LEF1

OTC2025论坛深度聚焦类器官与疾病建模、新药发现/研发、3D细胞培养、类器官培养及质控。展位咨询请联系：王晨 180 1628 8769。在现代医学的浩瀚星空中，血管疾病如同一颗隐藏的暗星悄然威胁着人类的健康。从心脏病到糖尿病，血管功能障碍常常是幕后黑手；然而传统的研究方法如同在夜空中寻找北极星，困难重重。如今，随着干细胞技术和单细胞测序技术的飞速发展，科学家们仿佛拥有了“望远镜”，能够深入探索血管形成的微观世界。近日，一篇发表在国际杂志Cell上题为“Fate and state transitions during human blood vessel organoid development”的研究报告中，来自苏黎世联邦理工学院等机构的科学家们通过研究揭示了人类血管类器官（hBVOs）的神秘面纱，并探索其在疾病建模和再生医学中的巨大潜力。血管疾病是全球范围内的主要健康威胁之一，其复杂性在于血管系统在人体内扮演着至关重要的角色。从营养物质的运输到废物的排出，血管的健康直接关系到整个身体的正常运转。然而，研究血管疾病的传统方法往往受限于模型的不准确性和复杂性。为了突破这一瓶颈，这项研究中，研究人员致力于开发一种能够精准模拟人类血管发育和疾病的模型系统。人类血管类器官（hBVOs）应运而生不仅能模拟血管的自然发育过程，还能为研究血管疾病提供一个高度可控的实验平台。这项研究中，研究人员核心目标是通过单细胞多组学技术全面解析hBVOs的细胞状态转变和命运决定机制，并揭示其在疾病建模和再生医学中的应用潜力。研究者表示，他们实验的核心对象是人类血管类器官（hBVOs），其是由人类多能干细胞（hPSCs）分化而来的三维结构，其能模拟血管的发育过程。首先研究人员利用单细胞RNA测序（scRNA-seq）技术对hBVOs在不同发育阶段的细胞进行详细地转录组分析，通过这种方法，他们就能追踪细胞从多能干细胞到成熟内皮细胞和壁细胞的分化路径；此外，为了深入理解基因调控网络，研究人员还结合单细胞染色质可及性测序（scATAC-seq）揭示了基因表达调控的分子机制。实验过程中，研究人员巧妙地利用了CRISPR-Cas9基因编辑技术对多个关键基因进行了敲除实验，旨在评估这些基因在血管细胞命运决定中的作用。通过这些综合手段，他们构建了一个全面的hBVOs细胞状态图谱，并揭示了多个关键转录因子和信号通路在血管发育中的调控作用。全文的图形摘要。图片来源：Cell(2025) doi:10.1016/j.cell.2025.03.037单细胞多组学分析能揭示hBVOs在发育过程中细胞异质性和分化轨迹的复杂性。研究人员发现，中胚层祖细胞在体外能分化为内皮细胞和壁细胞，而移植后的BVOs则能进一步获得明确的动脉和静脉内皮细胞特征。通过基因编辑实验，研究人员鉴定了一系列在血管细胞命运决定中起关键作用的转录因子，包括MECOM在壁细胞分化中的重要作用。此外他们还通过小分子药物干预和转录因子过表达实验成功诱导了hBVOs向特定器官特异性血管状态转变，比如通过LEF1过表达来增加hBVOs的脑血管特异性，这些研究发现不仅为理解血管发育的分子机制提供了宝贵的资源，也为开发针对血管疾病的新型治疗方法奠定了一定的基础。研究者表示，这项研究综合运用了单细胞多组学技术和基因编辑技术，为研究人类血管发育和疾病提供了一个全新的视角；通过构建详细的细胞状态图谱，他们就能精准追踪细胞分化过程中的基因表达变化和调控网络。此外实验中对hBVOs的器官特异性诱导和疾病建模尝试也展示了其在再生医学和疾病治疗中的巨大潜力。然而，本文研究也存在一些局限性，比如hBVOs的培养过程较为复杂，且在模拟体内环境方面仍存在挑战。未来研究中，研究人员还需要进一步优化培养条件并探索更多信号通路和转录因子的组合，从而实现更精准的器官特异性血管建模，同时，将hBVOs应用于临床治疗还需要克服免疫排斥和长期稳定性等难题。