Estradiol

编者按 在 AI for Science 喊得震天响的今天，我们似乎很容易产生一种错觉：只要模型生成的分子打分高，它就是一个好分子。然而，当你的生成模型吐出一个充满张力的七元环，或者一个布满杂原子的奇怪并环时，药化专家往往会皱着眉头问一句：“这玩意儿真的有人在用吗？” 今天分享的这篇文章，是刚刚正式发表在 European Journal of Medicinal Chemistry (2025) 上的重磅综述。Novartis 的首席科学家 Peter Ertl（是的，就是那个发明了 SA_Score 和 QED 的大神）不仅统计了过去几十年药物化学文献中“谁是当红炸子鸡”，更深刻揭示了“合成容易的分子”和“能做药的分子”之间那道巨大的鸿沟。 这不仅仅是一份统计报表，这是一部用化学结构写成的《人类药物发现进化论》。 01 核心动机：我们真的在创新，还是在偷懒？ 在药物发现中，我们常挂在嘴边的一个词是“骨架跃迁”（Scaffold Hopping）。我们渴望发现全新的化学空间，逃离拥挤的专利雷区。但残酷的现实是，我们似乎总是在重复自己。 目前的痛点在于： 直觉的偏差：药化专家凭经验觉得“这个环好用”，但缺乏全景视角。 商业库的误导：我们筛选的分子库（如 ZINC）往往由试剂供应商决定，而供应商卖的是“好合成”的分子，不一定是“好药”分子。 生成模型的“幻觉”：AI 如果没有先验知识，很容易生成出“看起来很美，合成火葬场，代谢一波走”的奇葩环系。 Peter Ertl 的洞察： 他不想只看“有多少个环”，他想看 “环的进化”。通过对比 ChEMBL（药化实战验证过的分子） 和 ZINC（主要是商品化分子），这篇论文尖锐地指出了“理想”与“现实”的差距，并量化了近 20 年来药化审美从“平坦芳香环”向“立体脂肪环”的范式转移。 02 方法拆解：如何教会电脑“看懂”环？ 你可能会觉得统计环很简单，写个 RDKit 脚本 GetRingInfo() 不就完了？ Too Young Too Simple。 在正式版论文中，作者披露了更详尽的数据清洗细节，这对于想复现的同学至关重要。 作者的“去噪”艺术： 基于期刊的“白名单”清洗：(这是正式版强调的重点)  作者并未简单全选 ChEMBL，而是仅锁定 6 本核心药化期刊（如 J. Med. Chem., EJMC, BMCL 等）。 Why? 必须剔除 J. Nat. Prod.（结构太复杂的天然产物）和 J. Agri. Food Chem.（农药/食品），确保留下的 135 万个分子都是 “以成药为目的” 被合成出来的。 互变异构归一化：这是本文技术上的一个亮点。  直觉解释：比如一个吡唑环，H 在左边 N 上还是右边 N 上，对计算机是两个分子，但对药化专家是同一个东西。 处理手段：作者强制将所有互变异构体统一为 ChEMBL 数据库中最常见的那个形式。这就像是把所有方言都统一成了普通话，统计才有了意义。 对比组设计：引入 ZINC 数据库（1300万分子）作为对照组，代表“合成化学家能造出来的东西”。 03 实验结果：残酷的“二八定律”与形状革命 1.苯环的绝对统治 数据展示了一个惊人的幂律分布（Power Law）。 在提取出的 29,179 个独特环系中： Top 1：苯环出现在了 71.1% 的分子中。它是当之无愧的“万王之王”。 Top 2-5：吡啶 (9.4%) > 哌啶 (7.0%) > 哌嗪 (6.4%) > 吲哚 (5.1%)。 长尾效应：近一半（47.3%）的环系在整个历史长河中只出现过一次。这意味着，如果你设计了一个从未见过的怪环，它大概率会成为那 47% 的孤独分母。 Fig. 1. The most common rings described in medicinal chemistry publications. Their atomic composition is shown in color.  2.实战派 vs. 卖铲人（重点！） 这可能是全为了解药化与商业库差异最重要的一张图： 图注：这是一张“审美差异热力图”。X 轴代表频率，Y 轴代表倾向性（上蓝：药化文献偏好；下橙：ZINC 商品库偏好）。  药化偏好（上方区域）：集中在富含氮原子的 5-6 元稠合芳香杂环（如吲唑、氮杂吲哚）。因为它们是激酶（Kinase）和 GPCR 的黄金搭档，能形成关键的氢键。 商品库偏好（下方区域）：充斥着带有大量环外双键的结构（如乙内酰脲、巴比妥酸衍生物）。 