Nature Methods
全光学多模态平台REDCAT实现单细胞类型特异性代谢活动图谱绘制

小赛推荐：

该研究为 淋巴瘤 和 代谢性疾病 的机制解析提供了从组织空间到单细胞代谢状态的直接观测手段，指导研究者设计更精准的 疾病模型 验证实验。

 

文献概述

本文《All-optical multimodal mapping of single-cell-type-specific metabolic activities via REDCAT》，发表于《Nature Methods》杂志，系统探讨了一种名为REDCAT的新型全光学平台，该平台通过整合受激拉曼散射（SRS）显微镜与高通量免疫荧光技术，实现了在人类组织中同时绘制代谢活动与细胞类型的空间图谱。

背景知识

代谢活动是细胞功能的基础，但在健康与疾病状态下，其活动在不同组织环境中存在显著差异。解决这一过程的 原位 单细胞分辨率解析对于理解生理和病理机制至关重要。然而，现有的 空间组学 方法往往缺乏生化特异性，或无法直接将代谢活性与特定细胞身份联系起来。质谱成像 技术虽然灵敏度高，但通常是破坏性的，且难以在同一组织切片上进行纵向或多模态测量。拉曼成像 虽能实现无标记化学映射，但其自发信号微弱。因此，开发一种能够结合高空间分辨率、高生化特异性且兼容临床样本（如 FFPE 组织）的技术成为 肿瘤微环境 和 免疫代谢 研究中的关键瓶颈。本研究正是针对这一痛点，通过引入RED CAT技术，填补了细胞身份与空间代谢状态之间链接的空白。

 

构建精准代谢疾病与肿瘤模型：提供肥胖、糖尿病及多种肿瘤基因编辑小鼠模型，支持代谢表型分析与药效评价，助力揭示疾病代谢机制。

了解更多

 

研究方法与核心实验

作者开发并应用了REDCAT平台，首先利用TPEF-SRS-SHG技术对 FFPE 或新鲜冷冻组织切片进行无标记代谢成像，获取 NADH、FAD、蛋白质、脂质及胶原蛋白的亚细胞分布信息。随后，在同一组织切片上使用CODEX技术进行约50种蛋白质标记的高通量免疫荧光成像，以精确鉴定细胞类型。通过MaxFuse计算流程，将多模态数据进行配准与整合，实现了单细胞水平的代谢特征与蛋白表型的关联分析。研究团队分别在正常 淋巴结、淋巴瘤（包括慢性淋巴细胞白血病向弥漫大B细胞淋巴瘤转化的样本）以及正常 肝脏 组织中进行了验证。

关键结论与观点

• 在正常 淋巴结 中，REDCAT揭示了生发中心暗区B细胞与亮区B细胞存在显著的代谢重编程差异：暗区B细胞呈现氧化还原态，支持快速增殖；而亮区B细胞呈现还原态，与脂质去饱和及抗原呈递功能相关。
• 在 淋巴瘤 样本中，研究发现了从慢性淋巴细胞白血病到弥漫大B细胞淋巴瘤转化过程中的过渡态细胞群，这些细胞表现出独特的脂质积累模式和氧化还原状态改变，揭示了 肿瘤异质性 的代谢基础。
• 在 肝脏 组织中，REDCAT成功解析了从门静脉到中央静脉的代谢梯度，证实了肝细胞在不同功能带（Zone 1-3）中脂质分布与氧化还原状态的显著差异，且这种差异与特定的细胞类型标记物空间分布高度一致。
• 超分辨分析显示，淋巴瘤 细胞核内存在显著的脂质代谢异质性，核仁及核周区域表现出独特的脂质拉曼光谱特征，提示脂质可能参与基因调控或核结构完整性的维持。

研究意义与展望

该发现为 药物开发 提供了新的视角，特别是针对 代谢重编程 作为治疗靶点的策略。通过精确描绘 肿瘤微环境 中免疫细胞与肿瘤细胞的代谢互作，有助于设计更有效的免疫代谢联合疗法。此外，REDCAT技术对 FFPE 样本的兼容性，使其能够直接应用于临床病理样本回顾性研究，极大地提升了 临床监测 和 疾病建模 的转化潜力，为理解 免疫疾病 和 癌症 的代谢机制提供了强有力的工具。

 

全基因组人源化模型平台：搭载HUGO-GT®技术，提供模拟人类基因调控的罕见病及肿瘤模型，支持从基因功能验证到临床前药效评估的全流程服务。

了解更多

 

结语

REDCAT技术的问世标志着空间代谢组学领域的一次重大飞跃，它成功打破了传统技术中细胞身份与代谢状态难以在空间上精确关联的壁垒。从实验室研究到临床转化，该技术为解析 淋巴瘤、代谢性疾病 等复杂疾病的病理机制提供了前所未有的高分辨率视角。通过揭示 肿瘤微环境 中细胞类型的特异性代谢重编程及过渡态特征，REDCAT不仅深化了我们对疾病发生发展机制的理解，更为开发靶向代谢通路的精准疗法奠定了坚实的基石。未来，基于此平台的深入研究有望推动 疾病建模 的标准化，并加速新型代谢药物的临床前评价与转化应用，最终改善患者的诊疗策略。

 

Yajuan Li, Zhaojun Zhang, Archibald Enninful, Zongming Ma, and Lingyan Shi. All-optical multimodal mapping of single-cell-type-specific metabolic activities via REDCAT. Nature Methods.