在生物制造领域，高效、精准的单细胞水平代谢表型的检测与筛选技术是推动产业发展的核心动力。青岛能源所联合青岛星赛生物，研发出基于“介电诱导确定性侧向位移”的拉曼流式分析/分选技术（pDEP-DLD-RACS），并推出配套的拉曼流式细胞分选仪 FlowRACS，攻克传统技术瓶颈，为生物制造、临床诊疗、环境监测等领域提供革命性工具。

一、技术核心突破：兼顾普适性、高通量与稳定性

FlowRACS基于“介电诱导确定性侧向位移”核心原理，通过三大关键设计突破传统技术局限，实现性能提升：

（1）宽流场高流量进样：有效防止细胞沉降，保障仪器长时间稳定运行——系统稳定运行时间突破至＞10小时，满足大体系异质性样本检测与筛选需求；

（2）介电诱导精准聚焦：引导宽流场中细胞高效聚焦地流经检测位点，确保拉曼信号采集效率，避免因细胞分布分散导致的检测遗漏或误差；

（3）动态介电场调控：通过检测时间依赖的周期性介电场实现单细胞快速捕获 / 释放，适配不同代谢表型检测；基于拉曼信号触发介电场，精准分选目标细胞，兼顾效率与精度。

二、拉曼流式分析模式：解锁单细胞代谢表型全景检测

基于单细胞拉曼光谱（SCRS）“非标记、非侵入、无损、信息全景”的优势，拉曼流式分析技术可实时表征单细胞底物代谢、产物合成、环境应激等关键功能，广泛应用于多领域核心场景：

生物制造过程监控

（1）植物细胞工厂：以雨生红球藻为研究对象，通过共振拉曼信号实时监测虾青素含量，检测速度达~2700 events/min，为当前自发拉曼检测最高通量，还可分析“高光”“缺氮”等条件对虾青素累积的影响，助力优化生产工艺；
（2）酵母细胞工厂：基于非共振拉曼信号，同步监控油脂酵母的代谢活力、甘油三脂含量、油脂不饱和度等多表型，结合拉曼组机器学习、拉曼组内关联分析（IRCA），实现单细胞代谢状态鉴定（准确率＞96%），并重建细胞内代谢物相互转化网络。

临床与微生物检测

（1）细菌药敏快检：结合重水饲喂单细胞拉曼药敏原理，以大肠杆菌和多种常见抗生素为模型，通过拉曼药物应激条形码（RBCS）、IRCA等算法，实时判断单菌体药物应激状态，揭示细菌 - 药物互作机制，同时大幅提升SCRS取样深度，可精准识别群体中低占比耐药细胞；

（2）肿瘤细胞区分：利用SCRS信息丰富的指纹区，对膀胱癌、肺癌、肾细胞癌、乳腺癌等细胞株进行检测，耦合拉曼组机器学习算法，细胞类型判别平均准确率＞95%，为肿瘤细胞质量检测提供潜在技术支撑。

技术优势：超越传统组学的“功能导向”检测

相较于转录组、蛋白组、代谢物组，拉曼组检测具备广谱适用（覆盖人体、植物、微生物细胞）、活体无损、非标记、低成本、可耦合下游测序 / 质谱 / 培养等优势，更贴近临床诊断、工业生产等场景的“功能化”需求，为单细胞代谢表型组研究提供全新工具。

三、拉曼流式分选模式：为生物制造按下“加速键”

针对合成生物学领域“大规模突变体库筛选难”的痛点，拉曼流式分选技术创新“先筛后养”模式，将高产菌株筛选周期从“月级”压缩至“天级”，已实现产业化应用：

核心性能：行业领先的分选效率与精度

（1）基于FlowRACS 3.0仪器，分选技术在色素酵母、油脂酵母等模式体系中表现卓越：

（2）分选通量≥600 events/min，准确率≥90%，得率≥85%；

（3）目前国内外市场上唯一的拉曼流式细胞仪产品，综合性能居现有RACS系统首位。

标杆应用：DHA高产菌株快速筛选

DHA作为人体必需脂肪酸，依赖微生物（如裂殖壶菌）生物制造，传统“先养后筛”策略耗时繁琐，且荧光流式（FACS）无法特异性表征DHA含量。本技术通过以下突破实现高效筛选：

