細胞內代謝物之間是否正在發生相互轉化，是細胞代謝活動最重要的動態特征之一，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“拉曼組內關聯分析”（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據點（即一個樣品的一個狀態），利用其中不同單細胞拉曼光譜的差異，就能推測該狀態下的代謝物相互轉化網絡。相關工作于8月31日發表于《mBio》。

　　圖 拉曼組內關聯分析（IRCA）僅需一個細胞群體的一個狀態，即可預測其代謝物轉化網絡

　　代謝物相互轉化網絡的構建，傳統上基于質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的實驗樣品進行關聯比較，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）的原創解決方案。拉曼組，是一個細胞群體在特定狀態下單細胞拉曼光譜的集合。這些單細胞，盡管遺傳背景與環境條件等均一致，其代謝狀態卻可各不相同，導致其拉曼光譜之間具有細微但顯著的差異。一個“遺傳同質性”樣品中細胞間具有“代謝異質性”，是生命體系最本質的特性之一。

　　利用該本質特性，單細胞中心何曰輝博士帶領的研究小組提出了命名為“拉曼組內關聯分析”（Intra-Ramanome Correlation Analysis; IRCA）的思路。首先，一張單細胞拉曼光譜中數百乃至數千的拉曼譜峰中，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聯分析，如果發現呈現“負關聯”的峰-峰組合，即意味著其對應的兩類化合物之間存在相互轉化的關系。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下之胞內化合物相互轉化（或代謝表型相互關聯）的“網絡”。

　　該研究小組以各種光合微藻為模式，通過一系列系統性的生物化學與遺傳學實驗，驗證了IRCA預測結果的準確性和可靠性。這些實驗證明，僅僅需要一個樣品（即一個拉曼組數據點）中的數十個細胞，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的相互轉化規律。這些規律的快速探測，對于光合固碳細胞工廠的篩選與表征至關重要。

　　最后，研究人員還通過IRCA，構建了微藻、酵母、大腸桿菌等物種在多種狀態下的代謝物轉化網絡，驗證了該方法的廣譜適用性，并證明這種名為IRCN（Intra-Ramanome Correlation Network）的網絡有望成為一種極為靈敏、信息量豐富的代謝表型組學數據類型，來定義、表征乃至監測任何細胞體系的代謝功能。 

　　相對于質譜、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）等核心優勢，因此IRCA將在合成生物學、精準醫學、生態監控、生物制造等廣闊領域開辟一系列全新的應用。同時，基于拉曼組概念和單細胞拉曼分選等核心器件的創新，單細胞中心發明和產業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RACS-Seq、高通量流式拉曼分選儀FlowRACS等。IRCA將通過這些原創國產的單細胞科學儀器，服務于廣大的科學與產業用戶。

　　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.