Nature Aging
RamanOmics 解码衰老与修复过程中的空间振动 - 分子架构
小赛推荐：
本研究揭示了衰老细胞中保守的脂质相关拉曼特征，为 衰老 机制研究及 细胞衰老 的非破坏性检测提供了全新的实验设计思路。
文献概述
本文《RamanOmics decodes the spatial vibrational–molecular architecture of senescence in aging and repair》，发表于《Nature Aging》杂志，系统探讨了如何利用多模态框架整合无标记超光谱拉曼成像与单核 RNA 测序及空间转录组学，从而在单细胞空间分辨率下将生化状态与转录程序联系起来。背景知识
衰老和组织修复涉及转录、生化和细胞维度的异质性重塑，但现有的定义往往依赖于孤立的分子标记，掩盖了这些状态如何协同进化的过程。该研究旨在解决 衰老 过程中细胞状态难以在完整组织中原位无损识别的痛点。目前，虽然单细胞转录组学和空间基因组学极大地改变了我们对 衰老、细胞衰老 和再生的理解，但仅凭转录组数据无法完全揭示细胞的生化组成，如 脂质 分布、蛋白质 构象和 细胞外基质 化学性质，而这些因素共同决定了细胞功能。此外，p21 和 p16 等经典衰老标记物在不同组织中可能标记不同的亚群，导致研究瓶颈。因此，如何解码生化振动状态及其与基因表达程序的协同作用，成为理解细胞表型起源、随 衰老 演变及修复重组的关键切入点。
研究方法与核心实验
作者构建了名为 RamanOmics 的多模态平台，整合了单核 RNA 测序（snRNA-seq）、STARmap 原位测序（STARmap-ISS）、无标记超光谱拉曼成像及机器学习。研究选取了 2 个月龄（年轻）和 26 个月龄（年老）小鼠的 肺 和 皮肤 组织作为模型。实验首先对冷冻组织切片进行 snRNA-seq 以获取转录组数据，随后对相邻切片进行拉曼成像，最后利用 STARmap-ISS 获取空间转录组信息。通过拉曼成像中的 DNA 信号（791 cm⁻¹）与 STARmap 中的 DAPI 染色进行配准，实现了单细胞级别的多模态数据对齐。关键证据在于，作者成功识别了跨组织的保守 脂质 相关拉曼特征（1,131–1,135 cm⁻¹），并利用机器学习开发了多模态条形码，实现了对原位 细胞衰老 的非破坏性识别。关键结论与观点
研究意义与展望
该发现对 药物开发 具有深远影响，特别是针对 衰老 相关疾病的 Senolytics（衰老细胞清除剂）筛选，提供了一种无需破坏样本即可原位识别靶细胞的策略。在 临床监测 方面，RamanOmics 框架有望转化为无创诊断工具，用于实时监测组织中的 细胞衰老 负荷。对于 疾病建模，该研究强调了在构建 衰老 模型时需同时考虑转录组和生化微环境的变化，从而更真实地模拟人类 衰老 病理。
结语
本研究通过 RamanOmics 平台，打破了传统组学技术的局限，首次实现了在单细胞空间分辨率下将 脂质、蛋白质 等生化振动特征与基因转录程序进行深度整合。这一突破不仅揭示了 肺 和 皮肤 在 衰老 及 伤口愈合 过程中独特的分子与生化重塑机制，更确立了 脂质 代谢特征作为跨组织保守衰老标志物的地位。从实验室研究到临床转化，该技术为 衰老 相关疾病的早期诊断、细胞衰老 的精准清除以及再生医学的疗效评估提供了强有力的技术支撑。它标志着我们进入了一个能够无损、原位解析细胞全维度状态的新纪元，为构建更完善的 衰老 照护体系和开发靶向 细胞衰老 的精准疗法奠定了坚实的基石。
