封神干货！单细胞代谢组学前世今生，读懂这场细胞级代谢大革命

人体内的细胞并非完全相同，即便是同一组织、同一培养环境下的细胞，在代谢状态、功能表型上也存在显著差异。传统的群体(bulk)检测将大量细胞混合后取平均值，存在明显局限^[1-3]：

• 同一细胞群内部，天然存在代谢异质性，这是细胞表型差异的重要基础。

• 群体平均数据容易丢失关键细胞亚群的信号，导致研究结论出现偏差。

• 许多疾病机制、细胞分化、药物响应等关键生理病理过程，在单细胞层面才能得到更完整的阐释。

在肿瘤、免疫、干细胞及代谢相关疾病等领域，治疗响应不均、耐药发生、细胞功能异常，往往与少数细胞亚群的代谢特征高度相关^[4-5]。

• 肿瘤耐药性的产生，常与少量耐药细胞克隆的独特代谢程序有关，而这类细胞在群体平均检测中难以被识别。

• 免疫细胞活化、巨噬细胞极化、T细胞功能变化等过程，常伴随显著的单细胞水平代谢重编程。

• 在发育与干细胞研究中，单细胞代谢特征可更好地反映细胞状态变化，为理解干性维持与分化提供关键线索。

相比于基因、转录、蛋白，代谢物位于生物学调控的下游，更接近细胞的实际表型^[6-8]。

• 基因和蛋白代表细胞的 “潜在能力”，而代谢物更能反映细胞当下正在执行的功能。

• 代谢物在细胞内的转换速度较快，可在较短时间内响应外界刺激与环境变化，能更实时地反映细胞状态改变。

• 单细胞内代谢物含量通常处于amol–fmol级别，这类分子的变化对细胞状态具有高度代表性。

早期单细胞代谢分析面临核心技术瓶颈：单细胞内代谢物丰度极低、信号微弱且易受干扰，传统检测手段难以实现稳定捕获与可靠鉴定。2008 年，国际上首次建立单细胞原位质谱分析体系，通过显微定位与纳升电喷雾电离质谱（nano‑ESI‑MS）联用，利用纳米针尖直接穿刺并吸取细胞胞质内容物进行原位检测，在单个细胞中稳定检出数百个小分子代谢信号，并通过串联质谱实现关键代谢物的结构鉴定。

该技术首次证实：单细胞内微量代谢物可被直接、原位、稳定地检测，突破了单细胞代谢 “无法测量” 的长期壁垒，标志着单细胞代谢组学正式进入实验可实现阶段，为后续代谢异质性研究奠定了核心方法学基础，但受限于当时的手动显微操作模式与电离原理，该体系在检测通量与代谢物覆盖上存在一定局限^[9]。

为解决传统手动取样速度慢、细胞代谢易发生改变的问题，膜片钳-诱导纳升电喷雾质谱（Patch clamp–InESI–MS）技术建立，3 分钟内完成单个活神经元的原位胞质吸取与质谱检测，最大限度保留细胞生理状态下的真实代谢谱^[10]。

为避免标记、裂解、前处理对细胞代谢的干扰，通过流式进样的方式将完整活细胞直接送入质谱分析，真实反映细胞在体内代谢特征^[11]。

基于 MALDI 成像的 HT SpaceM 平台进一步突破，单张玻片可并行 40 个样本，单次实验可完成 7 万多个计算重构单细胞代谢检测，该平台具备优异的超高通量检测能力，可充分支撑大规模临床队列研究与药物高通量筛选，其代谢物检测覆盖范围仍有进一步优化提升潜力^[12]。

离子迁移质谱流式技术进一步实现关键突破：通过气相结构分离(CCS)、选择性离子富集、细胞叠加降噪与单细胞原位MS2鉴定，将通量、灵敏度、覆盖度、注释准确度推向新高度。在实现千级代谢物多维定性的同时，大幅提升单细胞有效分析事件数与检测通量，配套 MetCell 分析流程，为深度解析细胞异质性提供更可靠的新体系^[13]。

复杂细胞群体内部存在显著代谢异质性，深刻影响细胞功能状态与角色分化。单细胞代谢组学可通过特征性代谢指纹，精准识别传统方法难以区分的功能亚群；例如在神经免疫研究中，成功鉴定LPS激活态小胶质细胞，并锁定衣康酸盐上调、牛磺酸下调等特异性代谢标志物，为解析细胞功能异质性提供关键依据^[14]。

