新型细胞分选法突破传统限制

最近，斯坦福大学医学院的一个研究团队，提出了一种分析单细胞类型的新方法。这种方法类似于分析一杯奶昔，以找到什么水果加入其中。本研究描述的方法称为Cibersort，在线发表于三月三十日的《自然方法》（Nature Methods）。

　　

生物通报道：最近，斯坦福大学医学院的一个研究团队，提出了一种分析单细胞类型的新方法，将先进的数学分析应用到细胞研究。

研究人员说，这种方法类似于分析一杯奶昔，以找到什么水果加入其中。本研究描述的方法，称为Cibersort，在线发表于三月三十日的《自然方法》（Nature Methods）。延伸阅读：2015年技术展望：细胞分析。

根据表面蛋白分析并分选单个细胞，是干细胞科学和癌症研究的一个重要组成部分。通过分析这些蛋白质——称为细胞表面标志物，科学家能够弄清他们正在处理的是什么样的细胞，并探讨取自动物的细胞样本，在经过一段时间后有何改变。

癌症患者存在或缺乏某种细胞标记物，可能使他们的预后差异巨大，并决定着哪些治疗是最有效的。

但是，使用当前的细胞分选方法，并不能容易或准确地分析许多种组织，从而阻碍了科学家对癌症和其他疾病进行调查的能力，也阻碍了临床医生找到最有效治疗方法的能力。

本文资深作者、医学助理教授Ash Alizadeh指出：“根本问题在于，我们经常想要计算组织中的细胞群，但传统方法要求收集和存储组织，然后将它们分离成单个细胞或切片，然后用特异性标记的抗体进行分类。这其中的每个步骤都有局限性。”

如何分选细胞
几十年前，斯坦福大学研究人员在世界上率先开发了称为流式细胞术的细胞分析方法。用这种方法，首先将组织分离成单个细胞，并暴露于荧光标记的抗体（这些抗体附着有特定的细胞表面标记物）。然后每次有一些细胞（在微小的水滴中），通过一束激光面前，这些激光可激发荧光抗体和一个光学传感器，计数水滴中每种类型的细胞。在一些机器上，不同类型的细胞可以被分选到不同的容器中。

Alizadeh说，细胞分选的标准方法需要打破组织，或将它们分解为单个细胞。破坏某些类型的细胞和组织，是一个艰难的过程，不利于研究。此外，医学样品的传统保存方法使得我们不可能这样处理它们。同时，必须为科学家感兴趣的每个特定细胞蛋白生产荧光标记的抗体。他说，抗体可能对一些蛋白质无效。

研究人员想出的办法，不是分选细胞，而是它们的内容物。Alizadeh说：“我们问：‘你能取一种组织，混合起来，然后观察内容物，并说出它们来自于什么类型的细胞吗？”
 
重建细胞“奶昔”
在开发新方法的过程中，Alizadeh和他的同事们不是集中在蛋白细胞表面标志物，而是RNA（蛋白质在这些RNA上是模式化的）。博士后Aaron Newman发明了一种计算机算法，根据所有细胞混合物的RNA内容，重建原始细胞的类型和数量。

本文第一作者Newman说：“这就像制做一杯奶昔。你知道其中有很多不同种类的水果，但你不能立刻说出每种水果有多少。然而，你可能知道，草莓有一定量的糖和红色素，而橘子有不同量的糖、橙色素，并且更酸。如果你分析其中每一种品质，你就会知道奶昔中加入了多少种水果。”

除了避免将组织分解成单个细胞的固有问题，使用这种方法，研究人员也将不需要荧光标记的抗体，用于正在寻找的细胞表面标记。

癌症治疗中最激动人心的一些研究进展，涉及新药物的使用，这些药物可让患者的免疫反应来对抗疾病。这些药物通常靶定驻留在肿瘤中罕见的和休眠的免疫细胞群。虽然这些药物可能对不同类型的肿瘤患非常有效，但并不是每一名患者都同样受益，一些类型的肿瘤似乎对这些新的免疫疗法没有反应。

Alizadeh说：“我们还要持续不断的努力，寻找哪些免疫细胞介导了这些药物反应和抗性，以使它们以一种个性化的方式，更直接和精确地使用。如果我们将Cibersort应用于癌组织，我们认为将会看到惊人的事情。”

肿瘤靶向治疗
如果研究人员将Cibersort应用于来自临床病史已知的患者肿瘤样本，他们或许能够了解什么类型的细胞信号，提示更致命或不致命的癌症。他们也可以了解，什么样的治疗会改善或加重各种癌症亚型。这种信息可能对于抗体癌症治疗是最重要的。

Alizadeh说：“已经有初步迹象显示，了解某种疗法施用之前或之后特定类型免疫细胞在肿瘤中的存在情况，以及这些细胞随时间推移是如何变化的，是非常重要的。”

（生物通：王英）

生物通推荐原文摘要：
Robust enumeration of cell subsets from tissue expression profiles
Abstract：We introduce CIBERSORT, a method for characterizing cell composition of complex tissues from their gene expression profiles. When applied to enumeration of hematopoietic subsets in RNA mixtures from fresh, frozen and fixed tissues, including solid tumors, CIBERSORT outperformed other methods with respect to noise, unknown mixture content and closely related cell types. CIBERSORT should enable large-scale analysis of RNA mixtures for cellular biomarkers and therapeutic targets (http://cibersort.stanford.edu/).