编辑推荐：
本文聚焦细胞疗法，探讨人工智能（AI）和合成生物学在此领域的应用。AI 可分析干细胞分化数据，预测基因表达模式；合成生物学能构建基因电路调控细胞命运。二者结合有望提升细胞疗法效果，助力再生医学发展。
引言
再生医学作为一种细胞疗法，旨在利用人体自身能力修复、替换或再生受损组织和器官。然而，部分细胞再生能力有限甚至缺失，干细胞虽在愈合过程中潜力巨大，但在标准培养中引导其细胞命运颇具挑战。传统添加生长因子诱导干细胞分化的方法，未考虑机体对基因表达的时空调控，导致目标细胞产量低、细胞异质性高，且因生长因子批次差异大、成本高，难以扩大规模用于治疗。
基因调控网络（GRNs）由相互作用的基因和调节蛋白组成，对细胞命运决策（如自我更新、分化和凋亡）至关重要。其中顺式调节蛋白控制转录因子基因表达，但解码细胞如何利用相关信息协调基因表达以形成复杂组织仍面临困难。为改善细胞疗法，可借助计算模型揭示细胞命运过程中基因表达模式的关系，构建遗传工具引导干细胞分化。本文将探讨干细胞分化过程中基因表达的机制和动态变化，以及 AI 和合成生物学在提升细胞疗法临床效果方面的作用。
干细胞
干细胞是未分化细胞，具有自我更新和分化为成熟细胞的能力，可修复机体。多能干细胞能分化为所有体细胞，是细胞疗法的理想细胞来源。在发育过程中，多能干细胞首先分化为外胚层、中胚层和内胚层这三个胚层，进而产生多能干细胞，随后细胞通过激活和抑制不同转录因子，进一步分化为各种细胞谱系。
转录因子通过结合基因组特定 DNA 序列控制基因表达，动态调节细胞通路。例如，在成体细胞中过表达 Oct4、Sox2、Klf4 和 c - myc 可将其重编程为多能状态，产生诱导多能干细胞（iPSCs），iPSCs 有潜力治疗受损组织。当细胞接收到分化信号时，多能转录因子表达关闭，其他转录因子开启，启动细胞分化。
尽管通过异位过表达转录因子驱动干细胞命运取得一定进展，可使干细胞分化为多种细胞类型，但这些方法产生的细胞群体存在异质性，功能不成熟，难以满足临床需求。目前许多研究聚焦于深入理解转录因子在 GRNs 中的作用，以及其表达如何控制细胞程序来引导干细胞分化。近期创建的人类转录因子剪接异构体条形码文库，为研究转录因子过表达的影响提供了参考，有助于确定驱动干细胞向特定命运分化的转录因子，为细胞工程带来新机遇。
计算方法和人工智能
计算方法在分析大数据集、准确描述生物过程和预测行为方面展现强大能力。人工智能（AI）最初用于提高复杂任务执行的速度、准确性和精度，如今机器学习（ML）和深度学习（DL）推动 AI 在科学和医学领域发展。ML 通过分析大规模公开数据集提取见解，辅助决策；DL 则可用于预测细胞分类、识别转录因子、检测传染病、药物研发、酶工程等。本文重点探讨 AI 在改善细胞制造和干细胞分类方面的应用，这两个领域对提升细胞疗法至关重要。
细胞制造
将干细胞和工程细胞应用于临床治疗受损和患病组织，需要可扩展的制造策略。iPSCs 因能分化为任何细胞类型，成为细胞制造的理想选择。传统 iPSCs 体外培养形成集落并贴壁生长，不利于大规模制造；搅拌悬浮培养虽可大量生产细胞，但 iPSCs 易聚集，导致营养分布不均，造成细胞群体异质性和细胞死亡。
近期引入的生物系统系统（Bio - SoS）AI 模型，通过训练单层细胞和细胞聚集体数据，能准确预测细胞聚集体的代谢动态和异质性，经实验验证有效。此外，利用 AI 实时分析生物反应器和大规模细胞培养数据，监测营养水平、温度和气体水平，可优化生长条件，提高细胞产量，推动细胞制造发展。
干细胞分类
计算工具可辅助识别细胞特征，准确分类干细胞亚群。造血干细胞（HSCs）存在于骨髓中，通过造血过程产生血液系统所有细胞，该过程复杂，涉及细胞命运分支、旁路和反馈回路，难以识别和分离瞬时祖干细胞，影响细胞移植和疾病研究。近期，DL 技术仅依据光镜图像中细胞形态，就能区分 HSCs 和多能祖细胞（MPPs），还能检测特定细胞簇并分类不同祖细胞类型。
