異質(zhì)細(xì)胞間通信對于多細(xì)胞生物體調(diào)節(jié)許多生物過程具有重要的作用，包括發(fā)育、分化和免疫調(diào)節(jié)等。此外，它們還與多種疾病的發(fā)生發(fā)展密切相關(guān)，如癌癥、自身免疫性疾病和血栓。了解異質(zhì)細(xì)胞間通訊對于揭示許多生理和病理過程機(jī)制至關(guān)重要，并將有利于新藥的開發(fā)。體外細(xì)胞共培養(yǎng)是研究細(xì)胞間通訊的常用方法，通過將不同類型的細(xì)胞共同培養(yǎng)，檢查不同細(xì)胞群之間的相互作用。然而，傳統(tǒng)的共培養(yǎng)方法依賴于細(xì)胞群，因此只能給出細(xì)胞群水平的平均化結(jié)果。近年來，基于微流控平臺的單細(xì)胞共培養(yǎng)已成為一種新穎的培養(yǎng)技術(shù)。它使用合理設(shè)計(jì)的微流控平臺將不同類型的單細(xì)胞共同捕獲和培養(yǎng)，可以在單細(xì)胞水平揭示不同類型細(xì)胞之間的相互作用，并可能揭示一些生理和病理過程的未知機(jī)制。

近期，中山大學(xué)周建華教授、黃璐助理教授和廣州醫(yī)科大學(xué)陳寅副教授在Cell Reports Physical Science期刊上發(fā)表了題為“Interrogation of single-cell communications on microfluidic platforms”的長篇綜述文章，全面介紹了基于微流控平臺的單細(xì)胞通訊研究進(jìn)展，討論了當(dāng)前技術(shù)的優(yōu)缺點(diǎn)，并總結(jié)了該領(lǐng)域的機(jī)遇和挑戰(zhàn)。黃璐助理教授為該文章的第一作者，陳寅副教授和周建華教授為通訊作者。

兩種異質(zhì)細(xì)胞的共培養(yǎng)

探索兩個異質(zhì)細(xì)胞之間的通信是揭示多細(xì)胞生物中更復(fù)雜的相互作用的第一步。為此，需要可以配對異質(zhì)單細(xì)胞的共培養(yǎng)系統(tǒng)，用于在密閉空間中建立單細(xì)胞對。單細(xì)胞配對是實(shí)現(xiàn)單細(xì)胞通訊研究的最關(guān)鍵和最具挑戰(zhàn)性的一步。常見的單細(xì)胞配對策略可分為兩類：隨機(jī)性配對和確定性配對。對于基于隨機(jī)方法的微流控平臺，由于異質(zhì)單細(xì)胞通常以隨機(jī)方式共捕獲，因此配對率服從泊松分布并且相對較低。相反，確定性配對方法以可控方式共捕獲細(xì)胞，從而可以大大提高配對效率。

雖然極低的配對率是隨機(jī)配對方法的常見問題，但由于這些方法簡單易操作，許多研究人員開發(fā)了隨機(jī)單細(xì)胞配對平臺。根據(jù)設(shè)計(jì)的微觀結(jié)構(gòu)，這些平臺可以進(jìn)一步分為三大類，分別為基于微孔、基于流體動力陷阱和基于微滴的隨機(jī)細(xì)胞配對（圖1）。