血管类器官作为现代医学研究的前沿成果，为科学家们提供了一个独特的窗口来窥探血管发育的奥秘。从实验室的培养皿到临床应用的广阔天地，hBVOs承载着治愈血管疾病的希望，尽管前路漫漫，但科学家们的每一步探索都离目标更近了一步。参考文献：Marina T. Nikolova，Zhisong He，Makiko Seimiya, et al.Fate and state transitions during human blood vessel organoid development,Cell(2025) doi:10.1016/j.cell.2025.03.037END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。OTC2025论坛深度聚焦类器官与疾病建模、新药发现/研发、3D细胞培养、类器官培养及质控。展位咨询请联系：王晨 180 1628 8769。戳“阅读原文”立即领取OTC2025免费参会名额!

引言当你在晨跑时是否能感受到双腿肌肉的律动，或是因情绪激动而面颊泛红？这背后都离不开一个精密系统的默默运作——血管网络。这个由动脉、静脉和毛细血管编织而成的三维管道系统，不仅承担着输送氧气和养分的重任，更是维持组织稳态的"隐形高速公路"。最新研究表明，人体血管的总长度可达10万公里，足以绕地球赤道两圈半。然而，这个庞大系统的构建过程却始终笼罩在神秘的面纱之下。4月17日发表在《Cell》杂志上的“Fate and state transitions during human blood vessel organoid development”揭示的成果，堪称血管发育研究的里程碑。研究团队运用单细胞多组学技术对hBVO发育过程进行了长达21天的动态追踪。当科学家利用小分子化合物组合诱导hBVO表达脑特异性转录因子LEF1时，电子显微镜下清晰可见类器官血管形成了类似血脑屏障的紧密连接结构。这种在体外重现器官特异性的突破，预示着未来或许能在培养皿中直接构建功能性的器官微环境。血管发育的基因蓝图：从干细胞到血管网络的时空交响曲在胚胎发育的第4天，一场关乎血管系统命运的关键抉择正在悄然上演。研究团队运用单细胞转录组测序技术，首次完整记录了人类血管类器官（hBVO）从多能干细胞到成熟血管网络的21天发育轨迹。数据显示，在分化第4天，约60%的中胚层祖细胞启动了内皮细胞（EC）分化程序，其标志性基因ETV2和KDR显著激活；而剩余40%的细胞则转向壁细胞（MC）谱系， ACTA2（平滑肌肌动蛋白）的表达量大幅增加。通过诱导型谱系追踪系统iTracer，科学家们首次捕捉到EC祖细胞（c14簇）的动态分化过程。这些细胞在分化初期同时表达内皮标志物NRP2和壁细胞标志物LUM，形成独特的过渡态群体。RNA速度分析显示，EC和MC的分化轨迹在第七天出现明显分叉，证实血管发育存在"非此即彼"的二元选择机制。基因调控网络的立体网络：16个核心调控因子的交响乐为了破译细胞命运决定的分子密码，研究团队开展了规模空前的CRISPR-Cas9全基因组筛选。通过构建包含数十个候选基因的干扰文库，结合单细胞转录组分析，最终锁定16个关键调控因子。这些因子构成三层调控网络：转录因子核心层：FLI1、MECOM、ERG组成EC命运决定的"铁三角"，其中MECOM缺失导致EC分化效率大幅下降；信号受体层：VEGFR2和NOTCH1形成血管发育的"阴阳双生系统"，VEGF-A浓度梯度通过调节DLL4/JAG1配体竞争决定动脉-静脉分化；表观调控层：染色质重塑复合体SWI/SNF通过动态调控染色质开放区域，控制PDGFRβ等壁细胞标志物的时空表达。