BMP4

引言 细胞间通信是维持生物体内稳态以及实现复杂生物过程的核心机制之一。细胞通过分泌和接收化学信号，与周围的细胞进行交流，从而协调发育、免疫反应、组织修复等关键生理过程。近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）和空间转录组学（spatial transcriptomics, ST）技术的发展，为研究者提供了在单细胞水平上解析细胞间通信的前所未有的机会。这些技术能够同时检测成千上万个基因的表达，生成具有高维度的基因表达模式，从中提取与疾病状态、空间位置和时间轴相关的特定基因模块。然而，如何有效整合这些高维度数据，并在此基础上推断出驱动生物过程的细胞间通信流，仍然是一个重大的挑战。 在这个背景下，8月26日Nature Methods的研究报道“Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics”，提出了FlowSig这一新方法，用于从scRNA-seq和ST数据中推断由细胞间通信驱动的信息流。FlowSig基于图形因果建模和条件独立性测试，通过构建和学习部分定向无环图（completed partial directed acyclic graph, CPDAG），揭示了细胞间通信的方向性依赖关系。不同于传统的基因表达模块（gene expression modules, GEMs）构建方法，FlowSig能够同时考虑细胞间信号（ligand-receptor interactions）和细胞内调控机制，从而准确捕捉细胞间流动的时空动态。 该方法的开发旨在填补现有工具的空白，并提供更为全面的分析框架。通过在多种实验数据上的验证，如胰岛细胞受刺激后、COVID-19不同严重程度下的细胞间流动以及小鼠胚胎发育过程中形态发生素驱动的模式，FlowSig展现出了优异的性能。研究者通过这些应用，展示了FlowSig在捕捉复杂生物过程中的关键细胞间通信流方面的潜力，为进一步理解健康和疾病状态下的生物过程提供了重要的工具和视角。 在未来，随着单细胞和空间转录组数据的积累，FlowSig有望成为推动因果推断和因果结构学习的关键方法之一，并在生命科学研究中发挥更大的作用。 细胞间通信对于组织内的协调和功能维持至关重要。通过分泌和接收信号分子，细胞能够调控彼此的行为，参与到包括发育、免疫响应、再生等多种生物过程中。随着单细胞RNA测序（scRNA-seq）和空间转录组学（ST）技术的迅猛发展，研究者们可以在单细胞水平上获得成千上万个基因的表达数据。然而，由于这些数据的复杂性和高维度特征，直接从中推断出驱动生物过程的细胞间通信流动仍然具有很大挑战。因此，开发能够有效分析这些数据并揭示细胞间通信流的方法成为当下的研究热点。 FlowSig应运而生，它能够通过图形因果建模和条件独立性测试，从scRNA-seq和ST数据中推断细胞间的通信流动。FlowSig的设计旨在揭示这些复杂数据背后的因果关系，并为理解生物过程提供新的视角。 为了验证FlowSig的有效性，研究者们首先在合成数据上进行了模拟测试。合成数据基于已知的生物学网络模型，这些模型模拟了不同类型的细胞间信号流动，如单向信号传导、竞争性信号通路、以及复杂的多细胞类型之间的信号互动。 在一个典型的验证场景中，研究者们模拟了由SHH信号驱动的单向细胞间流动，该信号通过PTCH1受体结合，进而激活下游的FOXF1转录因子，最终引发BMP4信号的输出。通过FlowSig的分析，研究者们能够准确识别出这五个关键节点（SHH配体、PTCH1受体、SHH信号流入、FOXF1转录因子、BMP4配体）之间的因果关系，并且验证了使用FlowSig模型的假设条件（如受体配体结合的信号流入）有助于提高假阳性率（False Positive Rate, FPR）的控制。 研究者们还进一步比较了有无干扰数据的两种情况。结果显示，当引入干扰数据时（例如系统在受到外界刺激或疾病条件下的数据），FlowSig的分析结果更加准确，尤其是在多方向信号流动的复杂模型中，FlowSig通过引入干扰条件，有效减少了假阳性发现，从而提高了信号流动推断的精确度。 FlowSig模型的工作原理及其在推断细胞间通信流动中的应用（Credit: Nature Methods） 细胞间流动模型的构建： 图a描述了FlowSig模型如何将细胞间信号的流入与细胞内的基因表达模块（GEMs）以及信号的流出联系起来。FlowSig输出了一个细胞间流动网络，其中方向性边从流入信号变量（如受体基因表达与下游转录因子基因集的平均表达的乘积）指向GEMs（捕捉细胞内调控响应的潜在GEM因子），再从GEMs指向流出信号变量（如信号配体基因表达）。 