学术研究深度解读：基于纳米抗体的单细胞CUT&Tag技术实现多模态染色质谱分析

类型a：单一原创研究

主要作者与发表信息

本研究的核心作者是Marek Bartosovic和Gonçalo Castelo-Branco。Marek Bartosovic的主要隶属单位为瑞典卡罗林斯卡医学院（Karolinska Institutet）医学生物化学与生物物理学系分子神经生物学实验室，现工作单位为斯德哥尔摩大学生物化学与生物物理学系。Gonçalo Castelo-Branco的工作单位为卡罗林斯卡医学院及明伟刘修复医学中心（Ming Wai Lau Centre for Reparative Medicine）斯德哥尔摩节点。此项研究于2022年12月19日在线发表于国际顶级期刊《Nature Biotechnology》，并作为2023年6月刊（第41卷）的研究文章（Article）正式出版。

学术背景与研究目标

细胞的身份及其基因表达程序由多种表观遗传学模态（epigenetic modalities）共同决定，这些模态包括组蛋白修饰（histone modifications）、染色质可及性（chromatin accessibility）、DNA甲基化等。对这些模态的联合分析对于理解发育和疾病过程中的细胞状态转变至关重要。例如，染色质的开放或增强子的激活可能早于基因转录发生，因此，全面的多模态染色质图谱可以用于预测细胞谱系的分化方向。

在此研究之前，单细胞表观基因组学技术如scATAC-seq和scCUT&Tag等，主要局限于单模态（unimodal）分析，且依赖于计算整合来推断不同模态间的关系，这种间接推断存在局限性。尽管已有如Multi-CUT&Tag的技术尝试在同一细胞中同时分析两种组蛋白修饰，但其灵敏度低下，每个细胞获得的独特片段（unique fragments）数量很少，且仅在细胞系混合物中进行了验证，难以在复杂组织中解析细胞类型与状态的微小差异。因此，该领域迫切需要一种能够以更高灵敏度在单细胞水平上直接、同时地测量多种表观遗传模态的新技术。这正是本研究开展的核心目标——开发一种名为Nano-CT（纳米抗体CUT&Tag）的新方法，以在单个细胞中实现多模态染色质谱分析，并凭借其高分辨率揭示复杂生物系统中的表观遗传景观。

详细工作流程

本研究的工作流程主要包含三个创新性的技术开发步骤，并在小鼠脑组织中进行了系统性验证。

第一步：新型融合蛋白与实验流程设计 研究人员设计并制备了纳米抗体-Tn5转座酶融合蛋白（nanobody-Tn5 fusion proteins），称之为Nano-Tn5。这种融合蛋白巧妙地将单链二级抗体——纳米抗体（nanobody）与Tn5转座酶结合，其中一种纳米抗体特异性识别小鼠来源的一抗（ms-Tn5），另一种识别兔来源的一抗（rb-Tn5）。这一设计使得Tn5可以直接且特异性地结合到与靶蛋白（如特定组蛋白修饰）结合的一抗上，从而完全省略了传统CUT&Tag流程中需要额外加入二抗的步骤。由于纳米抗体与一抗的单价相互作用（monovalent interaction），一抗与Nano-Tn5的结合和孵育步骤可以合并，极大地简化了实验操作，减少了洗涤次数，并将细胞核回收率提高至28%至68%。这使得该方法所需起始细胞量低至约25,000个，相较于之前单细胞CUT&Tag方案所需的100万或15万个细胞有了显著降低。 同时，研究者还开发了全新的文库构建策略（tagmentation and library preparation protocol）。首先，使用装载有特定P5端接头的Nano-Tn5进行“确定性标记化”（deterministic tagmentation）。然后，标记后的基因组DNA作为模板，在10x Genomics Chromium平台上进行线性扩增（linear amplification）和条形码标记（barcoding）。回收带有条形码的DNA后，再使用装载有P7端接头的标准Tn5进行第二轮标记化，以引入第二个接头。最后，通过PCR扩增完成文库构建。这一策略减少了PCR扩增所需循环数，并显著提升了捕获效率。

第二步：单模态Nano-CT在鼠脑组织中的性能验证 为测试新技术的性能，研究者首先使用Nano-CT对出生后第19天（P19）小鼠脑组织的H3K27me3组蛋白修饰进行了单模态分析。他们获得了6,798个单细胞图谱（single-cell profiles），每个细胞的独特片段中位数达到3,720，比上一代scCUT&Tag技术在同一平台上施展的结果提高了15.8倍。通过标准分析流程进行聚类和降维后，研究者发现Nano-CT数据能比scCUT&Tag数据解析出更精细的细胞亚群。例如，它将星形室管膜细胞（astroependymal cells）的一个大群成功细分为四个新的亚群，而scCUT&Tag则无法做到。这证明了Nano-CT在灵敏度和分辨率上的显著优越性。

第三步：多模态Nano-CT的建立与在鼠脑中的系统性应用 研究者进一步将Nano-Tn5装载上具有不同条形码的寡核苷酸（barcoded oligonucleotides），以追踪不同Tn5融合蛋白的插入事件。他们对同一P19小鼠脑组织样本，同时靶向了H3K27ac和H3K27me3两种组蛋白修饰。更进一步，一些样本在抗体孵育前，先用未融合的、带有独特条形码的Tn5进行了处理，以同时分析染色质可及性（ATAC-seq），从而在单个细胞中实现了对三种表观遗传模态的同时分析。最终，经过严格质控，研究者获得了大量高质量的细胞数据。其中，在三模态数据集中，有4,434个细胞在所有三种模态中都通过了质控。多模态Nano-CT在每种模态上获取的片段数都持续优于以往的scCUT&Tag方案，例如H3K27ac的中位片段数可达6,000以上，而旧技术仅为数百个。