尤为引人注目的是MECOM基因的双重角色：当其在EC祖细胞中过表达时，GJA5（动脉特异性连接蛋白）表达量提升；而在壁细胞中敲除MECOM，则导致IGFBP5（胰岛素样生长因子结合蛋白5）表达激增，这种双重调控机制为动脉粥样硬化治疗提供了全新靶点。时空密码的精准破译：染色质开放区域的动态交响单细胞ATAC-seq技术揭示了染色质开放区域的动态变化规律。在EC祖细胞（c14簇）中，位于GJA5启动子区的增强子区域在分化第6天出现显著的染色质开放信号，这与EC动脉化进程完美同步。有趣的是，移植到免疫缺陷小鼠体内的hBVO显示出独特的染色质重塑模式：原本处于关闭状态的静脉标志基因NR2F2（核受体亚家族2组F成员2）启动子区开放程度提升2.8倍，而动脉标志物CXCR4的染色质可及性下降40%，这种表观遗传的重编程完美模拟了胚胎发育中血流动力学对血管分型的调控作用。命运抉择的幕后推手：信号通路的阴阳博弈VEGF-Notch的黄金搭档：血管发育的动态平衡术通过药理学干预构建的"信号梯度板"实验，科学家们揭示了VEGF-A与Notch信号的精妙平衡机制。当VEGF-A浓度低于50 ng/ml时，EC增殖速率提升2.3倍；而浓度高于100 ng/ml时，则触发DLL4/Notch反馈环路，诱导动脉分化程序。移植实验进一步证实，体内微环境中的血流剪切力可通过激活Piezo1通道，将VEGF-A浓度梯度转化为动脉化的时空指令。Notch信号通路的调控更为复杂：当DLL4/JAG1配体竞争失衡时，血管网络会出现异常分支。通过CRISPR-Cas12a构建的NOTCH1敲除模型显示，EC的尖端细胞比例从正常状态的28%骤降至9%，而静脉标志物EphB4的表达量则上升3.5倍，这种双重表型印证了Notch信号在动脉-静脉分流中的"守门人"角色。MECOM的双面间谍角色：纤维化与分化的生死较量MECOM基因的发现堪称本研究最大的惊喜。在壁细胞分化过程中，MECOM通过招募HDAC3（组蛋白去乙酰化酶3）形成抑制复合体，沉默IGFBP5等纤维化相关基因的表达。当MECOM被CRISPR-Cas9特异性敲除后，IGFBP5的mRNA水平在24小时内飙升4.2倍，PDGFRβ+壁细胞中α-SMA（α平滑肌肌动蛋白）的表达量下降42%，这种表型与糖尿病患者血管壁增厚的病理特征高度吻合。更令人振奋的是，MECOM敲除的壁细胞在三维培养中展现出异常的收缩特性。原子力显微镜检测显示，这些细胞的杨氏模量降低37%，暗示其力学支撑功能受损。这种细胞表型的转变，为糖尿病血管并发症的机制研究提供了全新的视角。Wnt通路的阴阳两面：天使与魔鬼的平衡术Wnt信号通路的双刃剑效应在本研究中得到充分体现。低浓度CHIR99021（Wnt激活剂）处理使EC的周细胞覆盖率提升2.8倍，而高浓度处理则导致血管网络出现动静脉畸形。通过单细胞代谢组学分析发现，Wnt激活会诱导EC进入糖酵解主导的代谢状态，ROS（活性氧簇）水平上升2.3倍，这种代谢重编程可能是信号过载引发血管畸形的分子基础。疾病再现的微型舞台：血管类器官的疾病模拟革命糖尿病血管病变的镜像世界在模拟糖尿病微环境的实验中，hBVO展现出惊人的病理重构能力。当培养基中加入25 mM葡萄糖和TNF-α（20 ng/ml）时，EC的凋亡率在72小时内增加2.3倍，PDGFRβ+周细胞的覆盖率从正常的78%骤降至47%。更令人担忧的是，EC表面ICAM-1（细胞间粘附分子1）的表达量上升5.7倍，这种炎症反应与糖尿病患者视网膜血管渗漏的临床表型高度一致。通过空间代谢成像技术，科学家们发现病变区域的乳酸堆积量增加3.2倍，而谷胱甘肽水平下降45%。这种代谢紊乱导致EC线粒体嵴结构破坏，OXPHOS（氧化磷酸化）效率降低58%，为糖尿病血管病变的机制研究提供了直接的实验证据。