PAX6

文章解读+创新点拓展，为您带来科研新体验～ 导读 随着多组学技术的发展，研究人员正以前所未有的精度探索着基因调控的秘密。近期，《Nature Communications》发表了一项关于超保守非编码元素（UCNE）在视网膜发育和罕见眼病中作用的研究Multi-omics analysis in human retina uncovers ultraconserved cis-regulatory elements at rare eye disease loci，该研究利用了先进的多组学分析方法以及斑马鱼作为实验模型，为理解这些疾病背后的分子机制提供了新的见解。 研究背景 基因组中的“暗物质”，即大量存在的非编码DNA序列，其中包含了众多功能性顺式调控元件（CRE），例如启动子、增强子、沉默子以及绝缘子等。对组织特异性基因表达起着至关重要的作用。特别是在眼部发育过程中，这些CRE通过精确调控相关基因的时空表达模式，确保了正常的眼部结构形成及功能维持。然而，对于那些位于非编码区的变异如何影响视网膜发育并导致罕见眼病的具体机制仍然知之甚少。 研究设计与结果 本研究采用了一种创新性的方法论框架，结合了大规模人群全基因组测序（WGS）数据与单细胞转录组学分析，旨在系统地识别并验证那些可能参与控制视网膜相关基因表达的UCNE。 通过对来自英国Genomics England项目的近3200名患有罕见眼部疾病的患者样本进行深入挖掘，发现了超过178个极其稀有的变异位点，位于84个不同的UCNEs内，并且与29个已知的眼科疾病致病基因相关联。此外，研究还利用多种生物信息学工具预测了这些变异可能导致的功能性后果，比如转录因子结合位点破坏或染色质状态改变等。 图1：集成公开的数据集，用于表征超保守非编码元素（UCNE）库 首先，研究者综合整合了公开数据库中视网膜整体转录组、单细胞转录组、表观遗传组和染色质开放的数据，通过对UCNE的染色质开放状态、增强子活性以及与其他已知功能性非编码序列之间的关系进行深入分析，研究者们筛选出1487个具有潜在cCRE活性的UCNE。 图2：靶基因在视网膜中特征UCNE调控下的作用 接着，研究者筛选出这1487个UCNE的靶基因，并研究了这些UCNE与靶基因的拓扑关系。此外，研究人员还对靶基因进行了GO分析和细胞特异性分析，发现这些靶基因高度集中在转录和分化过程，并且在1487个UCNE中，超过一半都与其靶基因在染色质开放性上具有一致的细胞特异性，表明这些UCNE是细胞特异性分化的CRE。需要注意的是，不同方法鉴定的靶基因有所不同，这可能源于不同方法基因注释的差异。 图3：UCNE基因组变异对罕见眼病中遗传力缺失的贡献 随后，研究者通过综合分析大规模人群的WGS数据，系统地评估了UCNE 在罕见眼病中的变异模式及其对疾病的影响。研究结果表明，UCNE在视网膜发育过程中扮演着关键角色，并且这些区域内的变异可能对疾病的发病机制有重要影响。特别是，UCNE表现出极高的保守性和对变异的低容忍度，这意味着即使是少量的变异也可能导致严重的功能障碍。 图4：人视网膜中PAX6顺式调控景观的特征 研究者特别在一个常染色体显性中央凹异常家族的四位成员中鉴定出了一个超罕见的SNV（chr11:31968001 T > C），位于PAX6基因上游150 bp处的具有潜在顺势调控活性的UCNE。针对该UCNE的进一步分析发现，这个UCNE被定义为一个视网膜双极细胞的顺势调控原件。 同时在视网膜发育早期，在一群神经节细胞前体细胞中该区域的染色质可及性较高，并且这类细胞也同时表达PAX6。研究者在多种物种上验证了该UCNE在胚胎发育过程的顺势调控活性。 图5：pax6相关UCNE的体内评价 利用E1b-GFP-Tol2 增强子检测载体，研究人员在斑马鱼中直观地看到该UCNE在不同发育阶段的顺势调控活性分布，包括前脑和眼部。然而，携带罕见SNV的UCNE并未展现出显著的差异，其是否参与视网膜疾病的进展，有待进一步的验证。 这项研究基于对于公开数据的创新性和高度整合性的挖掘，揭示了UCNE的时空特异性顺势调控活性在视网膜发育和罕见眼科遗传病中的潜在作用，加深了整个领域对于视网膜发育过程中基因和染色质精确调控模式的认识，为后续对UCNE的功能研究打下了基础。 拓展延伸 ● 多组学技术在科研领域的广泛应用 1. 癌症研究：在肿瘤学中，多组学方法被用来识别驱动癌症进展的关键分子改变。例如，通过对肿瘤样本进行全基因组测序（WGS）、RNA测序（RNA-seq）及蛋白质组分析，科学家们可以发现新的生物标志物，这些标志物有助于早期诊断、预后评估以及个性化治疗方案的设计。 2. 神经退行性疾病：对于阿尔茨海默症、帕金森病等神经系统退行性疾病，多组学手段可以帮助研究人员理解大脑细胞类型特异性的基因表达模式变化及其对病理过程的影响。这方面的研究可能促进新型药物靶点的发现或现有治疗方法的优化。 3. 微生物组与宿主相互作用：利用宏基因组学结合代谢组学的方法，科学家们正在探索肠道微生物群落如何影响人类健康，包括肥胖症、糖尿病甚至心理健康状态。