细胞总数计

p 　　每个细胞都是独一无二的，但我们的研究对象往往是细胞群体，忽略了这些细胞之间的异质性。正因如此，单细胞 a title=" " style=" color: rgb(255, 0, 0) text-decoration: underline " href=" http://www.instrument.com.cn/application/SampleFilter-S01-T000-1-1-1.html" target=" _self" span style=" color: rgb(255, 0, 0) " 基因组学 /span /a 研究受到了越来越多的关注。 /p p 　　单细胞基因组学领域近年来发展得非常迅速，为人们揭示了复杂生物学体系的许多重要线索，包括微生物群落的生态多样性和人类癌症的基因组。一月二十五日Nature Reviews Genetics杂志发表的一篇重要综述，全面介绍了单细胞 a title=" " style=" color: rgb(255, 0, 0) text-decoration: underline " href=" http://www.instrument.com.cn/application/SampleFilter-S01-T000-1-1-1.html" target=" _self" span style=" color: rgb(255, 0, 0) " 基因组测序 /span /a 的发展现状。文章的通讯作者是著名科学家、斯坦福大学生物工程系主任Stephen R. Quake。 /p p 　　Quake也是HHMI 研究员、美国科学院、美国工程院、美国医学院院士。他的主要贡献在于将集成芯片的原理和技术成功地应用于生物学和医学研究，目前名下拥有80项专利，并创办了4家公司。 /p p 　　这篇文章首先探讨了单细胞基因组测序面临的技术挑战，随后介绍了一些技术进步带来的生物学新发现。重点关注用单细胞基因组测序研究微生物暗物质，评估多细胞生物中遗传嵌合现象的致病作用，尤其是癌症。文章末尾还预测了未来几年单细胞基因组测序可能出现的一些进展。 /p p 　　前不久，北京大学汤富酬和文路发表的点评被Nature杂志评为了2015年最佳评论文章。这篇文章重点介绍了Hubrecht研究所的单细胞mRNA测序研究，特别是他们开发的RaceID算法。这种聪明的算法能够在复杂的细胞混合物中有效鉴定稀有细胞类型。RaceID假定不同细胞类型强力表达一些特异性的“异常值”基因。只要仔细排除技术和生物学噪音，就可以从测序数据中鉴定到这样的基因。单细胞mRNA测序与RaceID算法结合在一起形成了一个强大的工具，可以帮助人们深入了解健康和病变器官中的各种细胞类型高度表达基因以随机爆发的形式转录，这一现象也被称为转录爆发(Transcriptional bursting)。为了在细菌中研究转录爆发的具体机制，哈佛大学和北京大学生物动态光学成像中心的研究人员开发了一个高通量的单分子分析技术，对各DNA模板的体外转录进行了跟踪研究。这一成果发表在2014年07月的Cell杂志上，文章的通讯作者是著名学者谢晓亮教授(X. Sunney Xie)。谢晓亮教授是单分子生物物理化学和相干拉曼散射显微成像的开拓者之一。近年来他在单细胞测序技术上取得突破，发表了不少重要成果。 /p p 　　我们知道，单细胞的DNA(大约只有6 pg)无法满足测序的mg级样品量需求。为了从少量样品中获得更多信息，全基因组扩增技术(WGA)应运而生。目前市场上出现了多种扩增试剂盒，但它们的表现还没有一个综合的评估。为此，华大基因的研究人员利用7种试剂盒开展单细胞全基因组扩增，系统地比较了不同WGA方法的优点和缺点，尤其关注变异检测。这项成果于2015年8月发表在《GigaScience》期刊上。 /p