先天性血管畸形的基因沙盘利用CRISPR-Cas12a构建的NOTCH3突变（R1231C，CADASIL致病位点）hBVO模型，首次在体外重现了该疾病的典型病理特征。突变EC的血管壁厚度减少42%，弹性纤维断裂指数上升3.5倍。透射电镜显示，平滑肌细胞的细胞器出现异常聚集，线粒体体积缩小至正常细胞的63%。更令人兴奋的是，这种基因编辑模型展现出对潜在治疗药物的快速响应。当加入γ-分泌酶抑制剂DAPT时，突变EC的NOTCH3胞内域（NICD3）表达量下降68%，血管壁厚度恢复至对照组的89%，这种快速的表型逆转为罕见病治疗提供了新的思路。肿瘤血管劫持的实时追踪在肿瘤条件培养基（含VEGF-A 300 pg/ml, IL-8 100 pg/ml）处理下，hBVO呈现出典型的"血管劫持"特征。EC表面整合素αvβ3的表达量在48小时内上升2.1倍，血管分支复杂性指数（BCI）从3.2降至1.7。有趣的是，肿瘤微环境诱导的EC表现出独特的代谢特征：谷氨酰胺摄取量增加4.5倍，而葡萄糖消耗量下降32%，这种代谢重编程为靶向肿瘤血管提供了新的生物标志物。器官特异的编程密码：从通用管道到功能特化的进化密码血脑屏障的体外重生通过LEF1过表达系统，科学家们在hBVO中首次实现了血脑屏障（BBB）的关键功能重建。转基因EC的紧密连接蛋白ZO-1表达量提升4倍，跨膜电阻值达到1500 Ω·cm²，这一数值已超过大多数现有体外模型的水平。冷冻电镜显示，相邻EC之间形成了连续的紧密连接带，孔径控制在8 Å以下，完美模拟了BBB的选择透过性。更令人振奋的是，这种工程化BBB能够有效阻止500 Da大分子的被动扩散，而对10 kDa脂溶性物质的转运效率提升2.8倍。当暴露于缺氧环境时，BBB模型表现出独特的适应性变化：GLUT1（葡萄糖转运蛋白1）表达量上升3.2倍，HIF-1α蛋白稳定性提高40%，这种动态调节能力为脑部疾病研究提供了前所未有的工具。肺微血管的精准定制在FGF10（200 ng/ml）和BMP4（50 ng/ml）的协同作用下，hBVO分化出气囊结构相关的毛细血管网。EC表面SP-C（肺表面活性蛋白C）的表达量上升2.8倍，PDGFRβ+周细胞覆盖率提升至91%。有趣的是，这些微血管表现出独特的力学特性：在周期性拉伸刺激下，血管壁的杨氏模量增加3.5倍，顺应性降低42%，完美模拟了肺泡呼吸运动的力学需求。心脏冠状动脉的形态发生通过构建脉冲式流体剪切力装置，科学家们成功诱导hBVO形成冠状动脉样结构。EC的排列方向趋同度达到92%，PDGFRβ+壁细胞定向包绕形成螺旋状血管束，血管直径从中央的150 μm渐变至末端的80 μm。单细胞测序显示，这些血管的EC高表达CXCL12（基质细胞衍生因子1），而壁细胞富集ANPEP（氨基肽酶N），这种基因表达模式与胚胎期冠状动脉发育高度相似。未来医学的种子库：类器官驱动的精准医疗革命患者特异性疾病建模：精准医学的基石在糖尿病患者的iPSC来源hBVO中，EC的线粒体DNA拷贝数减少47%，OXPHOS复合体I活性下降58%。更重要的是，这些模型对二甲双胍的治疗响应与临床观察完全一致：EC凋亡率在用药后72小时下降62%，PGC-1α（过氧化物酶体增殖物激活受体γ共激活因子1α）表达量回升至正常水平的79%。这种高度一致的表型，为个体化药物筛选提供了"活体实验室"。药物毒性预测新范式：超越传统的2D模型利用hBVO进行的化疗药物毒性测试显示，长春新碱的EC毒性阈值比传统模型低3.7倍，预警时间提前72小时。更值得注意的是，hBVO能区分同类药物的不同构型毒性：紫杉醇白蛋白纳米粒的EC损伤指数比普通制剂低56%，这种差异在传统模型中完全无法检测。再生医学的终极梦想：预建血管模板的移植实验在免疫缺陷小鼠的肾包膜下移植实验中，hBVO在12周内形成了包含动脉、静脉和毛细血管的三级网络。