引言

细胞是一个充满喧嚣与互动的动态社会。细胞之间时刻都在进行着复杂的“社交”活动，它们通过物理接触、信号交换，共同编排着从胚胎发育、组织稳态到免疫防御的每一场生命大戏。免疫系统就像一个国家的军队，其高效运作依赖于侦察兵（抗原呈递细胞, Antigen-presenting cells）、指挥官（T细胞, T cells）和士兵（B细胞, B cells 等）之间精准而瞬息万变的协同作战。这些细胞间的“悄悄话”和“握手”，决定了我们是能战胜感染，还是被疾病击溃。

然而，想要窥探这个微观世界的“社交网络”，一直以来都是个巨大的挑战。传统方法如同隔墙听音，难以捕捉到那些短暂而关键的互动瞬间。尽管近年来涌现出一些强大的单细胞基因组学和空间成像技术，但它们要么像制作超高清电影，成本高昂、耗时漫长；要么像拍摄静态照片，无法捕捉动态过程。尤其对于血液、淋巴液等“流动”组织中的细胞互动，这些技术更是束手_无策。

8月7日，《Nature Methods》的研究报道“Ultra-high-scale cytometry-based cellular interaction mapping”，为我们带来了一个革命性的解决方案。研究团队开发出一种名为“互作组学”（Interact-omics）的创新框架。它巧妙地利用了成熟的流式细胞术（flow cytometry），以惊人的速度、超高的通量和极低的成本，实现了对细胞间物理互动的精准捕获和定量分析。这不仅是一个技术的突破，更像为我们提供了一副全新的“眼镜”，让我们能以前所未有的清晰度，去观察、理解甚至预测细胞社会中的复杂动态。

细胞悄悄话的“窃听器”：如何从百万细胞中分辨“独行侠”与“社交派”？

要研究细胞间的物理互动，首先要解决一个最基本、也最棘手的问题：当成千上万的细胞像流水一样通过检测仪器时，我们如何准确地区分出哪些是独自一人的“独行侠”（singlets），哪些是两个或多个细胞黏在一起的“社交派”——即物理互作细胞团（physically interacting cells, PICs）？

传统的流式细胞术，其核心原理是让细胞排成单列，逐一通过激光束，通过检测散射光和荧光信号来分析单个细胞的特征。在这个过程中，黏连在一起的细胞团常常被当作“噪音”或“异常信号”而被无情地丢弃。然而，该研究的研究人员却意识到，这些被丢弃的“垃圾”里，恰恰藏着细胞互作的宝贵信息。他们的目标，就是变废为宝，开发一个能精准识别并分析这些细胞团的系统。

研究人员的灵感来源于流式细胞术的一个基本参数——前向散射光（forward scatter, FSC）。FSC信号的强度通常与细胞的大小成正比。当一个细胞通过激光时，它会产生一个信号脉冲。而当两个细胞组成的“社交派”（我们称之为“双体”，doublet）通过时，它产生的信号脉同单个细胞相比，不仅信号峰值的高度（FSC-H）可能不同，信号持续的时间，也就是信号曲线下的面积（FSC-A）会显著更长。

于是，一个巧妙的指标诞生了：FSC比率（FSC ratio），即FSC-A与FSC-H的比值。理论上，一个球形的“独行侠”通过激光时，其信号脉冲会比较“窄胖”，FSC比率相对较小。而一个由两个细胞组成的“双体”，其信号脉冲会更“细长”，FSC比率则会更大。

这听起来很完美，但现实远比理论复杂。不同类型的细胞大小和形状各异，导致它们的FSC信号本来就有很大差别。仅仅依靠FSC比率这个单一指标，真的能准确区分“独行侠”和“社交派”吗？