2023年2月，中科院遗传发育所、中科脂典的相关研究人员在《Trends in Analytical Chemistry》(IF: 14.9)上发表了题为“Embracing Lipidomics at Single-cell Resolution: Promises and Pitfalls”的综述文章，总结了单细胞脂质组学当前的技术进展和瓶颈，讨论了在单细胞水平分析脂质的独特技术挑战(特别是准确的脂质鉴定和定量的重要性)，并例举了单细胞脂质组学在生物学和临床医学中的潜在应用。(中科院遗传发育所王泽华博士和曹明君博士为本文的第一作者，中科院遗传发育所税光厚研究员和中科脂典技术总监Sin Man Lam博士为本文的共同通讯作者。)　　1、引言　　脂质作为细胞膜和细胞内细胞器(如脂滴)的主要组成部分，发挥着一系列复杂的生物物理、能量储存和信号传导功能，这些功能是细胞机制正常运转的基础。脂质代谢失调涉及多种主要疾病，包括糖尿病、心血管疾病、代谢相关性脂肪肝(MAFLD)、癌症、神经退行性疾病、传染病等。近几十年来，随着脂质组学的蓬勃发展以及分析工具/技术的改进，脂质的结构和生物学复杂性才开始被解开。　　质谱(MS)是广泛用于脂质组学领域的主要分析技术，相对于其它方法，它具有更高的灵敏度、更大的选择性、更强的稳定性和更高的特异性。质谱仪的快速发展，伴随着软件和数据库的进步，使得来自不同生物样本的各种生物液体(血浆、血清、尿液、唾液、泪液、痰等)、组织和亚细胞器中的脂质能够以前所未有的分辨率进行表征。脂质组覆盖范围的扩大极大地促进了疾病生物标志物的识别、表型验证以及假设的产生，并在脂质数据分析中提出了可能的系统方法，包括功能脂质模块的构建和脂质通路分析。　　脂质组学的典型工作流程和应用　　经典的脂质组学给出了构成生物样本的不同细胞群的“平均”图谱，这通常需要一个器官的代表性组织样本，使得最终构建的图谱能够反映一般的生物状态。然而，取一个有代表性的组织切片，忽略了脂质的空间分布，而脂质的空间分布往往具有重要的生物学意义。例如，该研究团队先前对金线鲃属洞穴鱼和地表鱼全脑切片的定量脂质组学研究发现，洞穴鱼中的硫苷脂(髓鞘的主要脂质成分)普遍减少。基质辅助激光解吸电离(MALDI)质谱成像(MSI)进一步揭示了洞穴鱼硫苷脂缺失的区域与中缝5-羟色胺能神经元的位置相对应。因此，金线鲃个体大脑脂质的空间分布图谱有助于证明5-羟色胺能神经元的脱髓鞘是洞穴鱼攻击性行为丧失的基础。　　随着光学成像和细胞内电生理学的技术创新，人们得以在单细胞分辨率下深入研究组织的生物结构，细胞异质性的普遍性变得明显起来。单个细胞与邻近细胞以及它们的原生微环境动态地相互作用和交流，最终影响由不同的单细胞脂质组(和代谢组)所反映的细胞内生物化学状态。事实上，早期组学的单细胞革命揭示了细胞异质性在无数生物环境中的普遍性。例如，单细胞蛋白质组学揭示了循环系统中肿瘤细胞表面蛋白在单细胞水平的异质表达，这些蛋白预测了对药物治疗的不同细胞反应，而随着疾病的进展，患者体内这些相同蛋白的平均表达并不能确定真正的治疗效果。在这篇综述中，作者讨论了单细胞水平的脂质组学革命如何从早期的组学开始，揭示细胞内以脂质为中心的见解，以及其潜在的应用和独特的技术挑战。　　2、单细胞脂质组学的新兴技术　　与单细胞基因组学和单细胞转录组学相比，单细胞脂质组学(和代谢组学)提供了最接近实际表型的数据信息。脂质组学与代谢组学的区别主要在于其关注非极性疏水代谢物，这些代谢物需要不同的提取和分析方案(例如需要不同的溶剂系统)。与信号可以扩增数百万倍的单细胞转录组学不同，高灵敏度对于单细胞脂质组学至关重要。