此外，这类技术也被应用于农业领域，以了解植物根际微生物群落与作物生长之间的关系。 4. 环境毒理学：多组学策略还被用于评估环境污染对人体健康的长期影响。通过比较暴露于不同污染物下的个体或群体间的遗传变异情况，研究人员能够更准确地预测特定化学物质对人体潜在的危害程度，并据此制定更加有效的预防措施。 ● 斑马鱼模型在科学研究中的多功能角色 1. 心血管系统研究：由于斑马鱼的心脏结构和功能与哺乳动物相似，它成为了心血管疾病机理研究的理想选择。通过转基因技术和CRISPR/Cas9基因编辑工具，研究者能够在斑马鱼体内模拟多种心脏缺陷，进而测试新药的效果或者寻找治疗心脏病的新途径。 2. 免疫反应机制：斑马鱼拥有完整的先天性和适应性免疫系统，这使得它们成为研究感染性疾病和疫苗开发的理想平台。特别是在抗菌肽、炎症信号通路等方面的研究中，斑马鱼模型提供了快速且成本效益高的解决方案。 3. 再生医学：斑马鱼具有惊人的再生能力，尤其是对于心脏、鳍条乃至视网膜等器官组织的再生。因此，研究者试图从斑马鱼身上学习到关于细胞重编程和组织修复的知识，以便将其应用到人类再生医学领域。 4. 药物筛选与毒性评价：斑马鱼胚胎透明可见，易于观察内部器官的变化；同时，它们体积小、繁殖快的特点也使其成为高通量药物筛选的理想对象。许多实验室正使用斑马鱼来快速鉴定出具有潜在疗效的小分子化合物，或是评估候选药物的安全性。 临床应用与展望 从长远来看，此项研究成果不仅加深了我们对于视网膜发育及其异常背后分子机制的理解，更重要的是它为诊断甚至治疗某些类型的遗传性视觉障碍提供了新的思路。例如，基于此次研究所鉴定出来的关键cCREs，未来或许可以开发出更加精准有效的基因编辑策略来修复有害突变，从而改善患者的预后。当然，在实际应用之前还需要经过严格的临床试验验证其安全性和有效性。 总之，这项开创性的研究表明了跨物种比较基因组学与现代高通量测序技术相结合的巨大潜力，为我们揭开生命科学领域更多未知之谜铺平了道路。 注：本文旨在介绍医学研究进展，不做治疗方案推荐。如有需要，请咨询专业临床医生。 参考文献 Lopez Soriano V, Dueñas Rey A, Mukherjee R; Genomics England Research Consortium; Coppieters F, Bauwens M, Willaert A, De Baere E. Multi-omics analysis in human retina uncovers ultraconserved cis-regulatory elements at rare eye disease loci. Nat Commun. 2024 Feb 21;15(1):1600. 点击下方「阅读原文」，前往梅斯官网查询更多相关课程和实验技术服务支持~

来源：药渡 撰文：幻目     编辑：维他命 受全球经济下行压力和生物制药资本寒冬影响，生物医药行业裁员现象日益普遍。裁员原因包括被并购、产品开发失利、业务重组、降低管理成本等多方面。2024年8月，又有一些公司正在勒紧裤腰带裁员，详情下表所示。 表1. 8月药企裁员名单 8月30日 据美国证券交易委员会(SEC)的一份文件显示，在BioMarin宣布高管重组约一周后，这家生物技术公司正在裁员，在全球范围内裁员约225人。受影响的员工已于8月28日接到通知，裁员工作将在今年年底前基本完成。 BioMarin也曾在5月份进行了裁员。根据5月份提交给美国证券交易委员会(SEC)的文件显示，此次裁员影响了全球约170名员工，预计将在7月底前基本完成。在药渡5月药企裁员汇总文章中有提到：【药企裁员风波再起】五月汇总。 根据最新的文件，最近的裁员与BioMarin的重组、血友病基因疗法Roctavian的更新策略和BMN 293(一种肥厚性心肌病亚型的临床前基因疗法)的停止开发有关。 8月29日 Repare Therapeutics公司宣布，该公司将裁员约25%，其中大部分来自临床前团队。Repare表示，此次裁员与公司重新调整研发工作的战略优先级有关，以专注于推进临床阶段肿瘤项目的投资组合。 根据公告，该公司预计第三季度支出与裁员相关的非经常性现金支付总额约为150万至200万美元。该公司指出，预计每年将节省约1500万美元，这将使其现金流延长至2026年下半年。 8月29日 生物技术公司基因泰克(Genentech)将在其南旧金山总部裁员93名员工。包括工程师、经理、分析师和副总裁职位，但裁员最严重的是科学家职位。根据通知显示，裁员将于10月8日生效。 这是基因泰克公司2024年的第二轮裁员。今年4月，一位公司代表证实，该公司将在多个部门裁员约3%，预计将有400多个工作岗位受到影响。 本月早些时候，基因泰克宣布将重新调整对癌症研究的投资，关闭其癌症免疫小组。 8月27日 路透社援引瑞士报纸NZZ的报道称，拜耳正在裁员，这次将在瑞士巴塞尔的消费者保健国际总部裁员约150人。