将一根细长的探针放进样品容器，依托机器视觉系统识别，20秒内就能对单个细胞精准吸取，并将其注入纳升级微反应器。通过一旁显微镜的传输画面，记者看到，在探针视角下，容器中各个细胞如棋子般分布，位置清晰可见。
日前，由浙江大学杭州国际科创中心生物与分子智造研究院教授方群团队研制的全自动单细胞蛋白质组分析平台正式发布。方群介绍，这个分析平台就像一个强大的“细胞解读器”，能以单个细胞为单位，精确检测其蛋白质的表达情况，从而揭示细胞间的共性和差异。这项研究为理解细胞生长发育、疾病发生发展以及药物研发提供了全新视角和工具。
挑战单细胞组学研究的“硬骨头”
人体内的各种细胞组成成分复杂，包含DNA、RNA、蛋白质、代谢物等。其中，蛋白质是细胞功能的直接执行者。细胞通过蛋白质及其翻译后修饰，可以感知并响应外在和内在刺激，从而影响整个生命体的功能和状态。
“细胞具有异质性。比如同样是肿瘤细胞，个体间也有所不同，有的容易发生转移，有的对药物比较敏感。”方群解释说，传统的分析方法是把很多细胞放到一个容器内进行分析，细胞的个体化信息就会被细胞群体的平均化结果掩盖。
由此，单细胞分析技术应需而生。该技术可以对细胞进行逐个分析，测定细胞中各组分的组成和含量，鉴定细胞的状态和功能，并进一步确定组织中存在的各种细胞类型。通过对细胞间异质性的研究，人们可以更好地理解细胞在生物体中的作用，以及它们参与生命活动的机制。
按照基因组、转录组、蛋白质组等具体分析目标细分，单细胞分析技术可分为不同路线。由于蛋白质无法在体外进行扩增，相较单细胞基因组学和转录组学技术而言，单细胞蛋白质组学技术发展相对滞后。在一个细胞中，蛋白质的总含量约为0.2纳克，质量仅相当于一只蚂蚁的千万分之一。而且组成这0.2纳克蛋白质的是近2万种不同种类的蛋白质，在单细胞水平上进行蛋白质组分析的难度可想而知。
方群介绍，在单细胞水平上对细胞内表达的全部蛋白质（蛋白质组）进行定性和定量分析，是揭示细胞类型及其状态必不可少的工具，在肿瘤异质性、干细胞分化、生殖细胞发育、神经细胞分析等领域有重要应用价值。此前，单细胞蛋白质分析技术已有基因编码荧光蛋白标记法、基于抗体或核酸适体的标记法等手段，但这些手段在单细胞蛋白质鉴定深度方面均存在较大局限性。
“样品准备是蛋白质组分析的关键步骤。”该研究团队成员、浙江大学杭州国际科创中心王宇博士说，传统的单细胞样本前处理操作大多在微升级反应器中进行，在样品处理和转移过程中会出现明显的样品损失，导致单细胞蛋白质组分析的鉴定深度显著降低。
利用微流控技术提升样本纯度
王宇介绍，想要提升单细胞蛋白质组分析的鉴定深度有两种策略。一是在体积足够小的微反应器中进行样品前处理，利用微尺度效应提高反应效率；二是将所有操作整合在一起，降低样品损失。但这两种策略对技术与设备的要求都比较高。
多年来，方群团队致力于微流控单细胞蛋白质组分析技术的研究。所谓微流控，指的是在微米级结构中操控微量液体的技术手段。此次研究中，该团队基于前期研制的纳升级微流控液滴操控机器人和“点取式”单细胞蛋白质组分析工作流程，建立了全自动单细胞蛋白质组分析平台。该平台由机器人负责样品转运，平台集成细胞分选与捕获、纳升级体积样品前处理、色谱进样和分离、质谱检测和数据分析等操作环节。方群介绍，应用微流控技术能显著提升反应效率，降低样本损失。在该平台工作流程下，单份样品进行样品前处理中的液体体积，是常规手段下的几十分之一。