此外，脂质在细胞内和细胞外的不同作用使细胞脂质组具有动态性和多功能性，这需要在采样时极度谨慎和快速，以便收集的细胞能够反映其原始状态。　　2.1 单细胞的取样　　经典脂质组学侧重于批量分析，以最小化组内的异质性，而单细胞脂质组学则侧重细胞间的差异。因此，收集技术应努力保持细胞异质性，并尽量减少来自邻近细胞和细胞外基质的污染。许多现有的样品处理或细胞分离策略可以扩展到单细胞脂质组学的采样中，包括膜片钳、微量移液、流式细胞荧光分选(FACS)和微流控单细胞阵列等。这些采样技术有其独特的优势和技术瓶颈，应根据组织或细胞类型的性质以及要解决的生物学问题逐案考虑选择。例如，倾向于成团粘附和/或对操纵敏感的细胞在采样过程中可能表现出较高的细胞死亡率，这会混淆数据并导致生物学错误解读。通常，非粘附细胞，如循环中的各种类型的血细胞，更易于进行高通量单细胞处理。组织的细胞外基质(ECM)的组成以及细胞分布各不相同，因此需要获得单分散细胞的优化方案，例如机械切割、酶解或这些方法的组合。特别是，与正常组织相比，病变组织(例如纤维化组织)可能具有明显不同的解离动力学，因此，优化分离方法以确保收集单分散、完整和有活力的细胞用于单细胞脂质组分析是非常重要的。　　膜片钳通常用于研究神经元、肌肉纤维和心肌细胞等易兴奋细胞，其优势是在相对原生状态下对细胞进行采样，通常来自新鲜的组织切片。然而，在膜片钳辅助的单细胞脂质组学分析中，在不破坏细胞膜的情况下分离完整的细胞是特别具有挑战性的。例如，使用膜片钳从灌注的小鼠大脑切片中捕获单个神经元细胞体不能完全保存轴突和相关终端的完整性，这可能会影响所得到的单个神经元脂质组数据。考虑到质膜是单细胞脂质组的重要组成部分，在单细胞分离过程中对质膜的损伤对单细胞脂质组分析尤为不利。此外，细胞损伤可能触发膜修复过程，这改变了原生细胞脂质组的特征，并混淆了下游分析。　　如果谨慎操作，精密微量移液管可以获得完整的细胞，但它的低通量低且相对耗时，因此更适合于感兴趣的稀有细胞类型的取样。　　FACS可将具有不同表型的单个细胞(由特定蛋白质(抗体)的荧光强度定义)排序到用户预定义的特定血管和缓冲液中，以实现相对高通量的单细胞分离，该方法错误率较低(低于1/100)，且细胞质膜通常保持完整。FACS的一个主要缺点是需要大量的细胞(超过10,000个)，因此不适合分离数量少的稀有细胞类型。悬浮细胞的要求也意味着细胞在采集样品之前不处于其原始状态，单个细胞的空间位置丢失。如果使用非质膜荧光标记物来标记细胞，则需要验证瞬时孔形成对特定质膜脂质和细胞内代谢产物的影响。　　微流控装置包括使用阀门、油滴或纳米管对单个细胞进行微型分隔。基于液滴的策略可能不适合单细胞脂质组学，如果单个细胞的包封是在油滴中完成的，这干扰了下游的脂质分析。油包裹的水滴为下游单细胞脂质组学提供了更好的选择，但是在去除油相期间需要谨慎，以获得相对清洁的液滴内细胞提取物用于下游分析。虽然微流控芯片的处理量高，对原料数量的要求较低，但其后的样本处理通常是在现场进行，这限制了 MS 在选择脂质提取方案进行下游分析时的灵活性。此外，有效的脂质提取需要使用有机溶剂，例如氯仿和甲基叔丁基醚(MTBE) ，这些溶剂与大部分用于制造纳米芯片的塑料材料不太相容。　　基于探针的电喷雾电离(ESI)也经常用于单细胞采样，这涉及使用直径足够小的探针尖端以插入单细胞(~3-9μm)。提取溶剂连续输送以进行原位代谢物提取，随后将提取物引导到质谱仪中进行直接分析。然而，这种取样策略不能确保每个细胞的完整质膜被输送到下游分析。质膜包括全细胞中一半的磷脂和90%的总胆固醇和鞘磷脂含量，基于探针的采样可能会导致单细胞脂质组学的大量信号损失。　　与限制脂质提取程序选择的微流控芯片和基于探针的取样相比，激光捕获显微切割在为下游分析选择样品处理方案方面有更高的灵活性。