Deep Insight：为什么 ZINC 里这类分子多？因为它们可以通过多组分反应（MCR，如 Ugi/Passerini 反应）一锅法合成，容易刷库量。但药化专家并不买账，因为这些结构往往具有反应活性（Michael acceptor），存在毒性风险（PAINS）。 3.形状的量化：立体感是奢侈品 一个关键分析：环系的形状复杂度（PBF, Plane of Best Fit）。 结论：随着时间推移，新引入的环系 PBF 值显著升高。 解读：我们正在从扁平的“芳香环时代”走向立体的“脂肪环时代”。以前我们只会堆砌苯环，现在我们开始玩 Bicyclo[1.1.1]pentane (双环戊烷) 和 Cubane (立方烷)。这不仅是为了专利，更是为了提高溶解度和代谢稳定性。 04 案例分析：药化审美的“升”与“降” 这部分最能体现药化领域的 Paradigm Shift。 📈 Rising Stars：逃离平原（Escape from Flatland） Fig. 5. Examples of common ring systems mentioned in the biomedical literature with increasing frequencies over time.  Fsp3 的胜利：你可以清晰地看到 四元环（Oxetane, Azetidine） 和 三元环（Cyclopropane） 的崛起。  专家点评：这不仅仅是为了猎奇。氧杂环丁烷（Oxetane）常被用作羰基的等排体，或者是二甲基的代谢稳定替代物。它们增加了分子的立体性（3D-ness），改善了溶解度，同时还能作为极性锚点。 螺环的爆发：正式版特别提到了 Spiro cycles（螺环） 的增长。这类结构在 20 年前被认为“太难做”，现在随着合成方法学的进步（尤其是光/电催化），已成为药化猎人的常规武器。 📉 Falling Stars：旧时代的眼泪 Fig. 6. Examples of common ring systems mentioned in the biomedical literature with decreasing frequencies over time. 纯碳芳环的没落：萘环（Naphthalene） 和 芴（Fluorene） 的使用率在下降。  专家点评：它们太“油”了（Lipophilic），容易导致非特异性结合及差劲的药代动力学（PK）。现在的审美是：能用杂环，就别用纯碳环。 特定的双环系统：如 Pteridine（蝶啶）。虽然结构漂亮，但合成困难，且往往伴随着光毒性（Phototoxicity）风险。 05 优缺点与应用建议 ✅ 优点 (Pros) 实战指南：为 AIDD 模型的 Reward Function 提供了最扎实的先验分布。别再让模型盲目生成了，看看这张表吧。 避坑宝典：明确指出了哪些环虽然好买（ZINC heavy），但在做药上可能是个坑（MedChem light）。 【新增】创新时间线：论文指出，尽管每年都有新环被报道，但真正能进入 Top 100 流行榜单的极少。这提醒我们：First-in-class 的创新需要巨大的勇气去尝试“冷门环”。 ❌ 局限 (Cons) 幸存者偏差：我们只能看到发表出来的分子。许多药企内部失败的、有毒的环系数据并没有公开，而这部分负样本其实对 AI 训练同样珍贵。 合成难度的隐形成本：虽然 Oxetane 好，但在合成路线上引入它的成本（试剂昂贵、步骤多）在统计图中是看不出来的。 💡 落地建议 给算法工程师：在训练分子生成模型（Diffusion/Flow）时，不妨利用本文提到的环系频率作为 Prior 或 Bias。如果你的模型生成的 Top 100 分子中，含有大量 ZINC 偏好但 MedChem 冷落的环，请重新检查你的训练集分布。 给药化专家：当你在这个项目中卡在“苯环-吡啶-苯环”的死胡同时，不妨看看 Figure 5 中的 Rising Stars。尝试把一个苯环换成 Bicyclo[1.1.1]pentane 或者 Oxetane，也许会有惊喜。 06 深度思考：AIDD 时代的“新语法” 这篇论文本质上是在总结药物化学的“语法规则”。 过去的几十年，我们是在用“词汇表”（常见的 26 个环）写文章。 现在的 Generative AI，拥有了创造“新单词”的能力。Peter Ertl 的另一项工作曾指出，计算机可以生成 400 万个合理的环，其中 99% 是我们没见过的。 