細胞異質性是生物體的基本特征，在生理和病理過程中均發揮關鍵作用。作為時下最炙手可熱的研究領域，單細胞分析技術能夠分析單個細胞的復雜性，深化對細胞異質性在細胞功能、生物體發育及疾病中作用的認識。其中單細胞轉錄組技術自出現以來已經逐漸成熟，而單細胞代謝組學技術一直處于探索階段。
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。
本研究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。并結合自研的MetCell深度單細胞代謝組學數據處理平臺，實現了在單細胞中超過5000個代謝物的檢測，其中約800個代謝物使用了MS2鑒定，比之現有的技術方法提升了3-10倍，并具有廣泛的代謝物監測動態范圍，靈敏度低至阿托摩爾級（10-18moL）。
研究團隊使用該技術對衰老小鼠的45603個原代肝細胞進行了分析，對細胞的類型及代謝分型進行了精準注釋，揭示了肝細胞衰老過程中存在的獨特代謝狀態與異質性。
文章標題：Deep-coverage single-cell metabolomics enabled by ion mobility-resolved mass cytometry
發表期刊：nature methods
影響因子：32.1
研究結論
01.離子遷移質譜流式技術
事實上基于質譜技術與流式細胞技術整合的質譜流式技術已經在單細胞分析中嶄露頭角，然而單純的質譜流式技術在檢測的靈敏度、穩定性和覆蓋深度方面存在巨大挑戰。由于單細胞中代謝物的濃度通常會低至10-18moL，極低的濃度導致質譜儀采集到的信噪比(signal-to-noise ratios, SNRs)極低，進而影響代謝組學檢測的靈敏度和穩定性。而離子淌度技術(ion mobility, IM)能夠根據代謝物離子的大小，形狀以及碰撞截面積(collision cross-section, CCS)將代謝物的離子在氣相中預先分離，更重要的是IM分離前的選擇性離子積累，能夠大幅增強代謝物離子的信號同時減少其他細胞組分對信號的干擾。研究團隊將這兩大模塊創造性的結合在一起，開發了離子淌度質譜流式技術（圖1a）。
圖1. 離子淌度質譜流式技術
該方法實現了25-40個細胞每分鐘的高通量檢測速度，更重要的是使用該方法具有高達94.3%的單細胞事件率，根據高速攝像機的拍攝顯示，在毛細管內觀察到的88個細胞事件中，有83個被確認為單細胞事件（圖2a,b）。
圖2. 基于離子淌度質譜的單細胞代謝組學分析
同時IM技術的引入，可以在IM分離前對離子進行選擇性的富集，從而減少脂質等細胞內其他組分的干擾（圖1a），研究團隊通過調整IM采集數據的富集時間以及調整IM斜坡電壓，以利于提高系統對于低質量范圍離子的信號采集效率（圖1b），顯著提高了低質量范圍離子的信號強度，對于m/z小于400Da和200Da的離子分別增加了4倍和12倍（圖1c）。
02.細胞疊加法用于提升峰檢測穩定性
然而單純的提高靈敏度并不能完全的解決問題，極低的SNRs會進一步放大噪音信號對數據的影響，導致大量缺失值，最終使得數據難以精確分析（圖3a）。為了解決這個問題研究團隊開發了一種基于細胞疊加的技術路線，實現了在保持細胞異質性特征的基礎上，提升單細胞代謝物檢測的穩定性（圖3b）。主要包括兩步：（1）通過細胞疊加實現穩定的峰檢測；（2）在單個細胞中對檢測到的峰進行靶向提取。如乙酰肉堿在疊加了600個細胞的信號后，其SNR從3.3提升到了157.6（圖3c,d），通過這樣的方法，研究團隊觀測到，在100個測試的代謝物中SNR的中位數提升了33倍（圖3f）。經過細胞疊加后，再對單個細胞中代謝物進行靶向提取，就能夠顯著降低代謝物的缺失率，同樣以乙酰肉堿為例，其缺失率從83%降低到了1%（圖3g），對于整體100個測試代謝物的缺失率從82%降低至6%（圖3i）。
