細胞內(nèi)代謝物之間是否正在發(fā)生相互轉(zhuǎn)化,是細胞代謝活動最重要的動態(tài)特征之一,但其檢測方法一般極為繁瑣。針對這一瓶頸,青島能源所單細胞中心提出了名為“拉曼組內(nèi)關(guān)聯(lián)分析”(Intra-Ramanome Correlation Analysis; IRCA)的理論框架與算法,并示范了細胞工廠功能測試等方面的應(yīng)用。在無需標記或破壞細胞的前提下,IRCA僅僅基于一個拉曼組數(shù)據(jù)點(即一個樣品的一個狀態(tài)),利用其中不同單細胞拉曼光譜的差異,就能推測該狀態(tài)下的代謝物相互轉(zhuǎn)化網(wǎng)絡(luò)。相關(guān)工作于8月31日發(fā)表于《mBio》。
圖 拉曼組內(nèi)關(guān)聯(lián)分析(IRCA)僅需一個細胞群體的一個狀態(tài),即可預測其代謝物轉(zhuǎn)化網(wǎng)絡(luò)
代謝物相互轉(zhuǎn)化網(wǎng)絡(luò)的構(gòu)建,傳統(tǒng)上基于質(zhì)譜或色譜等代謝組學方法。它們通常必須破壞細胞,每次分析需要大量的細胞,而且要求基于一系列不同代謝狀態(tài)的實驗樣品進行關(guān)聯(lián)比較,這導致整個過程非常繁瑣與耗時。針對這一瓶頸問題,單細胞中心提出了基于“拉曼組”(ramanome)的原創(chuàng)解決方案。拉曼組,是一個細胞群體在特定狀態(tài)下單細胞拉曼光譜的集合。這些單細胞,盡管遺傳背景與環(huán)境條件等均一致,其代謝狀態(tài)卻可各不相同,導致其拉曼光譜之間具有細微但顯著的差異。一個“遺傳同質(zhì)性”樣品中細胞間具有“代謝異質(zhì)性”,是生命體系最本質(zhì)的特性之一。
利用該本質(zhì)特性,單細胞中心何曰輝博士帶領(lǐng)的研究小組提出了命名為“拉曼組內(nèi)關(guān)聯(lián)分析”(Intra-Ramanome Correlation Analysis; IRCA)的思路。首先,一張單細胞拉曼光譜中數(shù)百乃至數(shù)千的拉曼譜峰中,每個譜峰(或其組合)可潛在代表一個代謝表型,如一類化合物的種類與含量。其次,把每個細胞作為一個獨立的生物學重復,在不同細胞之間,將同一位置的譜峰與其它任一譜峰進行兩兩關(guān)聯(lián)分析,如果發(fā)現(xiàn)呈現(xiàn)“負關(guān)聯(lián)”的峰-峰組合,即意味著其對應(yīng)的兩類化合物之間存在相互轉(zhuǎn)化的關(guān)系。最后,將該分析拓展到單細胞拉曼光譜中所有可能的峰-峰組合,則能建立一個該狀態(tài)下之胞內(nèi)化合物相互轉(zhuǎn)化(或代謝表型相互關(guān)聯(lián))的“網(wǎng)絡(luò)”。
該研究小組以各種光合微藻為模式,通過一系列系統(tǒng)性的生物化學與遺傳學實驗,驗證了IRCA預測結(jié)果的準確性和可靠性。這些實驗證明,僅僅需要一個樣品(即一個拉曼組數(shù)據(jù)點)中的數(shù)十個細胞,通過IRCA算法,就能夠揭示該特定條件與時間下,細胞中蛋白、多糖、油脂、色素、核酸等各種儲碳物質(zhì)的相互轉(zhuǎn)化規(guī)律。這些規(guī)律的快速探測,對于光合固碳細胞工廠的篩選與表征至關(guān)重要。
最后,研究人員還通過IRCA,構(gòu)建了微藻、酵母、大腸桿菌等物種在多種狀態(tài)下的代謝物轉(zhuǎn)化網(wǎng)絡(luò),驗證了該方法的廣譜適用性,并證明這種名為IRCN(Intra-Ramanome Correlation Network)的網(wǎng)絡(luò)有望成為一種極為靈敏、信息量豐富的代謝表型組學數(shù)據(jù)類型,來定義、表征乃至監(jiān)測任何細胞體系的代謝功能。
相對于質(zhì)譜、色譜等分析手段,IRCA具有超靈敏、快速、高通量、低成本(無需試劑耗材)等核心優(yōu)勢,因此IRCA將在合成生物學、精準醫(yī)學、生態(tài)監(jiān)控、生物制造等廣闊領(lǐng)域開辟一系列全新的應(yīng)用。同時,基于拉曼組概念和單細胞拉曼分選等核心器件的創(chuàng)新,單細胞中心發(fā)明和產(chǎn)業(yè)化了臨床單細胞拉曼藥敏快檢儀CAST-R、單細胞拉曼分選-測序文庫耦合系統(tǒng)RACS-Seq、高通量流式拉曼分選儀FlowRACS等。IRCA將通過這些原創(chuàng)國產(chǎn)的單細胞科學儀器,服務(wù)于廣大的科學與產(chǎn)業(yè)用戶。
該工作由單細胞中心徐健研究員主持完成,獲得了國家自然科學基金、中國科學院先導專項、山東省自然科學基金、中國博士后科學基金的支持。
原文鏈接:https://journals.asm.org/doi/10.1128/mBio.01470-21
Yuehui He, Shi Huang, Peng Zhang, Yuetong Ji, Jian Xu. Intra-Ramanome Correlation Analysis unveils metabolite conversion network from an isogenic population of cells. mBio 2021, 12(4): e01470-21.