主要研究结果及分析

研究结果揭示了多模态Nano-CT在解析复杂生物系统方面的强大能力。

第一，细胞异质性的深度解析 通过分别对ATAC-seq、H3K27ac和H3K27me3数据进行聚类分析，并结合单细胞RNA测序图谱进行注释，研究者发现不同模态在识别细胞身份方面的效能并不相同。例如，周细胞（pericytes）和血管平滑肌细胞（vascular smooth muscle cells）可以通过H3K27ac模态有效区分，但在H3K27me3或ATAC-seq模态下则难以分辨。为了最大化利用多模态信息，研究者采用加权最近邻（weighted nearest neighbors, WNN）算法对多模态矩阵进行整合分析，鉴定出了一致性更高的细胞亚群。一个典型的发现是，在端脑（telencephalon）和非端脑星形胶质细胞中，关键的发育转录因子Foxg1和Irx2的基因座显示出截然不同的表观遗传状态，在一种细胞中表现为染色质开放和H3K27乙酰化，而在另一种中则被H3K27三甲基化所沉默。这直接关联并反映了不同星形胶质细胞群的发育起源。

第二，少突胶质细胞分化中的连续性H3K27me3抑制波 利用多模态数据的优势，研究者聚焦于少突胶质细胞（oligodendrocyte）谱系的分化过程。他们基于WNN嵌入结果构建了发育轨迹（pseudo-time），并分析了三种染色质模态在分化过程中的动态变化。结果显示，在基因座开放的动态过程中，染色质可及性（ATAC-seq）的改变先于H3K27ac的沉积，呈现出一种时序上的延迟。 更为引人注目的是H3K27me3的沉积模式，研究人员观察到它在少突胶质细胞分化过程中呈现出两个连续且功能各异的波次。第一波抑制发生在分化早期，主要作用于与神经元功能相关的基因模块。而第二波抑制则不仅针对神经元基因，还特异性地抑制了在少突胶质祖细胞中表达的基因（如Sox5、Sox6、Ptprz1），这些基因与胶质细胞生成和分化等重要生物学过程密切相关。这种连续性的抑制状态变化是仅凭转录组数据无法分辨的，Nano-CT首次直接揭示了这一表观遗传调控新机制。

第三，基于多模态数据定义“染色质速度”（Chromatin Velocity） 借鉴RNA速度（RNA velocity）的概念，研究者提出可以利用在时序上存在因果关系的两种染色质模态来预测细胞分化方向。基于ATAC-seq变化先于H3K27ac的发现，研究者将两者的基因信号矩阵分别作为“未剪接”（unspliced）和“已剪接”（spliced）信息的输入，使用scVelo算法模型进行分析。结果表明，ATAC/H3K27ac染色质速度准确地预测了少突胶质细胞由祖细胞向成熟细胞分化的方向。通过此模型识别出的关键“驱动基因”，虽然其表达水平可能不高，难以通过常规转录组分析发现，但它们却在神经系统发育和神经生成等核心生物学过程中富集。相反，当使用相互拮抗的H3K27ac和H3K27me3这一对模态作为输入时，则无法准确预测分化轨迹。这证明了多模态组合用于动态预测的潜力与复杂性。

结论与价值

本研究成功开发了Nano-CT技术，这是一种新的多模态单细胞CUT&Tag方法。其在科学价值上实现了多项突破：首先，它大幅降低了对起始材料的需求（约5倍）并显著提高了数据产出（每个细胞片段数增加16倍），使得低投入量、高灵敏度的表观遗传分析成为可能。其次，它首创性地实现了在单个细胞中同时对三种关键表观遗传模态——染色质可及性（ATAC-seq）和两种组蛋白标记（H3K27ac和H3K27me3）——进行高分辨率检测。在应用价值上，Nano-CT不仅能使研究者更精细地定义复杂组织中的细胞身份，还首次提供了在连续生物过程中直接测量染色质动态变化的能力，例如揭示了少突胶质细胞分化中的双重H3K27me3抑制波，并定义了“染色质速度”这一新概念，用以从静态数据中推断细胞分化的动态路径。

研究亮点与创新性

本研究的亮点主要体现在以下几个方面。首先，其独创的模块化纳米抗体-Tn5融合蛋白设计，赋予了该技术极高的灵活性和通用性，理论上可以针对任何小鼠或兔源一抗的组合进行分析，未来还可以扩展到其他物种或直接使用针对特定蛋白的一抗纳米抗体，实现对更多表观遗传因子的同时检测。其次，全新的文库构建策略是灵敏度飞跃的核心，它通过确定性标记与线性扩增的结合，解决了传统双标记事件邻近依赖的效率瓶颈。再者，该研究不仅在技术上实现了多模态，更在概念上有所创新，通过整合分析揭示了表观修饰间的时序关系，并成功建立了预测性的“染色质速度”模型，为未来开发更精准的多模态生信算法奠定了实验基础和理论框架。