为了验证这一点，研究人员设计了一个实验。他们使用了一种名为CytoStim的试剂，这种试剂像强力胶水一样，可以特异性地将T细胞和抗原呈递细胞（如B细胞、单核细胞）“粘”在一起，人为地创造出大量的细胞互作。接着，他们动用了一件“大杀器”——成像流式细胞术（imaging flow cytometry）。这种仪器不仅能像普通流式细胞仪一样分析细胞的光学信号，还能在细胞通过激光的瞬间，为每一个细胞（或细胞团）拍下一张高分辨率的“证件照”。

有了这些“证件照”，研究人员就可以“眼见为实”了。他们随机挑选了数千个细胞事件，逐一进行人工判读，准确地标记出哪些是真正的“独行侠”，哪些是“双体”、“三体”甚至更多细胞组成的“社交派”。这份人工标注的数据，就成了检验后续算法的“标准答案”。

结果如何呢？单纯依赖FSC比率进行划分，其准确率（用F1分数衡量，最高为1）在0.50到0.84之间波动，表现并不稳定，尤其是一些特定的髓系细胞（myeloid lineage）很容易被误判。这说明，想单靠一个指标就“一招鲜，吃遍天”是行不通的。

真正的突破在于将FSC比率与更多信息维度结合起来。研究人员运用了一种名为Louvain的聚类算法，这是一种在复杂网络分析中常用的社群发现算法。他们将描述细胞身份的多种表面标志物（cell type markers）、描述细胞物理特性的散射光参数，以及关键的FSC比率等所有信息，全部“喂”给了这个算法。

奇迹发生了。算法自动地将数万个细胞事件分成了不同的“群落”。研究人员发现，一些群落的细胞FSC比率普遍很低，并且只表达单一类型的细胞标志物（比如只表达T细胞的CD3），这些显然是“独行侠”群体。而另一些群落则呈现出截然不同的特征：它们的FSC比率普遍很高，并且同时表达两种或多种本应互斥的细胞标志物（比如同时表达T细胞的CD3和B细胞的CD19）。这正是“社交派”的确凿证据！

通过这种“多维信息+智能算法”的策略，研究团队成功地构建了Interact-omics的核心分析流程。其识别细胞互作的准确率（F1分数）稳定地达到了惊人的0.9分以上。更重要的是，整个过程完全由数据驱动，无需昂贵的成像设备，普通的流式细胞仪就能胜任。这意味着，研究人员已经打造出了一台高效、廉价且精准的细胞社交“窃听器”。现在，是时候用它来听听免疫世界里那些激动人心的故事了。

实战演练：绘制动态的免疫互作全景图

拥有了强大的工具，研究人员首先选择了一个经典的免疫场景进行实战演练：抗原依赖性的T细胞激活。

在一个复杂的免疫环境中，T细胞的激活需要一个“握手”和“确认身份”的过程。抗原呈递细胞（APCs）会把捕获的“敌人”信息（抗原）展示出来，而只有能识别这个特定抗原的T细胞，才会与之紧密结合，并被激活，从而发起免疫攻击。Interact-omics能否清晰地捕捉到这一精准而关键的“握手”过程呢？

研究人员设计了一个巧妙的实验。他们从一种经过基因改造的OT-II小鼠体内，分离出一种特殊的CD4+ T细胞。这种T细胞像一个“偏执的侦探”，它的T细胞受体（TCR）只认识一种特定的抗原——鸡卵清蛋白（ovalbumin, OVA）。随后，他们将这些“偏执的侦探”T细胞，与包含了各种免疫细胞（B细胞、树突状细胞等多种APCs）的小鼠脾细胞混合在一起培养。实验分为两组：一组加入了T细胞的目标“猎物”OVA抗原，另一组则不加。

实验结果正如预期，并且被Interact-omics以极高的清晰度呈现出来。

在没有加入OVA抗原的对照组中，这些“偏执的侦探”T细胞显得非常“高冷”，它们与周围的其他细胞很少发生物理接触。然而，在加入了OVA抗原的实验组中，戏剧性的一幕上演了：大量的OVA特异性T细胞迅速地与各类抗原呈递细胞（如树突状细胞和B细胞）形成了稳定的细胞团。

