系統和細胞代謝過程是免疫細胞功能的關鍵調節因素。實際上，細胞外營養物質、代謝重編程以及與代謝相關的信號介質共同調控免疫細胞的命運、狀態和功能結果[1]。在免疫代謝學領域的初步研究中，通常采用“還原論”方法（例如，分析特定細胞類型的基因敲除小鼠），這些方法對于確定代謝效應的因果關系非常有效。然而，它們無法完全再現復雜的細胞內代謝途徑或免疫細胞與其微環境之間的相互作用。因此，我們仍然缺乏對免疫細胞在多種環境中的代謝過程的理解，尤其是在單細胞或體內空間層面。

系統生物學方法極大地改變了我們對免疫系統的理解。特別是，單細胞轉錄組分析揭示了與疾病進展或治療結果相關的分子途徑和異質性細胞狀態，而代謝組學、表觀基因組學和蛋白質組學分析則提供了進一步的見解。盡管如此，這些分析方法往往無法揭示決定細胞命運和功能的根本驅動因素。因此，人們采用了基因擾動方法（尤其是基于CRISPR–Cas9的基因篩選）、多組學分析和計算生物學方法的整合應用來揭示這些功能驅動因素[2]。這些系統層面的多組學和“擾動組學”方法在免疫學領域取得了重要的發現和機制認識，這些是簡單系統無法得出的，從而揭示了癌癥和其他疾病的新生物學見解和可操作靶點。整合這些系統生物學工具對于幫助研究人員探討免疫代謝學中的新興概念至關重要，例如營養物質作為“信號4”的作用、代謝異質性以及細胞間代謝通訊（圖1）。在這里，我們討論了使用系統生物學工具（包括批量分析、單細胞分析和空間分析平臺）來研究這些新興概念，以T細胞為例。

下載：

• PPT
  PowerPoint幻燈片
• PNG
  較大圖像
• TIFF
  原始圖像

圖1. 系統生物學方法用于研究免疫代謝學中的新興概念。

該圖展示了免疫代謝學研究中的三個新興概念：營養物質作為“信號4”（包括對代謝重編程和/或營養素/代謝物依賴性信號的影響）、代謝異質性（即具有不同代謝狀態的細胞，如優先使用糖酵解或氧化磷酸化，通過不同顏色和大小的細胞表示）以及細胞間代謝通訊（外圈）。通過使用基于CRISPR的平臺結合多組學方法來分析免疫細胞的轉錄、表觀遺傳和代謝狀態（包括批量、單細胞和空間層面），這些概念將得到進一步的發展（中圈）。最終，這些整合系統生物學工具所取得的根本性發現將推進我們對免疫學的理解，并促進針對代謝相關過程的治療應用（內圈）。該圖由BioRender制作。Chapman, N. (2025) https://BioRender.com/vyudh54。

https://doi.org/10.1371/journal.pbio.3003570.g001

最近，人們提出了細胞外營養物質可以作為T細胞生物學中的“信號4”的概念[3]。T細胞必須持續感知并適應其環境的變化。長期以來，三類主要的免疫信號（同種抗原、共刺激和細胞因子）已知可以調控T細胞的激活和功能適應，這些信號也影響T細胞生物學中的代謝重編程[1]。由于營養轉運蛋白既作為代謝燃料來源又作為信號分子，細胞外營養物質最近被視為一類新的信號來指導T細胞反應。然而，不同組織和同一組織內的營養組成存在差異，并且在疾病背景下還會進一步改變，這增加了我們理解營養物質如何影響免疫反應的復雜性。