荧光示踪显示，移植血管与宿主循环建立了功能性连接，EC表面PECAM-1（血小板内皮细胞粘附分子1）的表达量维持在正常水平的83%。组织学分析证实，移植血管的基底膜厚度（35 nm）与宿主血管无统计学差异，这种高度兼容性为器官再生提供了新的治疗策略。站在生命科学的十字路口当我们在显微镜下观察这些跳动着的微小心血管网络时，仿佛看到了生命最原始的蓝图正在重新书写。从单细胞分辨率的基因调控网络，到毫米级功能结构的器官再造，hBVO研究正在改写我们对血管发育的认知边界。这些在培养皿中演绎的生命奇迹，不仅为疾病治疗开辟了新天地，更让我们重新思考生命的本质——原来，那些看似复杂的生理过程，都暗藏在数十亿年的进化密码之中。这项研究首次解码了血管发育的基因蓝图，其价值不仅在于揭示发育机制，更在于为疾病治疗开辟了前所未有的精准路径。当这些微型血管网络开始"诉说"人体的奥秘时，我们离"按需制造器官"的未来已不再遥远。这场始于单细胞的科学革命，终将在临床转化的舞台上绽放璀璨光芒。参考文献Nikolova, M. T., He, Z., Seimiya, M., Jonsson, G., Cao, W., Okuda, R., Wimmer, R. A., Okamoto, R., Penninger, J. M., Camp, J. G., & Treutlein, B. (2025). Fate and state transitions during human blood vessel organoid development. Cell, 188(12), 1 - 20.责编|探索君排版|探索君转载请注明来源于【生物探索】声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！End往期精选围观Nature | 靶向线粒体VDAC2：破解实体瘤免疫治疗抵抗的"死亡密钥"热文Nature Medicine | 多囊女性子宫内膜藏着什么秘密？——全球首份单细胞图谱揭示治疗新方向热文Nature | 颠覆认知！大脑学习的惊人秘密：你的“潜伏知识”是如何瞬间爆发的？热文Cell | 颠覆认知！染色体形成并非依赖“骨架”，自组织模型重塑教科书热文Science | 为什么我们回想不起三岁前的经历?

DRUGAI今天为大家介绍的是来自清华大学张学工教授所带领的团队发表的一篇论文。细胞调控是一个复杂的系统，涉及从单个基因的调控到多个基因之间的相互作用等多个层面。虽然目前已有一些神经网络模型可以将分子变化与细胞特征联系起来，但这些模型在设计上缺乏对调控机制的考虑，难以解释细胞状态转换等关键生命活动背后的调控机制。为解决这一问题，研究团队开发了一个名为regX（Regulatory Network）的深度神经网络。这个模型的特点是同时考虑了基因层面的调控和基因之间的相互作用机制，能够找出推动细胞状态改变的关键调控因子，并对其作用机制进行解释。研究人员将regX应用于2型糖尿病和毛囊发育的单细胞多组学数据分析中。结果表明，该模型能够准确识别出影响细胞状态变化的关键转录因子和重要的DNA调控区域。更重要的是，研究发现的一些调控因子为疾病治疗提供了新的靶点，同时也为已有药物的新用途开发和致病基因变异（单核苷酸多态性）的鉴定提供了线索。这项研究展示了如何通过设计可解释的神经网络模型，来更好地理解和揭示生物系统的运作机制。细胞是一个复杂的调控系统，包含多个层次的调控过程。在单个基因层面，有表观遗传调控（Epigenetic Regulation）、转录调控（Transcriptional Regulation）和翻译调控（Translational Regulation）；在更高层面，还存在基因之间的相互作用和信号通路。