通过UMAP（Uniform Manifold Approximation and Projection）降维可视化图，我们可以直观地看到这一变化。在图中，每个点代表一个细胞或细胞团。在加入OVA后，图中明显出现了一个新的、巨大的“互动细胞”岛屿，这个岛屿上的细胞团，无一例外地同时表达着T细胞和各类APCs的表面标志物。

定量分析更是给出了有力的数据支撑。与对照组相比，实验组中OVA特异性T细胞与APCs的互作频率出现了数倍乃至数十倍的增长。而与此同时，那些与OVA抗原无关的“旁观者”细胞之间的互作，则几乎没有变化。

这个实验有力地证明了，Interact-omics不仅能在大尺度上描绘出复杂的免疫细胞全景，更能以极高的特异性，精确地捕捉到由特定抗原驱动的、高度稀有的细胞互作事件。这就像在一个数百万人的城市里，我们不仅能统计出总共有多少人在交流，还能精准地定位到哪两个特定的人正在进行一场关键的对话。这种能力，为深入研究免疫应答的机制打开了全新的大门，尤其是在评估和优化现代免疫疗法方面，其潜力不可估量。

新武器评估官：透视CAR-T与双抗药物的作用机制与动力学

近年来，以CAR-T细胞疗法和双特异性抗体（bispecific antibodies）为代表的免疫疗法，在癌症治疗领域掀起了一场革命。这些疗法的核心思想，都是通过“人为牵线搭桥”，强制性地让免疫细胞（主要是T细胞）去识别并攻击癌细胞。然而，这些疗法是如何工作的？它们起效的速度有多快？为什么对有些患者有效，而对另一些患者无效？这些问题仍有许多未解之谜。Interact-omics的出现，为回答这些问题提供了一个前所未有的强大工具。

1. 实时追踪CAR-T细胞的“猎杀”瞬间

CAR-T疗法是将患者的T细胞在体外进行基因改造，为其装上一个名为“嵌合抗原受体”（Chimeric Antigen Receptor, CAR）的“GPS导航头”，使其能够精准识别癌细胞表面的特定抗原（如B细胞肿瘤上的CD19），然后将这些改造后的“超级T细胞”回输到患者体内。

研究人员模拟了这一过程。他们将表达抗CD19 CAR的T细胞（并且这些CAR-T细胞被绿色荧光蛋白GFP标记，以便追踪），与含有CD19阳性B细胞的小鼠脾细胞混合培养。他们利用Interact-omics技术，在加入CAR-T细胞后的不同时间点（0.5小时、1小时、2小时、3小时）进行“快照”分析。

结果令人震撼。在加入CAR-T细胞后仅1小时，B细胞与CAR-T细胞的互作频率就达到了峰值。相比于普通的、未经改造的内源性T细胞，CAR-T细胞与B细胞的“亲和力”展现出压倒性的优势，其互作频率的富集程度极高。这说明，CAR-T细胞一旦进入“战场”，便会以极高的效率和特异性，迅速锁定并结合其目标癌细胞。随着时间的推移，这种互作频率又逐渐下降，这可能反映了CAR-T细胞在完成“猎杀”后（即诱导B细胞凋亡）与目标脱离的过程。

Interact-omics首次以如此动态和定量的方式，清晰地描绘出了CAR-T细胞从“锁定-结合-攻击”的完整动力学过程。

2. 解剖双特异性抗体Blinatumomab的“催化”效应

如果说CAR-T是给T细胞装上了“导航头”，那么双特异性抗体Blinatumomab（商品名：倍利妥）则更像一个“强力牵线人”。这种Y形抗体的一端可以抓住T细胞表面的CD3分子，另一端则抓住B细胞肿瘤表面的CD19分子，从而强行将T细胞和癌细胞“撮合”在一起，触发T细胞的杀伤功能。

