非侵入性技术揭示了细胞的基因表达如何随时间变化

对细胞中的所有RNA进行测序可以揭示有关该细胞功能及其在给定时间点所做的事情的大量信息。然而，测序过程会破坏细胞，使得研究基因表达的持续变化变得困难。

麻省理工学院开发的另一种方法可以使研究人员能够在很长一段时间内跟踪这种变化。这种新方法基于一种称为拉曼光谱的非侵入性成像技术，不会伤害细胞，并且可以重复进行。

使用这种技术，研究人员表明，他们可以监测胚胎干细胞在几天内分化成其他几种细胞类型。这种技术可以研究长期的细胞过程，如癌症进展或胚胎发育，有朝一日可能用于癌症和其他疾病的诊断。

“通过拉曼成像，你可以测量更多的时间点，这对于研究癌症生物学、发育生物学和一些退行性疾病可能很重要，”麻省理工学院生物与机械工程教授、麻省理工学院激光生物医学研究中心主任、该论文的作者之一Peter So说。

麻省理工学院、哈佛大学和麻省理工学院布罗德研究所的博士后Koseki Kobayashi-Kirschvink是该研究的主要作者，该研究今天发表在 《自然生物技术》杂志上。 该论文的资深作者是前布罗德研究所科学家托马索·比安卡拉尼（Tommaso Biancalani）;哈佛医学院助理教授、博德研究院副研究员舒健;以及基因泰克研究与早期开发执行副总裁阿维夫·雷格夫（Aviv Regev），他正在从布罗德研究所和麻省理工学院生物系的教职休假。

成像基因表达

拉曼光谱是一种非侵入性技术，通过近红外或可见光照射组织或细胞来揭示它们的化学成分。麻省理工学院的激光生物医学研究中心自1985年以来一直致力于生物医学拉曼光谱，最近，So和该中心的其他人开发了基于拉曼光谱的技术，可用于诊断乳腺癌或测量血糖。

然而，拉曼光谱本身不够灵敏，无法检测到小到单个RNA分子水平变化的信号。为了测量RNA水平，科学家通常使用一种称为单细胞RNA测序的技术，该技术可以揭示组织样本中不同类型细胞中活跃的基因。

在这个项目中，麻省理工学院团队试图通过训练计算模型将拉曼信号转化为RNA表达状态，将单细胞RNA测序和拉曼光谱的优势结合起来。

“RNA测序可以为您提供非常详细的信息，但它是破坏性的。拉曼光谱是非侵入性的，但它不能告诉你任何关于RNA的信息。因此，这个项目的想法是使用机器学习来结合两种模式的优势，从而使您能够了解单细胞水平上基因表达谱随时间推移的动态，“Kobayashi-Kirschvink说。

为了生成数据来训练他们的模型，研究人员对小鼠成纤维细胞（一种皮肤细胞）进行了处理，这些因子将细胞重新编程为多能干细胞。在此过程中，细胞还可以转变为其他几种细胞类型，包括神经细胞和上皮细胞。

使用拉曼光谱，研究人员在18天内的36个时间点对细胞分化进行了成像。拍摄每张图像后，研究人员使用单分子荧光原位杂交（smFISH）分析了每个细胞，该杂交可用于可视化细胞内的特定RNA分子。在这种情况下，他们寻找编码九种不同基因的RNA分子，这些基因的表达模式因细胞类型而异。

然后，smFISH数据可以作为拉曼成像数据和单细胞RNA测序数据之间的链接。为了建立这种联系，研究人员首先训练了一个深度学习模型，根据从这些细胞获得的拉曼图像来预测这九个基因的表达。

然后，他们使用先前在布罗德研究所开发的名为Tangram的计算程序，将smFISH基因表达模式与他们通过对样本细胞进行单细胞RNA测序获得的整个基因组图谱联系起来。

然后，研究人员将这两个计算模型组合成一个他们称之为Raman2RNA的模型，它可以根据细胞的拉曼图像预测单个细胞的整个基因组图谱。

追踪细胞分化

研究人员通过跟踪小鼠胚胎干细胞分化成不同的细胞类型来测试他们的Raman2RNA算法。他们每天四次拍摄细胞的拉曼图像，持续三天，并使用他们的计算模型来预测每个细胞的相应RNA表达谱，他们通过将其与RNA测序测量结果进行比较来证实这一点。

使用这种方法，研究人员能够观察到单个细胞从胚胎干细胞分化为更成熟的细胞类型时发生的转变。他们还表明，他们可以在两周内跟踪小鼠成纤维细胞被重新编程为诱导多能干细胞时发生的基因组变化。

“这表明光学成像提供了额外的信息，使你能够直接跟踪细胞的谱系及其转录的进化，”So说。

研究人员现在计划使用这种技术来研究随时间变化的其他类型的细胞群，例如衰老细胞和癌细胞。他们现在正在研究在实验室培养皿中生长的细胞，但在未来，他们希望这种方法可以被开发为一种潜在的诊断方法，用于患者。

“拉曼光谱的最大优势之一是它是一种无标记方法。还有很长的路要走，但人类翻译是有潜力的，这是使用现有的侵入性技术来测量基因组图谱无法完成的，“麻省理工学院研究科学家Jeon Woong Kang说，他也是该研究的作者。

该研究由日本科学振兴会海外研究人员博士后奖学金、内藤财团海外博士后奖学金、MathWorks 奖学金、海伦·海·惠特尼基金会、美国国立卫生研究院、美国国家生物医学成像和生物工程研究所、HubMap、霍华德休斯医学研究所和克拉曼细胞天文台资助。