未来的趋势，不在于 AI 能生成多么离奇的环，而在于 AI 能否像资深药化专家一样，在“新颖性”和“可合成性/成药性”之间找到那个微妙的平衡点。 这篇文章，就是那个平衡点的坐标图。 07 我的一些看法 环境感知的分子生成 目前大多数分子生成模型对环的处理是"平等"的——苯环和吡嗪在模型眼里没有本质区别。但这篇文章告诉我们，药化界对环的偏好是高度非均匀的，而且在快速演变。未来的生成模或许应该： 在训练数据上考虑时间加权（近期数据权重更高） 在奖励函数中引入"环系统时代性"评分 针对特定靶点家族，预加载"特权骨架"先验 从"what"到"why"的跨越 这篇文章做的是描述性分析（what），但真正有价值的是预测性分析（why and what next）。比如：能否用分子描述符来预测一个环系统在未来5年的使用趋势？能否识别那些"具有潜力但尚未被充分探索"的环？Ertl团队之前做的"4 million novel rings"数据库(Ertl 2024)就是这个方向的延伸。 对Benchmark的启示 我们评估分子生成模型时，常用"novelty"和"validity"指标。但这篇文章暗示，我们可能需要一个新指标——"temporal relevance"（时代相关性）：你生成的环系统，是符合2025年药化审美的，还是1990年代的？ Q&A Q1：既然苯环用了 70% 还是主流，我们为什么还要费劲去搞那些难合成的新环系？ 问得好。苯环好用，但它是“红海”。由于它太常见，专利空间极其拥挤。搞新环系（特别是立体脂肪环）有两个核心动力：第一是 IP 破局，第二是 物化性质的调优。很多时候，把一个苯环换成双环[1.1.1]戊烷，活性没变，但溶解度翻倍了，这就是新环的价值。 Q2：对于 AI 药物设计公司来说，直接用 ZINC 库做虚拟筛选是不是一个策略失误？ 这是一个经典的陷阱。ZINC 的优势是“便宜、快、多”，适合早期苗头化合物（Hit）发现。但本文的数据告诉我们，ZINC 的化学空间分布和最终成药的空间是有明显偏移的（Bias）。如果你只在 ZINC 里找，你找到的可能全是“好合成但不好成药”的分子。明智的做法是：用 ZINC 找 Hit，但用 MedChem 的逻辑去优化 Lead。 Q3：如果我们做 Me-too 药物，是不是直接用 Top 10 的常见环系（苯、吡啶等）最稳妥？ 稳妥，但危险。用常见环系意味着合成路线成熟，风险低；但也意味着你大概率会撞上专利墙。现在的 Me-too 策略（或者叫 Me-better），更多是在外围基团上做文章，或者如文中所述，进行核心骨架的“微整形”（比如用吡嗪换吡啶，用氧杂环丁烷换二甲基），在常见中求“微妙的差异”。 Q4：这篇文章的数据截至2024年，但AI驱动的分子生成在近两年才爆发。文中分析的“趋势”是否能捕捉到AI可能带来的范式转变？  问得尖锐。确实，该文章数据可能尚未完全反映AIDD的影响。但AI生成目前仍严重受限于训练数据（主要来自过去）和合成可行性评估模块的准确性。短期内，AI可能加速“已知优势环”衍生物的探索，但催生全新的、成功的环系统，还需要AI在合成路线预测和ADMET早期预测上取得根本突破。我们的框架可以作为基线，未来对比“AI生成环”与“历史自然演化环”的差异，会非常有趣。 Q5：文中提到“三环系统”潜力最大，且虚拟库中99.5%未曾被报道。这是否意味着我们只需要用AI猛攻三环系统，就能实现突破？ 这是一个美丽的陷阱。潜力大不等于价值大。三环系统化学空间浩瀚，但其合成复杂度、构象柔性、分子量都急剧上升，对成药性是巨大挑战。盲目的空间探索效率极低。正确的策略是约束性生成：利用本文揭示的“特权环”特征（如富氮、特定稠合模式）和靶点关联性，在三维结构（蛋白口袋）的约束下，生成具有合理相互作用潜能的三环系统。没有约束的新颖性，在药物发现中一文不值。 Q6：文章的分析显示某些"经典骨架"（如地西泮、雌二醇）的使用在下降，但这些骨架在已上市药物中仍然大量存在。对于这种"存量vs增量"的差异，你们怎么看？ 这是个好问题。作者的分析聚焦的是增量——即新发表的药化文献中的趋势，而非已上市药物的存量。确实，很多基于这些"过时"骨架的药物仍在临床广泛使用，它们的专利也已过期，有大量仿制药。但从新药研发的角度，观察到的下降趋势反映了领域对更优化骨架的追求。这两者并不矛盾：老药可以继续用，但新项目应该站在更新的起点上。 Q7：文章的数据来自ChEMBL，主要是学术/早期发现阶段的化合物。