使用干扰数据和路径知识的精确流动推断： 图b展示了FlowSig如何通过引入干扰数据（例如外部刺激、疾病状态等）以及利用已知的下游转录因子靶点信息，来学习由细胞间通信引发的精确细胞间流动。这些信息可以帮助FlowSig更准确地推断出细胞间信号的传递路径。 从空间转录组学数据推断流动模式： 图c则展示了如何通过空间转录组学（ST）数据来更精确地推断每个空间位置接收到的流入信号量，从而推断细胞间流动网络。该方法无需额外的干扰数据，即可通过空间分辨的GEMs推断出信号的流入和流出路径。 通过合成数据验证了FlowSig模型在不同信号流动场景中的有效性（Credit: Nature Methods） 不同场景下的因果图模型验证： 图a-c展示了三个不同的合成场景下的因果图模型。在第一个场景中（图a），研究者模拟了由SHH信号驱动的单向细胞间流动，这导致了BMP4信号的输出。在第二个场景中（图b），研究者模拟了SHH信号驱动的组织模式化（patterning），包括多个转录因子的表达变化。在第三个场景中（图c），研究者模拟了SHH和BMP4信号之间的竞争性驱动，导致了背腹（dorsoventral）模式化的形成。 真阳性率（TPR）和真阴性率（TNR）的比较： 图d-f展示了FlowSig在上述三种场景下的真阳性率（True Positive Rate, TPR）和真阴性率（True Negative Rate, TNR）表现。结果表明，当使用结合的受体表达（bound receptor expression）作为信号流入变量时，FlowSig的TNR显著提高，特别是在复杂的多向信号流动场景中（如图e和f）。此外，当引入干扰数据（perturbation data）时，FlowSig的TNR值的变化范围减小，表示流动推断的准确性提高。 FlowSig模型假设的验证： 图的结果还验证了FlowSig的两个核心假设。首先，准确测量信号流入对于推断细胞间流动至关重要；其次，引入干扰数据可以显著提高流动推断的准确性。通过在不同场景下的模拟实验，FlowSig证明了其在减少假阳性发现方面的优越性，并通过条件独立性测试和生物学流动模型的约束条件，优化了因果图的推断。 在验证了合成数据之后，研究者们将FlowSig应用于多个实际的生物数据集，以评估其在真实生物系统中的表现。 通过实验验证展示了FlowSig在皮层类器官模型中对细胞间通信流动的推断能力（Credit: Nature Methods） 差异性流入和流出信号的识别： 图a和b展示了在D18和D35两个时间点之间，FlowSig识别出的差异性流入和流出信号。研究发现，在这两个时间点之间，有26个信号表现出显著的流入变化（图a），而有16个信号表现出显著的流出变化（图b），其中包括关键的FGF和BMP信号。 基因表达模块（GEMs）的构建： 图c展示了通过pyLIGER构建的20个基因表达模块（GEMs），这些模块捕捉了特定时间点的基因表达模式。研究发现，D18时间点的细胞在GEM-2、GEM-3等模块中更加富集，而D35时间点的细胞则在GEM-8、GEM-11等模块中富集，这表明随着类器官的成熟，基因表达发生了显著变化。 FGF和BMP信号在细胞间流动中的作用： 图d展示了FGF信号驱动的细胞间流动。FlowSig分析发现，FGF信号通过多个GEMs驱动了BMP4、IGF-II、NGF、NRG1等信号的流出，并且推测EOMES可能是FGF信号下游的关键调控转录因子。图e则展示了BMP信号通过更少的GEMs进行细胞间调控，并可能通过PAX6或NR2F1进行介导。 实验验证： 图f和g展示了通过RT-qPCR FGF和BMP信号的实验验证结果。研究发现，激活FGF信号显著下调了EOMES的表达（图f），而BMP信号的激活则同时下调了PAX6的表达并上调了NR2F1的表达（图g）。这些结果与FlowSig的预测相符，验证了FlowSig在捕捉类器官系统中主导细胞间流动方面的准确性。 胰岛细胞受干扰素γ刺激实验  在这个实验中，研究者们利用FlowSig分析了人类胰岛细胞在干扰素γ（IFN-γ）刺激下的单细胞RNA测序数据。通过分析，FlowSig识别出了多个显著变化的信号通路。例如，FGF（成纤维细胞生长因子）信号通路的流入在IFN-γ刺激后显著增加，驱动了下游多种基因模块的表达变化。此外，FlowSig还揭示了IL-6、MDK、SST等信号通路在受刺激后的变化，并展示了这些信号通路如何通过不同的基因模块调控胰岛细胞的功能。 