微藻是地球上代謝功能最為多樣化的生物類群之一，在全球碳循環(huán)中發(fā)揮著關鍵性的作用，也是生物技術產業(yè)中重要的一類光合細胞工廠，但是微藻的種質鑒定和代謝功能檢測通常十分繁瑣，而且自然界大部分微藻尚難以培養(yǎng)。近日，青島能源所單細胞中心發(fā)表了首個微藻拉曼組數據庫，并結合機器學習，示范了單細胞精度、快速的微藻種類鑒定和代謝功能表征。這一新技術為微藻細胞工廠的高效挖掘和篩選提供了一個免培養(yǎng)、高通量的強有力手段，相關工作發(fā)表于《分析化學》（Analytical Chemistry）。
拉曼組機器學習加速微藻種質挖掘、服務“雙碳行動”
微藻是在自然界中廣泛存在的單細胞光合自養(yǎng)生物。它們可將空氣中的二氧化碳高效轉化為油脂、碳水化合物、蛋白質和色素等高附加值產品，應用于第三代生物燃料、飼料、食品和保健品等。因此，“微藻細胞工廠”有望成為服務“碳中和”和“碳達峰”的低碳制造解決方案之一。這一前景的前提和基礎是微藻種質資源的快速鑒定和代謝功能檢測。但是，傳統(tǒng)上“先養(yǎng)后篩”的種質篩選策略面臨著培養(yǎng)時間長、步驟繁多、難以自動化，且難以分析尚難培養(yǎng)藻種等諸多瓶頸。
針對上述瓶頸問題，單細胞中心Mohammadhadi Heidari Baladehi等人開發(fā)了一種基于拉曼組的藻類細胞快速辨別與代謝功能快檢技術。拉曼組是一個細胞群體的單細胞拉曼光譜的總稱，代表著可以在單細胞精度快速、低成本、高通量獲取的細胞群體實時代謝狀態(tài)。首先，針對已獲純培養(yǎng)的藻種，研究人員采集了色素分子拉曼光譜（PS）和微藻細胞自身拉曼光譜（WS）這兩張譜圖，構建了首個藻類拉曼組數據庫。該數據庫包含了在不同生長期（穩(wěn)定期和指數期）、分屬27個微藻種屬的超過9000個單細胞的拉曼光譜。該團隊開發(fā)的機器學習算法，通過PS和WS的聯用，來辨別待測單細胞的藻種和生長狀態(tài)，準確率可達97%。
其次，針對環(huán)境中的尚難培養(yǎng)的藻類細胞，研究人員借助前期發(fā)明的單細胞拉曼分選技術來捕獲活性藻類單細胞，從而采集其PS和WS這兩張拉曼譜圖，進而結合下游單細胞測序，建立了環(huán)境中微藻單細胞代謝表型組和基因型的關聯。該方法不需分離培養(yǎng)，即可構建環(huán)境中任何微藻細胞的拉曼光譜數據庫，進而基于機器學習，支撐尚難培養(yǎng)藻種的快速鑒定和代謝功能檢測。
此外，除了種質辨別，單細胞拉曼光譜還能揭示微藻利用二氧化碳后的碳源存儲形式（如油脂、淀粉、蛋白、色素等），以及它們的含量和化學性質（如油脂的不飽和度等）。這些代謝表型信息，對于快速評估微藻種質的培養(yǎng)工藝、經濟價值和應用潛力至關重要。
與傳統(tǒng)上依賴于培養(yǎng)的“先養(yǎng)后篩”的策略不同，這一基于拉曼組的種質篩選策略無需培養(yǎng)與擴繁細胞，既節(jié)約了大量時間和人工，也能夠挖掘和篩選尚難培養(yǎng)的微藻細胞。同時，針對每個微藻細胞，拉曼光譜的采集通常僅需數秒的時間，且無需破壞細胞，故而步驟簡潔、分析通量高、易于實現自動化，還能在單細胞精度同時探測從代謝表型組到基因組的全面信息。因此，這一新技術將大大加速微藻細胞工廠及其代謝產物的挖掘與利用。
氣候變化是人類面臨的全球性問題，二氧化碳排放量超標和溫室氣體的激增嚴重威脅地球生命系統(tǒng)。我國于2020年正式提出碳達峰和碳中和目標，今年兩會上碳達峰、碳中和被首次寫入政府工作報告。微藻作為一種天然的固碳細胞工廠，將在雙碳行動這場硬仗中發(fā)揮重要作用。針對工業(yè)產油微藻（微擬球藻；Nannochloropsis spp.），單細胞中心前期已經發(fā)表了基因敲低技術、基因編輯技術、染色體大片段切除技術等特色遺傳操作工具，并組織了“微擬球藻設計與合成”國際合作計劃（NanDeSyn ），推動國內外工業(yè)微藻研究與產業(yè)群體的資源共享與技術合作。此次首個微藻拉曼組數據庫及其機器學習手段的發(fā)表，將加速新一代微藻資源信息平臺的構建和共享，促進藻類為“雙碳行動”做出特色貢獻。
該工作由單細胞中心徐健研究員主持完成，得到了單細胞中心馬波研究員、深圳大學胡強教授和上海師范大學王全喜教授的幫助，并獲得了中國科學技術部、國家自然科學基金委、中國科學院、山東能源研究院、青島海洋科學與技術試點國家實驗室等的支持。（文/崔曉輝 圖/劉陽）
原文鏈接：https://doi.org/10.1021/acs.analchem.1c01015
<SPAN lang=EN-US style='"Times New Roman",serif; Mohammadhadi Heidari Baladehi, Maryam Hekmatara, Yuehui He, Yogendra Bhaskar, Zengbin Wang, Lu Liu, Yuetong Ji, and Jian Xu*. Culture-Free Identification and Metabolic Profiling of Microalgal Single Cells via Ensemble Learning of Ramanomes. Analytical Chemistry, 2021. </SPAN></P> </div></body></html>