在拜耳巴塞尔的1000名员工中，裁员将主要影响消费者健康部门和支持该部门的行政职能部门，并将于2025年生效。 本月早些时候，该公司发布了第二季度财报，首席执行官比尔·安德森表示，消费者健康部门已经“恢复增长”，销售额增长5.3%，达到15.9亿美元。 巴塞尔裁员是拜耳2024年裁员计划中最新的一次，今年3月，该公司裁减了近一半的高管团队，从14人减少到8人。今年5月，该公司又裁员1500人，其中大部分是管理职位。 8月27日 根据在马萨诸塞州提交的《工人调整和再培训法案》通知，基因编辑初创公司Tome Biosciences将解雇131名员工，几乎是其全部员工。裁员将从11月1日持续到11月14日。 在给endpoint News的一份声明中，Tome首席执行官Kakkar拒绝提供有关重组的更多细节，例如在公司逐步关闭业务之际，是否会有一个小团队留下来管理公司等问题。 8月22日 精密肿瘤公司Aadi Bioscience宣布，为了在最大限度地扩大商业业务的同时保持现金流，将裁减80%的研发人员。 提交给美国证券交易委员会(SEC)的文件显示，到第四季度末，Aadi将裁掉22名员工，占其员工总数的32%。本月早些时候提交给SEC的一份文件显示，截至6月30日，Aadi拥有70名全职员工，其中包括48名研发人员。目前尚不清楚Aadi公司自6月份以来是否已经裁员，或者该公司是否计划在8月提交的文件中提到的22人之外再裁员，之前文件提到了裁员32%，现在到80%不清楚6月份以后是否有裁员，所以比例增加到了80。 Aadi公司在公告中表示，该公司暂停了西罗莫司白蛋白结合型纳米颗粒在实体肿瘤患者中用于TSC1或TSC2（结节性硬化病基因）失活改变的PRECISION1试验，因为该试验不太可能达到支持加速批准所需的疗效阈值。该公司还将暂停两项正在进行的西罗莫司白蛋白结合型纳米颗粒治疗晚期或复发性子宫内膜样型子宫内膜癌和神经内分泌肿瘤的2期临床试验的新入组。 8月19日 在其midomafetamine(MDMA)胶囊辅助治疗创伤后应激障碍的药物未能获得批准不到一周后，Lykos Therapeutics宣布将裁员约75%，作为重组的一部分。据STAT News报道，在裁员之前，Lykos约有100名员工。 8月9日，FDA发布了midomafetamine(MDMA)胶囊的完整回复函，称Lykos的新药申请(NDA)无法根据迄今提交的数据获得批准。在6月份的一次咨询委员会会议上，FDA的精神药理学药物咨询委员会以10比1的投票结果反对推荐这种治疗方法，称其风险大于益处。详情可见药渡前文：Lykos裁员75%！“一药不成万骨枯”，FDA审批下的药企裁员众生相。 根据8月15日的公告，此次重组旨在简化临床开发和监管参与的组织，因为它准备重新提交MDMA胶囊的NDA。 8月15日 Galera Therapeutics宣布，该公司将在8月31日将员工人数减少到3人，因为该公司正在计划关闭。根据SEC当天提交的文件，Galera董事会于8月8日批准了一项清算和解散计划，并于8月9日解雇了22名员工，占员工总数的70%。 Galera专注于放射治疗药物，该公司在公告中表示，已停止所有临床试验活动和候选产品的开发，以探索该业务的潜在战略替代方案。现在，它将准备在10月17日左右就解散计划进行股东投票。 根据Galera的公告，截至6月30日，该公司拥有现金和现金等价物1070万美元，预计至少在未来12个月内将用于支付运营费用，包括与解散相关的成本。 8月15日 在将Illumina剥离Grail不到两个月后，该公司宣布裁员约350人。根据SEC的一份文件显示，截至6月30日，裁员人数约占员工总数的25%。 根据文件显示，专注于癌症诊断的Grail也将取消2024年的招聘计划。Grail的一位发言人称，大约有150个空缺职位被取消。 根据SEC的文件，裁员是重组计划的一部分，旨在重新调整资源优先级，专注于公司核心的多癌早期检测业务，并减少总体支出，因为Grail正在努力完成注册研究和Galleri的上市前批准申请提交。根据公告，由于整体成本的降低，Grail预计现有的现金流维持运营时间将从2026年下半年延长到2028年。 8月14日 Viracta Therapeutics在一份新闻稿中宣布，该公司将裁员23%。这家临床阶段精密肿瘤公司此前在7月29日提交给SEC的文件中提到了裁员，称强制裁员将于本月完成。Viracta没有具体说明裁员人数，但5月9日提交给SEC的一份文件显示，截至3月31日，该公司有40名全职员工，其中包括30名研发人员。 根据新闻稿，Viracta已调整其资源，优先考虑其爱泼斯坦-巴尔病毒阳性(EBV+)淋巴瘤项目。该公司指出，它从与FDA的会议中获得了积极的反馈，明确了nana-val（nanatinostat联用valganciclovir)在复发或难治性EBV+外周T细胞淋巴瘤患者初始注册的潜在监管途径。 