人类早期发育身份的跨平台标记体系构建:基于67个多能性与早期胚层标志物的系统验证与DeepDiff资源平台

《Stem Cell Reports》:Defining early human developmental identity: A curated, cross-platform marker framework

【字体: 大 中 小 】 时间:2026年10月23日 来源:Stem Cell Reports 5.6

编辑推荐:

  早期人类发育涉及动态的细胞状态转换,这使得在人类多能干细胞(human pluripotent stem cells, hPSCs)模型中区分瞬时转录变化与稳定谱系定型变得复杂。为应对这一挑战,研究人员建立了一套经筛选的、跨平台的多能性与早期胚层身份标记框架。

  
早期人类发育涉及动态的细胞状态转换,这使得在人类多能干细胞(human pluripotent stem cells, hPSCs)模型中区分瞬时转录变化与稳定谱系定型变得复杂。为应对这一挑战,研究人员建立了一套经筛选的、跨平台的多能性与早期胚层身份标记框架。从无偏的RNA测序(RNA-seq)发现集出发,通过定量聚合酶链式反应(qPCR)验证候选标记,并在独立的批量RNA-seq、胚胎单细胞及空间转录组数据集中评估该标记组合。最终获得67个经验证的标记,其中66个被保留用于下游转录组分析。该框架能够在异质性数据集中识别早期发育状态,并在人类及猕猴胚胎参考数据中显示出谱系相关的富集,尽管存在显著的转录变异性。在KOLF2.1J蛋白质组学数据中,可检测靶标在蛋白质水平上呈现一致性。为便于广泛应用,研究人员推出了DeepDiff——一个整合标记框架并支持自动化命运分类的网络资源平台。综上,本研究提供了一个跨实验情境评估早期发育身份的可迁移框架。
一、研究背景与科学问题
早期人类发育以细胞身份的逐步建立为特征,多能细胞经历连续且部分重叠的状态向谱系定型过渡。这些转变是连续且情境依赖的,使得离散细胞身份的判定复杂化。人类诱导多能干细胞(human induced pluripotent stem cells, hiPSCs)已成为研究早期发育和疾病的核心平台,2019至2025年间相关文献超过20,000篇。然而,基于hiPSC的体外模型因分化方案、遗传背景和环境条件的差异而引入变异性,转录状态可能发生改变而不反映真实的谱系定型。国际干细胞研究学会(International Society for Stem Cell Research, ISSCR)虽提供多能性和三胚层评估的标记建议,但这些标记未经系统筛选或跨平台验证,限制了研究间的可比性。研究人员此前通过长读长RNA测序鉴定了172个早期胚层身份候选标记,其中部分经qPCR验证并纳入hiPSCore功能多能性测试体系。本研究旨在从完整候选基因集出发,通过额外筛选和验证构建精炼标记组合,并系统评估其跨平台、跨物种和跨分子层次的适用性。
二、研究内容与主要结论
研究人员从172个候选基因中筛选68个进行qPCR验证,使用4至6个独立hiPSC系,覆盖未分化(n=18)、内胚层(n=17)、外胚层(n=15)和中胚层(n=18)分化样本。结果显示81%(55/68)的候选基因被验证为可靠标记,其中未分化标记验证率94%(17/18),内胚层82%(14/17),外胚层80%(12/15),中胚层67%(12/18)。一个未分化标记HHLA1因qPCR与RNA-seq方向相反被判定为未验证。结合hiPSCore研究中12个额外qPCR验证标记,排除检测受限的HES5后,最终形成66个早期hiPSC命运标记分析组合。该标记组合在524个独立样本的公共RNA-seq数据集中能够区分主要发育状态、分类单个样本、捕捉谱系内异质性,并延伸至体内发育情境。在胚胎参考数据集中,标记模块呈现阶段依赖性谱系富集。蛋白质组学分析显示大多数验证标记在蛋白质水平上表现一致。研究还开发了DeepDiff网络资源平台,整合标记框架并支持自动化命运分类。
三、关键技术方法
研究采用多层次的验证策略。首先,从无偏RNA-seq发现集出发,通过qPCR在多个独立hiPSC系中进行候选标记验证。其次,利用Gene Expression Omnibus(GEO)数据库检索并下载524个样本的批量RNA-seq数据(含原始计数或cpm标准化计数),使用edgeR进行cpm标准化后通过ComplexHeatmap进行层次聚类分析。第三,应用人类Carnegie stage 6(CS6)空间转录组数据集、人类CS7单细胞RNA-seq数据集以及猕猴CS8、CS9、CS11单细胞RNA-seq数据集,通过Seurat(v5.3.0)进行数据导入、对数标准化、主成分分析(PCA)和UMAP降维,并使用AddModuleScore函数计算标记模块评分。第四,对KOLF2.1J参考系进行超深度质谱(mass spectrometry, MS)蛋白质组学分析(每样本平均检测超过7,000个蛋白质),使用limma包进行经验贝叶斯统计的差异蛋白质丰度分析。最后,开发基于R Shiny的DeepDiff网络应用,整合基因表达统计、蛋白质数据、转录-蛋白质相关性分析及机器学习分类模型。
四、研究结果
