跳到正文

DAILY PAPER READING

每日文献解读

每天一篇，讲清研究问题、方法、结果与证据边界。

2026-10-27 · 原文发表于 2026-09-21

RamanOmics技术揭示衰老与组织修复中的空间分子特征

Zhang K, Chen X, Monticolo F, Sorrentino S, Huang H, Callahan C, Qiao Y, Zhou J, Brodowska S, Sapantzi S, Qi J, Wu Y, Dang TNS, Cao Y, Kang S, Viggiani F, Ho CK, Xu Y, Kobayashi-Kirschvink KJ, Mung T, Phatnani H, Dou Z, Kang JW, So PTC, Shu J.. RamanOmics decodes the spatial vibrational-molecular architecture of senescence in aging and repair. Nature aging. 2026. doi:10.1038/s43587-026-01219-7. PMID:42768111.

查看原始文献（Europe PMC · 创面修复文献）↗

研究问题

如何在单细胞空间分辨率下整合生化状态与转录程序，以解析衰老和组织修复过程中的分子特征？

衰老和组织修复涉及转录、生化和细胞层面的复杂变化，但传统方法依赖孤立的分子标记，难以揭示这些状态如何共同演变。本研究旨在通过一种多模态方法，实现对衰老和修复过程中细胞状态的系统性解析。

研究设计

研究采用RamanOmics框架，结合无标记高光谱拉曼成像、单核RNA测序和空间转录组学，对年轻和老年小鼠肺和皮肤组织进行分析。研究对象为小鼠组织样本，比较方式为不同年龄组和不同组织间的分子特征。关键方法包括拉曼成像、单细胞转录组分析和机器学习建模。

主要发现

RamanOmics在不同组织中识别出特异性的衰老程序：肺部衰老细胞富集于细胞外基质重塑和TGF-β信号通路，而皮肤衰老则主要由表皮分化基因（Krt10、Lor和Sbsn）主导。研究发现一种保守的脂质相关拉曼特征（1,131–1,135 cm⁻¹），可标记p21⁺衰老细胞。此外，在小鼠伤口愈合模型中，观察到衰老细胞中表皮分化基因的重新激活及脂质相关拉曼信号增强。

如何理解

作者报告了RamanOmics在识别组织特异性衰老程序和建立非破坏性衰老细胞识别方法方面的潜力。这提示该技术可作为研究衰老和组织修复的通用工具，但其在临床应用中的具体效果尚未明确。不能据此证明该方法可直接用于个体患者治疗决策。

局限与不确定性

研究局限性包括仅使用小鼠模型，未说明是否适用于人类组织；未报告样本量、统计显著性或效应大小；未说明机器学习模型的训练数据和验证方法；未明确拉曼信号与具体生化过程的因果关系；未报告实验的重复性或可重复性数据。

一句话带走

RamanOmics提供了一种新的多模态方法用于研究衰老和组织修复中的细胞状态，但其在临床实践中的应用仍需进一步研究。该技术为理解组织衰老和修复机制提供了新视角。

术语小注

拉曼成像：
一种无标记的光谱成像技术，用于检测分子振动信息，从而识别组织或细胞中的化学成分和结构变化。
单核RNA测序：
一种高通量测序技术，用于分析单个细胞核中的RNA表达，从而揭示细胞的转录状态。
空间转录组学：
一种技术，可在组织切片中定位和分析基因表达，从而揭示细胞在组织中的空间分布和功能状态。
p21⁺细胞：
表达p21蛋白的细胞，通常与细胞周期阻滞和衰老状态相关。
衰老细胞：
因各种原因进入不可增殖状态的细胞，常伴随特定的分子标志和功能改变。
机器学习建模：
利用算法从数据中学习规律，并用于预测或分类的技术，本研究用于建立衰老细胞识别模型。
展开原文摘要

Aging and tissue repair involve heterogeneous remodeling across transcriptional, biochemical and cellular dimensions, yet prevailing definitions rely on isolated molecular markers that obscure how these states co-evolve. Here we present RamanOmics, a multimodal framework integrating label-free hyperspectral Raman imaging with single-nucleus RNA sequencing and spatial transcriptomics to link biochemical states with transcriptional programs at single-cell spatial resolution. Applied to young and old mouse lung and skin, RamanOmics reveals tissue-specific programs: lung senescent cells are enriched for extracellular matrix remodeling and transforming growth factor-β signaling, whereas skin senescence is dominated by epidermal differentiation genes (Krt10, Lor and Sbsn). Across tissues, we identified a conserved lipid-linked Raman signature (1,131-1,135 cm -1 ) marking p21 + senescent cells and developed a machine learning-derived, multimodal barcode enabling nondestructive senescence identification in situ. In a mouse wound-healing model, RamanOmics reveals reactivation of epidermal differentiation genes (Krt10, Lor and Sbsn) in senescent cells, alongside increased lipid-associated Raman signatures. Together, RamanOmics provides a tissue-agnostic framework for scalable, multimodal profiling of cellular states.

本站中文摘要：这项前临床研究在年轻和老年小鼠肺、皮肤组织及小鼠创伤愈合模型中，整合无标记高光谱拉曼成像、单核RNA测序和空间转录组学，构建单细胞空间分辨率下的多模态衰老细胞分析框架。

本文为 AI 辅助的学术文献解读，不替代原始研究、临床指南或专业医疗判断。请以原文为准。

创面修复研究前沿 · 学术交流用途，不提供诊断或个体治疗建议。