开发能够模拟这种多层次细胞系统的计算方法，对于深入理解细胞功能的分子机制、细胞命运决定以及细胞调控的可能性具有重要意义。近年来，多个研究团队开发了具有生物学意义的神经网络模型，用于研究多层次生物系统。这些模型在科学发现方面取得了显著成果。然而，现有模型都忽略了一个重要方面：它们没有考虑DNA包装结构变化（染色质重塑）和蛋白质与DNA的结合（转录因子结合）等基础调控过程，而这些过程对于细胞发育和疾病进展过程中的变化至关重要。为此，研究团队开发了regX（Regulatory Network）深度神经网络模型。这个模型的独特之处在于它同时考虑了基因层面的调控和基因之间的相互作用机制。研究人员将该模型应用于两个研究案例：2型糖尿病的疾病进展和毛囊发育的过程，分析它们的单细胞多组学数据。研究结果显示，regX能够可靠地识别出关键的转录因子（TF）和重要的DNA调控区域（cCRE）。特别是在2型糖尿病研究中，模型发现的一些重要调控因子不仅提供了新的治疗靶点和药物开发思路，还帮助发现了一些可能导致疾病的基因变异位点。这些发现为解读全基因组关联研究（GWAS）的结果提供了新的视角，这也是当前基因组研究领域的一个重要课题。此外，在毛囊发育研究中也获得了一些有价值的生物学发现。模型架构图 1研究团队设计了一个基于生物学机制的神经网络，用于预测细胞状态。如图1a所示，该网络通过分析DNA调控区域（cCRE）和转录因子（TF）的数据来实现预测。在网络的隐藏层中，研究人员嵌入了目标基因、蛋白质和功能信息，作为调控细胞状态的重要途径。为了模拟基因表达过程，研究团队创新性地开发了一个可学习的转录活性矩阵（Transcriptional Activity Matrix, TAM）。这个矩阵通过计算转录因子表达量、DNA可及性区域的开放程度，以及从数据中学习得到的转录因子-DNA相互作用三者的乘积，来描述转录因子如何通过与基因周围的开放染色质区域相互作用来调控基因表达。为了模拟基因间的相互作用，研究人员使用了图神经网络（Graph Neural Network, GNN）来整合蛋白质之间的相互作用网络或基因功能分类（Gene Ontology, GO）之间的关系。这种设计理念认为，蛋白质相互作用网络和基因功能分类图谱都是从不同角度对基因间真实关系的合理抽象。如图1b所示，研究人员通过计算机模拟扰动（in-silico perturbation）的方式，来识别在细胞状态转换过程中起关键作用的转录因子和DNA调控区域。具体方法是比较在给定扰动前后，细胞状态概率的变化程度。得益于基于机制的设计，研究人员还能够通过分析目标基因表达水平的变化，来确定这些关键调控因子的作用靶点。如图1c和图1d所示，研究团队将regX应用于两个单细胞多组学数据集的分析。第一个是使用10x multiome技术对人类胰腺β细胞进行测序的2型糖尿病数据集，样本来自非糖尿病、糖尿病前期和糖尿病患者。第二个是使用SHARE-seq技术对小鼠毛囊发育过程中的皮肤细胞进行测序的数据集。考虑到人类数据在后续分析中有更丰富的资源可用，研究重点使用2型糖尿病数据集来展示regX在识别关键调控因子方面的特点和能力，以及这些发现的机制和治疗意义。而毛囊发育数据集则用于展示regX在结构上的灵活性和通用性，以及其在量化调控因子对细胞命运决定影响方面的优势。数据驱动的转录调控模型捕获了TF-cCRE的相互作用研究团队创新性地设计了转录活性矩阵（TAM），这是整个神经网络的基石。不同于简单地将转录因子表达量和DNA可及性数据拼接在一起，TAM通过一种全新的方式整合了这些信息。这种设计基于一个重要认识：转录因子的浓度（通过表达水平体现）、DNA调控区域的开放程度，以及转录因子与DNA之间的相互作用强度，这三个要素在生物学过程中是密不可分的。图 2如图2a所示，研究人员通过预测667个差异表达基因的表达水平来评估TAM的性能。