研究人员将从健康人外周血中分离的免疫细胞（PBMCs）与Blinatumomab在体外共同培养，并进行了一系列时间点的检测。

与CAR-T实验类似，在加入Blinatumomab后，T细胞与B细胞的互作频率同样出现了急剧的飙升，并在1小时左右达到顶峰，随后缓慢回落。更有趣的是，研究人员同时观察到，随着T-B细胞互作的增加，“自由”的单个B细胞数量也相应地出现了瞬时的下降。这生动地揭示了药物的作用机制：大量的B细胞被Blinatumomab迅速地“捕获”并与T细胞“捆绑”在了一起。

更有说服力的是，在稍晚的时间点，B细胞的总数（包括单个的和处于互动中的）开始下降，这有力地暗示了由T细胞介导的细胞毒性效应正在发生。与此同时，其他非T非B的细胞类型之间的互作则几乎不受影响，再次证明了药物作用的高度特异性。

通过这两个精彩的案例，Interact-omics展示了其作为新药研发和评估工具的巨大潜力。它能帮助研究人员快速、准确地了解一种新免疫疗法的作用机制、起效动力学以及特异性，这对于优化药物设计、筛选候选药物以及制定给药方案都具有不可估量的价值。但这还不是全部，这项技术最令人兴奋的应用，或许在于它能帮助我们预测患者的治疗反应。

预测癌症治疗的“晴雨表”？——来自B-ALL患者的启示

Blinatumomab已被批准用于治疗复发或难治性的B细胞急性淋巴细胞白血病（B-cell acute lymphoblastic leukemia, B-ALL），这是一种凶险的儿童癌症。尽管它为许多患儿带来了希望，但治疗反应却存在很大的个体差异，即“同药不同命”。长期以来，临床上都缺乏一个可靠的生物标志物来预测哪些患者能从治疗中获益。

研究团队认为，既然Blinatumomab的疗效依赖于它诱导的T-B细胞互作，那么这种互作的“效率”，是否就直接决定了患者的治疗结局呢？

为了验证这个大胆的猜想，他们收集了42名B-ALL患儿在接受Blinatumomab治疗前的骨髓样本。他们将这些珍贵的样本在体外用Blinatumomab处理，然后利用Interact-omics分析细胞互作的变化。根据患儿后续的临床表现，他们被明确地分为“良好应答者”（good responders, GR）和“无应答者”（non-responders, NR）。

分析结果揭示了深刻的差异，为我们理解治疗成败提供了全新的视角：

发现一：成功的治疗，始于高效的“握手”

在良好应答者（GR）的样本中，加入Blinatumomab后，能够高效地诱导出大量的T细胞与白血病B细胞的互作。而在无应答者（NR）的样本中，这种药物诱导的互作效率则大打折扣，甚至完全无法形成有效的T-B细胞连接。这直观地表明，治疗成功的关键，在于药物能否在患者体内成功地架起免疫细胞与癌细胞之间的“桥梁”。

发现二：“兵力”失衡是失败的预兆

研究人员进一步分析发现，在一些无应答者样本中，T细胞与白血病B细胞的比例严重失衡。当T细胞数量远低于B细胞时，即使有药物的帮助，有限的T细胞也无法有效地清除海量的癌细胞，导致互作效率低下。这提示我们，治疗前的“兵力”对比（T细胞/B细胞比率），可能是一个重要的预测指标。

发现三：最惊人的发现——“猪队友”的存在！

然而，最令人意想不到的发现来自于对基线状态（即用药前）的分析。研究人员注意到，在许多无应答者（NR）的样本中，即便没有药物的干预，他们的T细胞也并非处于“无所事事”的状态，而是正与大量的髓系细胞（myeloid cells）进行着高水平的互动！

这是一个颠覆性的发现。它暗示了一种可能：在这些患者体内，T细胞的“注意力”被髓系细胞分散了。这些髓系细胞就像战场上的“猪队友”，它们不断地与T细胞“纠缠”，使得T细胞无暇顾及、也无法有效地被药物引导去攻击真正的敌人——白血病细胞。这种T细胞与髓系细胞的基线高水平互作，成为了预测治疗失败的一个强有力的负向指标。