FlowSig如何通过分析非空间scRNA-seq数据，揭示胰岛细胞在IFN-γ刺激下的复杂细胞间通信流动，特别是识别出不同信号通路在细胞间流动中的作用和特定条件下的调控机制（Credit: Nature Methods） 基因表达模块（GEMs）的构建和细胞类型的对齐： 图a展示了FlowSig构建的基因表达模块（GEMs）与通过聚类分析识别出的胰岛细胞类型之间的对齐情况。研究显示，不同的GEMs与不同的细胞类型紧密关联，例如GEM-1、GEM-3、GEM-5和GEM-6在α细胞和β细胞簇中表现出显著富集。 IFN-γ刺激下的差异性信号流入和流出： 图b和c分别展示了干扰素γ（IFN-γ）刺激后显著改变的信号流入和流出。研究发现，IFN-γ刺激增加了多个信号通路的流入，包括FGF信号（通过FGFR1受体）、IL-6信号、MIF信号、MDK信号和SST信号。同时，IFN-γ刺激还导致了一些信号的流出增加，如GCG、INHBA和NAMPT，而其他信号如ANGPTL2、SPP1、TGFβ1等的流出则减少。 细胞间全局流动网络的推断： 图d展示了FlowSig推断出的全局细胞间流动网络，捕捉到了在不同条件下共享的和特定条件下的细胞间流动。结果表明，FGF、IL-6、MDK和SST是主导细胞间流动的关键驱动因素，并通过多个GEMs（如GEM-1、GEM-3、GEM-5和GEM-6）调控了GCG、INHBA、NAMPT等信号的流出。 上调和下调信号流出的特定网络： 图e和f分别展示了在IFN-γ刺激下，流出信号上调和下调的细胞间流动网络。研究发现，GEM-3在IFN-γ刺激下仅存在于上调网络中，表明它在α细胞中特别活跃，驱动了GCG和NAMPT的流出。而其他GEMs则在上下调网络中均有出现，表明它们可能在不同条件下发挥双重调控作用。 COVID-19的严重程度研究  研究者们还将FlowSig应用于COVID-19患者的支气管肺泡灌洗液（BALF）细胞的单细胞RNA测序数据，比较了不同疾病严重程度下的细胞间通信流动。结果表明，随着COVID-19的严重程度增加，细胞间的通信流动变得更加复杂。例如，在重症患者中，炎症相关的趋化因子（如CCL2, CCL3, CCL8）显著上调，主要在巨噬细胞和中性粒细胞中起作用。这表明，FlowSig不仅能够识别不同疾病状态下的细胞间信号流动变化，还可以帮助理解疾病的进展机制。 FlowSig在COVID-19研究中的应用，揭示了不同严重程度COVID-19患者之间的细胞间通信差异，特别是炎症相关趋化因子的表达和调控（Credit: Nature Methods） 基因表达模块（GEMs）的构建与COVID-19条件和细胞类型的对齐： 图a和b展示了FlowSig构建的基因表达模块（GEMs）与COVID-19不同严重程度（中度和重度）及细胞类型的对齐情况。研究显示，不同的GEMs在不同的COVID-19条件下表现出特异性，如重度COVID-19患者中某些GEMs的表达显著增强。 差异性流出信号的识别： 图c展示了在健康对照、中度COVID-19和重度COVID-19患者中差异性流出信号的分析结果。研究发现，随着COVID-19严重程度的增加，流出信号的种类和数量有所增加，特别是在重度COVID-19患者中观察到大量炎症相关的趋化因子（如CCL2, CCL3, CCL8）的上调。 健康对照组与COVID-19组之间的细胞间流动网络： 图d-f展示了健康对照、中度COVID-19和重度COVID-19患者中的细胞间流动网络。研究显示，随着COVID-19的严重程度增加，某些信号通路的细胞间流动显著增强，而另一些则减弱。例如，健康对照组中观察到的某些细胞间流动在中度和重度COVID-19患者中消失，反映了随着疾病进展，细胞间通信的复杂性和模式发生了显著变化。 信号流入和GEMs的交集分析： 图g，h分别展示了不同COVID-19条件下共享和特异性的信号流入以及介导这些流入的GEMs。结果显示，尽管COVID-19严重程度不同，多个信号流入和GEMs在各条件之间具有一定的共享性。然而，随着COVID-19的加重，一些特定的信号流入和GEMs在重度患者中变得更加显著，表明这些可能是疾病严重化的关键驱动因素。 小鼠胚胎发育的研究 在小鼠胚胎发育E9.5阶段，研究者们利用FlowSig分析了空间转录组数据，重建了Shh和Wnt5a信号蛋白之间的双向调控关系。研究发现，Shh信号通过自我放大机制驱动自身表达的同时，还通过激活Wnt5a信号来进一步调控发育过程。这种相互作用形成了类似于Turing模式的激活-抑制系统，对于理解胚胎发育中的细胞命运模式形成具有重要意义。 