Fluolab🚀【Nat. Biomed. Eng】突破CAR-T制造瓶颈：一项涵盖6大阶段、13项代谢指标的创新研究
[!INFO] ✨文章标题：Label-free metabolic imaging monitors the fitness of chimeric antigen receptor T cells ✉️作者：Capitini, Krishanu Saha & Melissa C. Skala 等 📚期刊：Nature Biomedical Engineering 🔗链接：https://doi.org/10.1038/s41551-025-01504-7
在细胞治疗领域，嵌合抗原受体T细胞（CAR-T）疗法已在血液肿瘤中取得显著成效，但在实体瘤治疗中仍面临诸多挑战。近日发表于《Nature Biomedical Engineering》的研究，通过一种无标记、非侵入式的光学代谢成像（Optical Metabolic Imaging, OMI）技术，系统揭示了CAR-T细胞在制造过程中的代谢动态，为优化制造流程、提升疗效提供了全新思路。
🔬从制造到疗效：CAR-T细胞的6大关键阶段
CAR-T细胞的制造流程复杂，主要包括以下六个阶段：
- T细胞激活：通过抗体刺激启动细胞周期。
- 基因转导：引入CAR基因，常用病毒或CRISPR/Cas9方法。
- 扩增培养：扩大细胞数量以满足治疗剂量。
- 代谢调控：调节营养物质和细胞因子以维持细胞活性。
- 表型塑造：通过培养条件影响细胞分化状态。
- 临床输注前评估：检测细胞代谢和表型，预测疗效。
每一阶段的代谢状态都影响最终的治疗效果，而传统检测方法往往无法实时、单细胞地捕捉这些变化。
🧪13项代谢指标+1项形态参数：OMI技术的强大解析力
OMI技术通过检测细胞内两种代谢共酶——NAD(P)H和FAD的自发荧光强度与寿命，构建了13项代谢参数和1项细胞质大小指标。这些参数可反映：
- 细胞氧化还原状态（如红氧比）
- 能量代谢路径（糖酵解 vs 氧化磷酸化）
- 细胞周期进程（如S/G2/M期比例）
- 代谢活性与分化状态（如线粒体质量）
研究发现，NAD(P)H寿命降低、自由态比例升高，通常代表细胞进入糖酵解状态，提示其处于活跃增殖期。
🧬激活条件决定代谢节奏：培养基比抗体更关键
研究对比了两种常用培养基（ImmunoCult XF和TexMACS）和两种激活抗体组合，发现：
- 培养基成分决定代谢变化的速度和强度：ImmunoCult XF（高葡萄糖/高谷氨酰胺）诱导更快、更强的代谢重编程。
- 激活后48小时是代谢峰值期：尤其在ImmunoCult XF中，NAD(P)H自由态比例显著升高。
- ATP产量与代谢指标高度一致：验证了OMI的准确性。
此外，无论使用可溶性抗体还是Dynabeads，培养基的影响始终占主导地位。
🧫代谢状态预测基因转导效率：CRISPR与病毒转导均适用
研究进一步发现，OMI参数可准确预测CAR基因转导效率：
- 低NAD(P)H寿命、高自由态比例的T细胞在转导时具有更高的基因整合率。
- 最佳转导时间窗口：ImmunoCult XF中为激活后36–60小时，TexMACS中为48–72小时。
- 机器学习模型预测准确率达83%，优于传统流式细胞术（AUC仅为74%）。
这意味着，OMI可用于实时判断何时进行基因编辑，以最大化CAR-T产量。
🧬扩增阶段的培养基转换：提升代谢适应性与疗效
研究尝试在扩增阶段进行培养基转换（TexMACS → ImmunoCult XF），发现：
- 代谢特征显著改变：NAD(P)H寿命升高，自由态比例下降，提示向氧化代谢转变。
- 乳酸分泌减少：表明糖酵解活性降低。
- CCR7+干性表型比例增加：与长期体内存活能力相关。
这种“代谢重塑”策略使CAR-T细胞更适应实体瘤微环境中的营养匮乏与代谢压力。
🧠OMI预测体内疗效：AUC高达91%
在神经母细胞瘤小鼠模型中，Tex→Imm条件下扩增的CAR-T细胞表现出更强的抗肿瘤能力：
- 肿瘤消退率更高：部分小鼠实现完全缓解。
- 体内干性表型保持更好：CCR7+/CD62L+比例更高。
- OMI参数可预测疗效：机器学习模型区分高低效CAR-T产品的准确率达91%。
这为CAR-T细胞的质量控制和个性化制造提供了强有力的工具。 
📌结语：OMI开启CAR-T制造智能化新纪元
本研究首次系统性地将OMI技术应用于CAR-T细胞制造全过程，覆盖从激活到输注前的多个阶段，揭示了代谢状态与功能之间的深度关联。其优势包括：
- 非侵入式、无标记、实时监测
- 单细胞分辨率，识别关键亚群
- 可与机器学习结合，预测制造结果与临床疗效
未来，OMI有望成为CAR-T制造流程中的标准化监测工具，推动实体瘤治疗的临床转化。