多细胞器特征描绘组织中细胞状态多样性与代谢适应

《SCIENCE》:Multi-organelle signatures map cell-state diversity and metabolic adaptation in tissues

【字体: 大 中 小 】 时间:2026年09月19日 来源:SCIENCE 47.3

编辑推荐:

   编者摘要细胞可以随着器官生长、损伤修复或应激反应而改变"职责",但仅从基因活性很难察觉这些变化。细胞器作为细胞的能量工厂、解毒中心和储存腔室,也携带着细胞正在执行何种功能的线索。Adhikari 等人利用共聚焦成像和计算分析,读取组织内单个细胞中的多细胞器模式。这些模式区分了

  

编者摘要

细胞可以随着器官生长、损伤修复或应激反应而改变"职责",但仅从基因活性很难察觉这些变化。细胞器作为细胞的能量工厂、解毒中心和储存腔室,也携带着细胞正在执行何种功能的线索。Adhikari 等人利用共聚焦成像和计算分析,读取组织内单个细胞中的多细胞器模式。这些模式区分了肝脏和胰腺中广义的细胞身份,并绘制了肝细胞区内多种肝细胞状态共存的马赛克图谱。营养胁迫改变了这一组织格局,活体成像将这些结构变化与生物能量代谢的转换相关联。该工作流程提供了一种在组织原位将细胞器尺度与组织尺度衔接、描绘细胞状态的策略。——Stella M. Hurtley

结构化摘要

引言

构成我们器官的细胞并非完全相同;即使在同一组织内,细胞也可采取不同的功能状态,执行相互补充的专门任务,并适应不断变化的条件。对这种多样性的绘制主要依赖基因活性谱分析,而基因活性仅反映了细胞组织的一个层面。然而,许多核心功能由细胞器执行——细胞器是细胞内部的区室,如产生能量的线粒体和储存脂肪的脂滴——它们的形状、丰度和排列直接反映并影响着细胞的行为。细胞器结构的变化并非仅仅具有相关性:在肥胖驱动的 remodeling 之后恢复正常的内质网结构,可以挽救胰岛素反应和葡萄糖平衡,这表明细胞器的组织方式可以因果性地决定细胞功能。然而,目前缺乏能够系统地测量完整组织中成千上万细胞这些结构特征的工具。

研究动机

基于图像描绘细胞器形态的方法在体外培养细胞中效果良好,但完整组织则大不相同:细胞是三维的、紧密排列的,且形状差异极大。要准确测量单个细胞内部的细胞器,需要从密集的体积图像堆栈中分割出数百万个结构,这是一项在最近之前没有可扩展解决方案的任务。多重荧光显微镜、深度学习分割和自动化特征提取技术的进步如今使这项工作变得可行。通过整合这些工具,可以一次性为数千个细胞生成丰富的结构谱,直接在它们的天然组织环境中完成,并利用机器学习仅凭细胞器特征来分组和空间描绘细胞状态。

结果

我们开发了空间器组学(sOrganellomics),一种成像与分析工作流程,通过测量完整组织中细胞器的丰度、形态和分布,为每个细胞生成多细胞器特征。将该方法应用于小鼠肝脏和胰腺后,我们表征了数千个细胞,发现细胞器特征能够区分组织特异性细胞类型。在肝脏中,sOrganellomics揭示区域位置并不能完全解释细胞器定义的肝细胞类别。肝细胞并非以位置定义的平滑层次排列,而是在经典区域内形成相互交织的群体,支持了一个细化的亚区域多样性模型。与已发表蛋白质水平数据的比对,使我们可以推断每种肝细胞类别的潜在代谢功能。禁食和西方饮食以不同方式重塑了这一细胞马赛克,降低了肝细胞状态的多样性。禁食触发了一种具有区域偏向性的细胞适应,重塑了细胞器特征,产生了与禁食相关的独特肝细胞状态。活体成像将这种禁食诱导的适应与活体动物中线粒体活性的变化联系起来。最后,利用多细胞器特征训练机器学习模型,可以高精度分类营养状态,并追踪小鼠模型中早期脂肪肝疾病的进展阶段。

结论

sOrganellomics确立细胞器结构作为细胞状态的表征性度量,可与分子谱分析形成互补。通过揭示肝脏中相互交织的功能状态马赛克,并表明该马赛克对代谢胁迫有反应且能预测代谢适应,本研究证明了细胞内组织方式编码了关于组织健康的重要信息。该工作流程可扩展应用于其他器官和细胞器,并能生成大型组织至细胞器尺度的数据集,用于组织生物学的机器学习和计算建模。
sOrganellomics描绘细胞状态与组织适应。
多细胞器谱分析生成结构指纹,聚类为细胞状态群体,并将其映射回其天然空间背景中(上图)。在肝脏中,sOrganellomics揭示经典分区之下存在相互交织的肝细胞状态马赛克。营养胁迫驱动肝细胞状态转变(从对照到禁食状态),通过线粒体膜电位(Ψm)的活体成像加以证实,且基于细胞器的机器学习可预测肝脏疾病进展(下图)。PV,门静脉;CV,中心静脉。[由BioRender.com创建]

摘要

细胞状态多样性驱动着组织的适应性、修复和疾病韧性,但捕捉这种复杂性是一项挑战。当前方法依赖转录组谱分析,忽视了细胞器结构这一代谢和应激的关键指标。我们开发了空间器组学(sOrganellomics),一种整合自动化分割与机器学习的成像工作流程,通过多细胞器特征对细胞状态进行分类和空间描绘。在肝脏和胰腺中,这些特征能够区分广义的细胞类别。在肝脏中,sOrganellomics揭示区域位置并不能完全解释细胞器定义的肝细胞类别。相反,肝细胞在经典区域内形成了相互交织的群体,支持了一个细化的亚区域多样性模型。营养胁迫重塑了这一组织格局。活体成像将禁食诱导的细胞器重塑与体内线粒体膜电位的变化联系起来,进一步支持多细胞器结构作为组织适应性的结构读数。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号