High-throughput Single-cell Proteomics Enabled by Integrating nPOP-workflow with Quantitative Hyperplexing

Dit onderzoek presenteert een hoogdoorvoer single-cell proteomics-platform dat de nPOP-werkstroom combineert met IBT16-TMT16 hyperplexing, waardoor duizenden eiwitgroepen per cel met hoge nauwkeurigheid kunnen worden geanalyseerd voor grootschalige klinische toepassingen.

De kern

Stel je voor dat een menselijk lichaam een enorme stad is, vol met verschillende buurten. Elke cel in die stad is als een klein huisje met zijn eigen unieke bewoners (eiwitten). Tot nu toe hebben wetenschappers vaak de hele stad gemengd in één grote soep om te kijken wie er woont. Dit gaf een goed overzicht, maar het verdoezelde de unieke verhalen van elk individueel huisje.

Deze nieuwe studie is als het vinden van een superkrachtige vergrootglas dat het mogelijk maakt om elk individueel huisje apart te bekijken, zonder de andere te verstoren. Hier is hoe de onderzoekers dit deden, vertaald in alledaagse termen:

1. Het probleem: De "Verdwaalde Druppels"

Het bestuderen van één enkele cel is als proberen een druppel water te vangen met een emmer. De hoeveelheid materiaal is zo klein (picoliters) dat je bijna alles kwijtraakt tijdens het overgieten. Bovendien is het heel duur om voor elk huisje apart een nieuwe emmer te kopen.

2. De oplossing: Een slimme "Regenwateropvang" (nPOP)

De onderzoekers hebben een nieuwe methode bedacht, genaamd nPOP.

• De analogie: In plaats van druppels water over te gieten in grote bakken, laten ze elke cel in een heel klein, afgesloten druppeltje op een speciaal glazen plaatje vallen.
• Het voordeel: Het is alsof je elke cel in een eigen, afgesloten tentje zet waar de "receptie" (de chemische reactie) plaatsvindt. Niets verdwijnt, niets wordt vervuild door de buren, en je gebruikt heel weinig dure chemicaliën. Het is efficiënt, schoon en bespaart geld.

3. De camera: Een supersnelle "Flitscamera" (Massaspectrometrie)

Om te zien wat er in die tentjes gebeurt, gebruiken ze een heel gevoelige camera (een massaspectrometer).

• De verbetering: Ze hebben de lens van deze camera zo aangepast dat hij niet alleen scherper ziet, maar ook sneller schiet. Ze hebben een "trap" (een extra filter) uit de weg gehaald die de beelden vertraagde.
• Het resultaat: Ze kunnen nu tot wel 3.000 verschillende eiwitten in één enkel celletje tellen. Dat is als het lezen van de volledige inhoud van een dik boek in een seconde, terwijl je daarvoor maar een paar zinnen kon lezen.

4. De "Kleurcode" voor duizenden tegelijk (Hyperplexing)

Het grootste probleem was: als je één cel per keer meet, duurt het eeuwen om duizenden cellen te analyseren.

• De analogie: Stel je voor dat je duizenden mensen wilt interviewen. Als je ze één voor één belt, duurt het lang. Maar wat als je ze allemaal in één grote vergaderzaal zet en ze allemaal een kleurrijk T-shirt aan doet?
• De truc: De onderzoekers gebruiken twee soorten "T-shirts" (TMT en IBT labels). Ze kunnen 32 verschillende kleuren combineren. Ze doen 32 cellen in één buisje, met elk een andere kleur.
• De "Super-32": Door slimme wiskunde en chemie te gebruiken, kunnen ze later in de computer precies zien welk T-shirt bij welke cel hoorde. Ze noemen dit Hyperplexing. Het is alsof ze 32 interviews tegelijk opnemen, maar later in de montagezaal de geluiden perfect van elkaar kunnen scheiden.

5. Wat hebben ze ontdekt? (De Kanker-stad)

Ze pasten deze techniek toe op kankercellen (cholangiocarcinoom) en gezonde cellen uit de lever.

• Het inzicht: Ze zagen dat kankercellen in dezelfde tumor niet allemaal hetzelfde zijn. Sommige cellen werken als een "energiecentrale" (ze verbranden veel vetten), terwijl andere cellen meer bezig zijn met "reparatiewerk" of "stressbestrijding".
• Waarom is dit belangrijk? In de oude methode (de soep) zag je alleen het gemiddelde en dacht je dat alle kankercellen hetzelfde waren. Nu zien ze dat er verschillende soorten "bendes" zijn binnen de kanker. Dit helpt artsen om te begrijpen waarom sommige behandelingen werken en andere niet.

Samenvatting

Deze studie is een enorme stap voorwaarts. Ze hebben een manier gevonden om:

1. Niet te verliezen: Geen materiaal meer kwijtraken bij het werken met één cel.
2. Sneller te zijn: Door 32 cellen tegelijk te meten in plaats van één voor één.
3. Dieper te kijken: Ze zien nu duizenden details in één cel die voorheen onzichtbaar waren.

Het is alsof ze zijn gegaan van het kijken naar een wazige foto van een hele stad, naar het hebben van een 4K-video van elk individueel huisje, waarbij ze tegelijkertijd duizenden huizen kunnen filmen. Dit opent de deur naar veel betere behandelingen voor complexe ziekten in de toekomst.

