基于定量相位成像与时间动力学预测造血干细胞功能多样性的新范式

本研究通过整合单细胞扩增技术与定量相位成像(QPI)驱动的机器学习，开发了首个能实时追踪造血干细胞(HSC)动态行为的功能预测系统。团队发现传统单时间点分析无法捕捉的HSC异质性，建立的算法通过细胞运动学特征可定量评估干细胞特性，预测准确率较传统方法提升2倍以上，为干细胞治疗质量控制提供了突破性技术方案。

　　

在干细胞生物学领域，造血干细胞(HSC)的功能异质性一直是制约临床应用的瓶颈。传统流式细胞术和单细胞RNA测序(scRNA-seq)只能提供静态"快照"，而细胞作为动态系统，其功能特性随时间演变的规律长期处于"黑箱"状态。更关键的是，现有荧光标记技术可能干扰干细胞功能，临床治疗中曾因HSC质量失控导致患者出现全血细胞减少的严重案例。这些困境呼唤能实现非标记、实时监测的干细胞功能预测技术。

东京大学医学科学研究所(Institute of Medical Science, The University of Tokyo)的研究团队在《Nature Communications》发表的研究中，创新性地将定量相位成像(QPI)与深度学习相结合，建立了首个基于时间动力学的HSC功能预测系统。研究采用7天体外扩增培养体系，通过Hlf-tdTomato报告小鼠追踪干细胞特性，利用3D ResNet神经网络分析细胞运动学参数，实现了对HSC功能的长时程预测。

关键技术包括：(1)建立CD34^-CD150⁺CD48^-KSL小鼠HSC和人脐带血CD34⁺细胞的单细胞扩增体系；(2)开发U-bottom培养皿适配的定量相位成像系统，实现96小时连续观测；(3)构建包含11个动力学参数(干质量、球形度、速度等)的特征数据库；(4)利用Hlf-tdTomato荧光强度作为干细胞特性指标，建立3D ResNet预测模型。

【定量相位成像和单细胞动力学分析揭示HSC的无限多样性】

通过96小时QPI追踪发现，单个HSC产生的子代细胞数量差异达5倍(12.5%产生>20个细胞 vs 21.9%产生<4个)，干质量差异达2倍(10.9%>200pg vs 17.2%<100pg)。首次观察到8.21%细胞存在胞质分裂异常现象，证明传统表型纯化的HSC群体存在显著功能异质性。

【通过动力学特征实现基因无关的细胞分类】

UMAP分析将小鼠HSC分为4个簇：第3簇(低干质量、高球形度)包含最原始HSC，第4簇(高干质量)代表分化倾向细胞。人类HSC中，圆形细胞(Type C)的CD201^highCD90^high比例显著高于梭形细胞(Type A/B)，证实形态动力学与干细胞潜能相关。

【Hlf标记体外扩增中的功能性HSC】

单细胞RNA-seq显示Hlf在HSC镜像群体高表达。移植实验证实Hlf-tdTomato^high细胞可维持长期骨髓重建(>16周)，而Hlf-tdTomato^low细胞仅短期重建并在脾脏快速增殖。CD150^dim Hlf-tdTomato^high群体被鉴定为短期HSC。

【从细胞动力学特征预测Hlf表达水平】

UMAP分析显示第1簇Hlf-tdTomato表达最高(相对荧光强度2587±312)，且高表达细胞具有更高球形度(0.82±0.03 vs 0.71±0.05)和更低运动速度(1.2±0.3μm/min vs 2.7±0.6μm/min)。在基因编辑等应激条件下预测准确性下降，提示模型需针对特定培养条件优化。

【单细胞动力学分析与Hlf动态的结合】

指数分选显示CD150表达与增殖能力正相关(R²=0.40)，而与Hlf-tdTomato负相关。缓慢分裂的HSC可维持Hlf表达，其子代中34.4%保持原始表型超过18天，证实增殖动力学与干细胞特性存在内在关联。

【基于活细胞行为动力学的Hlf表达水平机器学习预测】

采用20帧连续图像的3D ResNet模型预测Hlf表达准确率最高(相关系数0.73)。去除细胞运动学信息后准确率显著下降，证明细胞迁移是预测干细胞特性的关键参数。数据增强使模型变异系数从28%降至11%，大幅提升稳定性。

该研究实现了从"识别"到"预测"的范式转变，其重要意义体现在：(1)首次证明时间动力学参数可定量预测HSC功能，较传统表型分选提高预测精度2倍；(2)建立的非标记检测技术避免荧光标记对干细胞功能的干扰；(3)发现CD150^dim Hlf-tdTomato^high新型短期HSC亚群；(4)为临床干细胞治疗产品质控提供创新解决方案。特别值得注意的是，该技术能预测基因治疗中可能出现功能异常的HSC群体，对于预防类似GPH-101临床试验中的严重不良反应具有重要应用价值。