8月14日 在8月12日提交给SEC的文件中，Boundless Bio宣布“适度裁员”。这家临床肿瘤公司没有说明有多少员工被解雇。然而，5月13日提交给SEC的文件显示，截至5月6日，该公司有72名全职员工。 在最近提交的文件中，该公司宣布打算缩减早期药物发现工作，包括减少员工人数，以延长运营跑道。Boundless指出，根据目前的运营计划，截至6月30日，公司现有的现金、现金等价物和短期投资为1.793亿美元，足以支撑公司到2026年第四季度。 此次强制减持发生在Boundless宣布上市计划约5个月后。根据8月12日提交的文件，在扣除承销折扣、佣金和其他发行费用后，首次公开募股的净收益约为8770万美元。 8月13日 根据8月7日SEC的一份文件，FibroGen将在旧金山裁员127人，此前曾宣布裁员75%，包括此次的127人。这家专注于研发抗癌新药的生物制药公司于8月2日通知了员工。 根据SEC提交的文件，FibroGen预计将在2025年第一季度末完成大部分裁员。该公司估计，将产生1600万至1800万美元的非经常性费用，这与其减少运营费用的总体计划有关，主要包括遣散费、通知费、累计休假、工资税和员工福利。 根据FibroGen公司7月31日的声明，裁员是由于两项晚期试验未能达到主要的总生存期终点：一项II/III期试验研究了该公司的实验药物pamrevlumab与吉西他滨联合用于转移性胰腺导管腺癌(mPDAC)患者的一线和二线治疗，另一项单独的III期试验评估了pamrevlumab与吉西他滨或folfirinox联合治疗胰腺癌。该公告还指出，该公司正在实施一项“立即且显著”的成本削减计划，以终止pamrevlumab项目。 8月12日 根据8月1日的警告通知，Ajinomoto生物制药服务公司是一家合同开发和制造组织，将于9月30日起裁员71人。据该公司称，这一数字占该公司美国员工总数的13%。 该公司还报道称，此次裁员是一项更大计划的一部分，该计划旨在整合Ajinomoto在俄亥俄州哥伦布市的原料药生产，该工厂是一家CDMO公司，在2023年以6.2亿美元收购Forge Biologics时获得的。 8月12日 8月7日SEC提交的一份文件显示，专注于新型小分子药物的生物制药公司AN2Therapeutics将裁员约50%。早前提交给SEC的一份文件显示，截至2月29日，该公司在临床操作、临床开发、研究、制造、监管和质量等领域拥有41名全职员工。 在最近的文件中，AN2指出，裁员应该在2024年底之前基本完成，其中包括8月30日公司首席医疗官Paul Eckburg的离职。Eckburg将在该日期之后为该公司提供长达一年的咨询服务。 根据SEC提交的文件，此次裁员与AN2在EBO-301研究终止后计划的重点转移有关，EBO-301研究评估了Epetraborole治疗难治性鸟分枝杆菌（MAC）肺病。此次裁员也是为了进一步扩大公司的运营资本。8月8日的一份新闻稿称，AN2计划加快其硼化学平台的研发工作。 8月8日 根据SEC提交的一份文件，Entero Therapeutics公司将解雇所有非必要员工，并终止首席执行官James Sapirstein和总裁Jack Syage的雇佣关系，但Sapirstein将继续担任顾问。Entero Therapeutics是一家处于后期临床阶段的生物制药公司。6月初，该公司有16名员工和6名全职顾问。 今年5月，Entero更名为Entero Therapeutics，原名First Wave BioPharma。该公司最近与ImmunogenX合并。根据SEC的文件，8月2日，ImmunogenX收到了一份违约通知，要求立即支付所有债务，总额约为700万美元。 根据该文件，Entero将搬出其位于佛罗里达州博卡拉顿的办公室，暂停非必要的研发活动，并正在探索为公司利益相关者实现价值最大化的方法，包括但不限于筹集资金和重组债务。 8月7日 基因和细胞治疗公司Precigen宣布，将裁员20%以上。根据公告，这些战略变化大大减少了非优先项目所需的资源，并将使公司能够专注于PRGN-2012的商业化前工作，PRGN-2012是其用于复发性呼吸道乳头状瘤病的基因疗法。截至2022年底，Precigen拥有约190名员工。 8月6日 住友制药美国公司(Sumitomo Pharma America)将在马萨诸塞州马尔伯勒(Marlborough)裁员53人。该公司美国总部位于剑桥，今年3月已宣布在美国裁员400人。 8月6日 百时美施贵宝(Bristol Myers Squibb)宣布将在今年裁员2200人。该公司在7月份的一份警告通知中披露，该公司将裁减新泽西州劳伦斯维尔(lawrencville)的117名员工。在最新一轮裁员之前，劳伦斯维尔在今年3月和5月进行了其他裁员。 8月2日 基因治疗公司uniQure宣布，该公司将裁员65%，总计300人，其中包括首席运营官皮埃尔·卡洛兹。 uniQure首席执行官马特•卡普斯塔在声明中表示：“我们已经采取了有针对性的措施，大幅降低运营成本，简化运营，延长现金流。”