FlowSig在小鼠胚胎发育研究中的应用，特别是如何通过空间转录组数据解析信号传递的空间模式（Credit: Nature Methods） 信号流入和流出的空间分布： 图a展示了FlowSig分析出的多个信号在小鼠胚胎E9.5阶段的空间分布，特别是这些信号的流入和流出模式。研究发现，不同的信号在胚胎的不同区域表现出显著的空间特异性。例如，Shh（Sonic hedgehog）信号的流入主要集中在神经管区域，而FGF（成纤维细胞生长因子）信号的流出则在中胚层和外胚层交界处显著增强。 形态发生素驱动的激活-抑制模式： 图b展示了FlowSig重建的Shh信号驱动的激活-抑制模式。研究显示，Shh信号通过其在神经管中的高表达，激活了下游多个基因模块，并抑制了相邻区域的其他信号表达，从而形成了典型的激活-抑制模式。这种模式在胚胎发育中是非常关键的，有助于调控细胞命运和组织模式的形成。 信号传递网络的空间结构： 图c展示了FlowSig推断出的在E9.5小鼠胚胎中的信号传递网络的空间结构。这个网络展示了在不同胚胎区域之间的信号传递路径，并揭示了这些信号是如何在空间上协调来驱动胚胎的发育。例如，研究发现，Shh信号从神经管中流入，激活了下游的Wnt5a信号，并通过空间上的相互作用调控了胚胎背腹模式的形成。 关键信号的空间调控和基因模块的关系： 图d和e展示了Shh和Wnt5a信号在空间调控中的关键作用，并且这些信号通过特定的基因模块（GEMs）来执行其调控功能。例如，Shh信号主要通过GEM-2来调控神经管中基因的表达，而Wnt5a信号则通过GEM-5来调控中胚层中基因的表达。研究表明，这些信号和基因模块之间的空间关联对于胚胎的正常发育至关重要。 通过这些实际应用的分析，FlowSig展示了其在细胞间通信流动推断中的广泛应用潜力。首先，FlowSig在多个真实生物数据集中的表现证明了它可以有效地捕捉复杂生物系统中的关键信号流动。此外，FlowSig提供的因果推断方法为理解生物过程中的因果关系提供了新的工具。例如，在COVID-19研究中，FlowSig不仅揭示了不同严重程度患者之间的差异，还帮助识别了潜在的治疗靶点，如与炎症反应密切相关的趋化因子和受体。 在胚胎发育研究中，FlowSig揭示了Shh和Wnt5a之间的相互作用，提供了一个新的视角来理解这些信号通路在发育过程中的调控机制。通过结合空间转录组数据，FlowSig还展示了其在推断发育过程中时空信号流动方面的独特优势。 FlowSig的开发为生物学家提供了一个强大的工具，可以从复杂的单细胞和空间转录组数据中提取有价值的信息。未来，随着单细胞测序技术和空间组学技术的不断发展，FlowSig有望在更多的生物学研究中发挥重要作用，例如在肿瘤生物学、神经科学和再生医学中揭示关键的细胞间通信流动。此外，FlowSig的因果推断能力还可以进一步推动个性化医学的发展，帮助开发新的诊断和治疗策略。 总之，FlowSig为研究细胞间通信提供了一个全面而强大的分析框架，其广泛的应用潜力将推动我们对生命科学中复杂生物过程的理解。 参考文献 Almet AA, Tsai YC, Watanabe M, Nie Q. Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics. Nat Methods. 2024 Aug 26. doi: 10.1038/s41592-024-02380-w. Epub ahead of print. PMID: 39187683. https://www.nature.com/articles/s41592-024-02380-w 责编|探索君 排版|探索君 转载请注明来源于【生物探索】 End 往期精选 围观 一文读透细胞死亡(Cell Death) | 24年Cell重磅综述（长文收藏版） 热文 Cell | 是什么决定了细胞的大小？ 热文 Nature | 2024年值得关注的七项技术 热文 Nature | 自身免疫性疾病能被治愈吗？科学家们终于看到了希望 热文 CRISPR技术进化史 | 24年Cell 综述

