诺奖得主山中伸弥:深度解读细胞重编程的命运

2014-10-14 08:58 · angus

Nature Methods杂志在十周年之际推出了纪念特刊,点评了在过去十年中对生物学研究影响最深的十大技术,其中就包括细胞重编程。iPS技术鼻祖山中伸弥教授,在这此特刊中发表文章解读了细胞重编程的命运。山中伸弥教授因这一技术获得了2012年的诺贝尔生理/医学奖。


Nature Methods杂志在十周年之际推出了纪念特刊,点评了在过去十年中对生物学研究影响最深的十大技术,其中就包括细胞重编程。iPS技术鼻祖山中伸弥教授,在这此特刊中发表文章解读了细胞重编程的命运。山中伸弥教授因这一技术获得了2012年的诺贝尔生理/医学奖。

iPS技术能将体细胞转变为诱导多能干细胞,有着很大的应用潜力,不仅能加深人们对发育和疾病机制的理解,还可以在此基础上进行细胞治疗。不过在这些美好的愿望实现之前,研究者们需要将动物模型整合到现有方案中,并且定量描述驱动重编程的基本过程。

自iPS技术诞生以来,细胞重编程研究如雨后春笋一般涌现出来。不论是基础研究领域(解析单细胞如何发展成为完全功能的生物体),还是医学研究领域(理解疾病机制并进行治疗),都对理解和控制iPS过程寄予厚望。

我们可以这样描述一个细胞的命运:多能状态的细胞位于山顶,细胞中的基础信号网络就像重力一样想把细胞拉下山,达到已分化状态。因此细胞重编程中的挑战是双重的:不仅要把已分化的细胞抬上山顶,还要沉默那些吸引细胞分化的因子。

细胞重编程最初是通过逆转录病毒将OSKM引入细胞,不过后来其他组合的转录因子也获得了成功,这说明细胞重编程涉及了复杂的动态过程和状态转变。这种方法生成的iPSC存在较高的异质性,会引发细胞突变,重编程效率也比较低。要将iPSC用于临床,需要考虑避开逆转录病毒的其他方法。 (延伸阅读:Nature发表山中伸弥新成果,iPS校正环状染色体)

正因如此,人们开发了多种第二代iPS方法,其中已经有一些表现出了更好的安全性。逆转录病毒的可重复性和简便性,使其依然活跃在体外研究中。然而在再生医学领域,附加体型载体(episomal plasmid)更受青睐。其他方法还包括腺病毒、仙台病毒、合成蛋白和RNA。不过,这些方法尽管更为安全,但技术要求比较高,对重编程效率也并无改善。最近有研究显示,仅通过小分子就可完成细胞重编程。这意味着,间接靶标与多能性有关的分子通路,就足以重新决定细胞的命运。

理解上述分子通路,可以帮助人们防止已进入多能状态的细胞回到已分化状态。多能细胞和已分化细胞之间,存在DNA甲基化和组蛋白乙酰化的差异。另外,靶标表观遗传学机制的小分子,能够提升重编程效率。总的来说,在提升重编程效率的工作中需要特别注意表观遗传学因子的改变。

将多能性的iPSC分化成为人们想要的细胞类型,必须对许多因子加以控制。有些iPSC克 隆在分化时存在一定的偏好。对于医学应用来说,也许不将细胞逆转得那么彻底会更好。实际上,研究者们已经在没有完全到达多能性状态的情况下,成功将体细胞 重编程(有时甚至只用到了一个外源转录因子)。值得注意的是,这些被称为直接重编程的技术,需要的基因组改变要少于传统的 iPS技术,在模拟疾病方面很有潜力。

细胞重编程最初是在体外研究中获得突破的,然而越来越多的研究表明,重编程也可以在体内完成,体内重编程的效率甚至比体外还要好。Abad等人的一项研究极大地鼓舞了我们,他在转基因小鼠中通过诱导OSKM,成功重编程了多种组织的细胞。他们发现,活体内的iPSC能达到超越体外iPSC的全能状态。进一步的分析显示,体内iPSC在转录组水平上更类似于桑椹胚(morulas)而不是胚胎干细胞ESC。这些结果告诉我们,体外和体内的iPS过程存在差异,因此在转基因动物中测试细胞重编程是很重要的。在动物模型中进行细胞重编程可以为人们揭示更多的信息,因为体内环境可能对细胞命运产生间接的影响。

细胞环境有着超越基因组的影响,正因如此,大规模“组学”数据将是未来细胞重编程的一个重要方面。虽然我们认为iPSC和ESC在功能上是相同的,但转录组、蛋白质组和表观基因组水平的深入研究将有助于阐明环境对重编程的影响。另外,在单个细胞中同时检测多个“组学”,将能鉴定那些造成iPSC多能性差异的基础元件。

目前,细胞重编程领域普遍缺乏定量数据。实际上,文献中的重编程效率差异,可能更多的是由体细胞内部异质性造成的,而不是方法学上的问题。定量理解这样的异质性,可以帮助我们从细胞群体中区分出想要的细胞。

Buganim等人通过细胞重编程的两个状态,描述了异质性产生的基础。首先,OSKM转基因激活一系列随机事件,当这些事件达到“适当”条件时,细胞转变为第二个状态。这个状态会出现决定性的基因表达,此时转基因被沉默,细胞被重塑为多能性状态。在Buganim这个模型中,转基因激活与沉默之间的平衡,是细胞重编程效率低的重要原因。我们可以换一种途径进行重编程,激活或沉默非基因组的因子,将有望显著提高重编程效率。“组学”数据无疑能加深我们对这些因子的认识,帮助我们理解细胞重编程的必要条件和非必要条件。

在这些信息的基础上,我们可以同步细胞动态,在引入转基因时让大多数细胞处于最佳状态。已经有前期工作表明,重编程动态受到一些限速步骤的调控。比如,去除组蛋白乙酰化的一个抑制子,可以使体外重编程的效率达到几乎100%。此外,引入OSKM也会刺激甲基化等细胞过程,以维持内稳态。对于研究这些过程的动态而言,定量技术将特别有优势。FACS和拉曼光谱才刚开始用于细胞重编程的定量研究,就已经表现出了很大的潜力。

细胞重编程受到公众关注,主要是因为它在疾病模拟和医疗保健中的应用。神经退行性疾病的患者特别能从这一技术中获益,因为生成神经元的iPS方案要优于其他细胞类型,而且患者神经元通常很难获取。目前,细胞重编程技术最适合研究特定基因组突变引起的疾病,因为重编程会重设表观基因组。尽管有证据表明,iPS技术也能用来研究复杂基因组改变引起的疾病,但目前的模型一般不足以研究异常细胞网络或动态引发的疾病。

近年来,iPS研究发表的数量和速度都很惊人,但这些研究还局限于检测相对简单的系统。对于复杂网络引发的问题或疾病,就需要采用能描述网络互作的定量技术或者转基因动物模型。这些方面的进步将加深我们对重编程机制的理解,有助于早日实现人们对这一技术的期望。