微解剖的单细胞的空间信息被保留。然而，该方法事先必需用福尔马林或乙醇固定细胞，以确保在显微切割过程中划定单细胞边界时的形态清晰度，而在此过程中脂质和小分子代谢物会大量丢失。此外，即使事先固定，整个细胞的完整性也往往得不到保留，这也使得这种技术不太适合收集单细胞用于下游的脂质组学研究。　　无论采用何种细胞采集策略，采集后都应立即对分离的单个细胞进行淬灭和灭活，以停止酶活性并尽量减少细胞脂质的人为改变。　　　　单细胞脂质组学技术　　2.2 单细胞脂质的获取　　拉曼光谱具有非破坏性和非侵入性的优点，允许进行原位分析，在捕获单个细胞在其自然状态下的脂质方面具有优势，但其无法在分子水平上破译精确的脂质结构，这大大限制了其脂质覆盖范围。而MS由于在区分脂质异构体方面的卓越灵敏度和特异性，已成为单细胞脂质组学中的主要分析技术。除了结构解析，基于MS的方法还允许检查单个细胞内的空间和亚细胞脂质定位，如通过C60二次离子质谱(SIMS)分析海蜗牛Aplysia单个神经元上脂质的异质性分布。尽管与 MALDI-MS 相比，SIMS 的灵敏度较低，但其能够获得亚微米的横向分辨率，由于探针尺寸的限制，其横向分辨率限制在10μm。利用簇离子源的SIMS技术还具有更柔和的电离动力学，有助于检测完整形态的脂质，空间分辨率通常在100nm至1µm之间。　　在各种基于MS的技术中，MSI方法在取样细胞的原生微环境方面具有选择性优势，并能保留对生物推断有用的空间信息。目前已经开发了图像引导的单细胞器MALDI-MSI，用以比较来自Aplysia的致密核心囊泡和透明囊泡中脂质含量差异。尽管 MALDI-MSI 具有诸多优点，但是它存在共采样的缺点，即从相邻的细胞产生混淆信号。一些脂质对 MS 扫描过程中可能出现的环境干扰很敏感，通常需要至少一个小时或更长时间才能完成组织切片的检查。此外，MALDI-MSI 单细胞分析也容易因离子抑制而降低灵敏度。最后，精确的脂质定量仍然是 MSI 方法中的一个主要技术挑战，因为同位素内标与内源性脂质均匀混合以进行标准化在技术上是具有挑战性的。　　荧光成像在灵敏度以及空间/时间分辨率方面优于基于MS的方法，使其在单细胞成像中具有潜在的用途。然而，基于荧光的技术在单细胞脂质组学中的应用受到其脂质组覆盖范围的限制。在自然界中很少有脂质和小分子代谢物表现出自身荧光，这就需要使用荧光探针。与基于MS的方法不同，亲脂性染料通常可以标记特定的某一类脂质，但无法区分同一类脂质中具有不同酰基链组成的单个脂质种类，或不同的脂质异构体。另一方面，脂质的荧光标记极大地改变了脂质的生化性质，如有些脂质被优先分配到不同的膜微区中，而与荧光基团是在头基还是酰基链上引入无关。因此，目前的脂质荧光染料缺乏特异性，这限制了荧光光学成像在单细胞脂质组学中的更广泛应用。　　虽然单细胞取样和基于质谱的技术革新已经实现了单细胞脂质组学分析的可能性，但仍存在一些技术瓶颈，包括：脂质覆盖面相对较窄(通常只有不到一百个具有高置信度的脂质) 缺乏准确的结构鉴定 缺乏可靠的定量数据 以及对单细胞水平的分析可重复性验证不足。为了解决这些技术瓶颈并推动该领域的发展，必须采用新技术来更好地描述细胞的异质性，并以更高的精度和更大的定量准确性来阐明其生物学意义。　　3、单细胞脂质组学的技术瓶颈　　3.1 迫切需要高覆盖率、准确的识别和定量测量　　单细胞脂质组学的一个最终目标是构建单个细胞的精确脂质组图谱，以揭示细胞间的差异。即使在对大量的生物样本进行研究的经典的脂质组学中，与转录组水平的变化相比，具有生物学意义的脂质水平的定量变化通常较小。这使得准确的定量对于解读单细胞水平上微妙但有意义的脂质变化尤为重要。单细胞脂质组学的定量也具有相当大的挑战性，因为脂质的内源丰度会有很大的变化。