大型药企内部的真实项目选择，可能与发表的文献有偏差。你们考虑过这个问题吗？ 这确实是该文章分析的一个limitation。大药企的内部数据是不公开的，作者无法直接分析。但有几点值得注意：(1)作者的团队（诺华）正是大药企的一部分，他们观察到的内部趋势与ChEMBL的分析结论高度一致；(2) 从药物进入临床的骨架类型来看（Shearer et al. 2022的分析），趋势也是相似的；(3) ChEMBL的数据量（135万分子）足够大，即使存在一定偏差，主要趋势应该是可靠的。当然，如果未来能有一个"制药行业联盟"来共享匿名化的内部数据进行联合分析，那将是非常有价值的。 参考资料：Ertl, P., Altmann, E., & Wilcken, R. (2025). Ring systems in medicinal chemistry: A cheminformatics analysis of ring popularity in drug discovery over time. European Journal of Medicinal Chemistry. 本文为个人解读，如有疏漏或理解不当之处，欢迎指正交流。觉得有价值的话，欢迎转发分享~ 本公众号主要介绍AIDD中小分子、多肽、PROTAC的前沿算法、综述、评估。欢迎关注本公众号获取领域最新文献解读。

人类胚胎的成功着床是妊娠建立的基石，也是生命早期发育中最关键且最易受损的环节之一。这一过程依赖于胚胎与母体子宫内膜之间精密的分子对话与时空协调，但其具体机制因发生在组织深处而如同一个“黑箱”，长期难以直接观测与研究。着床失败是辅助生殖技术（ART）中妊娠率的主要限制因素，而其过程中的异常也与子痫前期、胎儿生长受限等远期妊娠并发症密切相关。为突破这一研究瓶颈，科学家们曾尝试多种路径：从对早期妊娠子宫切除标本的静态形态学分析，到利用子宫内膜细胞系或类器官的二维/简化三维共培养模型，再到借助非人类物种或干细胞衍生的类胚胎模型。然而，这些体系或因缺乏真实的组织架构与激素响应性，或因存在显著的物种差异，均未能完全复现人类胚胎从黏附、侵入到早期胎盘构建的完整动态过程。 由斯坦福大学、剑桥大学Babraham研究所、IVIRMA全球研究联盟等多个国际顶尖团队联合开展的研究，取得了根本性突破。他们成功构建了一种名为 “细胞工程化容受性子宫内膜支架（CREST）” 的三维体外模型。该模型利用源自人子宫内膜活检的原代细胞，在仿生水凝胶中重建了具有腔上皮、腺样结构及蜕膜化基质的完整组织微环境，并能够响应激素调控，模拟出体内的“着床窗口期”。这项研究不仅首次实现了人类胚胎在该模型中的完整着床与后续发育，更借助高分辨率动态成像与单细胞转录组学等技术，系统揭示了胚胎-母体界面上的细胞互作网络，从而将人类胚胎着床研究从静态的形态观察推向了动态的、可干预的机制解析新时代。 中文标题：体外建模人类胚胎着床 期刊名称：Cell 影响因子：42.5 发表时间：2025年10月27日 01 研究思路 研究遵循了从模型构建 -> 功能验证 -> 机制探索的清晰逻辑： 1.模型构建 (CREST)： 从健康供体子宫内膜活检中分离上皮细胞（培养为类器官）和基质细胞。 将基质细胞封装在含有胶原蛋白、纤连蛋白等细胞外基质成分的可降解水凝胶中，形成“基质区室”。 将上皮类器官片段接种在水凝胶表面，使其生长为连续的腔上皮层，并形成腺样内陷。 使用雌二醇、孕酮和cAMP序贯刺激，模拟月经周期，诱导模型进入“植入窗口期”，表现为基质细胞蜕膜化（分泌PRL, IGFBP1）和上皮细胞出现胞饮突等容受性特征。 2.功能验证 (胚胎着床与发育)： 将人类囊胚或干细胞来源的类囊胚移植到激素刺激后的CREST模型上。 动态观察并量化胚胎的定位、黏附、植入过程。 延长培养至14天，通过形态学观察、免疫荧光染色、分泌蛋白检测，评估胚胎本体及滋养层谱系的发育情况。 3.机制探索 (分子互作与功能验证)： 收集培养第14天的着床点，进行单细胞RNA测序，解析胚胎-子宫内膜界面的细胞图谱和转录特征。 利用生物信息学工具预测不同细胞类型间关键的配体-受体相互作用。 聚焦于滋养层细胞（EVT）与基质细胞之间的互作，选择PROS1-AXL信号轴进行功能验证。使用AXL特异性抑制剂R428处理，观察对滋养层生长和胚胎发育的影响。 顶部模块：技术创建-内容：展示了研究的技术核心——细胞工程化的容受性子宫内膜支架技术。