以非侵入性方式跟踪细胞内基因表达随时间的变化。该技术可以详细研究细胞分化，并有望应用于癌症研究、发育生物学和诊断学。
对细胞内的所有进行测序可以揭示大量有关该细胞功能及其在特定时间点的活动的信息。然而，测序过程会破坏细胞，使得研究基因表达的持续变化变得困难。一种方法可以让研究人员在较长时间内跟踪此类变化。新方法基于一种名为拉曼光谱的非侵入性成像技术，不会损害细胞，并且可以重复进行。
研究人员利用这项技术，可以在几天内监测胚胎干细胞分化成其他几种细胞类型。这项技术可以用于研究癌症进展或胚胎发育等长期细胞过程，有朝一日还可能用于诊断癌症和其他疾病。
麻省理工学院生物与机械工程学教授、麻省理工学院激光生物医学研究中心主任、该论文作者之一 Peter So 表示：“利用拉曼成像，你可以测量更多的时间点，这对于研究癌症生物学、发育生物学以及多种退行性疾病可能非常重要。”
麻省理工学院和哈佛-麻省理工学院布罗德研究所的博士后 Koseki Kobayashi-Kirschvink 是这项研究的主要作者，这项研究最近发表在《自然生物技术》杂志上。该论文的资深作者包括前布罗德研究所科学家 Tommaso Biancalani、哈佛医学院助理教授兼布罗德研究所副研究员 Jian Shu 以及基因泰克研究与早期开发公司执行副总裁 Aviv Regev，他目前在布罗德研究所和麻省理工学院生物系任教，目前休假。
基因表达成像
拉曼光谱是一种非侵入性技术，通过 电话数据 向组织或细胞照射近红外或可见光来揭示其化学成分。麻省理工学院的激光生物医学研究中心自 1985 年以来一直致力于生物医学拉曼光谱研究，最近，索和该中心的其他人开发了基于拉曼光谱的技术，可用于诊断乳腺癌或测量血糖。
然而，拉曼光谱本身的灵敏度不足以检测单个 RNA 分子水平变化这样的微小信号。为了测量 RNA 水平，科学家通常使用一种称为单细胞 RNA 测序的技术，该技术可以揭示组织样本中不同类型细胞内活跃的基因。
在这个项目中，麻省理工学院的研究团队试图通过训练计算模型将拉曼信号转化为RNA表达状态，从而结合单细胞RNA测序和拉曼光谱的优势。
Kobayashi-Kirschvink 表示：“RNA 测序可以为您提供极其详细的信息，但它具有破坏性。拉曼是非侵入性的，但它不会告诉您有关 RNA 的任何信息。因此，这个项目的想法是使用机器学习来结合两种模式的优势，从而让您了解单细胞水平上基因表达谱随时间变化的动态。”
为了生成数据来训练他们的模型
研究人员用因子处 重新定义细胞生物学 利用拉曼光谱进行无损遗传学洞察 理小鼠成纤维细胞（一种皮肤细胞），这些因子可重新编程细胞成为多能干细胞。在此过程中，细胞还可以转变为其他几种细胞类型，包括神经细胞和上皮细胞。
研究人员利用拉曼光谱法，在 18 天内对分化过程中的 36 个时间点的细胞进行成像。拍摄完每张照片后，研究人员使用单分子荧光原位杂交 (smFISH) 分析每个细胞，该技术可用于可视化细胞内的特定 RNA 分子。在这种情况下，他们寻找编码九种不同基因的 RNA 分子，这些基因的表达模式因细胞类型而异。
然后，这些 smFISH 数据可以作为拉曼成像数据和单细胞 RNA 测序数据之间的联系。为了建立这种联系，研究人员首先训练了一个深度学习模型，根据从这些细胞获得的拉曼图像预测这九个基因的表达。
然后，他们使用了之前由布罗德研究所开发的计算程序 Tangram，将 smFISH 基因表达模式与他们通过对样本细胞进行单细胞 RNA 测序获得的整个基因组图谱联系起来。
研究人员随后将这两个计算模型合并为一个称为 Raman2RNA 的模型，该模型可以根据细胞的拉曼图像预测单个细胞的整个基因组图谱。
追踪细胞分化
研究人员通过追踪小鼠胚胎干细胞分 布基纳法索 电话簿 化成不同细胞类型来测试他们的 Raman2RNA 算法。他们连续三天每天四次拍摄细胞的拉曼图像，并使用他们的计算模型预测每个细胞相应的 RNA 表达谱，并通过将其与 RNA 测序测量结果进行比较来确认。
利用这种方法，研究人员能够观察到单个细胞从胚胎干细胞分化为更成熟的细胞类型时发生的转变。他们还表明，他们可以在两周内追踪小鼠成纤维细胞重新编程为诱导性多能干细胞时发生的基因组变化。
“这证明光学成像提供了额外的信息，让你可以直接追踪细胞谱系及其转录的进化，”So说。
研究人员现在计划利用这项技术研究其他类型的随时间变化的细胞群，如衰老细胞和癌细胞。他们目前正在研究培养皿中培养的细胞，但在未来，他们希望这种方法可以发展成为一种潜在的诊断方法，供患者使用。
“拉曼的最大优势之一是它是一种无标记方法。虽然还有很长的路要走，但它有可能实现人为转化，这是使用现有的侵入性技术测量基因组图谱所无法实现的，”麻省理工学院研究科学家、该研究的作者 Jeon Woong Kang 说道。