要理解局部營養物質的可用性如何影響T細胞反應，需要采取多方面的方法。首先，越來越多的研究表明T細胞會代謝適應營養組成的變化，這可以通過結合體內穩定同位素追蹤研究和組織水平代謝組學分析，以及對代謝途徑的個體和組合靶向來實現[3。其次，揭示T細胞在不同環境中對不同營養素的需求至關重要。這可以通過調節營養物質（例如，改變飲食中的營養組成或直接在微環境中調節）及其轉運蛋白（例如，通過基因或藥物擾動）來探索[3。第三，盡管人們關注較多的是營養物質作為燃料來源的代謝作用，但對其信號效應的理解較少，尤其是在表觀遺傳和轉錄調控之外的方面。由于營養依賴性信號事件進一步促進代謝重編程，反之亦然[3，因此揭示細胞內的傳感器和信號轉導器也非常重要，這有助于發現新的免疫代謝機制。為此，最近的一項全基因組CRISPR篩選發現了營養敏感的mTORC1信號調節因子。將這項篩選的結果與蛋白質-蛋白質相互作用網絡分析相結合，揭示了由營養轉運蛋白、傳感器和轉導器組成的三層營養信號傳導的關鍵節點及其對T細胞生物學的影響[4]。這些方法，加上新興的代謝物-RNA或代謝物-蛋白質相互作用分析技術，將大大推進我們對營養信號傳導和“信號4”在適應性免疫中的機制理解。

最近還提出了T細胞功能中的代謝異質性（或異質性代謝狀態）概念[1,5。在免疫反應過程中，會產生不同的T細胞功能亞群，例如多種CD4⁺輔助細胞群體，代謝重編程有助于它們的分化和功能特化[1。此外，在適應性免疫和治療反應中，經常會出現具有不同代謝調節或功能效應的T細胞過渡狀態。單細胞代謝分析技術的應用加速了這些代謝異質性細胞亞群或過渡狀態的識別，包括基于流式細胞術的SCENITH或MetFlow分析，以及像COMPASS這樣的計算算法，可以從單細胞轉錄組數據中推斷出代謝異質性[6。此外，通過將這些平臺與計算算法（如NetBID）和基因擾動研究相結合，可以揭示代謝相關“隱藏驅動因素”（在基因或蛋白質水平上不受調控的功能分子），這些因素是代謝異質性的基礎。實際上，與代謝相關的酶或調節因子往往受到轉錄后或翻譯后機制的影響，因此在傳統的差異表達分析中可能無法捕捉到。

批量CRISPR篩選結合代謝組學分析在揭示T細胞命運決策的代謝調節因子方面發揮了基礎性作用[2。然而，異質性代謝狀態通常代表罕見或短暫存在的細胞群體，這限制了我們進行傳統代謝組學分析的能力。此外，識別能夠篩選驅動代謝異質性因素的標記物（例如通過批量CRISPR篩選）仍然具有挑戰性。為了解決這些難題，我們提出了應用先進的單細胞技術，特別是單細胞CRISPR篩選平臺和單細胞代謝分析方法[7和8。這些整合方法有望揭示產生異質性狀態的代謝調節網絡，從而加速針對代謝異質性治療癌癥和自身免疫性疾病等疾病的途徑。

第三個新興概念是營養物質和代謝物如何影響調節免疫反應啟動和結果的細胞間通訊。為了理解這種細胞間代謝通訊，先驅性研究分析了離散組織微環境（如腫瘤微環境或炎癥組織）中的營養物質和代謝物組成，并將這些分析與實驗相結合，以確定這些營養物質/代謝物的細胞來源及其對特定免疫細胞群體的功能效應。這些信息，加上對感興趣細胞類型中的細胞內代謝酶或營養轉運蛋白的靶向刪除，促進了細胞間代謝通訊及其對疾病和治療效果的理解。盡管如此，理解復雜組織微環境中的細胞間代謝通訊如何影響體內免疫結果仍然具有挑戰性。新興的體內空間CRISPR篩選技術[2，特別是那些結合原位檢測擾動（例如引導RNA檢測）與空間轉錄組學[9]（包括蛋白質編碼RNA之外的全部RNA[10]）、蛋白質組學或代謝組學的技術，可能會揭示空間分辨的細胞間通訊機制，包括代謝因素的影響。

我們預計，下一代免疫代謝學研究將受益于高維擾動篩選、多組學分析和計算生物學方法的整合應用。特別是高維單細胞或空間擾動組學，結合人工智能和機器學習模型的使用，將有助于重建因果基因和代謝調節網絡，開啟免疫代謝學的因果系統生物學時代。我們期待這些研究將為免疫代謝學提供新的根本性生物學見解，并改變免疫介導疾病的治療方法。

致謝

作者感謝J Raynor和H Shi在科學討論中的寶貴意見。

參考文獻