘤效果及铁死亡诱导能力。研究中使用的样本包括多种 B-ALL 细胞系（如 697、NALM6、HAL01 等）、原代患者样本及小鼠模型。
研究人员在 L929 细胞中成功诱导了凋亡、铁死亡、坏死性凋亡和自噬等多种细胞死亡模式。通过不同诱导剂处理，观察到凋亡细胞出现膜泡形成（凋亡小体），铁死亡细胞因脂质过氧化导致膜完整性受损和细胞 “气球样” 膨胀，坏死性凋亡细胞表现为膜 blebbing 但无凋亡小体，自噬细胞则可见胞质空泡积累。这些形态差异为后续深度学习模型的训练提供了基础。
利用 Incucyte® 活细胞分析系统每小时采集 L929 细胞的明场图像，选取 8 小时时间点的图像训练 ResNet50 神经网络。将图像分割为 224×224 像素的输入尺寸，经训练后网络对凋亡、铁死亡、坏死性凋亡、自噬和健康细胞的分类准确率接近 100%，F1 分数均高于 0.97。尽管在后期时间点铁死亡会被误分类为坏死性凋亡，但该模型成功实现了早期细胞死亡模式的精准区分。
通过对 84 种临床相关抗白血病药物的高通量筛选，发现 Polo 样激酶（PLK）抑制剂 volasertib 可诱导铁死亡。在 L929 细胞中，volasertib 处理后通过 BODIPY C11 染色检测到脂质 ROS 积累，且该效应可被铁死亡抑制剂 Fer-1 逆转。此外，其他药物如 BI2536、Quizartinib 等也表现出铁死亡诱导活性，验证了该筛选方法的有效性。
部分 B-ALL 亚型（如 697、NALM6、HAL01、REH 等）对 volasertib 和铁死亡诱导剂 RSL3 敏感，表现为细胞活力显著下降，且 Fer-1 或维生素 E 可部分或完全挽救细胞死亡。原代患者样本中，铁死亡敏感型 B-ALL 细胞经 volasertib 处理后 BODIPY C11 荧光强度增加，提示脂质过氧化发生。通过 FORALL 数据库分析显示，volasertib 在部分 B-ALL 细胞系中具有高选择性药物敏感性评分（sDSS），表明其治疗潜力。
转录分析显示，volasertib 处理后 B-ALL 细胞中铁死亡相关基因如 NFE2L2、ACSL4、GPX4 等显著上调，同时 SLC7A11 表达下调，导致谷胱甘肽（GSH）水平降低。FerroOrange 染色证实细胞内 Fe²⁺积累，补充 GSH 可逆转 volasertib 诱导的脂质过氧化和细胞死亡。原代患者样本中，铁死亡敏感型样本在 volasertib 处理后 CHAC1、NFE2L2 等基因表达上调，进一步支持其铁死亡诱导机制。
在 C1498 小鼠白血病模型中，volasertib 治疗显著延长小鼠生存期，且肿瘤细胞中 BODIPY C11 阳性率增加，表明体内铁死亡诱导。基因表达分析显示，volasertib 处理后肿瘤组织中 ACSL4、AIFM2 等铁死亡相关基因表达升高。在免疫缺陷 NSG 小鼠的 REH 移植模型中，volasertib 联合 Fer-1 表现出协同抗肿瘤效应，提示铁死亡与免疫细胞相互作用的复杂机制。
本研究通过深度迁移学习与高通量筛选相结合的方法，首次发现临床相关药物 volasertib 可诱导部分 B-ALL 细胞发生铁死亡，揭示了 PLK 抑制剂的新作用机制。研究结果不仅为铁死亡诱导剂的筛选提供了高效平台，也为 B-ALL 等血液肿瘤的治疗提供了潜在靶点和联合治疗策略。此外，volasertib 诱导铁死亡的分子机制解析，为克服肿瘤耐药性和开发免疫联合疗法提供了理论依据，具有重要的临床转化意义。
