基于群体平衡模型量化人多能干细胞生理状态功能的研究

《Stem Cell Research & Therapy》：Quantifying human pluripotent stem cell attributes with population balance modeling

本研究针对干细胞治疗产品制造中细胞群体异质性难以量化的问题，通过群体平衡方程(PBE)建模首次推导出人多能干细胞(hPSCs)的生理状态功能(PSFs)。研究人员利用流式细胞术分析有丝分裂和新生的hPSCs亚群，成功计算出OCT4依赖的细胞分裂强度Γ(x)和合成速率R(x)分布。该研究建立了单细胞水平定量描述hPSCs异质性的新方法，为干细胞生物制造过程优化提供了重要工具。

　　

在干细胞治疗领域，确保细胞产品质量的一致性是实现临床转化的关键挑战。传统基于群体平均值的模型难以捕捉干细胞群体的内在异质性，而这种异质性直接影响细胞的分化命运和治疗效力。人多能干细胞(hPSCs)群体即使来自同一克隆，在关键质量属性(CQAs)如多能性标志物表达方面也存在显著差异，这种差异与细胞分裂、蛋白质合成和分化动力学密切相关。

目前干细胞生物制造过程主要依赖经验性优化，缺乏能够关联单细胞特性与群体动态的定量工具。群体平衡方程(PBE)模型虽然理论上能描述细胞群体分布，但其核心参数——生理状态函数(PSFs)的推导一直存在技术瓶颈。PSFs作为描述单细胞分裂强度Γ(x)、合成速率R(x)和分化速率D(x)的分布函数，是构建精准预测模型的基础。

为突破这一瓶颈，Tufts大学研究团队在《Stem Cell Research & Therapy》发表最新研究，开发了基于实验数据的PSFs计算方法。该方法通过识别有丝分裂(pHH3⁺/2xDNA)和新生(EdU⁺/1xDNA)细胞亚群，结合群体平衡理论推导出与多能性标志物OCT4相关的速率分布。

关键技术方法包括：利用流式细胞术同步检测pHH3、EdU和OCT4表达；通过细胞周期分析确定G₂/M期时长；采用间隔静止法求解PBE模型；使用Epanechnikov核密度估计计算概率密度函数。研究使用H9 hESCs和IMR90-4 hiPSCs细胞系，在常规培养和乳酸应激条件下进行分析。

Derivation of stem cell PSFs

研究人员建立了基于细胞亚群分布的PSFs计算框架。通过理论推导证明，分裂强度Γ(x)可通过总群体分布n_T(x)与分裂细胞分布n_d(x)的关系计算（式3），而合成速率R(x)则与新生细胞分布n_nb(x)和累积分布函数相关（式5）。该框架首次实现了从实验数据直接计算单细胞水平的速率分布。

Estimation of single-cell growth rate and division intensity from synthetic data for self-renewing stem cells

通过合成数据验证，研究团队发现当细胞群体规模达到30,000时，计算得到的PSFs在状态变量x的10-90%分位数范围内与理论值高度吻合。采用区间静止法求解PBE时，多重样本路径的平均可进一步提高计算精度，为实验数据分析奠定理论基础。

Physiological state functions of growth, division and differentiation for stem cells undergoing specification

在分化条件下，研究人员引入了分化速率函数D(x)=k_diff(x_max-x)（式9），模拟低OCT4含量细胞更容易分化的生物学现象。计算结果显示，随着细胞群体规模增大，所有PSFs的估计精度显著提高，证实该方法适用于复杂生理状态的分析。

Extraction of PSFs for self-renewing stem cells in culture

实验数据显示，H9和IMR90细胞系的Γ(OCT4)函数均呈现单峰分布，在OCT4含量中等水平时分裂强度最高，而在极高OCT4含量时略有下降。R(OCT4)函数呈现凹形，表明OCT4合成速率随细胞内含量增加而减缓，这种自调节机制有利于维持多能性标志物的稳定表达。

Calculation of OCT4-dependent PSFs stem cells with exogenously added lactate

在5g/L乳酸应激条件下，两种hPSCs的群体倍增时间显著延长，但OCT4⁺细胞比例仍维持94%以上。PSFs分析显示，乳酸引起Γ(OCT4)和R(OCT4)函数范围收缩，表明代谢应激虽不影响多能性维持，但改变了单细胞水平的动力学特征。

Transformation of OCT4-based PSFs to NANOG-dependent PSFs

研究还演示了通过线性变换将OCT4依赖的PSFs转换为NANOG依赖的PSFs（式10-11）。这种转换方法避免了重新实验获取数据的技术挑战，为多标志物PSFs分析提供了可行方案。

本研究首次实现了hPSCs单细胞生理状态功能的实验推导，突破了传统群体平均模型的局限性。研究发现Γ(OCT4)的单峰分布特征与OCT4水平对干细胞自我更新的优化调控理论一致，而R(OCT4)的凹形分布反映了多能性转录网络的精密调控机制。

该PSFs计算框架为干细胞生物工艺优化提供了新工具，使研究人员能够预测不同培养条件下细胞群体动态变化。通过将关键质量属性(OCT4、NANOG等)与单细胞动力学关联，该方法有助于建立基于质量源于设计(QbD)原则的干细胞制造流程，推动细胞治疗产品的标准化生产。

未来，该技术可扩展至多维度状态向量分析，结合机器学习算法构建干细胞培养的数字孪生模型，最终实现干细胞治疗产品制造过程的精准预测和控制。