《Cell丨活细胞中动态信号网络的时间复用成像》

  • 来源专题:战略生物资源
  • 编译者: 李康音
  • 发布时间:2023-12-04
  • 2023年11月28日,来自美国麻省理工学院(MIT)的Edward S. Boyden教授课题组在Cell期刊上在线发表了题为 Temporally multiplexed imaging of dynamic signaling networks in living cells 的论文,提出了一种新的复合荧光成像策略——时间复合荧光成像。

    研究人员提出了时间复合荧光成像(temporally multiplexed imaging, 简写为TMI)的概念,这是一种基于多个可逆光转换荧光蛋白(reversibly photoswitchable fluorescent proteins,简写为 rsFPs)的复合成像技术。由于每种rsFP都具有独特的类似时钟的属性(即不同的光转换速率),他们可以用来代表不同生物信号。研究人员只需对表达有多个rsFPs的细胞拍一个非常短的视频(几秒到十几秒),然后细胞中的混合的rsFPs荧光转换曲线可以被线性分解成带有权重的单个rsFP的曲线的组合 (单个rsFP的光转换曲线在同一条件测得且已知),这些权重即可以代表每个rsFP的荧光强度。这样许多不同的细胞信号就可以同时被成像,即使这些rsFP的荧光颜色相同。


    总之,该研究提出了一种新的复合荧光成像策略,即利用可逆光转换荧光蛋白在时间维度上表现的差异性,实现了在同一细胞内多个生物分子的复合成像,从而揭示信号传导网络中各分子之间的相互调控关系。值得一提的是,在2020年Boyden实验室报道了另一种复合成像方式:空间复合荧光成像(spatially multiplexed imaging),即利用自组装多肽将发光报告器定位到细胞内的不同位置从而实现区分不同分子的信号。空间复合荧光成像和时间复合荧光成像相辅相成,互补不足。相信未来,二者的结合使用会为生物学的发展带来更多的可能性。



相关报告
  • 《Cell | 时间追踪GBM中免疫细胞的转录变化》

    • 来源专题:战略生物资源
    • 编译者:李康音
    • 发布时间:2023-12-24
    • 2023年12月21日,维茨曼研究所Ido Amit团队在Cell发表题为Time-resolved single-cell transcriptomics defines immune trajectories in glioblastoma的文章。该研究开发了Zman-seq技术,以追踪GBM中免疫细胞的转录轨迹。 作者开发的Zman-seq使用荧光抗体标记循环免疫细胞,进入组织的细胞则免于标记,从而确定肿瘤浸润的时机。结合单细胞RNA测序,Zman-seq绘制了免疫细胞状态和轨迹。因为它特异性地标记循环细胞,而不是组织驻留细胞,所以具有高时空分辨率。 Zman-seq在小鼠GBM模型上显示出细胞状态随着肿瘤暴露时间而改变。NK细胞在24小时内从细胞毒性状态过渡到功能失调状态。髓系细胞在36-48小时内从单核细胞进展到免疫抑制性的肿瘤相关巨噬细胞(TAM)。Zman-seq揭示了NK细胞功能障碍的分子进展。早期肿瘤暴露上调了TGF-β响应和抑制基因。后期阶段细胞获得了更多TGF-β驱动的功能障碍。TF活性分析表明TGF-β-SMAD信号在终末功能障碍中起重要作用。 单核细胞则通过逐渐上调免疫抑制模块如Trem2并下调炎症分化为TAM。TGF-β1和ANXA1对这一分化轨迹做出了贡献。单细胞轨迹与人类GBM髓系细胞状态一致。作者使用抗体抑制TREM2,发现单核细胞分化为不同的促炎性TAM。早期IFN和NF-κB信号让位于持续的AP-1驱动的炎症。代谢变化随之重新定向。总之,Zman-seq通过将时间引入单细胞数据,实证地揭示了GBM中免疫功能失调的动态,为免疫治疗靶点提供了信息,并实现了细胞状态转变的时间模型。
  • 《Cell丨从蛋白质图像中机器学习可解释的细胞力学模型》

    • 来源专题:战略生物资源
    • 编译者:李康音
    • 发布时间:2024-01-15
    • 2024年1月8日,芝加哥大学詹姆斯-弗兰克研究所的科研人员在Cell上发表了题为Machine learning interpretable models of cell mechanics from protein images的研究论文。 细胞的形态和功能源于细胞质内复杂的机械化学系统。目前,还没有系统的策略可以从细胞的分子成分推断出细胞的大规模物理特性。这是理解细胞粘附和迁移等过程的障碍。 该研究开发了一个数据驱动的建模管道来学习粘附细胞的机械行为。作者首先训练神经网络,从细胞骨架蛋白的图像中预测细胞力。令人吃惊的是,单个焦点粘附(FA)蛋白(如zyxin)的实验图像就足以预测作用力,并能推广到未见过的生物机制。利用这一观察结果,作者开发了两种方法--一种受物理学制约,另一种则与物理学无关--来构建数据驱动的细胞力连续模型。这两种方法都揭示了细胞力是如何被两种不同的长度尺度编码的。除了粘附细胞力学,作者的工作还可作为将神经网络整合到细胞生物学预测模型中的案例研究。