1. 领域背景与文献
文献英文标题：Label-free single-cell proteomics reveals dynamic protein covariation networks in Arabidopsis thaliana leaf mesophyll cells under water-deficit stress；发表期刊：Genome Biology；影响因子：17.906（2023年）；研究领域：植物逆境生物学、单细胞蛋白质组学
领域共识：非生物胁迫（如干旱、盐害等）是全球农业生产的主要限制因素，每年导致大量作物减产。传统的 bulk 组学技术（如转录组学、蛋白质组学）已鉴定了大量非生物胁迫响应基因和蛋白，但由于植物组织的细胞异质性，bulk 数据无法解析单个细胞的特异性响应机制。近年来，单细胞组学技术在植物研究中的应用逐渐增多，其中单细胞RNA测序（scRNA-seq）已揭示了植物细胞在发育、胁迫等过程中的异质性和时空调控规律，但 mRNA 与蛋白质表达的不完全一致性，使得 scRNA-seq 无法准确反映细胞的功能状态。
植物单细胞蛋白质组学的发展相对滞后，核心瓶颈在于植物细胞具有细胞壁，难以获得高质量的单细胞悬液，且蛋白质组学技术对样本量的要求较高。目前仅有少数植物单细胞蛋白质组学研究报道，且多依赖于串联质量标签（TMT）标记策略，该策略需要大体积的等压载体通道，会降低单细胞样本的离子定量效率，影响定量的动态范围和准确性。此外，现有研究主要聚焦于拟南芥根细胞，针对叶肉细胞（光合作用的主要场所，也是胁迫响应的关键细胞类型）的单细胞蛋白质组学研究仍处于空白。
针对上述研究空白，本研究开发了一套适用于拟南芥叶肉细胞的无标记单细胞蛋白质组学 workflow，实现了高覆盖度的单细胞蛋白鉴定，并应用于解析叶肉细胞在水分亏缺胁迫下的蛋白表达和互作动态变化，为植物逆境响应的单细胞机制研究提供了技术方法和新的见解。
2. 文献综述解析
作者对领域内现有研究的分类维度主要包括三个层面：一是技术类型，分为 bulk 组学与单细胞组学；二是蛋白质组学标记策略，分为 TMT 标记与无标记定量；三是研究对象，分为根细胞与叶肉细胞。
现有研究的关键结论方面，bulk 组学技术已系统鉴定了植物非生物胁迫响应的基因和蛋白库，为胁迫机制研究提供了基础数据；单细胞 RNA 测序揭示了植物细胞在发育、胁迫过程中的异质性，发现了细胞特异性的调控网络；植物单细胞蛋白质组学研究证明了在拟南芥根细胞中实现单细胞蛋白鉴定的可行性，并能区分不同根细胞类型。技术方法优势方面，bulk 组学具有高通量、高覆盖度的特点，能快速获得全局分子响应；单细胞 RNA 测序能解析细胞异质性，揭示细胞特异性功能；TMT 标记的单细胞蛋白质组学能实现多细胞样本的同时定量，降低技术重复的变异。局限性方面，bulk 组学掩盖了细胞间的异质性，无法解析单个细胞的特异性响应；单细胞 RNA 测序中 mRNA 表达水平不能准确预测蛋白质的表达和功能；TMT 标记的单细胞蛋白质组学依赖大体积载体通道，会稀释单细胞样本的离子信号，降低定量的准确性和动态范围；现有植物单细胞蛋白质组学研究缺乏对叶肉细胞的关注，且无标记策略未被应用于植物单细胞研究。
本研究的创新价值在于，首次开发并验证了适用于植物叶肉细胞的无标记单细胞蛋白质组学技术，单个细胞平均鉴定到 3003 个蛋白，显著高于已报道的 TMT 标记方法的蛋白覆盖度；建立了基于单细胞蛋白质组学数据的蛋白质共变网络分析方法，能够解析胁迫下蛋白互作的动态变化，而不仅仅是差异表达；系统解析了拟南芥叶肉细胞在水分亏缺胁迫下的蛋白响应，包括差异表达蛋白的功能富集和蛋白共变网络的重编程，为植物逆境响应的单细胞机制提供了新的视角。