（1）特异性指标发现：首次发现3002 cm⁻¹处拉曼峰强与DHA产量高度线性相关（R²=0.96），为精准分选提供依据；

（2）高效筛选成果：从裂殖壶菌全基因组随机突变库（超10⁵个细胞）中，经10天两轮“先筛后养”（8天培养发酵 + 2天分选），获得数十株高产菌株，其中最高产菌株DHA产量较野生型提升58%，较前期数年研发菌株提升12%；

（3）机制解析：通过转录组分析揭示高产机制——碳代谢增强加速脂质合成、NADPH合成率降低提升多不饱和脂肪酸合成率、多不饱和脂肪酸甘油三酯合成活性提高，为后续菌株优化提供方向。

应用拓展：多领域潜力无限

该技术可突破大规模突变文库、人体微生物组、环境微生物组中“原位功能细胞筛选”的技术瓶颈，结合人工智能算法提升拉曼组 / 元拉曼组数据采集与分析能力，未来将在精准健康（临床细胞分选）、农业育种（高产作物细胞筛选）、环境修复（功能微生物分选）、深海深地深空探索（极端环境微生物研究）等领域持续发力。

拉曼流式分析 / 分选技术通过“免标记、高时效、广适用”的特性，推动生物制造从“经验驱动”向“精准功能导向”转型，为绿色生物产业、临床诊断、环境治理等领域提供核心技术支撑，助力实现更高效率、更低成本、更精准的产业升级。

参考文献：

1. Xixian Wang#, Sen Wang#, Zhidian Diao#, Xibao Hou#, Yanhai Gong, Qing Sun, Jiaping Zhang, Lihui Ren, Yuandong Li, Yuetong Ji, Wei Shen, Yifeng Yin, Shi Huang, Xiaojin Song, Qiu Cui, Yingang Feng*, Jian Xu*, Bo Ma*. Label-free high-throughput live-cell sorting of genome-wide random mutagenesis libraries for metabolic traits by Raman flow cytometry. Proceedings of the National Academy of Sciences of the United States of America, 2025, 122(22):e2503641122

2. Xixian Wang#, Lihui Ren#, Zhidian Diao#, Yuehui He#, Jiaping Zhang, Min Liu, Yuandong Li, Lijun Sun, Rongze Chen, Yuetong Ji, Jian Xu*, and Bo Ma*. Robust spontaneous Raman flow cytometry for single-cell metabolic phenome profiling via pDEP-DLD-RFC. Advanced Science, 2023, 10(16): e2207497

3. Yuehui He, Shi Huang, Peng Zhang, Yuetong Ji, Jian Xu. Intra-Ramanome Correlation Analysis unveils metabolite conversion network from an isogenic population of cells. mBio, 2021, 12(4): e01470-21

4. Xixian Wang#, Yi Xin#, Lihui Ren#, Zheng Sun, Pengfei Zhu, Yuetong Ji, Chunyu Li, Jian Xu*, Bo Ma*. Positive dielectrophoresis based Raman-activated droplet sorting for culture-free and label-free screening of enzyme function in vivo. Science Advances, 2020, 6(32):eabb3521

5. Xixian Wang#, Lihui Ren#, Yetian Su, Yuetong Ji, Yaoping Liu, Chunyu Li, Xunrong Li, Yi Zhang, Wei Wang, Qiang Hu, Danxiang Han, Jian Xu*, Bo Ma*. Raman-activated droplet sorting (RADS) for label-free high-throughput screening of microalgal single-cells. Analytical Chemistry, 2017, 89(22):12569-12577

6. Lin Teng, Xian Wang, Xiaojun Wang, Honglei Gou, Lihui Ren, Tingting Wang, Yun Wang, Yuetong Ji, Wei E. Huang*, Jian Xu*. Label-free, rapid and quantitative phenotyping of stress response in E. coli via ramanome. Scientific Reports, 2016, 6:34359