以图示形式说明了从子宫内膜活检开始，分离出基质细胞和上皮细胞，最终构建成一个包含表面单层上皮、基质区室和腺体内陷的三维人类子宫内膜模型。中部模块：动态过程-内容：动态图解了人类胚胎在该子宫内膜模型中的完整着床过程。以时间为轴（标注6, 7, 8, 14 d.p.f.），展示了从定位、黏附、植入到侵袭的连续阶段，并突出了关键细胞（如细胞滋养层、合体滋养层、绒毛外滋养层）和结构（如腔隙）的出现。底部模块：核心亮点-内容：以要点形式总结了本研究的四大核心贡献：① 建立了容受期子宫内膜的3D体外模型；② 该模型支持人类胚胎体外着床与发育；③ 实现了胚胎及胚外谱系的高级发育；④ 识别了胚胎-子宫内膜界面的配体-受体互作。 02 研究亮点 1.首个支持人类胚胎完整着床的体外子宫内膜模型：模型再现了子宫内膜的解剖结构和激素响应性。 2.支持胚胎与类囊胚的植入后发育：模型能维持胚胎发育至相当于体内约14天的阶段，并出现双层胚盘、羊膜腔、卵黄囊等关键结构。 3.实现滋养层细胞的高级分化与组织化：在模型中观察到细胞滋养层细胞柱、合体滋养层、绒毛外滋养层等早期胎盘发育的标志性结构。 4.揭示着床界面的分子互作网络：通过单细胞转录组测序，系统解析了胚胎与子宫内膜细胞间的配体-受体相互作用。 5.功能性验证关键信号通路：发现并验证了PROS1-AXL信号轴在滋养层向外生长中的必需作用。 03 研究结果 ▏第一阶段：成功构建可模拟“着床窗口期”的三维子宫内膜模型 背景与目标：为克服现有模型无法模拟完整子宫内膜结构的局限，研究团队旨在开发一个包含上皮和基质区室、且能响应生理激素信号的体外模型。 过程与结果： 1.构建基础支架 (图1)：将从子宫内膜活检分离的基质细胞封装在添加了胶原蛋白等细胞外基质成分的水凝胶中，形成“基质区室”。随后将上皮细胞（以类器官形式）接种其上，形成连续的腔上皮层。最终构建的模型（CREST）具有与体内组织相似的厚度和硬度。 图1. 构建三维子宫内膜支架模型 本图展示了细胞工程化容受性子宫内膜支架技术的构建流程与基本特征。（A）从子宫内膜活检中分离上皮细胞和基质细胞的示意图。（B）在平面上扩增的基质细胞。（C）以类器官形式培养的上皮细胞。（D）CREST模型的组装示意图：将基质细胞封装在含有细胞外基质蛋白的水凝胶中，再将上皮类器官片段接种于其表面。（E）水凝胶内的基质细胞形成相互连接的细胞网络。（F）形成后的模型表面，SOX17阳性的连续上皮单层。（G-H）三维重建和正交视图显示，模型具有单层上皮与其下方基质区室清晰的界面结构。（I）体外CREST模型（下）与体内子宫内膜活检组织（上）的横截面对比，显示相似的组织架构。（J）CREST模型上皮表面的3D重建，可见腺样内陷结构。该模型成功复现了人体子宫内膜浅层的核心解剖特征。 2.诱导“容受性”状态 (图2)：用雌二醇模拟增殖期，再用雌二醇+孕酮+cAMP序贯刺激模拟分泌期。 基质细胞发生蜕膜化：形态从长梭形变为立方形，并开始大量分泌蜕膜化标志物PRL和IGFBP1。 上皮细胞出现容受性特征：表面形成胞饮突；腺样结构加深、分支，并开始分泌对早期胚胎营养至关重要的糖蛋白PAEP。 图2. 子宫内膜支架响应激素刺激并获得组织容受性特征 本图证明了CREST模型能够响应生理性激素刺激，表现出与体内“着床窗口期”相似的功能与形态变化。（A）基质细胞在增殖期呈长梭形，在分泌期转变为类立方上皮形态。（B-C）分泌期刺激后，基质细胞分泌的蜕膜化标志物PRL和IGFBP1显著增加。（D-F）上皮细胞身份变化：增殖期纤毛细胞比例较高，分泌期则分泌型腺上皮细胞比例显著上升。（G）分泌期上皮表面出现胞饮突，这是体内着床窗口期的关键形态标志。（H-J）腺样结构的动态重塑：在激素刺激下，上皮表面的腺样内陷加深，形成管状和杯状分支结构，并伴随腺体分泌蛋白PAEP的分泌量增加。（K）分泌期，PAEP蛋白在腺样开口边缘的上皮细胞中聚集表达。这些结果表明CREST模型具备了支持胚胎着床所必需的分子与形态特征。 小结：CREST模型成功再现了人体内为胚胎着床做好准备的“容受性子宫内膜”的关键形态与功能特征。▏第二阶段：模型支持人类胚胎及类囊胚的完整着床与早期发育  背景与目标：验证CREST模型是否不仅能支持胚胎附着，还能支持其侵入基质及后续发育。 过程与结果： 1.类囊胚验证：首先使用干细胞来源的人类类囊胚进行测试。超过一半的类囊胚能在模型中黏附和植入，并展现出植入后谱系分化的迹象，证明了模型的基本兼容性。 2.人类胚胎着床 (图3)：将捐赠的人类囊胚移植到CREST模型中。 