使用皮尔逊相关系数（Pearson Correlation Coefficient, PCC）进行评估，TAM模型达到了0.83的平均相关系数，显著优于其他特征组合方法。图2b的结果表明，模型学习到的转录因子与DNA调控区域之间的相互作用在重复实验中表现出很好的稳定性。更有趣的是，如图2c-e所示，研究人员比较了模型学习到的相互作用强度与基于DNA序列预测的结合能力。结果发现，对于每个目标基因，平均有6.1（±2.5）%的转录因子表现出与序列预测一致的结合模式。特别是，那些具有较长DNA识别序列和较高GC碱基含量的转录因子，往往表现出更强的序列特异性结合能力。这可能是因为这类转录因子在结构上更稳定，与DNA的结合更依赖于特定的序列特征。相反，具有较短识别序列和较低GC含量的转录因子则可能倾向于以蛋白质复合物的形式间接与DNA相互作用。为了进一步验证模型的可靠性，研究人员使用了三个外部单细胞多组学数据集（SNARE-seq、PBMC 10x multiome和DPCL）进行测试，并与现有的领先方法（SCENIC+和LINGER）进行比较。虽然TAM的设计初衷不是构建完整的基因调控网络，而是识别在特定数据中起重要作用的调控关系，但评估结果显示，TAM在准确性指标（F1 score）上仍然显著优于现有方法。特别是在识别最重要的转录因子-DNA调控区域相互作用方面，TAM表现出更高的精确度。regX优先考虑潜在驱动β细胞过渡的TFs研究团队使用regX模型分析了2型糖尿病发展过程中胰腺β细胞的状态变化。模型在细胞状态预测方面表现出色，准确率评分（F1 score）达到0.960±0.012。图 3如图3a-h所示，通过计算机模拟实验，研究人员识别出23个可能驱动细胞状态转换的关键转录因子。这些因子中，21个在先前研究中已被证实与β细胞功能或2型糖尿病有关，其中10个是36种处方药、研究性药物或膳食补充剂的直接或间接作用靶点。研究发现了两个特别值得关注的发现：首先，如图3i-j所示，研究揭示了一个有趣的药物重新利用案例。溴隐亭（Bromocriptine）原本用于治疗泌乳素过高、肢端肥大症和帕金森病，后来被发现可以用于辅助治疗2型糖尿病，但其作用机制一直不明确。regX模型的分析表明，溴隐亭可能通过与FOS基因相互作用，激活金属硫蛋白（Metallothionein）等抗氧化基因，从而减轻细胞的氧化应激，帮助恢复胰岛素的产生。其次，如图3k-l所示，研究发现了一个潜在的新型治疗靶点TRPS1。模型预测，抑制TRPS1可以促进多个重要基因的表达，这些基因能够帮助细胞应对蛋白质折叠压力（内质网应激），并促进胰岛素分泌。虽然这些基因表达的变化幅度相对较小，但多个基因的协同作用可能产生显著的治疗效果。表1：23个潜在驱动转录因子（pdTFs）在计算机模拟下调和上调实验中的信息表1总结了这23个关键转录因子与现有药物和疾病的关联。这些发现不仅帮助解释了某些药物的作用机制，还为开发新的治疗方案提供了方向。特别是，那些已知作用于这些转录因子的药物可能具有治疗2型糖尿病的潜力，值得进一步研究。不过，对于新发现的治疗靶点如TRPS1，还需要更多的实验验证来评估其临床应用价值。排名靠前的调控因子揭示2型糖尿病两类潜在致病SNPs图 4在全基因组关联研究（Genome-Wide Association Study, GWAS）领域，区分基因变异与疾病之间的因果关系一直是一个重要问题。如图4a所示，研究团队提出假设：那些影响疾病关键调控因子的基因变异位点很可能是导致疾病的原因。基于这一假设，研究人员利用regX模型发现了两类可能导致2型糖尿病的DNA变异位点（putative causal SNPs, pcSNPs）。研究团队分析了2,441个与2型糖尿病相关的基因变异位点，最终确定了5个此前未被报道的重要pcSNPs。