Scholay

学术搜索 · AI 审稿 · LaTeX 协作

Nature Communications:无标记单细胞形态和拉曼光谱把微生物培养推进到精准筛选

顶级刊物论文速递 · 发布 2026-06-21T22:32:00+08:00 · 更新 2026-06-21T22:38:27+08:00

核心结论

Nature Communications 6 月 20 日发表复旦大学、粤港澳大湾区精准医学研究院等团队论文,提出 precision single-cell culturomics,用无标记单细胞形态、拉曼光谱、机器学习和 LIFT 技术,在目标菌形成可见菌落前做物种级识别和选择性培养。论文还用单细胞培养后的基因组分析观察短期抗生素使用下的既有耐药和新发突变。它把微生物组研究从测序描述推向可取回、可培养、可验证的单细胞流程,但跨样本泛化和自动化通量仍待验证。

Nature Communications 6 月 20 日发表论文 “Precision culturomics enabled by unlabeled single-cell morphology and Raman spectra”,页面显示论文为开放获取,DOI 为 10.1038/s41467-026-74582-z。研究团队来自复旦大学生命科学学院、粤港澳大湾区精准医学研究院、复杂表型遗传与发育全国重点实验室、广州医科大学附属番禺中心医院等机构。

Nature Communications:无标记单细胞形态和拉曼光谱把微生物培养推进到精准筛选
<a class="c-article-recommendations-card__link" itemprop="url" href="https://www.nature.com/articles/s41587-023-01674-2?fromPaywallRec=fa(图源:Nature Communications 论文页)

这篇论文针对的是微生物组研究的一个老问题:测序可以告诉研究者复杂群落里“有什么”,但要把某一类目标菌从粪便、阴道样本等复杂体系中定向取回、培养并做后续功能验证,仍然很难。传统培养常要等细胞形成可见菌落,期间快速生长菌、培养条件和人工挑选会改变原始群落结构;而只做宏基因组或单细胞测序,又不一定能得到活菌用于药敏、代谢和演化实验。

论文提出的 precision single-cell culturomics 把三个环节接在一起:先采集单个微生物细胞的无标记形态特征和拉曼光谱,再用机器学习框架做物种级识别或代谢层面的分类,最后用 Laser-Induced Forward Transfer 技术把目标细胞转移到培养环境中。Nature 摘要称,该系统可以在粪便或阴道样本中对特定细菌进行正向或反向选择性培养,并能基于拉曼光谱量化部分细胞组分。

值得关注的是,作者还把方法用于短期抗生素使用后的肠道共生菌分析。论文摘要显示,单细胞培养后的基因组分析提示,短期抗生素使用既会促进原有耐药性,也会带来新发突变,并且不同物种中出现趋同演化信号。这个结果使方法价值不止于“更快挑菌”,还在于把表型筛选、活菌培养和基因组验证放到同一流程里,为微生物组干预、院感监测、益生菌开发和耐药演化研究提供可操作入口。

边界同样明确。Nature 页面说明当前提供的是未最终编辑的早期访问稿件,且方法仍需在更多真实临床样本、低丰度菌、厌氧培养条件和自动化高通量场景下验证。拉曼光谱和形态模型能否跨设备、跨批次、跨人群稳定迁移,也会决定它能否从论文平台走向常规微生物组工具。现阶段更适合把它看作培养组学和单细胞微生物技术的基础设施级进展,而不是已经标准化的临床检测产品。

信息来源

可信度说明

主要依据 Nature Communications 论文页,页面显示论文 2026 年 6 月 20 日发表,开放获取,且列出 DOI、摘要、作者机构、基金和补充材料。该来源属于同行评议期刊论文,但页面同时提示当前稿件为未最终编辑版本;方法泛化、通量、成本和临床样本适用性仍需后续验证。

同主题情报