我國科學家建立起首個微藻拉曼組數據庫

微藻是地球上代謝功能最為多樣化的生物類群之一，在全球碳循環中發揮著關鍵性的作用，也是生物技術產業中重要的一類光合細胞工廠。“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。然而，微藻的種質鑒定和代謝功能檢測通常十分繁瑣，目前，自然界大部分微藻難以培養。

近日，中科院青島生物能源與過程研究所單細胞中心發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1個免培養、高通量的強有力手段，相關工作發表于《分析化學》。

單細胞中心Mohammadhadi Heidari Baladehi等人開發了1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1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。

單細胞中心主任徐健告訴記者，首先，針對已獲純培養的藻種，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(穩定期和指數期)、分屬27個微藻種屬的超過9 000個單細胞的拉曼光譜。該團隊開發的機器學習算法，通過PS和WS的聯用，來辨別待測單細胞的藻種和生長狀態，準確率可達97%。

其次，針對環境中的尚難培養的藻類細胞，研究人員借助前期發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，建立了環境中微藻單細胞代謝表型組和基因型的關聯。這種方法不需分離培養，即可構建環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，以及它們的含量和油脂的不飽和度等化學性質。

“這些代謝表型信息對于快速評估微藻種質的培養工藝、經濟價值和應用潛力至關重要。”徐健表示，“與傳統上依賴于培養的‘先養后篩’的策略不同，這一基于拉曼組的種質篩選策略無需培養與擴繁細胞，既節約了大量時間和人工，也能夠挖掘和篩選尚難培養的微藻細胞。”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，這一新技術可大大加速微藻細胞工廠及其代謝產物的挖掘與利用。

“此次首個微藻拉曼組數據庫及其機器學習手段的發表，將加速新一代微藻資源信息平臺的構建和共享，我們希望促進藻類為‘雙碳行動’做出特色貢獻。”徐健表示。該工作由徐健主持完成，得到了單細胞中心研究員馬波、深圳大學教授胡強和上海師范大學教授王全喜的幫助，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。