“这些行动旨在确保我们拥有实现关键里程碑和推动股价所需的资金，同时我们努力为有需要的患者提供变革性药物。” 8月2日 Vir Biotechnology宣布，该公司将裁员25%，在其运营部门裁减约140个职位。此次削减是其研发重点重大转变的一部分，该生物技术公司将放弃其在COVID-19和流感方面的工作，以及基于T细胞的病毒载体平台，转而专注于乙肝和丁肝项目，并通过与赛诺菲的交易进入癌症领域。 8月1日 Arbutus Biopharma在其第二季度财报中宣布，该公司将裁员40%，以便将资源集中在慢性乙型肝炎感染的二期临床研究上。Arbutus临时总裁兼首席执行官Michael J. McElhaugh在公告中表示：“我们做出了一个艰难的决定，即停止我们的乙型肝炎药物研究工作，并减少我们的员工人数，从而实现到2026年第四季度的预计现金流充足。” 8月1日 总部位于波士顿的HilleVax公司宣布，将裁员41人，约占其员工总数的40%。该公司在公告中表示，裁员“旨在保留现金，同时在公司探索持续开发候选疫苗的潜力时保持核心能力”。HilleVax于2021年从武田剥离出来，以继续开发其诺如病毒疫苗。 8月1日 拜耳公司在7月发布的一份预警通知中透露，该公司将在新泽西州惠帕尼总部进一步裁员70人。此次裁员将于10月底生效。今年5月，拜耳宣布将在2024年裁员约1500人，主要是取消管理职位。 *声明：本文仅是介绍医药疾病领域研究进展或简述研究概况或分享医药相关讯息，并非也不会进行治疗或诊断方案推荐，也不对相关投资构成任何建议。内容如有疏漏，欢迎沟通指出！ 阿斯利康揭示口服PROTACs设计指南，里宾斯基五规则等再添“强力盟友” 一文读懂：纳米药物的“前世今生” 告别肥胖困扰！最新临床数据及上市减肥药全盘点

引言 细胞间通信是维持生物体内稳态以及实现复杂生物过程的核心机制之一。细胞通过分泌和接收化学信号，与周围的细胞进行交流，从而协调发育、免疫反应、组织修复等关键生理过程。近年来，单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）和空间转录组学（spatial transcriptomics, ST）技术的发展，为研究者提供了在单细胞水平上解析细胞间通信的前所未有的机会。这些技术能够同时检测成千上万个基因的表达，生成具有高维度的基因表达模式，从中提取与疾病状态、空间位置和时间轴相关的特定基因模块。然而，如何有效整合这些高维度数据，并在此基础上推断出驱动生物过程的细胞间通信流，仍然是一个重大的挑战。 在这个背景下，8月26日Nature Methods的研究报道“Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics”，提出了FlowSig这一新方法，用于从scRNA-seq和ST数据中推断由细胞间通信驱动的信息流。FlowSig基于图形因果建模和条件独立性测试，通过构建和学习部分定向无环图（completed partial directed acyclic graph, CPDAG），揭示了细胞间通信的方向性依赖关系。不同于传统的基因表达模块（gene expression modules, GEMs）构建方法，FlowSig能够同时考虑细胞间信号（ligand-receptor interactions）和细胞内调控机制，从而准确捕捉细胞间流动的时空动态。 该方法的开发旨在填补现有工具的空白，并提供更为全面的分析框架。通过在多种实验数据上的验证，如胰岛细胞受刺激后、COVID-19不同严重程度下的细胞间流动以及小鼠胚胎发育过程中形态发生素驱动的模式，FlowSig展现出了优异的性能。研究者通过这些应用，展示了FlowSig在捕捉复杂生物过程中的关键细胞间通信流方面的潜力，为进一步理解健康和疾病状态下的生物过程提供了重要的工具和视角。 在未来，随着单细胞和空间转录组数据的积累，FlowSig有望成为推动因果推断和因果结构学习的关键方法之一，并在生命科学研究中发挥更大的作用。 细胞间通信对于组织内的协调和功能维持至关重要。通过分泌和接收信号分子，细胞能够调控彼此的行为，参与到包括发育、免疫响应、再生等多种生物过程中。随着单细胞RNA测序（scRNA-seq）和空间转录组学（ST）技术的迅猛发展，研究者们可以在单细胞水平上获得成千上万个基因的表达数据。然而，由于这些数据的复杂性和高维度特征，直接从中推断出驱动生物过程的细胞间通信流动仍然具有很大挑战。因此，开发能够有效分析这些数据并揭示细胞间通信流的方法成为当下的研究热点。 FlowSig应运而生，它能够通过图形因果建模和条件独立性测试，从scRNA-seq和ST数据中推断细胞间的通信流动。FlowSig的设计旨在揭示这些复杂数据背后的因果关系，并为理解生物过程提供新的视角。 为了验证FlowSig的有效性，研究者们首先在合成数据上进行了模拟测试。