间充质干细胞（MSCs）可分化为肌肉骨骼系统多种细胞，具有免疫调节作用，已用于临床前和临床试验治疗多种疾病。有研究利用 DL 框架实现非侵入性、高通量筛选 MSCs，为临床应用提供高质量、大规模制造的质量控制方法。
对于缺乏计算方法专业知识的实验室，BioAutoMATED 平台提供便利。它可处理各种生物输入序列，无需额外用户干预，已在基因调控、抗体 - 药物结合、聚糖免疫原性和分类、toehold 开关设计等方面得到验证，有助于科学家将 ML 融入工作流程。
合成生物学
合成生物学家设计构建合成基因电路，由基因调控部件组装而成，可赋予细胞新功能，还能重新利用细胞通路实现定制化输入 - 输出行为。基因组编辑和合成基因技术的进步，加速了合成基因电路的构建，使其能精确调控细胞基因表达。这一技术已广泛应用于治疗传染病、免疫疗法、代谢紊乱和癌症等复杂疾病。
合成生物学开发出多种遗传工具，实现对基因表达的动态控制，如反馈、开关、振荡器、脉冲发生器和布尔逻辑函数等。合成基因电路有望通过时空精确调控基因表达，引导干细胞分化，展现出高度的可编程性。
AI 加速合成基因电路设计
合成生物学自诞生以来，通过组装基因调控部件改变细胞功能。构建合成基因电路遵循设计 - 构建 - 测试 - 学习（DBTL）范式，从期望的功能输入 - 输出行为出发，选择合适的启动子强度、调节蛋白结合强度和蛋白质半衰期等参数，并探索不同遗传部件组合。但该过程常需多次迭代优化，耗时较长，限制了细胞编程和临床应用。
为解决这一问题，研究人员尝试采用数据驱动的计算方法设计合成基因电路。例如，设计细胞定制受体感知细胞外分子并产生特定反应是合成生物学研究热点，工程化免疫细胞（如 CAR - T 细胞）用于靶向杀伤病变细胞已取得一定成效，但设计编码合成受体的基因电路耗时费力。近期一项研究利用机器学习预测基因电路设计和功能，通过构建包含多种刺激域的约 2400 个工程受体库，转导至 T 细胞并测试干性和细胞毒性，训练模型预测更有效的 CAR 设计，加速了 DBTL 过程。AI 与合成生物学结合，有望构建更优的合成基因电路，深入理解细胞命运机制，为再生医学中干细胞编程提供方向。
AI 为引导干细胞命运的合成基因电路设计规划路线图
许多细胞定向分化途径需要复杂的信号行为，包括动态基因表达和转录激活因子、抑制因子的时间调控。在细胞培养中添加生长因子难以实现这种动态调控，而合成生物学工具可精确调控转录因子表达模式，为细胞命运重编程提供新方法，实现转录因子在时空上的生理性表达，而非持续过表达。
FateCompass 的开发可估计小鼠多能干细胞向胰腺内分泌细胞分化过程中转录因子的动态变化，为构建调控细胞命运的遗传工具提供思路。此外，构建的基因编码传感器可在干细胞分化时检测特定 microRNA 水平，调节转录因子表达，引导干细胞向目标谱系分化。
随着计算方法发展，人们对细胞内基因调控的理解不断加深。AI 通过分析分化数据，有望揭示细胞命运过程中未被发现的基因表达模式和关键调控通路，为构建合成基因电路控制细胞命运提供路线图。以造血过程为例，利用分化数据训练 ML 模型，识别细胞向 B 细胞、巨噬细胞、红细胞等分化的基因表达模式，进而设计合成基因电路，提高祖细胞分化效果。
结论
过去二十年，干细胞领域取得重大突破，成体干细胞可被重编程为多能状态，为利用患者特异性细胞修复受损组织带来可能。本文强调了 AI 在预测干细胞分化过程中转录因子表达模式方面的潜力，可为合成生物学构建引导干细胞分化的遗传工具提供指导。深入探索这些机会，有助于揭示细胞分化过程中基因表达规律，以及如何通过改变基因表达模式提升分化效果，推动细胞疗法和再生医学发展。