OTC2024类器官前沿应用与3D细胞培养论坛圆满落幕，点击图片可查看会后报告，咨询OTC2025类器官论坛请联系：王晨 180 1628 8769 骨类器官作为生物医学研究中的开创性工具，弥合了理论知识与实际应用之间的差距，帮助我们理解骨生物学和相关疾病。这些微小的、能自我组织的结构模拟了骨组织的复杂性，为科学发现和医学创新提供了一个动态平台。 快速发展的骨类器官技术为骨相关疾病研究和临床应用提供了新的模型。随着技术的不断优化和多学科的融合，其应用前景将进一步拓展。 类器官及其发展历程 类器官(organoids)是一种在三维培养体系中形成的微小、类器官结构的细胞团，能够模仿体内器官的结构和功能。它们具有以下显著特性：①多细胞类型：类器官由多种不同类型的细胞组成，这些细胞相互作用，形成复杂的三维结构。这种多细胞组成使类器官能够更准确地模拟体内器官的微环境和生理功能。②自我组织：在特定的培养条件下，类器官能够自我组织和分化，形成类似于体内器官的结构。这种自我组织能力使类器官成为研究细胞行为和组织发育的重要模型。③功能性：类器官具备体内器官的某些功能，如代谢、分泌和响应外部刺激的能力。类器官技术在生物医学领域展现出广泛的应用潜力，已成为基础研究、疾病模型、药物筛选和再生医学等领域的重要工具。 科学家已经成功培养出多种不同类型的类器官，包括肠道类器官、脑类器官、肝脏类器官、肾脏类器官等[1]。这些类器官在结构和功能上高度模拟体内器官，为生物医学研究提供了更加逼真的模型。类器官技术被广泛应用于建立疾病模型和进行药物筛选。这种技术通过利用患者来源的细胞，培养出个性化的类器官模型，能够高度模拟特定疾病的病理过程。通过从患者体内提取的细胞，科学家们能够培养出与患者病情高度一致的类器官。这些类器官保留了患者的遗传信息和病理特征，可以用来深入研究疾病的发生和发展[2]。 个性化的类器官模型在抗癌药物筛选中具有重要应用价值。科学家可以利用这些模型测试各种抗癌药物的效果，从而选择最有效的个性化治疗方案。通过在患者来源的肠道类器官中测试不同的化疗药物，研究人员可以确定哪种药物对特定患者的癌细胞杀伤力最强。这种个性化的药物筛选方法大大提高了治疗的精准度和有效性，减少了副作用[3]。类器官技术在再生医学中也具有重要应用前景。科学家希望通过类器官技术修复受损的器官组织，甚至在未来实现器官移植。类器官作为组织工程中的“种子细胞”，有望用于构建功能性组织或器官，通过体外培养和工程技术，生成可用于移植的生物组织或器官。例如，通过将类器官与生物支架材料结合，科学家可以构建具有生物活性的三维组织结构，用于修复或替代受损组织[4]。 类器官培养物的发展时间表[6] 类器官技术的发展经历了一个漫长而曲折的过程，其概念和方法可以追溯到20世纪初期。 类器官生成方法[5]  Wnt3a：无翅型MMTV整合位点家族成员3A；Fgf4：成纤维细胞生长因子4；BMP4：骨形态发生蛋白4；Fgf9：成纤维细胞生长因子9；KSR：敲除血清替代物。 早期探索(20世纪初) 在20世纪初期，科学家们开始尝试在实验室中培养组织和器官。这些早期的实验包括体外培养胚胎器官的组织块。这些尝试为后来的细胞培养技术奠定了基础，虽然当时的技术手段和理论知识还十分有限，但这些探索为后来的研究积累了宝贵的经验。 二维培养(1950年代) 到了1950年代，细胞培养技术取得了重要进展。尤其是二维细胞培养技术的发展，使科学家能够在培养皿中培养单层细胞。这一进步不仅大大提高了实验的可控性和重复性，还为进一步的三维培养奠定了基础。二维培养技术的广泛应用使得细胞生物学研究得到了飞速发展，为类器官技术的突破创造了条件。 三维培养(1990年代) 1990年代，科学家们开始探索三维细胞培养技术，以期更好地模拟体内的细胞环境。美国生物学家比斯尔(M. Bissell)及其同事利用三维基质培养乳腺上皮细胞，成功模拟了乳腺腺泡的形成[7]。这一突破性研究证明了三维培养技术在模拟复杂组织结构方面的潜力，为类器官技术的发展指明了方向。 类器官技术的突破(21世纪初) 真正的技术突破发生在2009年，当时荷兰乌得勒支大学克利夫斯(H. Clevers)教授团队首次成功利用成体干细胞在体外培养出了肠道类器官[8]。这一进展标志着类器官技术的正式诞生，使其成为疾病研究、药物筛选和再生医学的重要工具。该团队的研究证明了类器官不仅可以在实验室中培养，还可以保持其体内的复杂结构和功能。这一发现激发了全球科学家对类器官研究的浓厚兴趣和热情。 骨类器官的探索 骨类器官(bone organoids)是指通过生物活性材料和定向分化的干细胞(如骨干细胞、胚胎干细胞等)或祖细胞(如成骨细胞和/或破骨细胞等)在体外构建的三维自我更新和自我组织的微型骨组织。这些骨类器官具有生物模拟的空间特征，能够在三维培养系统中重现体内骨组织的复杂生物功能。与传统的二维细胞培养系统和动物实验相比，骨类器官能够更好地模拟骨的自然生理微环境，提供一种更为生理相关的体外研究模型[9]。骨类器官是类器官技术的一个新兴领域，致力于在体外模拟骨组织的形成和功能。与其他类型的类器官不同，骨类器官具有其特殊性和挑战性。这些特殊性和挑战性不仅源于骨组织的复杂结构和多样化功能，还涉及其独特的发育过程和力学环境。 骨类器官的应用前景[9] 骨类器官构建的特殊性 骨类器官在培养过程中具有特殊性。