拉曼组机器学习加速微藻种质挖掘示意图。受访者供图

■本报记者 廖洋 通讯员 刘佳

微藻是自然界中广泛存在的单细胞光合自养生物，可将空气中的二氧化碳高效转化为油脂、碳水化合物、蛋白质和色素等高附加值产品，被应用于第三代生物燃料、饲料、食品等领域。然而，微藻的种质鉴定和代谢功能检测十分繁琐，且自然界中大部分微藻难以培养。

近日，中国科学院青岛生物能源与过程研究所单细胞中心发布首个微藻拉曼组数据库，结合机器学习，示范了单细胞精度的快速微藻种类鉴定和代谢功能表征。这一新技术为微藻细胞工厂的高效挖掘和筛选提供了一个免培养、高通量的强有力手段。相关论文日前发表于《分析化学》。

种质资源实现快速鉴定

微藻是地球上代谢功能最为多样化的生物类群之一，也是生物技术产业中重要的一类光合细胞工厂。因此，“微藻细胞工厂”有望成为服务低碳制造的解决方案之一。

微藻种质资源的快速鉴定和代谢功能检测是实现这一前景的前提和基础。然而，传统“先养后筛”的种质筛选策略面临培养时间长、步骤繁多、难以自动化及难培养藻种分析难等诸多瓶颈。

针对上述问题，单细胞中心开发出一种基于拉曼组的藻类细胞快速辨别与代谢功能快检技术。拉曼组是一个细胞群体的单细胞拉曼光谱的总称，代表着可以单细胞精度快速、低成本、高通量获取的细胞群体实时代谢状态。

单细胞中心主任徐健告诉《中国科学报》，针对已获纯培养的藻种，研究人员采集了色素分子拉曼光谱（PS）和微藻细胞自身拉曼光谱（WS）两张谱图，构建出首个藻类拉曼组数据库。该数据库包含了在不同生长期（稳定期和指数期）、分属27个微藻种属的超过9000个单细胞的拉曼光谱。该团队开发的机器学习算法，通过PS和WS联用，辨别待测单细胞的藻种和生长状态，准确率达97%。

不仅如此，针对环境中尚难培养的藻类细胞，研究人员借助前期发明的单细胞拉曼分选技术捕获活性藻类单细胞，从而采集其PS和WS谱图，并结合下游单细胞测序，建立了环境中微藻单细胞代谢表型组和基因型的关联。

徐健介绍说，这种方法不需分离培养，即可构建环境中任何微藻细胞的拉曼光谱数据库，进而基于机器学习，支撑尚难培养藻种的快速鉴定和代谢功能检测。

除了种质辨别，单细胞拉曼光谱还能揭示微藻利用二氧化碳后的碳源存储形式，如油脂、淀粉、蛋白、色素等，以及它们的含量和油脂的不饱和度等化学性质。“这些代谢表型信息，对于快速评估微藻种质的培养工艺、经济价值和应用潜力至关重要。”徐健说。

探测全面信息仅需数秒

“与传统依赖于培养的‘先养后筛’策略不同，基于拉曼组的种质筛选策略无需培养与扩繁细胞，既节约了大量时间和人工，也能够挖掘和筛选尚难培养的微藻细胞。”徐健说。

同时，针对每个微藻细胞，拉曼光谱的采集通常仅需数秒时间，且无需破坏细胞，故而步骤简洁、分析通量高、易于实现自动化，还能在单细胞精度同时探测从代谢表型组到基因组的全面信息。因此，这一新技术可大大加速微藻细胞工厂及其代谢产物的挖掘与利用。

气候变化是人类面临的全球性问题，二氧化碳排放量超标和温室气体的激增严重威胁地球生命系统，我国对此已提出“双碳”目标。“微藻作为一种天然的固碳细胞工厂，将在实现该目标的这场硬仗中发挥重要作用。”徐健对此很有信心。

记者了解到，针对工业产油微藻（微拟球藻），单细胞中心前期已经发表了基因敲低技术、基因编辑技术、染色体大片段切除技术等特色遗传操作工具，并组织了“微拟球藻设计与合成”国际合作计划，推动了国内外工业微藻研究与产业群体的资源共享与技术合作。

“此次首个微藻拉曼组数据库及其机器学习手段的相关论文的发表，将加速新一代微藻资源信息平台的构建和共享，促进藻类为‘双碳’行动做出特色贡献。”徐健表示。

相关论文信息：https://doi.org/10.1021/acs.analchem.1c01015