合成数据基于已知的生物学网络模型，这些模型模拟了不同类型的细胞间信号流动，如单向信号传导、竞争性信号通路、以及复杂的多细胞类型之间的信号互动。 在一个典型的验证场景中，研究者们模拟了由SHH信号驱动的单向细胞间流动，该信号通过PTCH1受体结合，进而激活下游的FOXF1转录因子，最终引发BMP4信号的输出。通过FlowSig的分析，研究者们能够准确识别出这五个关键节点（SHH配体、PTCH1受体、SHH信号流入、FOXF1转录因子、BMP4配体）之间的因果关系，并且验证了使用FlowSig模型的假设条件（如受体配体结合的信号流入）有助于提高假阳性率（False Positive Rate, FPR）的控制。 研究者们还进一步比较了有无干扰数据的两种情况。结果显示，当引入干扰数据时（例如系统在受到外界刺激或疾病条件下的数据），FlowSig的分析结果更加准确，尤其是在多方向信号流动的复杂模型中，FlowSig通过引入干扰条件，有效减少了假阳性发现，从而提高了信号流动推断的精确度。 FlowSig模型的工作原理及其在推断细胞间通信流动中的应用（Credit: Nature Methods） 细胞间流动模型的构建： 图a描述了FlowSig模型如何将细胞间信号的流入与细胞内的基因表达模块（GEMs）以及信号的流出联系起来。FlowSig输出了一个细胞间流动网络，其中方向性边从流入信号变量（如受体基因表达与下游转录因子基因集的平均表达的乘积）指向GEMs（捕捉细胞内调控响应的潜在GEM因子），再从GEMs指向流出信号变量（如信号配体基因表达）。 使用干扰数据和路径知识的精确流动推断： 图b展示了FlowSig如何通过引入干扰数据（例如外部刺激、疾病状态等）以及利用已知的下游转录因子靶点信息，来学习由细胞间通信引发的精确细胞间流动。这些信息可以帮助FlowSig更准确地推断出细胞间信号的传递路径。 从空间转录组学数据推断流动模式： 图c则展示了如何通过空间转录组学（ST）数据来更精确地推断每个空间位置接收到的流入信号量，从而推断细胞间流动网络。该方法无需额外的干扰数据，即可通过空间分辨的GEMs推断出信号的流入和流出路径。 通过合成数据验证了FlowSig模型在不同信号流动场景中的有效性（Credit: Nature Methods） 不同场景下的因果图模型验证： 图a-c展示了三个不同的合成场景下的因果图模型。在第一个场景中（图a），研究者模拟了由SHH信号驱动的单向细胞间流动，这导致了BMP4信号的输出。在第二个场景中（图b），研究者模拟了SHH信号驱动的组织模式化（patterning），包括多个转录因子的表达变化。在第三个场景中（图c），研究者模拟了SHH和BMP4信号之间的竞争性驱动，导致了背腹（dorsoventral）模式化的形成。 真阳性率（TPR）和真阴性率（TNR）的比较： 图d-f展示了FlowSig在上述三种场景下的真阳性率（True Positive Rate, TPR）和真阴性率（True Negative Rate, TNR）表现。结果表明，当使用结合的受体表达（bound receptor expression）作为信号流入变量时，FlowSig的TNR显著提高，特别是在复杂的多向信号流动场景中（如图e和f）。此外，当引入干扰数据（perturbation data）时，FlowSig的TNR值的变化范围减小，表示流动推断的准确性提高。 FlowSig模型假设的验证： 图的结果还验证了FlowSig的两个核心假设。首先，准确测量信号流入对于推断细胞间流动至关重要；其次，引入干扰数据可以显著提高流动推断的准确性。通过在不同场景下的模拟实验，FlowSig证明了其在减少假阳性发现方面的优越性，并通过条件独立性测试和生物学流动模型的约束条件，优化了因果图的推断。 在验证了合成数据之后，研究者们将FlowSig应用于多个实际的生物数据集，以评估其在真实生物系统中的表现。 通过实验验证展示了FlowSig在皮层类器官模型中对细胞间通信流动的推断能力（Credit: Nature Methods） 差异性流入和流出信号的识别： 图a和b展示了在D18和D35两个时间点之间，FlowSig识别出的差异性流入和流出信号。研究发现，在这两个时间点之间，有26个信号表现出显著的流入变化（图a），而有16个信号表现出显著的流出变化（图b），其中包括关键的FGF和BMP信号。 基因表达模块（GEMs）的构建： 图c展示了通过pyLIGER构建的20个基因表达模块（GEMs），这些模块捕捉了特定时间点的基因表达模式。研究发现，D18时间点的细胞在GEM-2、GEM-3等模块中更加富集，而D35时间点的细胞则在GEM-8、GEM-11等模块中富集，这表明随着类器官的成熟，基因表达发生了显著变化。 FGF和BMP信号在细胞间流动中的作用： 图d展示了FGF信号驱动的细胞间流动。FlowSig分析发现，FGF信号通过多个GEMs驱动了BMP4、IGF-II、NGF、NRG1等信号的流出，并且推测EOMES可能是FGF信号下游的关键调控转录因子。