Technische samenvatting

Titel: High-throughput Single-cell Proteomics Enabled by Integrating nPOP workflow met Quantitative Hyperplexing

1. Het Probleem

Single-cell proteomics (scProteomics) is een krachtige methode om cellulaire heterogeniteit te ontrafelen, maar staat voor twee grote uitdagingen:

• Laag doorvoer (Throughput): Bestaande label-vrije methoden bieden weliswaar diepe proteoomdekking (meer dan 3.000 eiwitten per cel), maar zijn te traag voor grote cohortstudies.
• Beperkte multiplexing: Isobare labeling-methoden (zoals TMT) vergroten het doorvoer, maar het aantal beschikbare kanalen per run is beperkt (bijv. 16-plex of 32-plex), wat de schaalbaarheid voor grootschalige studies beperkt.
• Sampleverlies en kosten: Het verwerken van picoliter- tot nanoliter-volumes (enkele cellen) leidt vaak tot significante verliezen door overdracht en hoge reagentiakosten.

2. Methodologie

De auteurs hebben een geïntegreerde workflow ontwikkeld die twee benaderingen combineert: een geoptimaliseerde label-vrije methode voor maximale gevoeligheid en een "hyperplexing"-strategie voor hoog doorvoer.

• Samplevoorbereiding (nPOP): Ze gebruikten een aangepaste nano-proteomic sample preparation (nPOP) workflow. Hierbij worden individuele cellen automatisch gedoseerd in nanoliter-druppeltjes op een fluorocarbon-coated glasplaat. Dit minimaliseert overdrachtsverliezen en reagentia-gebruik.
  • Label-vrij: Cellen worden gelijst in 384-well platen met een master mix (lyse + trypsine) en geïncubeerd.
  • Multiplex: Cellen worden gelijst in druppeltjes, gelijst met TMT of IBT-reagentia, en vervolgens gemengd.
• Hyperplexing Strategie (IBT16 + TMTpro16): Om de multiplexing-capaciteit te vergroten, combineerden ze IBT16 en TMTpro16 reagentia.
  • Door deze twee sets van 16 kanalen te combineren, creëren ze een 32-plex capaciteit per LC-MS run.
  • Om kanaaloverlapping te voorkomen, werden de reagentia in twee groepen (A en B) verdeeld met specifieke referentie-, carrier- en blank-kanalen.
• LC-MS Configuratie:
  • Massaspectrometer: timsTOF SCP (geoptimaliseerd voor lage input) en potentieel Orbitrap Astral Zoom/timsUltra AIP voor ultrahoog doorvoer.
  • Chromatografie: Een "trap-free" configuratie met een nanoElute systeem en een zelfgemaakte analytische kolom (20 cm x 50 µm i.d., 1.9 µm C18). Dit bleek superieur aan commerciële kolommen en Evosep-systemen voor lage input.
  • Data-acquisitie: DIA-PASEF (Data-Independent Acquisition) werd gebruikt voor betere sensitiviteit en dekking vergeleken met DDA-PASEF.

3. Belangrijkste Bijdragen

• Integratie van nPOP en Hyperplexing: Dit is de eerste studie die de nPOP-workflow succesvol combineert met een hyperplexing-strategie (IBT16 + TMTpro16) voor scProteomics.
• Geoptimaliseerde LC-MS Setup: Ze hebben aangetoond dat een trap-free, zelfgemaakte kolom in combinatie met een nanoElute-systeem en timsTOF SCP de beste sensitiviteit biedt voor enkele cellen.
• Schaalbare Workflow: De ontwikkeling van een platform dat zowel diepe label-vrije analyse mogelijk maakt als ultrahoog doorvoer (tot ~2.000 cellen per dag) via hyperplexing.

4. Resultaten

• Label-vrije Prestaties:
  • Op de timsTOF SCP werden gemiddeld >3.000 eiwitgroepen geïdentificeerd per enkele 293T en HeLa cel.
  • Toepassing op cholangiocarcinoom (CCA): In tumor- en paratumorcellen werden ~2.000 eiwitgroepen per cel gekwantificeerd. De data toonde duidelijke verschillen in metabole en translationele regulatie, consistent met bekende CCA-subtypen (bijv. verhoogde stressrespons en energiemetabolisme in tumorcellen).
• Hyperplexing Prestaties (IBT16-TMTpro16):
  • Label-efficiëntie: >95% over alle vier geteste cel lijnen (293T, HeLa, A549, LM3).
  • Proteoomdiepte: Consistent 1.400 tot 2.000 eiwitgroepen per enkele cel.
  • Dynamisch bereik: Een bereik van vijf ordes van grootte, wat aantoont dat zowel hoge als lage abundantie eiwitten worden gedetecteerd.
  • Biologische discriminatie: PCA en clustering toonden duidelijke scheiding tussen de vier celtypen op basis van hun biologische identiteit, niet op basis van de labeling-technologie.
  • Doorvoer: De workflow kan tot 1.440 cellen per batch voorbereiden. Met state-of-the-art instrumenten (zoals Orbitrap Astral Zoom) is een doorvoer van **2.000 cellen per dag** haalbaar.

5. Betekenis en Impact

Deze studie biedt een robuust en schaalbaar platform voor grootschalige single-cell proteomics studies en klinische toepassingen.

• Overcoming Channel Limits: Door hyperplexing (32-plex) wordt de beperking van het aantal kanalen in traditionele TMT-experimenten effectief opgeheven zonder in te leveren op kwantitatieve nauwkeurigheid.
• Klinische Relevantie: De mogelijkheid om duizenden cellen per dag te analyseren maakt het mogelijk om grote patiëntcohorten te bestuderen, wat essentieel is voor het begrijpen van tumorheterogeniteit en het ontwikkelen van gepersonaliseerde therapieën.
• Toekomstperspectief: De workflow is ontworpen om uitbreidbaar te zijn naar nog hogere multiplexing-niveaus (bijv. TMTpro 32-plex + IBT32-plex) en is compatibel met andere labeling-reagentia, wat de weg vrijmaakt voor de volgende generatie proteomics-studies.