为了验证这些发现的预测价值，研究人员构建了逻辑回归模型。他们发现，如果单独使用“T细胞/B细胞比率”或药物诱导的“T-B互作倍数变化”作为预测指标，模型的准确性（以ROC曲线下面积AUC衡量，越接近1越好）分别为0.64，表现尚可。但当他们将这两个指标与新发现的“T-髓系细胞基线互作”等信息结合在一起时，模型的预测能力发生了质的飞跃，AUC值飙升至0.86！

这意味着，Interact-omics所揭示的细胞互作信息，提供了独立于传统细胞计数的、全新的、具有极高附加值的预测信息。我们不再仅仅是清点战场上有多少“士兵”和“敌人”，而是开始真正地分析“士兵”们在干什么、他们的“注意力”在哪里。这为开发B-ALL的个性化治疗伴随诊断方法奠定了坚实的基础，也让我们离精准医疗的梦想又近了一步。

跨越器官的宏大叙事：绘制病毒感染下的全身免疫风暴图

生命体的免疫应答不是局限于单一器官的孤立事件，而是一场涉及全身多个器官协同作战的复杂战役。当病毒入侵时，淋巴结（lymph nodes）、脾脏（spleen）、骨髓（bone marrow）等免疫器官会各自扮演不同的角色，上演着不同的“剧情”。然而，由于技术限制，我们对这种跨器官、系统性的细胞互作动态知之甚少。

Interact-omics的超高通量特性，使其能够应对这一宏大的挑战。研究团队选择了一种经典的病毒感染模型——淋巴细胞性脉络丛脑膜炎病毒（lymphocytic choriomeningitis virus, LCMV）感染小鼠模型。他们分别在小鼠感染前的健康状态（第0天），以及感染后的第3天和第7天，采集了小鼠的肠系膜淋巴结、脾脏和骨髓样本，进行了一场史无前例的“全身免疫普查”。

这次普查的规模是惊人的：研究人员总共分析了超过3400万个单个细胞和约41.5万个细胞互作事件，涉及21种细胞类型和52种细胞配对。如此庞大的数据集，以前所未有的广度和深度，揭示了病毒感染后机体内波澜壮阔的免疫图景。

时空交错的免疫剧本

通过对海量数据的分析，一幅清晰的、时空交错的免疫剧本徐徐展开：

早期（第3天）：骨髓中的“紧急动员”与“混乱”

感染早期，骨髓这个造血工厂成为了风暴的中心。研究人员观察到，骨髓中的自然杀伤细胞（Natural Killer cells, NK cells）与各种髓系祖细胞的互作急剧增加。根据以往的研究，这种互作与病毒感染引起的暂时性“骨髓抑制”（myelosuppression）密切相关，即NK细胞可能在清除被感染细胞的同时，也抑制了正常的造血功能。这正是机体在面对感染时，为了清除病毒而付出的“代价”。

晚期（第7天）：淋巴器官中的“精准反击”

到了感染的第7天，战场的重心转移到了次级淋巴器官——脾脏和淋巴结。在这里，专门针对LCMV病毒的特异性T细胞（通过预先输注的带标记的T细胞来追踪）开始大量扩增，并与B细胞、树突状细胞等发生高频率的互动。这是适应性免疫应答（adaptive immune response）全面启动的标志，是机体发起“精准反击”的关键时刻。

器官间的“角色差异”

Interact-omics还揭示了不同器官在免疫应答中的“角色”差异。例如，病毒特异性T细胞在脾脏和淋巴结中非常活跃，积极参与细胞互作；然而，在骨髓中也检测到了这些T细胞的身影，但它们却显得相当“沉默”，很少与其他细胞形成互动。这暗示了不同器官的微环境，对T细胞的功能状态有着深刻的调控作用。