图e则展示了BMP信号通过更少的GEMs进行细胞间调控，并可能通过PAX6或NR2F1进行介导。 实验验证： 图f和g展示了通过RT-qPCR FGF和BMP信号的实验验证结果。研究发现，激活FGF信号显著下调了EOMES的表达（图f），而BMP信号的激活则同时下调了PAX6的表达并上调了NR2F1的表达（图g）。这些结果与FlowSig的预测相符，验证了FlowSig在捕捉类器官系统中主导细胞间流动方面的准确性。 胰岛细胞受干扰素γ刺激实验  在这个实验中，研究者们利用FlowSig分析了人类胰岛细胞在干扰素γ（IFN-γ）刺激下的单细胞RNA测序数据。通过分析，FlowSig识别出了多个显著变化的信号通路。例如，FGF（成纤维细胞生长因子）信号通路的流入在IFN-γ刺激后显著增加，驱动了下游多种基因模块的表达变化。此外，FlowSig还揭示了IL-6、MDK、SST等信号通路在受刺激后的变化，并展示了这些信号通路如何通过不同的基因模块调控胰岛细胞的功能。 FlowSig如何通过分析非空间scRNA-seq数据，揭示胰岛细胞在IFN-γ刺激下的复杂细胞间通信流动，特别是识别出不同信号通路在细胞间流动中的作用和特定条件下的调控机制（Credit: Nature Methods） 基因表达模块（GEMs）的构建和细胞类型的对齐： 图a展示了FlowSig构建的基因表达模块（GEMs）与通过聚类分析识别出的胰岛细胞类型之间的对齐情况。研究显示，不同的GEMs与不同的细胞类型紧密关联，例如GEM-1、GEM-3、GEM-5和GEM-6在α细胞和β细胞簇中表现出显著富集。 IFN-γ刺激下的差异性信号流入和流出： 图b和c分别展示了干扰素γ（IFN-γ）刺激后显著改变的信号流入和流出。研究发现，IFN-γ刺激增加了多个信号通路的流入，包括FGF信号（通过FGFR1受体）、IL-6信号、MIF信号、MDK信号和SST信号。同时，IFN-γ刺激还导致了一些信号的流出增加，如GCG、INHBA和NAMPT，而其他信号如ANGPTL2、SPP1、TGFβ1等的流出则减少。 细胞间全局流动网络的推断： 图d展示了FlowSig推断出的全局细胞间流动网络，捕捉到了在不同条件下共享的和特定条件下的细胞间流动。结果表明，FGF、IL-6、MDK和SST是主导细胞间流动的关键驱动因素，并通过多个GEMs（如GEM-1、GEM-3、GEM-5和GEM-6）调控了GCG、INHBA、NAMPT等信号的流出。 上调和下调信号流出的特定网络： 图e和f分别展示了在IFN-γ刺激下，流出信号上调和下调的细胞间流动网络。研究发现，GEM-3在IFN-γ刺激下仅存在于上调网络中，表明它在α细胞中特别活跃，驱动了GCG和NAMPT的流出。而其他GEMs则在上下调网络中均有出现，表明它们可能在不同条件下发挥双重调控作用。 COVID-19的严重程度研究  研究者们还将FlowSig应用于COVID-19患者的支气管肺泡灌洗液（BALF）细胞的单细胞RNA测序数据，比较了不同疾病严重程度下的细胞间通信流动。结果表明，随着COVID-19的严重程度增加，细胞间的通信流动变得更加复杂。例如，在重症患者中，炎症相关的趋化因子（如CCL2, CCL3, CCL8）显著上调，主要在巨噬细胞和中性粒细胞中起作用。这表明，FlowSig不仅能够识别不同疾病状态下的细胞间信号流动变化，还可以帮助理解疾病的进展机制。 FlowSig在COVID-19研究中的应用，揭示了不同严重程度COVID-19患者之间的细胞间通信差异，特别是炎症相关趋化因子的表达和调控（Credit: Nature Methods） 基因表达模块（GEMs）的构建与COVID-19条件和细胞类型的对齐： 图a和b展示了FlowSig构建的基因表达模块（GEMs）与COVID-19不同严重程度（中度和重度）及细胞类型的对齐情况。研究显示，不同的GEMs在不同的COVID-19条件下表现出特异性，如重度COVID-19患者中某些GEMs的表达显著增强。 差异性流出信号的识别： 图c展示了在健康对照、中度COVID-19和重度COVID-19患者中差异性流出信号的分析结果。研究发现，随着COVID-19严重程度的增加，流出信号的种类和数量有所增加，特别是在重度COVID-19患者中观察到大量炎症相关的趋化因子（如CCL2, CCL3, CCL8）的上调。 健康对照组与COVID-19组之间的细胞间流动网络： 图d-f展示了健康对照、中度COVID-19和重度COVID-19患者中的细胞间流动网络。研究显示，随着COVID-19的严重程度增加，某些信号通路的细胞间流动显著增强，而另一些则减弱。例如，健康对照组中观察到的某些细胞间流动在中度和重度COVID-19患者中消失，反映了随着疾病进展，细胞间通信的复杂性和模式发生了显著变化。 信号流入和GEMs的交集分析： 图g，h分别展示了不同COVID-19条件下共享和特异性的信号流入以及介导这些流入的GEMs。