传统蛋白质组分析技术仅能在每个细胞中鉴定1000种左右的蛋白质，这在单细胞分析领域显得有些“力不从心”。而应用该平台，团队目前对单个哺乳动物细胞蛋白质鉴定数最高已超过3000种，约占人类基因编码蛋白质总数（约2万种）的15%。
记者了解到，相较于传统的单细胞蛋白质组分析系统，该平台可完成单细胞蛋白质组分析全部流程操作自动化，包括单细胞的定向捕获、多步骤预处理、自动进样、色谱分离和质谱检测等操作，显著拓展了单细胞分析的信息深度和维度，提高了分析效率和可靠性。
“一款抗癌新药在临床试验阶段，如果患者产生耐药性，有哪些蛋白质会发生改变？如何在发生耐药之前进行逆转？这些问题让临床医生比较头疼。”浙江省肿瘤医院Ⅰ期临床试验病房主任宋正波说，全自动单细胞蛋白质组分析平台的发布，或将帮助临床医生解决这些问题。
西湖大学生命科学学院特聘研究员、西湖实验室智能蛋白质组中心主任郭天南认为，学科交叉融合，为蛋白质组学研究带来新血液，该平台走向产业化值得期待。在实际应用中，该平台在通量提升、成本控制等方面还有持续改进空间。
方群说，接下来，团队将进一步提高单细胞蛋白质组分析的鉴定深度和通量，以持续推进该技术的实用化水平。他们还将与生物医学专家合作，拓展该技术在生物学、医学和药学等领域的深度应用，推动单细胞蛋白质组学技术的快速发展和应用普及。
将一根细长的探针放进样品容器，依托机器视觉系统识别，20秒内就能对单个细胞精准吸取，并将其注入纳升级微反应器。通过一旁显微镜的传输画面，记者看到，在探针视角下，容器中各个细胞如棋子般分布，位置清晰可见。
日前，由浙江大学杭州国际科创中心生物与分子智造研究院教授方群团队研制的全自动单细胞蛋白质组分析平台正式发布。方群介绍，这个分析平台就像一个强大的“细胞解读器”，能以单个细胞为单位，精确检测其蛋白质的表达情况，从而揭示细胞间的共性和差异。这项研究为理解细胞生长发育、疾病发生发展以及药物研发提供了全新视角和工具。
挑战单细胞组学研究的“硬骨头”
人体内的各种细胞组成成分复杂，包含DNA、RNA、蛋白质、代谢物等。其中，蛋白质是细胞功能的直接执行者。细胞通过蛋白质及其翻译后修饰，可以感知并响应外在和内在刺激，从而影响整个生命体的功能和状态。
“细胞具有异质性。比如同样是肿瘤细胞，个体间也有所不同，有的容易发生转移，有的对药物比较敏感。”方群解释说，传统的分析方法是把很多细胞放到一个容器内进行分析，细胞的个体化信息就会被细胞群体的平均化结果掩盖。
由此，单细胞分析技术应需而生。该技术可以对细胞进行逐个分析，测定细胞中各组分的组成和含量，鉴定细胞的状态和功能，并进一步确定组织中存在的各种细胞类型。通过对细胞间异质性的研究，人们可以更好地理解细胞在生物体中的作用，以及它们参与生命活动的机制。
按照基因组、转录组、蛋白质组等具体分析目标细分，单细胞分析技术可分为不同路线。由于蛋白质无法在体外进行扩增，相较单细胞基因组学和转录组学技术而言，单细胞蛋白质组学技术发展相对滞后。在一个细胞中，蛋白质的总含量约为0.2纳克，质量仅相当于一只蚂蚁的千万分之一。而且组成这0.2纳克蛋白质的是近2万种不同种类的蛋白质，在单细胞水平上进行蛋白质组分析的难度可想而知。