一个细胞中内源性脂质的高动态范围意味着，在一个特定的样品浓度下，不是所有的脂质都能落入质谱检测器的线性范围。虽然这在大部分脂质组学中通常通过在另一个样品浓度下的额外进样检测来解决，但这又为单细胞脂质组学增加了另一个难度，因为来自单细胞的样品材料数量往往是有限的。内源性脂质丰度的巨大差异也需要色谱系统从其内源性丰富的对应物中有效分离微量脂质，以尽量减少离子抑制，提高次要脂质物种的敏感性，并扩大分析物的覆盖范围。重要的是，为了在单细胞脂质组学中进行准确的脂质定量，应加入稳定的同位素内标。如果没有适当的内标来归一化内源性信号，校正来自不同类别的脂质或携带不同酰基链的同一类别脂质的离子响应变化，产生的单细胞脂质组数据很容易出现错误。　　基因组几乎整个区域都可以测序和注释，而仅基于MS/MS数据却很难最大限度地确定高置信度的脂质结构。这一瓶颈部分是由于自然界中脂质结构异构体的广泛存在，其中一些异构体在缺乏专门的预处理(如化学衍生)的情况下很难分离。例如，单个TAG的甘油主链被酯化为三个脂肪酰基链，从而为每个分子式产生无数脂肪酰基链组合。此外，不同脂质类别的结构异构物可能会使脂质鉴定过程更加复杂，例如双(单酰基甘油)磷酸酯(BMP)和磷脂酰甘油(PG)，以及半乳糖神经酰胺(GalCer)和葡萄糖神经酰胺(GluCer)等。幸运的是，这些结构异构体中的一些物质在色谱上是可区分的。因此，适当的前期色谱分离的应用极大地促进了某些脂质结构异构体的准确识别和定量，从而实现了更大的脂质覆盖。　　虽然脂质组学是组学家族中一个较年轻的分支，但在过去二十年中，它的发展速度很快。基于常规高效或超高效液相色谱(流速为100-1000μL/min)并结合质谱(HPLC/UPLC-MS)的各种经典脂质组学方法已被开发用于多种生物样品。近年来，基于微流量(流速为10-100μL/min)的LC-MS方法获得了更高的灵敏度，并能够以更少的起始材料(例如≈20-1000个细胞)实现全面的脂质代谢。可以想象，通过减小柱直径和流速进一步缩小色谱分离的规模可以提高分析物浓度，从而提高检测灵敏度。因此，基于纳米流(即流速1μL/min)的超灵敏脂质组学方法有望在单个细胞内实现亚微米级的脂质检测和定量。然而，迄今为止报道的纳米流方法的脂质覆盖率仍然相对较低，通常只覆盖一到两个主要类别的脂质，如PCs、PEs和/或TAGs，或者没有适当的结构标识。仅基于一级质谱分析的分子式水平的结构鉴定会导致不准确和低灵敏度，这极大地影响了单细胞脂质组学的分析范围和质量。因此，在单细胞脂质组学能够在基础生物学和转化医学中发挥更大作用之前，通过精确的结构鉴定和精确的定量分析来扩大脂质的有效分析范围是必不可少的。离子迁移率-质谱仪在脂质鉴定中的应用将碰撞截面(CCS)引入到脂类鉴定中，增加了m/z、保留时间和MS/MS谱图上的另一个维度的信息，有望增强单细胞脂质结构鉴定的可信度。　　目前，单细胞脂质组学方法大多是低通量的，因此，与早期的单细胞组学研究相比，通常分析的细胞种类要少得多。鉴于与基因组/转录组相比，细胞脂质组的生物学动态范围要大得多，因此，在单细胞脂质组学实现更大速度和更高容量分析之前，建立健全可重复的方法、设定正确的技术基准和构建可靠的单细胞参考脂质组数据库至关重要。　　　　基于LC-MS的单细胞脂质组学的不同模式　　3.2 数据分析　　正确分析大型数据集是从各种组学技术中收集有用的生物学见解的先决条件。由于单细胞脂质组学仅处于发展的早期阶段，尚未建立系统的数据分析体系。针对海量数据定制的方法通常不直接适用于单细胞数据。这是因为大量数据分析中的分布假设经常不成立，原因是单细胞数据集拥有更高的噪声和稀疏度，存在固有的额外异质性。目前，单细胞脂质组学的出现在某种程度上加剧了在分析和解释脂质组学数据方面的瓶颈。