nat commun(IF=15.7)|北大白玉教授團隊突破靜態局限：動態單細胞代謝組學揭秘腫瘤-巨噬細胞互作新機

制！

英文標題：Dynamic single-cell metabolomics reveals cell-cell interaction between tumor cells and macrophages

中文標題：動態單細胞代謝組學揭示腫瘤細胞與巨噬細胞之間的細胞相互作用

發表期刊：nature communications

影響因子：15.7

研究背景

代謝重編程是腫瘤發生發展的核心特征，腫瘤微環境中腫瘤細胞與巨噬細胞的代謝互作調控二者表型與功能，但其單細胞水平的動態代謝交流機制尚未明晰。傳統代謝組學僅能靜態檢測代謝物濃度，無法反映代謝通路的真實活性；單細胞代謝分析與穩定同位素示蹤技術的結合雖為解析單細胞代謝動態提供了可能，卻受限于高通量檢測技術短板與精準數據解析瓶頸，且常規共培養分析的分離或標記操作易干擾細胞天然代謝狀態，難以精準解析二者直接的代謝互作，同時腫瘤相關巨噬細胞的極化異質性也缺乏基于代謝特征的單細胞分型方法。本研究構建高通量、無標記的單細胞動態代謝組學分析系統，結合穩定同位素示蹤與機器學習技術，從靜態濃度和動態活性雙維度解析腫瘤細胞與巨噬細胞的直接代謝互作規律，揭示腫瘤微環境的代謝調控機制并實現腫瘤相關巨噬細胞的代謝特征精準分型。

研究結論

01. 動態單細胞代謝組學系統的構建

研究人員基于適用于群體系統的MetTracer全局同位素示蹤技術，構建了單細胞同位素示蹤分析流程（圖2a）。系統整體工作流程如圖1所示：細胞經同位素示蹤劑標記后，由高通量數據采集平臺（如有機質譜流式設備）分析，再通過基于Python的數據處理平臺完成單細胞基本代謝數據處理和同位素示蹤分析，實現了單細胞水平代謝活性譜分析、交錯代謝網絡流向分析及細胞間相互作用研究。

關鍵數據處理步驟包括單細胞脈沖峰選擇、特征峰確定、代謝物注釋及峰強度提取。在該數據采集條件下，通過總離子流(TIC)變化和細胞標志物的提取離子流(EIC)可見，一個單細胞脈沖含3-6個質譜圖（圖2b），這與細胞體積有關，而代謝物差異可能源于細胞內濃度及鞘液提取效率。

對10個細胞脈沖中特征峰的最大強度保留時間分析顯示，多數峰在細胞脈沖內兩個相鄰質譜圖（間隔135ms）即r1和r2處達最大強度（圖2c-d）。其中，m/z 80-500的峰傾向于在r1達峰，m/z 500-1000的峰更可能在r2達峰，這與不同大小分子的電遷移速率一致。

分別基于m/z 306.0760（谷胱甘肽）、m/z 804.5760（磷脂酰絲氨酸（37:0））及每個細胞脈沖最大強度提取的單細胞代謝物強度熱圖，呈現出顯著不同的代謝譜（圖2e），且通過兩種不同分子量細胞標志物確定的代謝物比僅用一種更多（圖2f）。

此外，計算每個檢測峰的信號背景比(SBR)，僅保留SBR>3且在所有細胞中出現頻率>20%的峰作為細胞特征峰，為后續分析奠定基礎。

圖1. 動態單細胞代謝組學系統的工作流程示意圖

圖2. 動態單細胞代謝組學數據處理平臺

02. 單細胞水平的全局代謝活性分析

為驗證系統效果，研究人員以MDA-MB-231細胞為模型進行分析（圖3a）。細胞在含透析胎牛血清(dFBS)的培養基中培養，分別用[U-¹³C]-葡萄糖和[U-¹³C]-谷氨酰胺標記5分鐘至3小時，經優化后，3小時內共標記出40種代謝物（圖3b）。KEGG富集分析顯示，丙氨酸、天冬氨酸和谷氨酸代謝、精氨酸生物合成、三羧酸循環、嘌呤代謝等通路易被該方法標記和檢測（圖3c）。

在兩種同位素標記條件下，標記代謝物被層次聚類為3個簇（圖3d），并呈現出不同的時間進程模式：簇1的代謝物在3小時內達到同位素穩態，標記速率最高；簇2和簇3的代謝物3小時內未達穩態，標記速率依次降低（圖3e-f）。通過非線性擬合計算各代謝物的標記速率(k)，發現3個簇中代謝物的標記速率與時間進程模式一致（圖3g-h），且這一結果在KEGG通路注釋中得到驗證（如葡萄糖標記下，半乳糖代謝和鞘脂代謝的標記速率較高；谷氨酰胺標記下，丙氨酸、天冬氨酸和谷氨酸代謝的標記速率較高，圖3i-j）。

圖3. 單細胞全局代謝活性分析

對約5000個經[U-¹³C]-葡萄糖標記的單細胞（涵蓋6個標記時間點）進行分析，基于標記程度(LE)特征的UMAP分析識別出單細胞亞群（圖4a）。通過密度聚類算法(DBSCAN)對所有細胞進行分析，得到A、B、C、D、E、F六個聚類（圖4b），且各標記代謝物的LE從A到F依次升高，表明聚類A-F隨標記時間呈演化趨勢。不同時間組的單細胞在亞群中的分布存在差異（圖4c），如5分鐘、10分鐘、30分鐘、1小時和3小時組均包含多個亞群。這些結果揭示了代謝活動的異質性及單細胞在標記時間上的非同步性，這是傳統批量分析無法捕捉的。