动态着床过程：成功观察到胚胎经历孵化、定位、黏附、植入的完整序列（图3A-C）。 高成功率：60%的移植胚胎成功植入并继续发育（图3E）。 胚胎活性证据：检测到培养液中hCG、hPL、PAPP-A等胚胎/胎盘特异性激素的分泌，且其动态变化与发育阶段相符，证实了植入后胚胎的活性与持续发育（图3F）。 图3. 人类胚胎在体外的着床过程 图注：本图展示了人类胚胎在CREST模型中的动态着床过程及发育活性。（A）实验设计与胚胎体外发育阶段示意图。（B）代表性明场图像，显示胚胎从孵化、定位、黏附到植入的时间序列。（C）随时间推移，胚胎群体从孵化阶段进展至植入阶段的比例变化。（D）胚胎在发育第7-8天达到植入高峰。（E）移植胚胎中成功经历定位/黏附和最终植入的百分比。（F）培养液中胚胎/胎盘相关蛋白的分泌动态：hCG在植入后持续升高，反映滋养层发育；hPL在12-14天显著增加，可能与深度侵入有关；PAPP-A和PIGF在10天后持续上升，提示其参与早期滋养层-子宫内膜互作。这些数据证实CREST平台支持人类胚胎的高效着床与后续发育。 小结：CREST模型是首个能支持人类胚胎完成从黏附到侵入整个着床过程，并维持其早期植入后发育的体外系统。▏第三阶段：子宫内膜细胞是胚胎有序发育的关键 背景与目标：探究子宫内膜细胞在胚胎发育中究竟起何作用。 过程与结果： 1.设置了三组对比实验：1)2D模型（仅表面附着）；2)3D水凝胶模型（无子宫内膜细胞）；3)完整的CREST模型（含上皮和基质细胞）。 2.将胚胎或类囊胚分别置于这三种环境中培养。 3.关键发现 (图4)： 生存与附着：CREST模型支持胚胎/类囊胚附着和继续发育的效率最高。 空间组织化：在CREST中生长的胚胎，其上胚层、下胚层和滋养层细胞呈现出高度有序的空间排列，形态最接近体内胚胎。而在2D或仅有水凝胶的3D环境中，胚胎细胞生长紊乱或发育受限（图4I, K）。 图4. 不同体外培养体系对胚胎发育影响的比较 图注：本图通过对比实验，明确了子宫内膜细胞对胚胎有序发育的关键作用。（A）三种培养条件示意图：2D附着、无细胞的3D水凝胶、完整的CREST模型。（B-C）使用类囊胚进行测试：CREST模型支持类囊胚附着和上胚层有序发育的比例最高。（D-F）类囊胚在CREST模型中形成的植入点面积和高度均显著大于其他两组。（G-J）使用人类胚胎进行验证：CREST模型同样支持最高的胚胎附着率和上胚层有序发育率。（K）发育至14天的胚胎分析：仅在CREST模型中，胚胎能同时实现上胚层、下胚层和滋养层三个谱系的高度空间组织化。结论：子宫内膜细胞提供的微环境对于胚胎植入后的高效附着和谱系有序自组织不可或缺。 小结：子宫内膜细胞不仅为胚胎提供物理支撑，更重要的是提供了必要的生化与物理微环境，是驱动胚胎植入后有序、自组织发育的关键因素。▏第四阶段：模型内胚胎发育出早期胎盘结构及关键谱系  背景与目标：详细评估在CREST中发育至第10-14天的胚胎的形态与结构。 过程与结果： 1.通过高分辨率免疫荧光成像对植入点进行分析。 2.胚胎本体发育 (图5A-E)：观察到双层胚盘、羊膜腔和卵黄囊的形成，其大小与相应发育阶段（Carnegie Stage 5c-6）的体内胚胎相似。 3.滋养层高级发育 (图5F-L)：这是最突破性的发现。胚胎滋养层在模型中展现出前所未有的发育程度： 合体滋养层形成多核网络和腔隙。 绒毛外滋养层细胞表达HLA-G，并迁移侵入子宫内膜基质。 出现细胞滋养层细胞柱和细胞滋养层壳的早期结构。这些都是人类早期胎盘发生的核心标志性事件。 图5. 人类胚胎植入后的早期发育 本图详细描绘了在CREST模型中发育至10-14天的人类胚胎的高级形态特征。（A）10天胚胎：形成上胚层玫瑰花结、柱状下胚层以及由扁平下胚层细胞界定的卵黄囊腔。（B）12天胚胎：出现羊膜腔初始结构。（C）14天胚胎：形成明确的双层胚盘、羊膜腔和卵黄囊腔。（D）上胚层细胞数量从10天到14天逐步增加。（E）体外胚胎的上胚层面积与相应发育阶段的体内胚胎相似。（F-G）14天胚胎植入点的全景视图，显示发育良好的上胚层、下胚层和广泛的滋养层结构，滋养层已与脱膜化基质细胞直接接触。（H）示意图，概括胚胎与子宫内膜的界面结构。（I-J）滋养层细胞侵入基质的证据：绒毛外滋养层细胞向基质内迁移。（K）多核的合体滋养层细胞形成，内部出现腔隙。（L）细胞滋养层细胞柱形成，这是早期胎盘绒毛树发育的起始步骤。这些发现证明CREST模型能支持胚胎实现包括早期胎盘发生关键事件在内的高级发育。 