基于同步辐射单细胞红外显微光谱的干细胞异质性研究

Investigating stem cell heterogeneity at the single cell level will contribute to the understanding of its development mechanism and further find a way to precisely control the differentiation of pluripotent stem cell into specialized cells or tissues for clinic use. Based on our previous works of synchrotron radiation FTIR (Hu et al, 2016, Wang et a, 2017) and successful establishment of single cell FTIR microspectroscopy of stem cells (Liu et al 2016), this proposal is aimed at the development of a synchrotron radiation infrared microspectroscopy-based method for the study of stem cell heterogeneity at the single cell level. By the combination of synchrotron infrared microspectroscopy and statistical methods, the spectral information corresponding to the biochemical composition of stem cells at different stages will be analyzed, and the characteristic spectrum associated with the heterogeneity in the stem cell group will be identified. We will further explore the differentiation mechanisms by searching the small changes in infrared spectra after the disturbance of the multipotent stem cells with chemicals. The expected output is not only to find the molecular infrared spectra of stem cell heterogeneity, but also to promote the methodology development of synchrotron infrared microspectroscopy and its application in the stem cell field.

在单细胞水平研究干细胞的异质性将有助于理解干细胞分化机制进而有可能精确控制多能干细胞发育为临床所需的细胞或组织类型。我们在前期从事同步辐射红外光谱研究（Hu et al,2016, Wang et al,2017）, 尤其是成功建立了单个干细胞红外光谱成像和光谱分析的基础上（Liu et al, 2016），本项目旨在建立和发展一套基于同步辐射红外显微光谱技术在单细胞水平研究干细胞异质性的方法。通过同步辐射红外显微光谱技术结合生物统计方法，对不同发育阶段的干细胞生化成分所对应的光谱信息进行精细分析，找出干细胞群体中与异质性相关的特征谱；然后通过采用化学物质等多种变量来扰动多能干细胞，分析每个细胞多能状态红外光谱的微小变化，进而探究它们的分化与发育机制。该项目的成功实施，不仅有望找到干细胞异质性的单细胞红外分子谱，而且可以推动同步辐射红外光谱技术方法学的发展和在干细胞领域的应用。

细胞群体无论表型还是基因型往往都存在一定程度的异质性，这种细胞异质性与干细胞分化、肿瘤耐药等密切相关。当前分析细胞种群中的异质性的方法多是利用单细胞测序技术，样品处理费事、费用昂贵。在这个项目中，我们首先开发了对不同细胞类型和状态的单细胞光谱变异性的统计方法和评估程序，通过计算相应红外光谱的相似距离，我们提出了每次测量的20个细胞足以控制批处理效应（CV <5%）的技术基准，从实际性能和时间经济成本的平衡角度来看，在单细胞红外实验中至少需要 15 个细胞才能取得可靠的结果。我们进一步提出了基于单细胞红外光谱及其相似性的统计计算相结合的无标记表型筛选策略。这种新方法通过对化学成分中光谱相似性的综合分析，可以在单个细胞内揭开细微的表型变化。基于这种红外光谱方法，我们首次在不同浓度的中药成分诱导癌细胞 HepG2 的表型变化做了演示。最后我们发展了定量评价细胞异质性的新策略：计算分析的细胞之间红外光谱数据的相似距离，然后通过对单细胞红外表型的统计分析可用于量化特定细胞种群的异质性。利用这种方法，对人干细胞异质分化过程中细胞群体的动态异质性变化进行了研究，发现红外表型在早期发育中异质性增加、而分化末期向脂肪细胞系的分化呈相似趋势。这些发现为准确评估细胞应激反应提供了一个强大的工具，并为分析细胞异质性提供了重要的替代方法。本项目成果，与高通量以及基于图像的机器学习模型相结合，有望用于新型药物发现的表型筛选工具，也将最大限度地提高临床效用和了解基因异常和表型异质性之间的关系。