鉴于目前在单细胞脂质组学中脂质覆盖方面的局限性，在单细胞脂组学分析中收集生物学相关的途径改变之前，需要在单细胞脂肪组学的采集和数据分析方面进行长期努力。　　4、单细胞脂质组学的生物学和转化前景　　在过去的十年里，由于分析化学的技术创新和各种组学技术的出现，生物化学从传统的系综测量转向单分子测量。传统的集合分析可能导致静态异质性，当分子集合包含在观察期内保持稳定或变化不够快的亚群体时，就会出现这种异质性，从而导致“没有明显变化”的误导性结论。生物事件的平均分析数据不会捕捉到与整体行为不同的分子。同样，在任何细胞群体中，细胞间的差异总是不同程度的存在，基于整个群体的批量测量不能完全描述单个细胞的完整表型。通过在种群和单细胞水平上同时进行表型分析，可以破译潜在的有意义的生物学偏差，从而为很多生物学问题提供新的研究方向。　　4.1 发育与细胞谱系追踪　　多细胞生物体从一个受精卵发育成一个由不同细胞类型和器官系统组成的复杂组织，整个过程被记录在细胞谱系树中，它概述了在发展成多细胞生物体的过程中，从单个母细胞到其不同分支后代的细胞转换。目前已经开发了各种工具来构建单个生物体的细胞谱系树，但大多局限于绘制有限数量的克隆种群。细胞谱系树对于科学家解开生命的错综复杂的工程，以及加深我们对生物体发育、器官生成以及疾病进展和发病的理解非常重要。通过拼凑生物体内单个细胞的发育轨迹，单细胞谱系追踪以前所未有的细节捕捉到整个发育过程中不同的细胞命运，这扩展了我们对细胞分化机制、细胞异质性以及细胞间发育潜力差异的理解。　　考虑到生物体的单个细胞携带着由DNA编码的相同的遗传物质，人们通常认为不同的细胞命运是由单个细胞中基因在空间和时间上的差异表达决定的。虽然乍一看，与单细胞转录组学相比，单细胞脂质组学与单细胞谱系追踪的相关性可能不那么直观，但许多科学证据阐明了脂质代谢在决定细胞命运中的作用。例如，脂肪酸氧化产生的乙酰COA是组蛋白乙酰化的前体，组蛋白乙酰化改变染色质结构，从而调节DNA对转录机制的可及性。在不对称细胞分裂过程中，脂筏(富含胆固醇的膜微域)的不对称遗传也被认为是胶质母细胞瘤子细胞不同治疗耐药的基础。真皮成纤维细胞中存在由不同种类的鞘磷脂组成的不同的脂类构型，这触发了不同的转录程序，进而驱动细胞间异质性的不同细胞状态的建立(例如，纤维形成或增殖)。因此，单细胞脂质组学可以增加另一个维度的有用信息，以识别不同细胞命运的分子控制。　　4.2 了解肿瘤异质性　　构成肿瘤块的细胞是异质性的，在基因表达、细胞代谢、运动性、增殖率以及转移潜能方面具有不同的形态和表型特征。这种现象被称为肿瘤内异质性，它延伸到不同的肿瘤(即肿瘤间异质性)，可由遗传和非遗传因素共同引起。肿瘤的异质性可能在一定程度上解释了为什么癌症在临床上仍然难以攻克。研究肿瘤的异质性，特别是增殖能力和转移的来源，将有助于确定新的治疗靶点，以及指导免疫治疗和药物筛选。细胞间脂质代谢的差异对各种癌症的生长和预后有重要影响，如单个胰腺导管肾上腺癌细胞的脂质组学分析观察到胰腺癌特异性脂质代谢失调，这可能是由于介导脂质合成的关键酶ATP柠檬酸裂解酶表达减少所致。单细胞脂组学在加深我们对肿瘤异质性的理解方面有很大的希望。　　4.3 剖析对疾病的免疫反应　　除癌症外，传染病和新陈代谢疾病也是对公众健康的主要威胁。哺乳动物的免疫系统保护宿主免受各种病原体的入侵。构成宿主免疫系统的免疫细胞表现出巨大的细胞多样性，可以根据各种刺激进行动态调整。例如，对不同严重程度的新冠肺炎患者的单个外周血单核细胞进行scRNA-seq检测，发现存在一种具有增殖和代谢活性的自然杀伤细胞亚群，其代谢活动与疾病的严重程度呈正相关。有趣的是，这一亚群的自然杀伤细胞显示出神经鞘脂代谢的增强，这突显了单细胞脂质组学从以脂质为中心的角度阐明单个免疫细胞对新冠肺炎感染的差异反应的潜力。