方群介绍，在单细胞水平上对细胞内表达的全部蛋白质（蛋白质组）进行定性和定量分析，是揭示细胞类型及其状态必不可少的工具，在肿瘤异质性、干细胞分化、生殖细胞发育、神经细胞分析等领域有重要应用价值。此前，单细胞蛋白质分析技术已有基因编码荧光蛋白标记法、基于抗体或核酸适体的标记法等手段，但这些手段在单细胞蛋白质鉴定深度方面均存在较大局限性。
“样品准备是蛋白质组分析的关键步骤。”该研究团队成员、浙江大学杭州国际科创中心王宇博士说，传统的单细胞样本前处理操作大多在微升级反应器中进行，在样品处理和转移过程中会出现明显的样品损失，导致单细胞蛋白质组分析的鉴定深度显著降低。
利用微流控技术提升样本纯度
王宇介绍，想要提升单细胞蛋白质组分析的鉴定深度有两种策略。一是在体积足够小的微反应器中进行样品前处理，利用微尺度效应提高反应效率；二是将所有操作整合在一起，降低样品损失。但这两种策略对技术与设备的要求都比较高。
多年来，方群团队致力于微流控单细胞蛋白质组分析技术的研究。所谓微流控，指的是在微米级结构中操控微量液体的技术手段。此次研究中，该团队基于前期研制的纳升级微流控液滴操控机器人和“点取式”单细胞蛋白质组分析工作流程，建立了全自动单细胞蛋白质组分析平台。该平台由机器人负责样品转运，平台集成细胞分选与捕获、纳升级体积样品前处理、色谱进样和分离、质谱检测和数据分析等操作环节。方群介绍，应用微流控技术能显著提升反应效率，降低样本损失。在该平台工作流程下，单份样品进行样品前处理中的液体体积，是常规手段下的几十分之一。
传统蛋白质组分析技术仅能在每个细胞中鉴定1000种左右的蛋白质，这在单细胞分析领域显得有些“力不从心”。而应用该平台，团队目前对单个哺乳动物细胞蛋白质鉴定数最高已超过3000种，约占人类基因编码蛋白质总数（约2万种）的15%。
记者了解到，相较于传统的单细胞蛋白质组分析系统，该平台可完成单细胞蛋白质组分析全部流程操作自动化，包括单细胞的定向捕获、多步骤预处理、自动进样、色谱分离和质谱检测等操作，显著拓展了单细胞分析的信息深度和维度，提高了分析效率和可靠性。
“一款抗癌新药在临床试验阶段，如果患者产生耐药性，有哪些蛋白质会发生改变？如何在发生耐药之前进行逆转？这些问题让临床医生比较头疼。”浙江省肿瘤医院Ⅰ期临床试验病房主任宋正波说，全自动单细胞蛋白质组分析平台的发布，或将帮助临床医生解决这些问题。
西湖大学生命科学学院特聘研究员、西湖实验室智能蛋白质组中心主任郭天南认为，学科交叉融合，为蛋白质组学研究带来新血液，该平台走向产业化值得期待。在实际应用中，该平台在通量提升、成本控制等方面还有持续改进空间。
方群说，接下来，团队将进一步提高单细胞蛋白质组分析的鉴定深度和通量，以持续推进该技术的实用化水平。他们还将与生物医学专家合作，拓展该技术在生物学、医学和药学等领域的深度应用，推动单细胞蛋白质组学技术的快速发展和应用普及。
本文链接：http://www.gihot.com/news-2-4189-0.html打造解码单细胞蛋白质的“全自动流水线”
声明：本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
点击右上角
微信好友
朋友圈
点击浏览器下方“
”分享微信好友Safari浏览器请点击“
”按钮
点击右上角
QQ
点击浏览器下方“”分享QQ好友Safari浏览器请点击“”按钮