圖4. 單個MDA-MB-231細胞代謝活性的細胞異質性

03. 單細胞水平代謝途徑的相互聯系與流分析

以[U-¹³C]-葡萄糖為示蹤劑，UDP-葡萄糖的M6同位素體顯示其己糖部分通過糖酵解中間產物葡萄糖-1-磷酸在5分鐘內快速標記（圖5a）；M5標記核糖經磷酸戊糖途徑和嘧啶代謝生成，使UDP-葡萄糖的M11同位素體在1小時后出現，而M6標記程度在3小時后顯著降低（圖5b）。此外，三羧酸循環代謝物檢測到多種標記同位素體（圖5c），相關代謝物也呈現與循環階段對應的標記模式（圖5d）。

3小時標記樣本的相關性矩陣分析揭示了單細胞通路間的關聯（圖5e-f）。僅用[U-¹³C]-乳酸示蹤時，觀察到M2標記的UDP-葡萄糖（圖5g），且[U-¹³C]-乳酸未產生標記尿苷，表明其源于糖異生途徑的己糖標記（圖5h）。以[U-¹³C]-谷氨酰胺為示蹤劑時，A549細胞中M3標記的蘋果酸和天冬氨酸標記程度顯著高于MDA-MB-231細胞，顯示其還原活性更高（圖5j）。

圖5. 單細胞水平通過多種標記示蹤劑揭示的代謝流及相互聯系

04. 2-脫氧葡萄糖誘導的單個MDA-MB-231細胞中的代謝擾動

研究人員比較了對照與2-脫氧葡萄糖(2-DG)處理條件下MDA-MB-231單細胞的代謝動態。2-DG通過抑制己糖激酶阻斷糖酵解，生成2-DG-6P，處理組單細胞中可檢測到該物質，且細胞形態和活力正常。

濃度分析顯示，不同處理時間的2-DG組與對照組存在顯著差異代謝物，涉及氨基糖代謝、嘌呤代謝等通路，部分代謝物（如PE、SM、谷氨酰胺）在3小時處理后濃度升高，可能是應對糖酵解抑制的早期機制。

動態分析中，UDP-葡萄糖/UDP-半乳糖的豐度無顯著變化，但經[U-¹³C]-葡萄糖標記1小時后，其LE下降，表明糖酵解活性降低（圖6a）；UDP-GlcNAc的豐度在3小時處理后不變、過夜后降低，而其LE在兩處理組均顯著下降（圖6b），且兩種代謝物的標記速率在2-DG處理后降低（圖6c-d），體現LE對短期代謝活性變化的靈敏反映。

層次聚類將標記代謝物分為兩簇：簇1的LE降低，涉及糖酵解關聯通路；簇2的LE升高，包括TCA循環等替代能量途徑，且這些代謝物濃度均下調或無顯著變化（圖6e-f）。

降維分析顯示，基于相對強度難以區分三組單細胞，結合LE可基于活性水平有效區分，而將代謝物相對強度與LE結合，區分效果更優（圖6g-h），表明動態代謝組學是濃度分析的必要補充。

圖6. 2-DG誘導的代謝活性擾動和單細胞聚類分析

05. 腫瘤細胞與巨噬細胞之間的細胞相互作用 

研究人員利用該系統分析MDA-MB-231腫瘤細胞與THP-1來源巨噬細胞的共培養體系，共培養細胞經UMAP分析分為兩個簇（CD45?巨噬細胞與CD45?腫瘤細胞，圖7a）。為精準分類細胞，開發了基于神經網絡的監督機器學習模型（圖7b），訓練后驗證準確率達 98.5%（圖7c），能可靠區分兩類細胞。

代謝活性分析顯示，腫瘤相關巨噬細胞(TAM)與單獨培養的巨噬細胞相比，氧化磷酸化、三羧酸循環等通路活性顯著變化，且與濃度分析結果一致（圖7g）。共培養的腫瘤細胞也呈現代謝適應性變化。

TAM中氧化磷酸化、三羧酸循環相關代謝物活性顯著升高（圖7h-i），而豐度無顯著差異；UDP-GlcNAc豐度增加但代謝活性略降（圖7j），提示其積累可能因消耗減少。

圖7. 共培養的MDA-MB-231細胞與巨噬細胞的代謝組學分析

研究小結

本研究構建了結合同位素示蹤與高通量分析的動態單細胞代謝組學系統，通過MDA-MB-231細胞代謝活性分析、代謝通路流解析、藥物擾動驗證及腫瘤-巨噬細胞互作研究，多維度證實其有效性。該系統突破傳統批量分析局限，通過標記程度(LE)與濃度數據結合，實現從靜態濃度到動態功能的解析，為細胞異質性研究、疾病模型構建及精準治療提供了技術支撐與理論依據。

2026年2月9日，百趣生物首席科學家中國科學院上海有機化學研究所生物與化學交叉研究中心朱正江研究員及其團隊在全球生命科學領域方法論研究頂級期刊nature methods(IF=32.1)發表題為“Deep-coverage single-cell metabolomics enabled by ion mobility-resolved mass cytometry”的研究論文。率先使用離子淌度質譜流式技術(ion mobility-resolved mass cytometry technology)，創造性地結合高通量單細胞注射技術和離子淌度質譜，顯著提升了單細胞代謝物檢測的靈敏度、穩定性。

END

快樂小包子  撰文

peng  校稿