圖1 用于兩個異質(zhì)單細(xì)胞共培養(yǎng)的隨機(jī)細(xì)胞配對

低配對效率和可重復(fù)性是隨機(jī)單細(xì)胞配對策略的固有缺點(diǎn)，嚴(yán)重限制了其進(jìn)一步的應(yīng)用。為了解決這些問題，許多旨在實(shí)現(xiàn)單細(xì)胞可控配對的新方法被提出，這些方法被歸類為確定性細(xì)胞配對。利用該方法，異質(zhì)單細(xì)胞以可預(yù)測和可重復(fù)的方式配對，從而大大提高了細(xì)胞配對效率。確定性細(xì)胞配對克服了傳統(tǒng)隨機(jī)方法中出現(xiàn)的泊松分布缺點(diǎn)，可實(shí)現(xiàn)高達(dá)90%的總捕獲率和88.1%的異質(zhì)細(xì)胞配對率。根據(jù)所涉及的配對原理，這些單細(xì)胞配對平臺可進(jìn)一步分為四種主要類型，分別是基于微孔、流體動力陷阱、微液滴和主動式捕獲的確定性細(xì)胞配對（圖2）。

圖2 基于微滴和主動式捕獲的確定性細(xì)胞配對，用于兩個異質(zhì)單細(xì)胞的共培養(yǎng)

多種不同類型單細(xì)胞的共培養(yǎng)

不同類型的多個細(xì)胞之間的相互作用在生命體生理和病理過程中更為常見。研究多種類型細(xì)胞之間的相互作用，對于理解生命活動的規(guī)律、揭示疾病的機(jī)制和探索它們的治療方法至關(guān)重要。具體來說，在單細(xì)胞水平上揭示異質(zhì)細(xì)胞之間的相互作用是實(shí)現(xiàn)這些目的的最有效手段。要實(shí)現(xiàn)這一點(diǎn)，前提是實(shí)現(xiàn)多個不同類型的單細(xì)胞的共培養(yǎng)。然而，由于用于多細(xì)胞分離及捕獲的芯片設(shè)計(jì)復(fù)雜，實(shí)現(xiàn)多個異質(zhì)單細(xì)胞的共培養(yǎng)具有挑戰(zhàn)性，迄今為止較少有方法被報道。

為保證較高的共捕獲率，通常使用確定性方法對多個異質(zhì)單細(xì)胞共同捕獲。常用的方法有兩類，即：基于微孔和基于流體動力陷阱的確定性細(xì)胞共捕獲。此外，一些先前描述的單細(xì)胞配對方法在多細(xì)胞捕獲和共培養(yǎng)方面也具有潛力。

圖3 在芯片上捕獲和共培養(yǎng)多個不同類型的單細(xì)胞

當(dāng)前方法的比較

微流控平臺為在單細(xì)胞水平上研究細(xì)胞間通訊提供了新的途徑，具有對單細(xì)胞的精確操縱、模擬生理相關(guān)的微環(huán)境以及在不同條件下進(jìn)行高通量分析等優(yōu)點(diǎn)。由于細(xì)胞負(fù)載的不可控性和統(tǒng)計(jì)性質(zhì)，隨機(jī)方法表現(xiàn)出較低的共捕獲效率。表1總結(jié)了一些代表性方法的特征，包括每個芯片的微結(jié)構(gòu)數(shù)量、共捕獲效率和異型細(xì)胞類型。

在基于不同共捕獲原理的各種平臺中，基于微孔的方法由于沒有集成輔助通道或閥門，設(shè)計(jì)簡潔、制造簡單、操作方便，且通常無需泵或電源輔助。但是，它通常無法控制細(xì)胞的比例和距離。

基于流體動力學(xué)陷阱的方法是單細(xì)胞捕獲和共培養(yǎng)的常用方法，具有高度的靈活性和精確度，可以通過精細(xì)調(diào)整控制閥和流道的幾何形狀等優(yōu)化其性能。然而，由于使用通常占用大空間的輔助結(jié)構(gòu)，每個芯片的培養(yǎng)單元數(shù)量通常較低。此外，由于需要連續(xù)灌注培養(yǎng)基，參與細(xì)胞間通訊的信號分子會被稀釋和沖刷到整個芯片上，導(dǎo)致不同培養(yǎng)單元之間的未知偏差和干擾。