3. 研究思路总结与详细解析
本研究的整体框架为：首先建立并验证适用于拟南芥叶肉细胞的无标记单细胞蛋白质组学 workflow，解决植物单细胞获取和高覆盖度蛋白鉴定的技术瓶颈；其次通过水分亏缺胁迫实验，获取不同胁迫程度下叶肉细胞的单细胞蛋白质组学数据；最后通过差异表达分析和蛋白质共变网络分析，解析叶肉细胞在胁迫下的蛋白表达和互作动态变化。核心科学问题包括：如何高效获取高质量的拟南芥叶肉单细胞，如何实现植物单细胞的高覆盖度无标记蛋白质组学分析，以及叶肉细胞在水分亏缺胁迫下的蛋白功能网络如何动态调控。技术路线遵循“技术建立→技术验证→实验应用→数据分析→结论”的闭环逻辑。
3.1 无标记单细胞蛋白质组学 workflow 建立与技术验证
实验目的是建立适用于拟南芥叶肉细胞的无标记单细胞蛋白质组学方法，并从蛋白覆盖度、定量准确性和精度三个维度验证技术性能。方法细节上，采用胶带-三明治法分离拟南芥叶肉细胞原生质体：将叶片贴在胶带上，剥离表皮细胞，暴露叶肉细胞后用酶解法消化细胞壁，获得叶肉原生质体；使用 cellenONE 压电分选仪分选单个原生质体，基于形态学参数（细胞直径 40-70μm、圆形度≤2、伸长率≤2.7）排除破碎细胞和细胞碎片；采用 nanoPOTS（纳升级一锅法样品制备）技术处理单细胞样本，结合高场不对称波形离子迁移谱（FAIMS）增强的质谱数据采集，提高蛋白鉴定的深度；分别分析 10 个、3 个和单个原生质体的蛋白组，每个分组设置多个生物学重复（10 个原生质体 n=4，3 个原生质体 n=4，单个原生质体 n=8）。结果解读显示，单个原生质体平均鉴定到 18458 条肽段，对应 3003 个蛋白，10 个原生质体平均鉴定到 22812 条肽段，对应 3278 个蛋白，蛋白覆盖度接近 bulk 叶肉蛋白组水平；定量精度方面，肽段水平的变异系数（CV）从 10 个原生质体的 0.26 上升到单个原生质体的 0.37，符合无标记定量技术的预期，且反映了单细胞样本的生物学异质性；蛋白丰度分布的中位数接近理论比例（10 个原生质体的中位数约为单个的 10 倍，3 个原生质体约为单个的 3 倍），表明定量准确性良好；通过蛋白组丰度图谱和 cellenONE 成像分析，能有效识别并去除破碎的原生质体，提高后续数据分析的可靠性。实验所用关键产品：CELLULYSIN Cellulase（Millipore Sigma）、macerozyme R10（Fischer Scientific）、cellenONE 压电分选仪、nanoPOTS 芯片、Orbitrap Lumos Tribrid 质谱仪（ThermoFisher Scientific）、FragPipe 蛋白质组学分析软件。
3.2 水分亏缺胁迫实验设计与样品制备
实验目的是构建拟南芥水分亏缺胁迫模型，获取不同胁迫程度下的叶肉单细胞样本用于蛋白质组学分析。方法细节上，拟南芥（Columbia-0 生态型）在控制条件（22℃/18℃ 昼夜温度、16h/8h 光周期）下生长，待植株生长至 2 周龄后，设置两个水分亏缺处理组：中度胁迫组（WD-50%，土壤含水量降至 50%）和重度胁迫组（WD-30%，土壤含水量降至 30%），每个处理组对应同龄的正常供水对照组（Ctrl-50% 和 Ctrl-30%），以消除植株生长年龄的影响；从处理和对照植株中分离叶肉原生质体，共分选 117 个单细胞进行蛋白质组学分析，通过主成分分析（PCA）和成像分析进行质量控制，去除破碎的原生质体，最终保留 87 个高质量细胞用于后续分析。结果解读显示，重度水分亏缺（WD-30%）处理的植株叶片鲜重和干重均显著降低（文献未明确提供具体数值，基于图表趋势推测），而中度胁迫（WD-50%）处理的植株生物量变化不明显；PCA 分析显示水分亏缺是样本变异的主要来源，WD-30% 组与 Ctrl-30% 组的分离程度显著高于 WD-50% 组与 Ctrl-50% 组；质量控制步骤共去除 30 个破碎原生质体，剩余 87 个高质量细胞平均鉴定到 2873 个蛋白，保证了数据分析的可靠性。
