细胞内代谢物之间是否正在发生相互转化，是细胞代谢活动最重要的动态特征之一，但其检测方法一般极为繁琐。针对这一瓶颈，单细胞中心提出了名为“拉曼组内关联分析”（Intra-Ramanome Correlation Analysis; IRCA）的理论框架与算法，并示范了细胞工厂功能测试等方面的应用。在无需标记或破坏细胞的前提下，IRCA仅仅基于一个拉曼组数据点（即一个样品的一个状态），利用其中不同单细胞拉曼光谱的差异，就能推测该状态下的代谢物相互转化网络。相关工作于8月31日发表于《mBio》。

　　图 拉曼组内关联分析（IRCA）仅需一个细胞群体的一个状态，即可预测其代谢物转化网络

　　代谢物相互转化网络的构建，传统上基于质谱或色谱等代谢组学方法。它们通常必须破坏细胞，每次分析需要大量的细胞，而且要求基于一系列不同代谢状态的实验样品进行关联比较，这导致整个过程非常繁琐与耗时。针对这一瓶颈问题，单细胞中心提出了基于“拉曼组”（ramanome）的原创解决方案。拉曼组，是一个细胞群体在特定状态下单细胞拉曼光谱的集合。这些单细胞，尽管遗传背景与环境条件等均一致，其代谢状态却可各不相同，导致其拉曼光谱之间具有细微但显著的差异。一个“遗传同质性”样品中细胞间具有“代谢异质性”，是生命体系最本质的特性之一。

　　利用该本质特性，单细胞中心何曰辉博士带领的研究小组提出了命名为“拉曼组内关联分析”（Intra-Ramanome Correlation Analysis; IRCA）的思路。首先，一张单细胞拉曼光谱中数百乃至数千的拉曼谱峰中，每个谱峰（或其组合）可潜在代表一个代谢表型，如一类化合物的种类与含量。其次，把每个细胞作为一个独立的生物学重复，在不同细胞之间，将同一位置的谱峰与其它任一谱峰进行两两关联分析，如果发现呈现“负关联”的峰-峰组合，即意味着其对应的两类化合物之间存在相互转化的关系。最后，将该分析拓展到单细胞拉曼光谱中所有可能的峰-峰组合，则能建立一个该状态下之胞内化合物相互转化（或代谢表型相互关联）的“网络”。

　　该研究小组以各种光合微藻为模式，通过一系列系统性的生物化学与遗传学实验，验证了IRCA预测结果的准确性和可靠性。这些实验证明，仅仅需要一个样品（即一个拉曼组数据点）中的数十个细胞，通过IRCA算法，就能够揭示该特定条件与时间下，细胞中蛋白、多糖、油脂、色素、核酸等各种储碳物质的相互转化规律。这些规律的快速探测，对于光合固碳细胞工厂的筛选与表征至关重要。

　　最后，研究人员还通过IRCA，构建了微藻、酵母、大肠杆菌等物种在多种状态下的代谢物转化网络，验证了该方法的广谱适用性，并证明这种名为IRCN（Intra-Ramanome Correlation Network）的网络有望成为一种极为灵敏、信息量丰富的代谢表型组学数据类型，来定义、表征乃至监测任何细胞体系的代谢功能。 

　　相对于质谱、色谱等分析手段，IRCA具有超灵敏、快速、高通量、低成本（无需试剂耗材）等核心优势，因此IRCA将在合成生物学、精准医学、生态监控、生物制造等广阔领域开辟一系列全新的应用。同时，基于拉曼组概念和单细胞拉曼分选等核心器件的创新，单细胞中心发明和产业化了临床单细胞拉曼药敏快检仪CAST-R、单细胞拉曼分选-测序文库耦合系统RACS-Seq、高通量流式拉曼分选仪FlowRACS等。IRCA将通过这些原创国产的单细胞科学仪器，服务于广大的科学与产业用户。

　　该工作由单细胞中心徐健研究员主持完成，获得了国家自然科学基金、中国科学院先导专项、山东省自然科学基金、中国博士后科学基金的支持。（文/何曰辉  图/刘阳）

　　原文链接：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.