小结：CREST模型能支持人类胚胎实现包括高级滋养层分化与组织化在内的、接近体内的早期植入后发育，为研究人类胎盘起源提供了前所未有的窗口。▏第五阶段：解析着床界面的分子对话并验证关键信号轴  背景与目标：在细胞图谱层面理解胚胎与子宫内膜如何交流，并验证其功能重要性。 过程与结果： 1.单细胞图谱 (图6)：对第14天的胚胎植入点进行单细胞RNA测序，成功鉴定了所有胚胎来源（如上胚层、不同滋养层亚型、下胚层）和子宫内膜来源（如各种上皮、基质细胞）的细胞类型，绘制了完整的着床界面细胞图谱。 图6. 胚胎着床生态位的单细胞转录组图谱 本图通过单细胞RNA测序，系统解析了第14天胚胎植入点的细胞组成与转录特征。（A）本研究数据与已发表的体外胚胎和体内子宫内膜数据集整合后的UMAP图，显示植入点包含胚胎来源和子宫内膜来源的多种细胞类型。（B）关键标志基因在不同细胞簇中的表达热图，用于鉴定细胞身份。（C）将本研究细胞投影至绒猴胚胎空间转录组图谱，显示其空间定位与体内发育阶段相符。（D-E）将本研究的滋养层细胞与其他灵长类胚胎数据集比对，显示其转录谱与对应发育阶段的高度保守性。该分析为理解着床界面的细胞复杂性奠定了基础。 2.预测互作网络 (图7B-E)：生物信息学分析预测了胚胎滋养层细胞与子宫内膜细胞之间大量的配体-受体相互作用对。 3.功能验证关键通路 (图7F-G)：聚焦于预测中绒毛外滋养层表达的PROS1与子宫内膜基质细胞表达的AXL受体这对相互作用。 使用AXL特异性抑制剂R428处理植入后的共培养体系。 结果：R428处理显著且特异性地抑制了滋养层细胞在基质中的向外生长和侵袭，但并未影响基质细胞本身的活力或单独培养的滋养层细胞。胚胎的上胚层发育也未受明显影响。 图7. 识别并验证胚胎-子宫内膜间的关键相互作用 本图预测并功能验证了着床界面关键的细胞间通信信号轴。（A）植入胚胎与周围子宫内膜细胞进行分子对话的示意图。（B-C）CellPhoneDB分析预测的滋养层细胞与子宫内膜细胞间特异的配体-受体相互作用对。（D）本研究中定义的滋养层细胞特征基因在妊娠中晚期的母胎界面细胞中已呈现谱系限制性表达，说明滋养层细胞身份在胚胎早期就已建立。（E）比较本研究的着床点与妊娠6-14周母胎界面数据，鉴定出共享的及阶段特异性的配体-受体互作。（F-G）功能验证：使用AXL抑制剂R428处理植入后的共培养体系，能特异性且显著地抑制滋养层细胞在子宫内膜基质中的向外生长和侵袭面积，而不影响基质细胞本身。这证明了PROS1-AXL信号轴是维系滋养层-子宫内膜对话、支持胚胎早期发育的必要通路。 结论：研究不仅绘制了着床界面的分子交流图谱，更通过功能实验证明了PROS1-AXL信号轴是维系胚胎滋养层与子宫内膜间功能性对话、促进滋养层侵袭所必需的。这为理解着床调控机制及着床失败相关病理（如子痫前期中AXL信号异常）提供了直接分子靶点。 04 研究总结 本研究成功创建并验证了“细胞工程化容受性子宫内膜支架技术”（CREST），这是首个能在体外高度模拟人类容受期子宫内膜三维结构与生理功能的模型。该模型利用原代子宫内膜细胞，在激素调控下复现了着床窗口期的关键特征，如基质细胞蜕膜化、上皮形成胞饮突及腺体分泌。 利用这一平台，研究团队实现了两大核心突破： 1.过程突破：首次在体外支持了人类胚胎及干细胞来源类囊胚从黏附、侵入到早期植入后发育的完整着床过程，成功率显著高于传统培养体系。 2.发育突破：在模型中，胚胎能发育至相当于体内第14天左右的阶段，形成双层胚盘、羊膜腔、卵黄囊等结构。尤为重要的是，滋养层细胞展现出前所未有的高级分化与自组织能力，包括形成合体滋养层网络、绒毛外滋养层侵袭、细胞滋养层柱及早期胎盘绒毛雏形，近乎完整地模拟了人类早期胎盘发生的初始步骤。 通过单细胞转录组学与功能性扰动实验，研究不仅系统绘制了胚胎-子宫内膜界面的细胞互作图谱，更鉴定并验证了PROS1-AXL信号轴是维系滋养层-基质细胞对话、驱动滋养层侵袭的关键通路。这完成了从构建生理相关模型，到再现关键发育事件，再到解析核心调控机制的完整科学闭环。 05 研究意义 1.技术里程碑：CREST模型攻克了人类胚胎着床研究长期缺乏动态、可干预、生理相关性高的体外模型的根本性难题，为领域提供了强大的基础研究平台。 2.揭开发育“黑箱”：使得在伦理规范内，直接观察和研究人类生命最初两周（原肠胚形成前）的发育事件成为可能，特别是胎盘最初构建这一以往无法触及的过程。 3.机制研究范式转变：将着床研究从静态形态描述和关联分析，推进至动态机制解析与因果验证的新阶段。