利用单细胞质谱代谢组学定量研究细胞异质性和亚群

细胞异质性是生物系统异质性的基础，在生物学研究中，由于遗传和表型的差异，生物系统的异质性广泛存在。即使是在相同的细胞系中，由于转录、翻译和代谢中可能的突变，细胞之间也可能会存在不可忽略的细微差异。对于细胞异质性的研究需要从单细胞的层面进行。揭示细胞异质性对于研究基础细胞生物学和人类疾病具有重要意义，而其中重要的研究方向之一就是肿瘤。肿瘤由无限增殖的细胞组成，而在同一个肿瘤内包含具有不同生理和生物特性的细胞，并且这些细胞在肿瘤内不均匀分布。形成肿瘤细胞间的异质性的机制十分复杂，相关的研究可以帮助了解疾病进化、肿瘤耐药性和肿瘤复发的机理。例如在肿瘤治疗中，由于癌症细胞异质性，化疗与放射性疗法有时并不能完全杀死所有癌细胞（如某些循环肿瘤细胞和癌症干细胞），从而导致癌症的复发。然而由于缺乏适用的实验平台、合适的算法、软件以及细胞异质性和亚群的定量分析，在单细胞水平上使用整体代谢组学定量分析细胞异质性和亚群仍然具有挑战性。

近日，俄克拉荷马大学Zhibo Yang（杨志柏）团队与Moffitt肿瘤中心Ann Chen和Jiannong Li （李剑农）合作，利用单细胞质谱（single cell mass spectrometry, SCMS）实验技术与生物信息学结合研究细胞异质性。研究者将单细胞探针（Single-probe）单细胞质谱实验技术与生物信息学软件包SinCHet-MS (single cell Heterogeneity for Mass Spectrometry) 相结合，从整体代谢组学的角度结合实验和生物信息学的方法揭示了细胞异质性的变化，量化其亚群组成，以及发现细胞亚群的代谢标记物。单细胞探针是一种微量采样和离子化装置，由提供溶剂的毛细管、双孔石英针和纳米ESI组成。此装置可以耦合到质谱仪进行微量采样和分析（包括单细胞和组织切片），从而进行单细胞质谱分析以及质谱成像。SinCHet-MS是针对单细胞异质性分析的生物信息学工具箱。在细胞异质性分析中，基于整体代谢组学的相似性进行分层聚类分析，将细胞分组为亚群，并且具有聚类图和热图用于目视检查。

图1. 单细胞探针代谢组学结合SinCHet-MS定量研究细胞异质性和亚群。图片来源：Anal. Chem.

在此概念验证实验中，原发（WM115；耐药性较低）和转移性黑色素肿瘤（WM266-4；耐药程度较高）作为模型，研究了两种黑色素肿瘤异质性的变化，量化细胞亚群，并分析每个亚群的代谢物生物标志物。通过综合统计分析发现，经过vemurafenib治疗，药物敏感的原发性黑色素瘤癌细胞（WM115）亚群发生了明显的变化，并且出现了一个新的亚群。耐药细胞系（WM266-4）中没有明显观察到新的亚群的出现，然而，亚种群之间发生了明显的比例变化（图2）。虽然细胞亚群间的特定细胞生物特性的相关性目前尚不清楚，但不同于传统的靶向方法（同位素示踪、荧光标记等），这项研究提供了一种新无标记研究亚群的方法，并且通过统计学方法，将每个亚群的代谢物的统计学重要性进行量化。将单细胞质谱实验技术与生物信息学工具相结合可用于定量研究细胞异质性，标记具有统计学意义的分子，并提高对人类疾病细胞代谢和治疗反应的理解。此外，这种方法还整合了单细胞质谱代谢组学研究的多种功能，包括批量校正、细胞代谢组学图谱的可视化、细胞异质性的比较、亚群的确定，和亚群生物标志物的优先级排序。为了更好的用户体验，这种单细胞异质性和亚群的分析方法被包装在一个用户友好的GUI软件包中（SinCHet-MS）^[1]，可免费用于非营利学术用途。SinCHet-MS可用于分析从不同仪器平台获得的单细胞代谢组学数据集，不仅可以分析细胞异质性，并且可以分析亚种群的分辨率，从而对细胞代谢有更深刻的理解。

图2. (A & B) WM115和 (C & D) WM266-4细胞系在药物治疗前后对照和药物处理的单细胞亚群组成，采用分层热图 (左列) 和饼图 (右列) 可视化。图片来源：Anal. Chem.