除感染性疾病外，对从人胰岛分离的单个细胞的scRNA-seq分析表明，在1型糖尿病患者中存在免疫耐受的胰腺导管细胞亚群。这一导管细胞亚群的转录特征类似于耐受性树突状细胞(即缺乏CD80和CD86)，导致免疫耐受和抗原呈递时的T细胞抑制。值得注意的是，单细胞分析显示胰腺β-细胞的基因特征与抗谷氨酸脱羧酶(GAD)滴度相关。与GAD水平相关的基因通路富集丰富分析包括许多脂代谢途径，如鞘磷脂代谢和磷脂酰肌醇信号系统。虽然在这些研究中没有进行单细胞脂质组学，但上述结果强调了单细胞中的脂代谢对于破译不同疾病背景下宿主免疫反应的代谢基础的重要性。　　　　单细胞脂质组学的应用　　结束语　　单细胞脂质组学的发展仍处于起步阶段，我们相信随着该领域的发展，将会有更多的生物学和临床应用。技术突破彻底改变了我们研究生物学的方式，其标志是从整体分析过渡到专注于单分子和单细胞。随着我们以更高的分辨率检查生物结构，细微的差异被揭示出来，这可能会为新的研究方向铺平道路，从而为生物学和临床医学中长期存在的问题提供独特的见解。

细菌是一种单细胞生物体，个体非常小，目前已知最小的细菌只有0.2微米长，因此大多只能在显微镜下被看到。细菌广泛分布于土壤和水中，或者与其他生物共生。人体身上也带有相当多的细菌。据估计，人体内及表皮上的细菌细胞总数约是人体细胞总数的十倍。铁是细菌细胞内部进行各种生物过程所必须的金属辅助因子。通常，铁作为一种可抑制细菌生长的营养元素，细胞中的总铁含量限额取决于细胞的生长状态和代谢需要。细菌的生长和繁殖必须有铁的供给才能得以进行。但细胞内多余的可溶性铁是有毒的。在确定细胞生长条件和应激反应的影响时，实时地测定细菌细胞中的铁含量可提供关于细菌中铁耐受限值的信息。监测单个细胞内的铁含量还可了解细胞中铁的分布情况，从而确定细胞群的同质性。在本次实验中，我们利用单细胞电感耦合等离子体质谱 SC-ICP-MS法分别测定了三种菌株的单个细胞的铁含量。这三个菌株分别是大肠杆菌B株(Eco)、枯草芽孢杆菌168株(BAC) 和红球菌RHA1株(RHA)。样品大肠杆菌B株(Eco)，枯草芽孢杆菌168株(BAC) 和红球菌RHA1株(RHA)，其菌株的细胞尺寸分别约为2μm、4μm和10μm±2。经过培养后，被等分成1mL样本，并储存在50%的甘油中于-20℃保存。SC-ICP-MS分析的细菌细胞样品实验将细菌细胞样品放入35℃水浴中解冻1min，然后将样品置于冰袋，使用1%磷酸盐缓冲液(PBS) 将样品稀释至含有100,000个细胞/mL的样品稀释液后立即上机SC-ICP-MS分析。NexION 2000 ICP-MS及实验条件通过采用纯氨气通入反应池的模式（反应模式），消除ArO+对56Fe+的干扰。实验结果细胞浓度为50,000个细胞/mL时，大肠杆菌B株、枯草芽孢杆菌168株和红球菌RHA1株的56Fe的信号扫描图。横坐标单位为ag，表明了单个细胞中铁含量的分布情况。其中大肠杆菌B株的单个细胞平均铁含量最低，而红球菌RHA1株的单个细胞平均铁含量最高。为测试细胞重叠现象，将细菌细胞经系列稀释后进行测定。上图表明，将细菌细胞稀释至100,000、75,000和50,000个细胞/mL浓度时，单个细胞的铁平均含量并没有发生变化，反而每次稀释后，细胞数量呈线性变化，结果表明，细胞浓度对细胞重叠无显著影响。结论单细胞ICP-MS法可以准确定量单个细菌细胞中的铁含量，可以提供细菌培养物中的单个细胞内铁分布信息。所建立的分析方法可以为严格控制细菌细胞的总铁含量提供支持。单细胞ICP-MS法还可用于在不同应激条件下生长的细菌细胞中铁含量分布的测定。了解更多应用资料，扫描下方二维码，下载利用SC-ICP-MS法测定单个细菌细胞中的铁含量相关资料。