发现的PROS1-AXL等关键通路为理解着床调控提供了全新分子靶点。 4.临床转化潜力巨大： 生殖医学：为研究着床失败、反复流产的病因提供了全新工具。未来或可结合患者自身细胞构建个性化模型，用于评估子宫内膜容受性、筛选改善着床的药物，推动辅助生殖技术向“个体化移植”发展。 妊娠疾病研究：为探究子痫前期、胎儿生长受限等妊娠并发症的极早期起源（如滋养层侵袭异常）提供了前所未有的病理模型。例如，本研究已验证AXL信号在滋养层生长中的关键作用，而该信号在子痫前期患者脱膜中已知存在异常。 药物开发与筛选：该平台可用于高通量筛选促进胚胎着床或纠正着床缺陷的候选药物与化合物。 参考文献 Molè MA, Elderkin S, Zorzan I, Penfold C, Horsley N, Pokhilko A, Polanek M, Palomar A, Sinha M, Wang Y, Quiñonero A, Androulidakis C, Acton R, Balmanno K, Jarman A, Srinivasan J, Bendall A, Morales-Álvarez S, Yagüe-Serrano R, Heywood K, Harbottle S, Vasilic M, Cawood S, Seshadri S, Serhal P, Weavers L, Sarris I, Mania A, Gibbons R, Laurier L, Sánchez-Ribas I, Mercader A, Alamá P, Bui AH, Burton GJ, Cindrova-Davies T, Fernando RC, McCarthy A, Aghajanova L, Nel-Themaat L, Lathi RB, Cook SJ, Niakan KK, Dunn AR, Domínguez F, Rugg-Gunn PJ. Modeling human embryo implantation in vitro. Cell. 2025 Dec 23:S0092-8674(25)01232-2. doi: 10.1016/j.cell.2025.10.027. Epub ahead of print. PMID: 41443191. 扫描添加小助手获取原文 A BOUT Ark Future 关于方舟未来 Ark Future方舟未来生命科学（上海）有限公司是一家专注于类器官技术、基因编辑及细胞治疗研发与应用的创新型生物科技企业。公司以“生命方舟，健康未来”为愿景，致力于成为全球领先的疾病模型构建与个性化治疗方案服务商。 Ark Future构建了集成类器官、基因编辑与细胞治疗技术的综合性研发平台，已成功建立覆盖视网膜、心脏、消化道、肝脏、肺部、乳腺、前列腺、睾丸等数十种组织来源的类器官模型库，涵盖数百例源自肿瘤及正常组织的生物样本，搭建了覆盖科研探索、药物研发与临床精准医疗的全链条业务体系，为科研机构、医药企业及医疗机构提供标准化产品与定制化解决方案。 公司高度重视研发创新与知识产权保护，目前已累计申请10余项国内发明专利与实用新型专利。同时，Ark Future积极构建产业生态，已与国内外数家顶尖药企、知名科研机构及三甲医院建立深度战略合作，共同推动类器官技术在多个领域的标准化与临床应用。 Ark Future以创新为引擎，以疾病模型与治疗服务为双翼，持续推动类器官技术在药物研发、精准医疗与再生医学等领域的产业化进程，携手全球合作伙伴，共同驶向生命科学的未来。 公司地址：上海市浦东新区金科路4218号诺华上海园区4号楼 邮箱：service@arkfuture.com.cn 电话：400-668-8274 官网：www.arkfuture.com.cn 编辑丨月亮 排版丨舟舟 审核丨舟舟 往期推荐: Cell Stem Cell | 顾名夏团队：修复NTRK2异构体失衡，重启新生儿肺再生 Nature Biomedical Engineering丨新型“智能凝胶”成功实现中风后脑再生 Nature综述 | Hans Clevers团队：类器官重塑药物研发全流程 下一代骨修复术：从患者脂肪中快速获得“即取即用”的个性化活性骨移植物 Cell重磅发布！华西医院领衔中外团队破解食管癌治疗新机制，开创“相分离增强”抗癌新策略 Nature Protocols | 大脑发育的终极奥秘，如何被“类器官+CRISPR”破解？l