首先，骨组织在体内承受机械应力，这些应力对骨的形成和重塑至关重要。因此，培养骨类器官时，需要模拟类似的力学环境，通常通过应用机械应力或利用生物反应器来实现，这与其他类器官主要依靠化学和生物信号的不同。其次，骨组织的矿化过程是其重要特征，成骨细胞分泌的基质逐渐钙化形成坚硬的骨质，因此培养骨类器官需要在培养基中加入适当的矿化诱导剂，促使成骨细胞进行矿化，而大多数其他类器官不涉及这种硬组织的形成。再次，骨类器官的形成不仅依赖于成骨细胞，还需要破骨细胞和其他间充质细胞的参与，科学家必须设计共培养体系，使不同细胞类型相互作用，共同完成骨组织的形成和维持，这种多细胞共培养体系的复杂性使得研究具有特殊挑战。最后，骨组织具有丰富的血管网络，模拟这种血管化对于培养功能性骨类器官至关重要，研究者通常会引入血管内皮细胞或利用组织工程技术，促进类器官中的血管形成，以提高类器官的生理真实性和功能性，这与大多数其他类器官不同，后者通常不需要模拟复杂的血管网络。 骨类器官构建的挑战性 骨类器官的培养面临诸多挑战，这些挑战主要源于其复杂的组织结构和特殊的生理需求。首先，骨组织不仅包括矿化基质，还包括骨髓腔和各种细胞类型，成功培养出这种复杂结构需要对培养条件进行精细的控制和优化，远比培养单一细胞类型或简单结构的类器官复杂得多。其次，骨组织在体内不断受到动态力学应力的影响，如压缩、拉伸和剪切力等，这些力学应力不仅影响骨细胞的功能，还对骨基质的形成和重塑起到关键作用。因此，在体外培养骨类器官时，需要设计能够模拟这些动态力学环境的装置，以确保培养出的类器官具备真实的生理功能。再次，培养骨类器官需要特定的生长因子和营养物质，以促进成骨细胞的分化和矿化，这要求对培养基成分进行精确的调控，以模拟体内微环境，这与其他类器官的培养有所不同，后者通常不需要如此精确和多样化的生长因子调控。最后，骨组织的形成和成熟需要较长的时间，在体外培养骨类器官时也需要长时间的培养周期，这增加了培养过程中的不确定性和挑战性，例如如何防止培养过程中细胞的衰老和死亡，如何保持培养环境的稳定等。 骨类器官1.0版 笔者团队利用“一锅法”合成用于骨组织工程的新型生物墨水[10]，通过3D生物打印骨支架，构建能够体内外长时间培养、多细胞分化、自矿化的大尺寸骨类器官1.0版本[11]，并应用于大段骨缺损的骨再生研究。团队人员通过设计全新的适用骨组织工程的生物墨水，利用数字光处理生物打印技术，精确复制骨组织复杂微观结构，然后在体内外长时间的定向培育，使之分化成含有多种骨髓细胞(血细胞、免疫细胞、血管内皮细胞、软骨细胞、成骨细胞、脂肪细胞和破骨细胞)，力学性能良好(杨氏模量兆帕级，接近于松质骨)，空间拓扑结构类骨(疏松多孔的微纳结构)和大尺寸(厘米级)的功能性骨类器官。将其应用于骨缺损模型的再生修复，显示出强大的修复能力。骨类器官1.0版可用于建立骨病模型，筛选骨代谢药物，并对骨植入材料进行生物学评估。试想一下，在未来，对于因各种原因导致骨缺损或坏死的患者，也许可以提取他们的干细胞来构建骨类器官，然后植入身体的特定部位，如腹部。可以预见，这些构建体将生长和成熟为真正的骨组织，然后可用于受缺陷或坏死影响的区域的骨移植。 结语与展望 骨类器官技术作为类器官研究中的重要分支，尽管面临复杂组织结构、动态力学环境模拟、生长因子和营养物质精确调控以及长时间培养等诸多挑战，但在再生医学、骨疾病研究和药物筛选等领域展现出巨大的潜力。通过不断的技术创新和优化，科学家们已取得显著进展，成功培养出具备生理功能的骨类器官模型。未来，骨类器官技术将与基因编辑、3D生物打印和智能材料等先进技术相结合，开发标准化和规模化的培养方法，优化力学环境模拟技术，并加强基础研究与临床应用的结合，推动其在骨再生和修复、骨疾病治疗等方面的临床转化。骨类器官技术的发展前景广阔，随着技术的不断进步，有望在未来为骨组织相关疾病的诊断、治疗和再生医学带来革命性的变化，造福更多患者，推动生物医学领域的发展，成为解决骨组织相关医学难题的重要工具。 王健：博士研究生，上海大学转化医学研究院，上海 200444。 苏佳灿：教授，上海大学转化医学研究院;主任医师，上海交通大学医学院附属新华医院，上海200092。 