3.3 叶肉细胞基础蛋白组特征分析
实验目的是解析正常供水条件下拟南芥叶肉细胞的蛋白组成和丰度特征，验证本研究蛋白质组学数据的准确性。方法细节上，将对照组细胞的蛋白丰度数据转换为摩尔分数（riBAQ），再基于已报道的拟南芥叶肉细胞总蛋白拷贝数（258 亿），将摩尔分数转换为蛋白拷贝数；将本研究的蛋白鉴定结果和拷贝数数据与已发表的 bulk 叶肉蛋白组数据进行比较。结果解读显示，核酮糖-1,5-二磷酸羧化酶/加氧酶（RuBisCo）和光捕获复合物（LHC）是叶肉细胞中丰度最高的蛋白，其中 RuBisCo 亚基的拷贝数约为 100 亿/单个原生质体，占总蛋白拷贝数的比例较高，符合叶肉细胞作为光合作用主要场所的功能特征；本研究与 bulk 叶肉蛋白组数据的蛋白鉴定重叠率为 84%，蛋白拷贝数的相关性系数 R=0.79，验证了本研究蛋白质组学数据的准确性；本研究在 bulk 数据的基础上，扩展了 2270 个蛋白的单细胞水平拷贝数估计，为叶肉细胞的蛋白功能研究提供了更精细的数据。
3.4 水分亏缺胁迫下的差异蛋白表达分析
实验目的是鉴定拟南芥叶肉细胞在不同程度水分亏缺胁迫下的差异表达蛋白，并解析其功能富集特征。方法细节上，采用无标记定量的差异丰度分析方法，以 log₂ 倍数变化≥0.5/≤-0.5、BH 校正 P 值≤0.05 为差异蛋白的筛选阈值；对差异蛋白进行基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析，解析其功能特征。结果解读显示，中度水分亏缺（WD-50%）处理仅鉴定到 28 个差异表达蛋白，而重度水分亏缺（WD-30%）处理鉴定到 169 个上调蛋白和 294 个下调蛋白，表明重度胁迫下叶肉细胞的蛋白响应更为显著；上调蛋白显著富集于“水分剥夺响应”“脱落酸响应”“水通道活性”等 GO 术语，这些蛋白主要参与胁迫信号感知、渗透调节和水分运输，是植物应对水分亏缺的核心功能模块；下调蛋白显著富集于“核糖体”“翻译”等 GO 术语，其中 50% 的下调蛋白为核糖体结构成分，表明重度胁迫下叶肉细胞的翻译能力显著下降，可能是植物为节约能量、优先分配资源到胁迫响应通路的适应性机制；本研究的差异蛋白结果与已发表的 bulk 叶肉胁迫蛋白组数据高度一致，验证了胁迫响应机制的保守性。
3.5 蛋白质共变网络分析与胁迫下的动态变化
实验目的是构建拟南芥叶肉细胞的蛋白质共变网络，解析水分亏缺胁迫下蛋白互作的动态变化。方法细节上，首先筛选在 87 个细胞中检测率>90%的蛋白，采用 k 近邻（KNN）插补法填补缺失值；采用高斯混合模型（GMM）聚类结合 GO 富集分析，将蛋白分为具有功能相关性的簇；分别计算 Ctrl-30% 组和 WD-30% 组的蛋白两两 Pearson 相关性，分析胁迫下共变网络的动态变化。