结果显示，尽管COVID-19严重程度不同，多个信号流入和GEMs在各条件之间具有一定的共享性。然而，随着COVID-19的加重，一些特定的信号流入和GEMs在重度患者中变得更加显著，表明这些可能是疾病严重化的关键驱动因素。 小鼠胚胎发育的研究 在小鼠胚胎发育E9.5阶段，研究者们利用FlowSig分析了空间转录组数据，重建了Shh和Wnt5a信号蛋白之间的双向调控关系。研究发现，Shh信号通过自我放大机制驱动自身表达的同时，还通过激活Wnt5a信号来进一步调控发育过程。这种相互作用形成了类似于Turing模式的激活-抑制系统，对于理解胚胎发育中的细胞命运模式形成具有重要意义。 FlowSig在小鼠胚胎发育研究中的应用，特别是如何通过空间转录组数据解析信号传递的空间模式（Credit: Nature Methods） 信号流入和流出的空间分布： 图a展示了FlowSig分析出的多个信号在小鼠胚胎E9.5阶段的空间分布，特别是这些信号的流入和流出模式。研究发现，不同的信号在胚胎的不同区域表现出显著的空间特异性。例如，Shh（Sonic hedgehog）信号的流入主要集中在神经管区域，而FGF（成纤维细胞生长因子）信号的流出则在中胚层和外胚层交界处显著增强。 形态发生素驱动的激活-抑制模式： 图b展示了FlowSig重建的Shh信号驱动的激活-抑制模式。研究显示，Shh信号通过其在神经管中的高表达，激活了下游多个基因模块，并抑制了相邻区域的其他信号表达，从而形成了典型的激活-抑制模式。这种模式在胚胎发育中是非常关键的，有助于调控细胞命运和组织模式的形成。 信号传递网络的空间结构： 图c展示了FlowSig推断出的在E9.5小鼠胚胎中的信号传递网络的空间结构。这个网络展示了在不同胚胎区域之间的信号传递路径，并揭示了这些信号是如何在空间上协调来驱动胚胎的发育。例如，研究发现，Shh信号从神经管中流入，激活了下游的Wnt5a信号，并通过空间上的相互作用调控了胚胎背腹模式的形成。 关键信号的空间调控和基因模块的关系： 图d和e展示了Shh和Wnt5a信号在空间调控中的关键作用，并且这些信号通过特定的基因模块（GEMs）来执行其调控功能。例如，Shh信号主要通过GEM-2来调控神经管中基因的表达，而Wnt5a信号则通过GEM-5来调控中胚层中基因的表达。研究表明，这些信号和基因模块之间的空间关联对于胚胎的正常发育至关重要。 通过这些实际应用的分析，FlowSig展示了其在细胞间通信流动推断中的广泛应用潜力。首先，FlowSig在多个真实生物数据集中的表现证明了它可以有效地捕捉复杂生物系统中的关键信号流动。此外，FlowSig提供的因果推断方法为理解生物过程中的因果关系提供了新的工具。例如，在COVID-19研究中，FlowSig不仅揭示了不同严重程度患者之间的差异，还帮助识别了潜在的治疗靶点，如与炎症反应密切相关的趋化因子和受体。 在胚胎发育研究中，FlowSig揭示了Shh和Wnt5a之间的相互作用，提供了一个新的视角来理解这些信号通路在发育过程中的调控机制。通过结合空间转录组数据，FlowSig还展示了其在推断发育过程中时空信号流动方面的独特优势。 FlowSig的开发为生物学家提供了一个强大的工具，可以从复杂的单细胞和空间转录组数据中提取有价值的信息。未来，随着单细胞测序技术和空间组学技术的不断发展，FlowSig有望在更多的生物学研究中发挥重要作用，例如在肿瘤生物学、神经科学和再生医学中揭示关键的细胞间通信流动。此外，FlowSig的因果推断能力还可以进一步推动个性化医学的发展，帮助开发新的诊断和治疗策略。 总之，FlowSig为研究细胞间通信提供了一个全面而强大的分析框架，其广泛的应用潜力将推动我们对生命科学中复杂生物过程的理解。 参考文献 Almet AA, Tsai YC, Watanabe M, Nie Q. Inferring pattern-driving intercellular flows from single-cell and spatial transcriptomics. Nat Methods. 2024 Aug 26. doi: 10.1038/s41592-024-02380-w. Epub ahead of print. PMID: 39187683. https://www-nature-com.libproxy1.nus.edu.sg/articles/s41592-024-02380-w 责编|探索君 排版|探索君 转载请注明来源于【生物探索】 End 往期精选 围观 一文读透细胞死亡(Cell Death) | 24年Cell重磅综述（长文收藏版） 热文 Cell | 是什么决定了细胞的大小？ 热文 Nature | 2024年值得关注的七项技术 热文 Nature | 自身免疫性疾病能被治愈吗？科学家们终于看到了希望 热文 CRISPR技术进化史 | 24年Cell 综述