Nature Methods
基于流式细胞术的超高通量细胞互作图谱技术
小赛推荐：
该研究提出了一种基于流式细胞术的超高分辨率、超高通量细胞互作分析框架Interact-omics，可用于个性化免疫治疗反应预测、动态免疫网络解析及大规模互作图谱绘制。该技术无需复杂动物模型，具有广泛适用性。
文献概述
本文《Ultra-high-scale cytometry-based cellular interaction mapping》，发表于Nature Methods杂志，回顾并总结了一种新型流式细胞术分析框架Interact-omics，该框架能够基于细胞形态和表型特征，准确识别并量化物理性细胞互作。研究通过免疫治疗模型和病毒感染模型，展示了该技术在解析细胞互作、预测治疗反应和追踪体内免疫动态方面的潜力。
背景知识
细胞间物理互作是免疫应答、组织稳态和疾病进程的核心机制。尽管已有单细胞基因组学和空间转录组学技术，但其通量低、成本高且难以捕捉动态互作，尤其在血液和体液中。此外，现有互作识别方法依赖于复杂的动物模型或无法高通量解析人源样本。因此，开发一种低成本、高通量、可应用于人源和动物模型的细胞互作分析框架，是当前免疫学和肿瘤治疗研究的迫切需求。该研究提出Interact-omics，通过流式细胞术结合计算分析，实现大规模、高精度的细胞互作图谱构建，为个性化免疫治疗提供数据支持。
研究方法与实验
研究团队首先构建了一种基于流式细胞术（flow cytometry）的细胞互作识别框架Interact-omics，结合图像流式细胞术（imaging flow cytometry）和多重细胞标记技术。该方法利用前向散射（FSC）信号比值及细胞表面标志物共表达，通过聚类算法（如Louvain）区分单细胞与细胞互作（PICs）。随后，该框架被应用于CAR-T细胞治疗和Blinatumomab治疗模型，用于实时追踪免疫细胞互作动态，并在病毒感染模型中系统解析器官级免疫互作网络。
关键结论与观点
研究意义与展望
该研究为免疫治疗响应预测、细胞互作动态研究及病毒感染模型的系统分析提供了通用、可扩展的框架。未来可进一步优化用于人源样本的高通量互作分析，并结合多组学数据深入解析细胞互作的分子机制。此外，该技术有望广泛应用于肿瘤免疫治疗、自身免疫病、感染病及再生医学研究中，推动个性化细胞治疗和精准医学发展。
结语
本文介绍的Interact-omics技术，基于流式细胞术和计算聚类分析，提供了一种高通量、低成本、快速解析细胞互作的新方法。该技术在免疫治疗响应预测、病毒感染动态追踪及大规模免疫网络解析中均展现出强大能力，突破了传统空间组学和单细胞测序的局限性。通过Interact-omics，研究人员可系统识别不同治疗条件、疾病阶段或感染时间点的细胞互作特征，为机制研究和临床转化提供重要工具。未来，该技术有望成为细胞治疗、免疫工程和感染性疾病研究的常规分析流程，推动从基础研究到临床应用的无缝衔接。