这些DNA变异可以分为两类：第一类是通过影响关键转录因子表达的pcSNPs。如图4b所示，以rs10974438为例，当这个位点发生从A到C的变异时，会降低多个转录激活因子与DNA的结合能力，导致GLIS3基因表达降低。GLIS3表达的减少会促进胰腺β细胞的死亡并减少胰岛素分泌，最终增加2型糖尿病的风险。第二类是通过改变DNA的可及性来发挥作用的pcSNPs。如图4c所示，以rs4655617为例，当这个位点从A变为C时，会增加特定DNA区域的开放程度，从而提高SGIP1基因的表达。研究推测，SGIP1蛋白可能通过影响细胞的物质摄取过程（内吞作用），干扰胰岛素的正常分泌。当血糖升高时，SGIP1表达增加的细胞可能无法正常应对，增加了发生2型糖尿病的风险。这些发现不仅帮助解释了基因变异如何导致2型糖尿病，还为开发新的治疗方法提供了方向。特别是对SGIP1的新发现，为进一步研究2型糖尿病的发病机制提供了新的视角。这些结果也证明了regX模型在揭示生物学机制方面的优势和可靠性。regX识别毛囊发育过程中决定细胞命运的关键转录因子图 5研究团队将regX模型应用于毛囊发育研究。如图5a所示，研究关注了毛囊发育过程中的几种关键细胞类型：瞬时扩增细胞（Transit-Amplifying Cells, TACs）、内根鞘细胞（Inner Root Sheath, IRS）、毛干角质层/皮质层细胞和髓质细胞。这个数据集与之前的2型糖尿病数据集有几个显著区别：它来自小鼠样本，使用了不同的测序技术，并且研究重点是发育过程而非疾病。研究团队创新性地利用基因本体论（Gene Ontology, GO）数据库中与毛囊发育相关的12个功能类别，构建了一个有向无环图来描述这些功能之间的关系。如图5b-c所示，研究人员对模型结构进行了优化，引入了图注意力层（Graph Attention Layer, GAT），这种结构能够更好地捕捉基因之间的复杂关系。模型不仅可以预测细胞的离散状态，还能预测细胞发育的连续时间进程。评估结果显示，这种改进的模型结构在预测准确性上显著优于传统方法。通过计算机模拟实验，研究团队识别出了控制毛囊发育的关键转录因子。如图5d-g所示，其中最重要的发现是关于Lef1和Gata3这两个转录因子的作用机制：Gata3的表达增加会明确地引导瞬时扩增细胞向内根鞘细胞发育；Lef1的作用则更为复杂：只有在高度激活时才能引导瞬时扩增细胞向毛干细胞发育；不同的激活水平会导致细胞发育成不同类型的毛干细胞：高水平促进角质层/皮质层细胞的形成，低水平则倾向于形成髓质细胞。这些发现突显了regX模型的独特优势：它不仅能识别关键的调控因子，还能定量分析这些因子的表达水平如何影响细胞的发育命运。这种深入的机制解析对于理解毛囊发育过程和开发相关治疗方法具有重要意义。讨论regX是一个创新的深度学习模型，通过整合多层次的调控过程来研究细胞系统。该模型将转录因子表达、染色质可及性和蛋白质相互作用等生物学机制融入网络设计，可以预测细胞状态转换并识别关键调控因子。研究团队将regX应用于2型糖尿病和毛囊发育研究，不仅发现了新的治疗靶点和药物重新利用的可能性，还揭示了基因变异导致疾病的潜在机制。尽管模型仍有改进空间，但这项工作为分析单细胞多组学数据和理解复杂生物过程提供了新的研究范式。编译|于洲审稿|王梓旭参考资料Xi X, Li J, Jia J, et al. A mechanism-informed deep neural network enables prioritization of regulators that drive cell state transitions[J]. Nature Communications, 2025, 16(1): 1284.