qPCR验证早期发育状态候选标记基因:从172个候选基因中选取68个,在4至6个独立hiPSC系中通过qPCR系统评估。大多数候选标记在各自靶状态中显著富集,总体验证率81%(55/68)。未分化标记验证率最高(94%),中胚层标记验证率最低(67%)。HHLA1因表达方向不一致被排除。最终结合hiPSCore来源的11个额外标记,形成66个标记的分析组合。
验证标记在公共RNA-seq数据集中的应用:对524个样本按注释分化状态聚合进行层次聚类,结果显示早期胚层分化样本聚集在一起,与研究人员此前发表的长读长RNA-seq样本聚类一致,表明标记组合能区分主要发育状态。
单个样本分类:对524个样本逐一分析,将分化状态按一般来源分组。未分化标记可靠识别未分化多能干细胞;外胚层标记清晰标记外胚层命运和神经嵴细胞;内胚层标记清晰标记内胚层命运;中胚层标记虽与非中胚层命运分离,但中胚层样本显示多样表达模式。原条(primitive streak, PS)和中内胚层样本呈现未分化、内胚层和中胚层标记的混合表达,符合早期分化动态。
早期发育谱系的亚分类:内胚层样本与中内胚层样本重叠但可与后期谱系分离;外胚层聚集样本(神经祖细胞、神经外胚层)显示两个不同的神经外胚层簇;中胚层样本分为早期、晚期、体节、前体节和侧板等不同阶段,前体节中胚层、中胚层、硬节和早期中胚层显示独特聚类。中胚层样本内相关性最低(平均r=0.528),流式细胞术分析显示中胚层培养物含有可变比例的CD144+内皮偏向和CD144?非内皮细胞,表明中胚层分化培养物内存在谱系组成异质性。
胚胎参考数据集中的标记模块分析:将66个标记聚为四个模块评分(未分化、内胚层、外胚层、中胚层)。CS6阶段,未分化评分在上胚层最高,内胚层评分在下胚层和卵黄囊内胚层富集,外胚层和中胚层评分较弱且分布广泛。CS7阶段,未分化仍富集于上胚层,内胚层富集于下胚层、卵黄囊内胚层和定型内胚层,中胚层富集于晚期和胚外中胚层,外胚层评分无谱系一致富集。CS8和CS9阶段,内胚层和中胚层评分逐渐定位至各自谱系相关群体,外胚层评分在CS8表面外胚层最高但CS9仍弥散。CS8至CS11,未分化模块在原始生殖细胞中评分最高,与NANOG、POU5F1和PRDM14核心多能性调节因子的重表达一致。CS11阶段,外胚层富集在神经群体中最强,包括前脑/中脑/后脑和脊髓。
基因表达与蛋白质丰度的关联:对KOLF2.1J参考系进行超深度质谱分析,主成分分析显示不同分化状态清晰分离。分化后,100%(12/12)检测到的内胚层蛋白质和75%(3/4)中胚层蛋白质显著富集;外胚层33%(3/9)显著富集,PAX6未达显著(校正p=0.078)。未分化标记在内胚层和中胚层比较中89%(8/9)显著下调,外胚层比较中仅57%(4/7)下调,反映未分化细胞与外胚层在蛋白质组学上的接近性。跨谱系比较中,内胚层标记相对外胚层和中胚层100%(12/12)显著富集;外胚层标记相对中胚层83%(5/6)显著富集,相对内胚层56%(5/9)显著降低;中胚层标记相对内胚层75%(3/4)和相对外胚层100%(3/3)显著降低。结果表明RNA-seq鉴定、qPCR交叉验证的标记与MS检测的蛋白质水平高度一致。
DeepDiff交互式资源平台:开发了基于R Shiny的网络应用,允许用户快速评估33种不同细胞命运的基因表达,提供描述性统计(均值、中位数、范围、标准差和四分位数)。整合MS蛋白质组学数据的"Protein"标签页支持四种早期分化状态的蛋白质丰度直接比较。相关性分析模块基于缩放基因表达和MS强度测量。监督机器学习模型基于cpm标准化RNA-seq数据实现未分化细胞和早期胚层的自动分类。
五、讨论与结论
研究人员建立的标记框架解决了早期发育身份判定中稳定谱系定型与梯度调节之间的区分难题。与以往在狭窄实验情境中分配离散命运标签的方法不同,该框架对技术变异具有稳健性且对生物学调节敏感。研究证实部分常用标记缺乏明确解析早期三胚层分化状态的特异性,强调需要严格、跨平台验证标准制定机构推荐的标记。该标记组合在多种测序设备、方案和实验室中具有泛化性,在人类和猕猴胚胎参考数据中呈现谱系相关富集,部分可检测标记在蛋白质水平上一致表达。标记组合并非替代无偏转录组测序,而是在不需要或不可行全转录组分析时提供低维、可能更低成本的靶向检测选项。研究人员建议将这些验证标记纳入早期分化状态筛选指南,弥补当前建议中缺乏基于证据、跨平台验证的三胚层定向分化标记组合的空白。DeepDiff平台弥合了复杂多组学数据与终端用户之间的鸿沟,无需生物信息学专业知识即可操作,提供基因表达快速评估、KOLF2.1J参考系蛋白质数据访问、转录-蛋白质动态关联分析以及批量RNA-seq数据自动注释的机器学习分类器。
研究局限性:标记组合在评估早期谱系规范方面最可靠,在后期或更特化群体中早期标记可能下调,共享发育程序可能导致更广泛富集,亚型特异性转录程序可能占主导。172个候选基因中未表征部分可能包含更多信息性标记。质谱数据缺失值补偿依赖所选插补方法,蛋白质组学结果需实验验证。DeepDiff可通过纳入更多数据集(包括新兴单细胞和空间转录组数据)、扩展蛋白质水平验证和优化分类算法进一步完善。
研究结论:本研究建立并验证了一个可迁移的标记框架,通过严格筛选和跨平台验证确保最终标记组合适用于常规质量控制。该工作为跨实验情境评估早期发育身份提供了跨平台基础,整合了筛选标记、多组学验证和可访问工具,支持在人类多能干细胞模型中可靠评估早期发育身份。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号