Cell：大规模研究绘制人类T细胞的基因调控网络

　　

基因调控网络（GRN）决定了细胞的命运和功能，有助于将遗传变异与复杂人类性状联系起来。尽管单细胞转录组学领域取得了进展，但从观测数据中推断调控关系仍是一项挑战。

近日，格拉斯通研究所、加州大学旧金山分校和斯坦福大学的科学家们发布了一张人类免疫细胞的大规模高分辨率功能图谱，有望改变我们对遗传学如何控制健康和疾病的理解。 

通过对2,200万个人类CD4+ T细胞的全部基因进行系统性压力测试，研究人员超越了单纯的DNA测序，破译了在健康和疾病背景下调控这些基因的动态回路。

这项研究成果于8月28日发表在《Cell》杂志上。它标志着从观察到干预的飞跃，为设计癌症免疫疗法和治疗自身免疫性疾病提供了一个强有力的新框架。

继人类基因组计划和人类细胞图谱计划之后，格拉斯通研究所的Alex Marson教授认为目前正处于第三个重要的发展阶段：探索对基因组进行靶向改变时，细胞会发生什么变化。

“我们终于找到了一种方法，能够破译基因序列与细胞状态之间的联系，”他谈道。Marson教授是本文的共同通讯作者。

研究团队开发出一种基于探针的Perturb-seq平台，这使得他们能够逐一“关闭”人类CD4+ T细胞中近12,800个不同的基因，以测定细胞在静息状态及刺激后的转录组变化。

他们没有使用实验性细胞系，而是对来自献血者的原代人类免疫细胞进行了大规模筛选。通过这种方法，他们观察了基因在自然状态下如何发挥功能。

共同第一作者、格拉斯通研究所的Emma Dann博士表示：“在真实的T细胞中，这些基因扰动的影响具有独特性。这些细胞保留了对激活免疫系统的信号的响应能力。”

“由于我们直接在来自真实个体的细胞中进行筛选，我们可以将结果与实际患者身上观察到的免疫变化进行直接比较。这有助于我们了解为什么有些人更容易患上某些疾病。”

研究人员利用这些数据绘制出调控免疫通路的基因，包括之前从未表征的调控因子。重要的是，在不同的刺激条件下，活跃的调控因子及其所调控的基因程序发生了显著变化。

“此前，我们只是对单个基因进行分类，”共同第一作者、格拉斯通研究所的Ronghui Zhu博士解释说。

“现在，我们可以开始将它们连接成一个回路，就像控制电脑的回路一样。这对于理解细胞如何‘思考’以及如何对环境做出反应至关重要。”

利用这些扰动特征，研究人员成功构建了群体规模转录组图谱中观察到的T细胞状态模型，并确定了T细胞极化以及年龄相关表型的调控因子。

这种特定背景下的数据对于未来“虚拟生物学”的发展至关重要，该领域利用AI模型来预测细胞行为。值得注意的是，它证明了此类模型必须基于多样化的细胞状态和健康场景进行训练，才能做出准确可靠的预测。 

“如果我们只关注单一背景，AI将难以预测细胞在现实世界中的行为，” Marson谈道。“要构建一个可靠的虚拟细胞，我们需要这种丰富的系统性数据，纳入与背景相关的反应。”

这项大规模研究得益于与行业领军企业10x Genomics和Ultima Genomics的合作：10x Genomics提供了高分辨率的单细胞分析，而Ultima Genomics则贡献了高通量测序能力。

借助这些平台，研究人员筛选了3,340万个细胞，最终筛选出2,200万个高质量细胞用于最终分析和图谱构建。

下一阶段，他们将重点关注癌症领域。研究人员计划利用其基因组规模的Perturb-seq方法，追踪遗传变化如何影响人类T细胞的浸润及其与复杂肿瘤环境的互作。

“我们现在掌握了一套关于基因如何调控T细胞反应的基本规则，” Marson表示。“我们希望这能成为整个研究领域的标准参考表，让其他科学家能立即了解特定基因如何影响人体免疫系统的细胞。”