病毒的“免疫逃逸”诡计？

研究还捕捉到了一个非常有趣的现象：在感染早期（第3天），大量的单核细胞（monocytes）会涌入淋巴结和脾脏，并与B细胞形成广泛的互动。而近期有其他研究表明，在某些慢性病毒感染中，这种单核-B细胞互作，恰恰是病毒用来抑制早期B细胞应答、实现免疫逃逸的一种“诡计”。Interact-omics的数据与这一发现遥相呼应，为我们理解病毒与宿主的复杂博弈提供了新的线索。

这场跨越器官的宏大分析，充分展现了Interact-omics在系统生物学研究中的颠覆性力量。它将我们对免疫应答的理解，从单个分子的变化、单个细胞的行为，提升到了一个跨器官、系统性的网络动态层面，让我们能够真正地去欣赏那场在机体内上演的、波澜壮阔的免疫交响乐。

倾听细胞的交响乐：一个新时代的开启

“互作组学”（Interact-omics）的诞生，不仅仅是流式细胞术领域的一项技术革新，它更像是一种思维方式的转变。它告诉我们，在生命的微观世界里，理解“关系”和理解“个体”同样重要，甚至更为重要。

这项技术的优势是显而易见的：

超高通量与速度：它可以在短时间内分析数千万级别的细胞事件，这使得大规模的药物筛选、复杂的时序实验和系统性的多器官研究成为可能。

低成本与普适性：它建立在成熟的流式细胞术平台之上，无需昂贵的特殊设备，使得更多的实验室能够接触并使用这项前沿技术。它甚至可以被用于重新分析已有的、旧的流式数据，从中挖掘出被忽略的互作信息，真正实现了“变废为宝”。

广泛的应用前景：从基础免疫学、癌症研究、感染性疾病，到自身免疫病、药物开发和个性化医疗，几乎所有涉及细胞间互动的领域，都将因Interact-omics的出现而受益。

当然，任何技术都不是完美的。Interact-omics捕捉到的是物理上的“紧密接触”，这种接触是否一定代表着功能上的“有效互动”，还需要结合其他功能性指标（如细胞内的信号磷酸化、激活标志物的表达等）来综合判断。研究人员在论文中也展示了，通过在分析流程中加入对T细胞受体下游关键蛋白pCD247磷酸化的检测，完全可以实现对“功能性互作”的评估。

更重要的是，这项工作为我们打开了一扇全新的窗户。过去，我们像是在听一场交响乐时，只能分别听到小提琴、大提琴或圆号的声音。而现在，Interact-omics让我们第一次能够听到它们之间是如何和谐共鸣、如何相互应答，从而共同奏出那壮丽的生命乐章。

从破译免疫疗法的成败之谜，到绘制病毒感染的全身作战地图，Interact-omics已经展现了其非凡的洞察力。未来，它无疑将被应用于更多更广阔的领域，去探索衰老过程中免疫系统的失调、肿瘤微环境的复杂网络、神经系统与免疫系统的对话……那些曾经被认为过于复杂而无法触及的生命难题，现在都有了被重新审视和解答的可能。

一个能够系统性“倾听”细胞社交对话的新时代，已经到来。而我们，正有幸站在这场科学革命的开端，准备迎接它将带来的无数惊喜与发现。

参考文献

Vonficht D, Jopp-Saile L, Yousefian S, Flore V, Simó Vesperinas I, Teuber R, Avanesyan B, Luo Y, Röthemeier C, Grünschläger F, Fernandez-Vaquero M, Fregona V, Ordoñez-Rueda D, Schmalbrock LK, Deininger L, Yamachui Sitcheu AJ, Gu Z, Funk MC, Mikut R, Heikenwälder M, Eggert A, von Stackelberg A, Kobold S, Krönke J, Keller U, Trumpp A, Hegazy AN, Eckert C, Hübschmann D, Haas S. Ultra-high-scale cytometry-based cellular interaction mapping. Nat Methods. 2025 Aug 7. doi: 10.1038/s41592-025-02744-w. Epub ahead of print. PMID: 40775086.

Tags： Nature Methods：“垃圾”数据里掘金！流式细胞术迎来革命，解锁百万细胞互作的秘密语言