Wang Jian: Doctoral Candidate, Institute of Translational Medicine, Shanghai University, Shanghai 200444. Su Jiacan: Professor, Institute of Translational Medicine, Shanghai University, Shanghai 200444; Chief Physician, Xin Hua Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai 200092. References： [1]Xu H, Jiao Y, Qin S, et al. Organoid technology in disease modelling, drug development, personalized treatment and regeneration medicine. Experimental Hematology & Oncology, 2018, 7: 30. [2]Chitrangi S, Vaity P, Jamdar A, et al. Patient-derived organoids for precision oncology: A platform to facilitate clinical decision making. BMC Cancer, 2023, 23: 689. [3]Yu Y Y, Zhu Y J, Xiao Z Z, et al. The pivotal application of patient-derived organoid biobanks for personalized treatment of gastrointestinal cancers. Biomarker Research, 2022, 10: 73. [4]Liu N, Zhang X, Guo Q, et al. 3D bioprinted scaffolds for tissue repair and regeneration. Frontiers in Materials, 2022, 9. [5]Lancaster M A, Knoblich J A. Organogenesis in a dish: Modeling development and disease using organoid technologies. Science, 2014, 345: 1247125. [6]Corrò C, Novellasdemunt L, Li V S W. A brief history of organoids. American Journal of Physiology Cell physiology, 2020, 319: C151-C165. [7]Bissell M J, Rizki A, Mian S. Tissue architecture: The ultimate regulator of breast epithelial function. Current Opinion in Cell Biology, 2003, 15: 753. [8]Sato T, Vries R G, Snippert H J, et al. Single lgr5 stem cells build crypt-villus structures in vitro without a mesenchymal niche. Nature, 2009, 459: 262-265. [9]Chen S, Chen X, Geng Z, et al. The horizon of bone organoid: A perspective on construction and application. Bioactive materials, 2022, 18: 15-25. [10]Ren X, Wang J, Wu Y, et al. One-pot synthesis of hydroxyapatite hybrid bioinks for digital light processing 3D printing in bone regeneration. Journal of Materials Science & Technology, 2024, 188: 84-97. [11]Wang J, Wu Y, Li G, et al. Engineering large-scale self-mineralizing bone organoids with bone matrix-inspired hydroxyapatite hybrid bioinks. Advanced materials (Deerfield Beach, Fla), 2024, e2309875.  本文刊载于2024年第76卷第4期《科学》杂志（P23-P26） 关键词：骨类器官    骨组织工程    3D生物打印    再生医学 END 免责声明：本文仅作知识交流与分享及科普目的，不涉及商业宣传，不作为相关医疗指导或用药建议。文章如有侵权请联系删除。 OTC2024类器官前沿应用与3D细胞培养论坛圆满落幕，点击图片可查看会后报告，咨询OTC2025类器官论坛请联系：王晨 180 1628 8769