细胞功能异常、病变或衰老常伴随特征性代谢通路重塑。单细胞代谢组学可精准捕捉能量代谢、氧化应激、膜脂合成及信号通路的关键改变；例如在肿瘤微环境中，明确自然杀伤(NK)细胞因鞘磷脂代谢紊乱导致膜结构异常、免疫杀伤功能受损，为解析疾病发生、免疫逃逸及细胞衰老机制提供直接证据^[15]。

依托单细胞定量代谢分析，可精准刻画循环肿瘤细胞(CTCs)的代谢异质性，筛选与转移潜能密切相关的特异性代谢指纹，实现循环肿瘤细胞的亚群分型。该分型体系可区分高、低转移潜能的CTC亚群，为肿瘤转移风险预测、预后评估提供特异性代谢标志物，也为肿瘤精准分型与干预靶点发现提供新思路^[16]。

干细胞干性维持、静息‑激活转换及定向分化，与代谢状态的动态调控密切相关。依托单细胞代谢技术，可精准解析造血干细胞在静息与激活状态下的代谢异质性，揭示氧化戊糖磷酸通路(OxiPPP)等关键代谢通路对干细胞命运的调控作用，为干细胞稳态维持、再生医学研究提供重要理论支撑^[17]。

参考文献

[1] Zenobi R. Single-cell metabolomics: analytical and biological perspectives. Science, 2013, 342(6158): 1243259.

[2] Zhang C, Le Dévédec S E, Ali A, et al. Single-cell metabolomics by mass spectrometry: ready for primetime? Current Opinion in Biotechnology, 2023, 82: 102963.

[3] Cao J, Yao Q J, Wu J, et al. Deciphering the metabolic heterogeneity of hematopoietic stem cells with single-cell resolution. Cell Metabolism, 2024, 36(2): 209-221.

[4] Zhu G, Zhang W, Zhao Y, et al. Single-Cell Metabolomics-Based Strategy for Studying the Mechanisms of Drug Action. Analytical Chemistry, 2023, 95(15): 6166-6174.

[5] Delafiori J, Shahraz M, Eisenbarth A, et al. HT SpaceM: A high-throughput and reproducible method for small-molecule single-cell metabolomics. Cell, 2025, 188(21): 4799-4814.e16.

[6] Rubakhin S S, Lanni E J, Sweedler J V. Progress toward single-cell metabolomics. Current Opinion in Biotechnology, 2013, 24(1): 95-104.

[7] Xu S, Yang C, Yan X, et al. Towards high throughput and high information coverage: advanced single-cell mass spectrometric techniques. Analytical and Bioanalytical Chemistry, 2022, 414(1): 219-233.

[8] Feng D, Li H, Xu T, et al. High-throughput single cell metabolomics and cellular heterogeneity exploration by inertial microfluidics coupled with pulsed electric field-induced electrospray ionization-high resolution mass spectrometry. Analytica Chimica Acta, 2022, 1221: 340116.

[9] Mizuno H, et al. Live single-cell video-mass spectrometry for cellular and subcellular molecular detection and cell classification. Journal of Mass Spectrometry, 2008, 43(12):1692-700.

[10] Zhu H, et al. Single-neuron identification of chemical constituents, physiological changes, and metabolism using mass spectrometry. Proc Natl Acad Sci U S A, 2017, 114(10):2586-2591.

[11] Zhang X, et al. Label-free Mass Cytometry for Unveiling Cellular Metabolic Heterogeneity. Analytical Chemistry, 2019, 91(15):9777-9783.

[12] Delafiori J, et al. HT SpaceM: A high‑throughput and reproducible method for small‑molecule single‑cell metabolomics. Cell, 2025, 188(21): 4799‑4814.e16.

[13] Zhu ZJ, et al. Deep-coverage single-cell metabolomics enabled by ion mobility-resolved mass cytometry. nature methods, 2026 Mar;23(3):585-595.

[14] Cairns J L, Huber J, Lewen A, et al. Mass-guided single-cell MALDI imaging of low-mass metabolites reveals cellular activation markers. Advanced Science, 2024, 11(24): 2410506.

[15] Zheng X, Hou Z, Qian Y, et al. Tumors evade immune cytotoxicity by altering the surface topology of NK cells. nature immunology, 2023, 24(6): 976–988.

[16] Zhang W, et al. Single-cell metabolic fingerprints discover a cluster of circulating tumor cells with distinct metastatic potential. nature communications, 2023, 14(1):2485.

[17] Cao J, et al. Deciphering the metabolic heterogeneity of hematopoietic stem cells with single-cell resolution. Cell Metabolism. 2024, 36(1):209-221.e6.