IF46.9｜深度学习实现纳米载体全身单细胞分辨率成像

SCP-Nano以单细胞精度揭示纳米药物全身分布，发现LNP疫苗心脏脱靶及蛋白组改变。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

纳米载体（如LNP、AAV、DNA折纸）是递送RNA、基因编辑工具和蛋白药物的关键平台，但其体内命运复杂，蛋白冠、靶向效率、脱靶效应难以预测。传统全身成像（PET、MRI、生物发光）灵敏度低、分辨率不足，无法在单细胞水平分析低剂量（如疫苗剂量0.0005 mg/kg）下的分布；组织切片虽分辨率高但只能观察局部，存在抽样偏差。因此，亟需一种能在整个小鼠体内以单细胞分辨率、高灵敏度定量纳米载体分布的方法，以加速精准纳米药物的开发。

科学问题

卡在哪里： 现有全身成像技术无法达到单细胞分辨率，且检测限远高于疫苗实际使用剂量；组织学方法受限于二维切片，无法提供全身三维空间信息。缺乏能同时满足高灵敏度、单细胞分辨率、全身覆盖的纳米载体生物分布分析手段。

本文要回答： 开发一种整合组织透明化、光片显微镜和深度学习的流程，实现对整个小鼠体内荧光标记纳米载体的单细胞分辨率定量，并揭示不同纳米载体的组织靶向性和脱靶效应。

技术路线

作者主要用了：组织透明化、光片显微镜、深度学习分割、蛋白质组学、免疫组化。

作者首先优化DISCO透明化方法以保留Alexa Fluor标记mRNA的荧光，然后对全身进行光片成像获得三维数据。针对海量图像，开发了基于3D U-Net的深度学习分割模型SCP-Nano，利用VR标注的31个三维块训练，实现对单个靶向细胞的自动检测与定量。进一步结合免疫染色和质谱蛋白质组学，分析靶向细胞的分子特征和功能后果。该流程应用于LNP、脂质体、聚合物、DNA折纸和AAV等多种纳米载体，验证了通用性。

图 1　Fig. 1。图1展示SCP-Nano流程及LNP成像灵敏度对比。生物发光成像在0.5 mg/kg剂量下可见器官级信号，但在0.0005 mg/kg时信号几乎消失。优化DISCO透明化后，光片显微镜在0.0005 mg/kg剂量下清晰显示肝、脾等器官中单个细胞水平的LNP分布，证明方法的高灵敏度。

核心亮点

亮点 1｜SCP-Nano实现全身单细胞分辨率LNP成像

优化后的DISCO透明化方法去除了尿素和叠氮化钠，缩短DCM孵育时间，成功保留Alexa Fluor标记mRNA的荧光。光片显微镜以1-2 µm横向、6 µm轴向分辨率扫描整个小鼠，在0.0005 mg/kg剂量下清晰显示肝、脾等器官中单个细胞水平的LNP摄取。与传统生物发光成像相比，灵敏度提高100-1000倍，且染料标记不影响LNP分布。

图 2　Fig. 2。图2展示SCP-Nano的深度学习分割流程。3D U-Net架构在测试集上平均F1分数0.7329，优于其他模型和Imaris。通过VR标注器官、分块推理、连通域分析，实现全身LNP靶向事件的定量。

亮点 2｜深度学习模型分割性能优于现有方法

SCP-Nano采用六层编码、五层解码的3D U-Net架构，在独立测试集上平均实例F1分数达0.7329，显著高于Imaris和DeepMACT（F1<0.50）。模型基于形状、亮度和局部对比度进行预测，即使在高信号密度区域也能准确识别单个细胞。该模型无需重新训练即可分割脂质体和聚合物纳米载体，展示出良好的泛化能力。

图 3　Fig. 3。图3比较不同注射途径的LNP分布。密度热图显示鼻内注射主要靶向肺，其他途径主要靶向肝和脾。器官内存在热点（箭头）。定量分析显示肌内注射相对增加脾脏靶向。淋巴结分析显示颈部淋巴结mRNA剂量最高。

亮点 3｜不同注射途径决定LNP组织嗜性

SCP-Nano定量比较了肌内、皮内、口服、静脉和鼻内注射后LNP的全身分布。鼻内注射主要靶向肺部，其他途径主要靶向肝和脾。肌内注射相对减少肝脏靶向、增加脾脏靶向，且mRNA在所有淋巴结中均有检出，颈部淋巴结剂量最高，提示其免疫激活潜力。器官内存在局部热点，显示传统方法无法揭示的异质性。

图 4　Fig. 4。图4展示LNP-mRNA表达和心脏脱靶。肌内注射后72小时，EGFP蛋白在脾、肝、心等器官表达。SCP-Nano微调后检测蛋白表达F1分数0.81。心脏中spike蛋白主要位于毛细血管内皮细胞。蛋白质组学显示mRNA表达组与对照组明显分离，涉及免疫和血管通路。

亮点 4｜LNP-mRNA疫苗引起心脏脱靶和蛋白组改变

肌内注射MC3-LNP携带的SARS-CoV-2 spike mRNA后，SCP-Nano在心脏检测到稀疏但明确的LNP靶向和蛋白表达。免疫组化显示spike蛋白主要定位于心脏毛细血管内皮细胞（podocalyxin+），而非心肌细胞或免疫细胞。质谱蛋白质组学发现，与空载LNP相比，spike mRNA表达引起578个蛋白上调、201个下调，涉及免疫反应和血管功能相关蛋白（如Cd34、胶原家族），提示血管损伤风险。SM-102和Lung SORT LNP也显示类似心脏靶向和血管蛋白下调。

图 5　Fig. 5。图5展示DNA折纸的全身分布和靶向验证。未靶向折纸主要被肝脏清除，与CD68+细胞共定位；CX3CR1抗体靶向折纸与CX3CR1+细胞共定位。SCP-Nano在DNA折纸数据上F1分数0.8583，定量显示肝脏为主要靶器官。

亮点 5｜DNA折纸靶向免疫细胞验证

SCP-Nano应用于DNA折纸纳米载体，在静脉注射后20分钟实现全身单细胞分辨率成像。未靶向折纸主要被肝脏清除，与CD68+巨噬细胞共定位；偶联CX3CR1抗体的折纸成功靶向CX3CR1+免疫细胞。LNP训练的模型在DNA折纸数据集上平均F1分数达0.8583，无需大量重新训练。

亮点 6｜AAV2变体Retro-AAV靶向脂肪细胞

SCP-Nano分析两种AAV变体：PHP.eB-AAV主要转导脑和脊髓神经元，并在腹股沟和腰淋巴结发现强信号；Retro-AAV除神经元外，还广泛靶向全身脂肪组织。免疫组化证实Retro-AAV信号主要位于perilipin-1+脂肪细胞。体外受体阻断实验表明AAVR是脂肪细胞感染的主要受体，抑制后感染减少85.7%。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 组织透明化、光片显微镜、深度学习分割、蛋白质组学、免疫组化
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事纳米药物递送、基因治疗、疫苗开发及生物图像分析的研究人员。

带走一句

深度学习结合组织透明化能实现全身单细胞分辨率纳米载体定量，揭示低剂量下的脱靶效应，为纳米药物安全性评估提供新工具。