原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：

Quantifying Cell Heterogeneity and Subpopulations Using Single Cell Metabolomics

Renmeng Liu, Jiannong Li, Yunpeng Lan, Tra D. Nguyen, Y. Ann Chen*, and Zhibo Yang*

Anal. Chem., 2023, 95, 7127–7133, DOI: 10.1021/acs.analchem.2c05245

参考资料：

[1] SinCHet-MS

http://lab.moffitt.org/chen/software/ 

作者简介

刘人梦博士2019年于俄克拉荷马大学获得分析化学博士学位，现就职于吉利德科学（Gilead Sciences Inc.）DMPK部门担任Research Scientist。主要研究方向为发现并验证临床前的drug-drug interaction （DDI）biomarkers，核酸及其衍生物的在临床前期的生物分析以及负责IND-enabling GLP毒理试验的生物分析。刘人梦博士于Analytical Chemistry， Chemical Communications，Drug Metabolism and Disposition以及Bioanalysis等杂志上发表学术论文12篇（第一作者论文8篇），引用440逾次。

李建农博士1992年在中国协和医科大学获博士学位。之后在Moffitt 肿瘤研究中心从事肺癌药理研究，应用蛋白组学研究抗癌新药分子机制和肿瘤抗药机理。而后从事数据统计分析和开发应用分析工具，应用于与各类肿瘤相关的单细胞核酸序列数据分析，临床试验和真实临床数据分析等领域。

兰云鹏博士研究生于2017年在四川大学获得本科学位，2018年加入俄克拉荷马大学杨志柏研究团队。其研究方向设计单细胞质谱分析，单细胞代谢组学，单细胞内分子量化和单细胞快速检测。其研究结果以第一作者的身份发表在Analytical Chemistry，Metabolites 等学术期刊上。

Tra D. Nguyen博士研究生于2018年在德州女子大学获得本科学位并加入俄克拉荷马大学杨志柏研究团队。其研究方向设计单细胞质谱分析，单细胞代谢组学和单细胞基因组学。其研究结果以第一作者的身份发表在Analytical Chemistry，Metabolites，Journal of Physical Chemistry B等学术期刊上。

陈教授在查尔斯顿大学获得硕士学位，南卡罗来纳医科大学获得博士学位。陈教授研究一直专注于开发统计方法和计算工具，以整合多个生物组学，选择生物学相关标记，并在统一的框架中预测临床结果。她在数据整合的贝叶斯方法发展方面的工作促进了癌症生存预测的调控网络推断和途径，促进了人类癌症亚群中与治疗相关的解除管制途径的识别。陈教授在非线性相关检测的非参数方法改进方面的工作，使病理条件发展的关键基因的识别成为可能，而传统的分析方法可能仅检测线性关系。陈博士最近的工作重点是开发使用下一代测序和其他组学数据的方法，以确定黑色素瘤患者的新靶向途径，特别是那些没有常见驱动突变的患者。

杨志柏教授1997和2000年在中国科学技术大学获得本科和硕士学位，2005年在美国韦恩州立大学获得博士学位。2005-2008年在西北太平洋国家实验室以及2008-2012年在科罗拉多大学博尔德分校从事博士后研究。从2012年开始，杨博士在俄克拉荷马大学任助理教授，并于2018年晋升为副教授。目前研究领域集中在现代质谱技术的发展和应用，包括单细胞检测，组织成像，人工肿瘤模型的培养和检测，以及利用新兴的数据分析方法（包括多变量分析和机器学习）对质谱数据进行挖掘和研究。除此之外，研究范围还包括气相离子化学，反应动力与学热力学，和计算化学。

https://www.x-mol.com/university/faculty/6367