基于微液滴的方法將細(xì)胞限制在孤立的液滴中，細(xì)胞分泌物也被限制在單獨(dú)的隔室中，避免了相鄰細(xì)胞對之間的串?dāng)_。此外，它可以共包覆具有顯著不同大小的異質(zhì)細(xì)胞，被包覆在液滴中的細(xì)胞可以自由移動而不受物理限制。然而，它不適合長期的細(xì)胞培養(yǎng)，因?yàn)橐旱沃械臓I養(yǎng)物質(zhì)通常不能補(bǔ)充。此外，由于貼壁細(xì)胞在懸浮狀態(tài)下容易發(fā)生凋亡，不適合貼壁細(xì)胞的共培養(yǎng)。

基于主動式捕獲的方法具有高度可控和易于自動化的特點(diǎn)。然而，它們通常依賴復(fù)雜的外部設(shè)備，操作困難。此外，有時它們需要使用對細(xì)胞有潛在危害的物質(zhì)。例如，介電泳裝置中使用的非導(dǎo)電介質(zhì)缺乏必要的營養(yǎng)物質(zhì)或生物物理特性。磁性方法需要磁性顆粒附著在細(xì)胞上，其細(xì)胞毒性尚未得到充分研究。

表1 代表性的單細(xì)胞共培養(yǎng)微流控平臺比較

綜上所述，該文章討論了用于單細(xì)胞共培養(yǎng)的各種微流控平臺。目前在該領(lǐng)域的研究已取得顯著進(jìn)展，但仍有一些問題需要解決。例如，設(shè)計(jì)同時具有大培養(yǎng)空間、高通量和無串?dāng)_的平臺仍然具有挑戰(zhàn)性。目前大多數(shù)方法都是為兩個異質(zhì)單細(xì)胞的共培養(yǎng)而設(shè)計(jì)的，多種單細(xì)胞的共培養(yǎng)方法則不足，且后者通常具有極低的吞吐量，實(shí)際應(yīng)用比較有限。同時，目前大多數(shù)方法都是針對非原位表征而構(gòu)建的，其中靶細(xì)胞已經(jīng)從原始微環(huán)境中分離出來，可能導(dǎo)致一些關(guān)鍵生物學(xué)線索的丟失。此外，熒光探針和顯微成像仍然是最常用的下游表征技術(shù)，大多數(shù)傳統(tǒng)定量分析與微流控平臺的兼容性較低，單細(xì)胞水平的細(xì)胞復(fù)雜性無法被完全展示。

但相信，隨著微制造技術(shù)的進(jìn)一步改進(jìn)，將推出結(jié)構(gòu)和功能更精細(xì)的單細(xì)胞共培養(yǎng)平臺。隨著與微流控器件兼容的多傳感儀器的開發(fā)，將有大量更高維數(shù)據(jù)用于更全面地描述單細(xì)胞通信。然而，這些進(jìn)展可能給高度復(fù)雜、異質(zhì)和多維數(shù)據(jù)的分析帶來挑戰(zhàn)。因此，探索處理生成數(shù)據(jù)的有效方法將是未來發(fā)展的重要方向。例如，人工智能輔助的數(shù)據(jù)處理技術(shù)特別適合用于海量的高維數(shù)據(jù)，它可以有效分析復(fù)雜多維數(shù)據(jù)，協(xié)助研究人員挖掘隱藏的信息。新型微流控平臺、多傳感技術(shù)和高效數(shù)據(jù)分析方法的融合，將有望通過揭示傳統(tǒng)批量分析中隱藏的信息，為生物和醫(yī)學(xué)科學(xué)領(lǐng)域提供前所未有的洞察力。

免責(zé)聲明：文章來源網(wǎng)絡(luò)  以傳播知識、有益學(xué)習(xí)和研究為宗旨。 轉(zhuǎn)載僅供參考學(xué)習(xí)及傳遞有用信息，版權(quán)歸原作者所有，如侵犯權(quán)益，請聯(lián)系刪除。