结果解读显示，共 2323 个蛋白被分为 18 个具有显著 GO 富集的簇，涵盖了叶绿体、核糖体、内膜系统等主要细胞组分，其中多个簇对应已知的蛋白复合物（如 RuBisCo、核糖体、液泡 ATP 合酶），证明了共变网络分析的可靠性；发现了新的蛋白功能关联，如重金属转运蛋白 CRASS 与叶绿体核糖体蛋白共聚类，且相关性显著，支持了近期关于 CRASS 与核糖体相互作用的报道，展示了共变网络分析在发现新蛋白功能中的潜力；重度水分亏缺胁迫下，内膜系统簇（簇 6）的共变相关性几乎完全丧失，其两两相关性的中位数从对照组的 0.2 降至胁迫组的接近 0（n=21/22，Kolmogorov–Smirnov 检验 P<0.001），表明内膜系统的蛋白互作网络在胁迫下发生了解离；而核糖体簇（簇 11）与翻译相关簇（簇 12）的共变相关性显著增强，中位数从 0.15 升至 0.25（n=21/22，Kolmogorov–Smirnov 检验 P<0.001），表明胁迫下核糖体复合物的组装或稳定性可能发生了变化；部分簇的共变变化独立于蛋白丰度变化，如下调的核糖体蛋白簇的共变相关性反而增强，揭示了胁迫下蛋白互作的动态调控不能仅通过差异表达分析来解析。
4. Biomarker 研究及发现成果解析
Biomarker 定位
本研究涉及的 Biomarker 包括两类：一是叶肉细胞的细胞类型标记蛋白，以 RuBisCo 和 LHC 为代表；二是水分亏缺胁迫响应的差异表达蛋白和共变网络特征蛋白。筛选逻辑方面，细胞类型标记蛋白基于叶肉细胞的功能特征（光合作用），通过与表皮细胞的蛋白丰度差异筛选；胁迫响应 Biomarker 通过差异表达分析（筛选丰度显著变化的蛋白）和共变网络分析（筛选互作动态变化的蛋白簇）获得。验证逻辑方面，细胞类型标记蛋白通过与已发表的细胞类型蛋白组数据比较验证；胁迫响应差异蛋白通过 GO 富集分析、与 bulk 胁迫数据比较验证；共变网络特征蛋白通过功能聚类、与已知蛋白复合物的匹配验证。
研究过程详述
Biomarker 的来源为拟南芥叶肉细胞的单细胞蛋白质组学数据，样本包括正常供水对照组和不同程度水分亏缺胁迫组的 87 个高质量单细胞。验证方法方面，细胞类型标记蛋白通过比较叶肉细胞与表皮细胞的蛋白丰度差异验证；胁迫响应差异蛋白采用统计学检验（BH 校正 P 值≤0.05）、功能富集分析验证；共变网络特征蛋白通过 GMM 聚类、GO 富集分析、蛋白两两相关性分析验证。特异性与敏感性方面，叶肉细胞标记蛋白 RuBisCo 和 LHC 在叶肉细胞中的丰度显著高于表皮细胞（文献未明确提供具体数值，基于功能特征推测）；重度水分亏缺胁迫下的差异表达蛋白中，19 个为已知的水分剥夺响应蛋白，具有明确的胁迫响应特异性；共变网络特征蛋白簇的功能富集具有显著的统计学意义（BH 校正 P 值≤0.05），能准确反映细胞组分的功能模块。样本量方面，正常供水对照组共 49 个细胞（Ctrl-50% n=28，Ctrl-30% n=21），水分亏缺胁迫组共 38 个细胞（WD-50% n=19，WD-30% n=19）。
核心成果提炼
本研究鉴定的叶肉细胞标记蛋白 RuBisCo 和 LHC 可作为叶肉细胞的特异性分子标记，用于叶肉细胞的鉴定和分离；重度水分亏缺胁迫下的 463 个差异表达蛋白中，上调蛋白主要参与胁迫信号转导、渗透调节和水分运输，下调蛋白主要参与翻译过程，揭示了叶肉细胞在胁迫下“优先激活胁迫响应通路、抑制基础代谢”的适应性策略；共变网络分析发现了 18 个功能相关的蛋白簇，涵盖了叶肉细胞的主要细胞组分，其中重金属转运蛋白 CRASS 与叶绿体核糖体蛋白的共聚类，首次在单细胞水平验证了其与核糖体的功能关联；胁迫下蛋白共变网络的动态变化显示，内膜系统的蛋白互作网络解离，核糖体与翻译相关蛋白的互作增强，这些变化部分独立于蛋白丰度变化，揭示了胁迫下蛋白功能网络的重编程机制，为植物逆境响应的研究提供了新的视角。统计学结果方面，差异表达蛋白的 BH 校正 P 值≤0.05，共变网络簇的 GO 富集分析 BH 校正 P 值≤0.05，胁迫前后共变相关性的差异采用 Kolmogorov–Smirnov 检验，P<0.001。