圖3. 通過細胞疊加技術實現穩健的單細胞代謝譜分析
03.MetCell工作流程
由于單細胞代謝數據量巨大以及數據的特殊性，研究團隊自研了針對離子淌度質譜的單細胞代謝數據分析平臺MetCell，能夠一站式完成單細胞數據采集、細胞疊加、峰檢測、峰定量、代謝物注釋全流程工作（圖4a）。在對HepG2細胞系的120分鐘的檢測時間內，共采集到3094個細胞（圖4b），在單個細胞中檢測到5718個代謝物（或特征峰），并通過MS1和CCS值鑒定出了其中的1356個代謝物（圖4c），并對其中的1350個代謝物進行了MS2鑒定，按照MSI（國際代謝組學標準倡議）的標準分別鑒定出了，188個Level 1代謝物、126個Level 2代謝物、332個Level 3代謝物和124個Level 4代謝物（圖4d）。研究團隊同時使用該平臺測試了其他不同的細胞類型，分別檢測出了5074-6975個代謝物（或特征峰），并通過MS2鑒定出了其中的533-622個代謝物（圖4f,g）。值得注意的是，本次跨細胞研究中共有389種代謝物使用了化學標準品進行了驗證，是迄今為止所有單細胞代謝研究中報道最多的，而其他方法，目前還僅僅停留在MS1鑒定水平，少量MS2匹配也基本沒有使用化學標準品進行驗證。
圖4. MetCell單細胞代謝組學工作流程
04.單細胞代謝組學中的定量靈敏度
在解決了代謝物鑒定的問題后，研究團隊為了進一步評估本方法對于代謝物定量的靈敏度，將同一份細胞樣本提取后分為兩份，分別進行傳統LC-MS代謝組學技術與單細胞代謝技術分析（圖5a）。LC-MS檢測數據表明，細胞中腺嘌呤的含量為18.4±1.4 amol/細胞，這與單細胞代謝技術測得的腺嘌呤中位值相符，通過數據換算得到單細胞代謝技術測得得腺嘌呤濃度為7.5-32.4 amol/細胞（圖5b），通過計算SNR，預估本方法對于腺嘌呤得檢測限為8.2 amol/細胞，使用同樣的方法研究團隊分析了煙酰胺、精氨酸和丙氨酸在單細胞中得濃度，其檢測限分別為54.7 amol/細胞、0.9 fmol/細胞和2.8 fmol/細胞（圖5c）。根據此前的研究報道96%的代謝物在細胞中的濃度大于1 amol/細胞，使得大多數代謝物都可能使用本研究的技術被檢測到。
圖5. 單細胞代謝組學的定量靈敏度
05.小鼠肝臟細胞類型的代謝注釋
最后研究團隊使用離子淌度質譜流式技術對衰老小鼠肝臟進行了大規模單細胞代謝組學研究，成功實現了代謝物在細胞類型注釋中的應用。研究團隊分別收集了年輕組和老年組小鼠樣本（圖6a)，通過單細胞代謝技術，共采集到45603個細胞，其中年輕組24055個細胞，老年組21548個細胞，共檢測到5659個代謝物（或特征峰）并鑒定了其中的809個代謝物（圖6b,c）。為了研究不同的肝細胞類型，研究團隊分離了四種主要的肝細胞類型，肝細胞、肝竇內皮細胞(LSECs)、庫普弗細胞和肝星狀細胞(HSCs)，并通過單細胞代謝技術在不同細胞類型中鑒定出了特異性標志代謝物（如，肝細胞中麥芽四糖和麥芽三糖水平會顯著升高）（圖6d），基于這些代謝標志物，研究團隊實現了對不同肝細胞的單細胞代謝分類（圖6e,g）。總而言之，研究團隊成功標注了25,370個肝細胞、2,898個HSCs、3,333個庫普弗細胞和6,935個LSECs，充分展現了本方法的強大能力。
圖6. 小鼠肝臟細胞類型的代謝注釋
研究總結
本研究將高通量單細胞注射技術結合離子淌度質譜實現了高通量單細胞代謝組學檢測，實現了在單細胞中超過5000個代謝物的檢出，其中約800個代謝物使用了MS2信息進行了準確鑒定，將單細胞代謝組學技術推進到了新的時代。