引言 合子的分裂产生全能的卵裂球。在人类8细胞卵裂球中，合子基因组激活(zygotic genome activation, ZGA)启动了个体发生程序。然而，在人类细胞中获取和维持全能性面临着重大挑战。 2024年6月5日，北京大学杜鹏团队在Cell 在线发表题为“Capturing totipotency in human cells through spliceosomal repression”的研究论文，该研究表明通过剪接体能够抑制在人细胞中捕获全能性。该研究实现了人类全能卵裂球样细胞(hTBLCs)的培养。研究发现剪接抑制可以短暂地将人类多能干细胞重编程为ZGAlike细胞( ZLCs)，并在长期传代后转变为稳定的hTBLCs。 与报道的8细胞样细胞(8CLCs)不同， ZLCs和hTBLCs广泛沉默多能基因。有趣的是， ZLCs激活了一组特定的ZGA特异性基因，而hTBLCs富含pre-ZGA特异性基因。在自发分化过程中，hTBLCs重新进入中间的ZLC阶段，并进一步产生外胚层(EPI)-、原始内胚层(PrE)-和滋养外胚层(TE)样谱系，有效地再现了人类着床前的发育。hTBLCs具有胚胎和胚胎外发育潜能，可以在体外不需要外部细胞信号的情况下自主产生囊胚样结构。总之，该研究提供了人类细胞全能性的关键标准和见解。 受精后，受精卵基因组在一开始是沉默的。最初的几轮细胞分裂依赖于母体物质，直到合子基因组激活(ZGA)发生，这在不同物种中是保守的。在人类中，ZGA发生在8细胞卵裂球中，而在小鼠中，它发生在2细胞卵裂球中。受精卵和早期卵裂球代表全能性，它严格地由产生整个生物体的能力和产生胚胎和胚胎外组织的双向能力来定义。全能卵裂球启动细胞命运的第一轮决定，产生滋养外胚层(TE)，形成胚外胎盘组织，以及内细胞团(ICM)，后者进一步分化为原始内胚层(PrE)和多能外胚层(EPI)谱系，分别产生胚外卵黄囊和整个胚胎组织。 从ICM细胞中获得并建立了人类胚胎干细胞(hESC)系将成纤维细胞重编程为诱导多能干细胞(iPSCs)已经克服了与ESC来源和伦理问题相关的限制。目前，多能hESCs和iPSCs广泛应用于基础研究和转化医学。hESCs和iPSCs的分化能力是决定干细胞衍生功能细胞类型和质量的基础，这方面的研究仍然有限。最近，一种表达ZGA特异性基因的8细胞样细胞(8CLCs)，特别是在8细胞卵裂球中富集，包括ZSCAN4和DUXA，在初始多能ESC培养条件下以极低的百分比被捕获。值得注意的是，这些8CLCs是亚稳态的，可以迅速恢复到多能状态，因此不能稳定地培养多次传代。到目前为止，接近卵裂球早期阶段的人类细胞还不能在体外稳定地培养。 模式图（Credit: Cell） 该研究利用hTBLCs的PrE -ZGA特征，建立了hTBLCs自发分化和囊胚形成系统，在该系统中，hTBLCs通过ZLC样阶段过渡并经历两次细胞命运决定，导致EPI、TE和PrE谱系平行产生。这使得人类首次实现了对整个胚胎着床前发育的重塑。值得注意的是，这两个系统都不需要外部信号操作。这与之前基于hESC/iPSC的多能诱导系统不同，后者需要多种细胞信号因子，如A83-01、PD0325901和BMP4，以及长时间传代和集落选择来产生胚外TE或PrE细胞，反映了典型的反分化过程。结果表明，多能hESC/iPSC或hEPSCs在相同的条件下不能产生TE/PrE谱系或囊胚样结构。因此，hTBLCs具有hESCs/iPSCs或hEPSCs所没有的独特的全能性，并建议采用类似的细胞自发分化策略，不需要人工细胞信号传导操作和长期传代，作为评估体外培养的全能性样干细胞的关键标准。 原文链接 https://www.cell.com/cell/abstract/S0092-8674(24)00519-1 责编|探索君 排版|探索君 文章来源|“iNature” End 往期精选 围观 一文读透细胞死亡(Cell Death) | 24年Cell重磅综述（长文收藏版） 热文 Cell | 是什么决定了细胞的大小？ 热文 Nature | 2024年值得关注的七项技术 热文 Nature | 自身免疫性疾病能被治愈吗？科学家们终于看到了希望 热文 CRISPR技术进化史 | 24年Cell综述