单细胞大数据时代干细胞研究中的计算模型

本文是一篇发表于《Trends in Biotechnology》（2021年2月，第39卷第2期）的述评/观点文章，作者是Antonio del Sol（第一单位：卢森堡大学卢森堡系统生物医学中心；第二单位：CIC bioGUNE-BRTA）和Sascha Jung（单位：CIC bioGUNE-BRTA）。文章的核心主题是探讨在单细胞技术产生海量数据的背景下，计算建模如何成为推动干细胞研究、再生医学及先天性障碍治疗发展的关键工具。

文章的主要论点如下：

论点一：单细胞技术革命为干细胞研究中的多尺度计算建模提供了前所未有的机遇。 作者指出，诱导多能干细胞（iPSCs）的发现以及单细胞技术（特别是单细胞RNA测序，scRNA-seq）的飞速进展，已经彻底改变了干细胞研究领域。这些技术能够以前所未有的分辨率表征细胞表型、发现新的细胞亚群并重建细胞命运轨迹（如发育和重编程轨迹）。由此产生的大量多组学数据，使得构建能够捕捉从分子（基因）水平到组织（细胞群）水平集体行为的高分辨率计算模型成为可能。这为系统性地解决干细胞领域的核心挑战，例如理解细胞分化、转分化和重编程的机制，预测关键的细胞命运决定因子和信号分子，以及阐明组织稳态与再生的普遍原理，提供了理想框架。

论点二：不同类型的计算建模框架可用于解决干细胞研究中的不同层次和类型的问题。 文章详细阐述了多种计算建模框架及其在干细胞研究中的具体应用，强调模型的选择取决于具体的科学问题和可用的输入数据。这构成了文章的一个核心论述层次： 1. 细胞内基因调控网络（Gene Regulatory Network， GRN）模型：这类模型旨在描述基因间的调控关系。文章指出，基于单细胞数据的GRN推断是理解细胞身份和预测细胞转化因子（conversion factors）的关键步骤。例如，布尔网络（Boolean network）模型适合识别细胞转化因子；基于常微分方程（ODE）的连续模型能够预测细胞分化等过程中的基因表达动态行为；而动态贝叶斯网络（Dynamic Bayesian Networks）等概率模型则能模拟基因表达和调控相互作用中的随机性，这对于理解重编程效率至关重要。作者援引了多项研究作为证据，如利用单细胞数据推断GRN并成功优化小鼠胚胎成纤维细胞向多能干细胞的转化方案，或在B细胞向巨噬细胞转分化研究中发现MYC转录因子的关键作用。 2. 细胞间通讯网络模型：这类模型基于配体-受体对的表达数据，推断组织内细胞间的通讯网络。它不依赖于精确的亲和力估计，是一种描述性模型，适用于识别维持组织稳态的关键细胞间相互作用特征，以及发现疾病或衰老组织中失调的相互作用。例如，已有研究利用该方法预测了参与维持组织稳态的细胞间相互作用。 3. 干细胞-微环境（Niche）相互作用模型：这类模型整合信号传导网络和转录调控网络，旨在理解微环境信号如何影响并维持干细胞的表型。这对于研究衰老或疾病状态下干细胞功能失调的机制、并设计逆转这种微环境效应的策略（即干细胞“复壮”，rejuvenation）具有重要价值。目前已有方法尝试利用scRNA-seq数据整合信号与转录网络来推断微环境信号对靶基因表达的影响。 4. 多尺度建模（Multiscale computational modeling）：这是文章强调的核心方向，旨在连接从细胞内网络到细胞间通讯、再到组织水平行为的各个生物学层级。这种整合模型能更真实地反映生物过程。例如，一个同时考虑干细胞及其微环境相互作用的模型，对于在体内预测细胞命运决定因子就比孤立的模型更为合适。

论点三：机理模型（Mechanistic models）与机器学习（Machine learning）方法是互补的，二者的结合能提供更强大的洞察力与预测能力。 文章明确区分了两种主要的数据驱动方法。机器学习方法（包括监督学习和无监督学习）在模式识别、分类和预测方面表现出色，例如从单细胞数据中识别基因间的调控关系或预测产生特定多细胞模式的实验条件。然而，它们本质上是“黑箱”，侧重于建立输入与输出之间的统计关联，无法提供对生物过程机理的深入理解。相比之下，机理模型（如前述的逻辑模型、连续模型）基于对生物系统已知或假设的物理、化学或生物学关系构建（例如，假设干细胞表型由相互拮抗的谱系决定因子的平衡表达所定义），旨在描述系统行为并提供机理性见解。虽然机理模型的简化假设有时可能忽略生物复杂性，但其优势在于可解释性和因果推断潜力。作者认为，两者应互为补充：机器学习可用于优化机理模型的参数、预处理数据（如填补缺失值、整合多源数据）或辅助识别转录因子结合位点，从而增强GRN推断；而机理模型则能利用从数据中学习到的模式来提高自身效率，并最终提供对复杂生物系统的机理理解。

论点四：计算建模在加速再生医学应用方面具有直接且关键的价值。 文章花了相当篇幅讨论计算建模如何指导具体的再生医学策略，以应对当前实验协议面临的挑战。 1. 细胞移植（Cell transplantation）：当前自体iPSC衍生细胞移植面临体外转化效率低、生成的靶细胞功能不成熟等问题。计算模型可以通过分析单细胞数据，更精确地表征功能不同的细胞亚型，并预测包含细胞类型和亚型特异性转录因子在内的最佳转化因子组合，从而指导生成功能成熟、可用于移植的细胞亚型。 2. 先天性障碍治疗：对于导致细胞分化异常的先天性疾病的遗传病因，计算模型可以指导识别疾病相关的细胞命运决定因子，进而辅助设计生成用于移植的转基因细胞。同时，对先天性障碍导致的细胞命运决定因子失调的预测，可用于指导基于CRISPR/Cas9等技术的体内基因校正策略的设计。 3. 干细胞复壮（Stem cell rejuvenation）：衰老或疾病状态下，干细胞功能受损常源于有害的微环境影响。整合信号和转录调控网络的计算模型可以帮助识别微环境中维持异常干细胞表型的关键信号分子。针对这些预测的信号分子进行靶向干预，可以抵消衰老微环境的影响，实现干细胞功能的复壮，从而优化组织修复过程。

论点五：未来展望的核心在于数据整合与跨学科协作。 作者认为，干细胞研究领域的许多挑战可以通过发展多尺度计算模型来应对。未来的关键在于生成和整合更多类型的单细胞数据（如将scRNA-seq与单细胞ATAC-seq、单细胞磷酸化蛋白质组学、空间转录组数据整合），这将为构建更精确的模型提供更全面的系统表征。然而，不同组学数据在实验设计和局限性上的差异使得数据整合本身仍是一项持续挑战。此外，文章强烈鼓励实验研究者与计算研究者进行更紧密的合作，从研究初始阶段就共同确定要解决的具体生物学问题、选择合适的计算模型、规划模型所需的输入数据以及验证模型预测的实验设计，以此加速干细胞研究的进展，并推动再生医学应用向临床的转化。

本文的意义与价值： 这篇述评文章系统性地梳理了单细胞大数据时代，计算建模在干细胞研究领域所能发挥的关键作用及其实现路径。它不仅是对现有多种建模方法及其应用的综述，更是一份前瞻性的“路线图”，清晰地阐述了如何将不同类型的数据、建模框架与具体的再生医学挑战（细胞移植效率、疾病治疗、干细胞复壮）联系起来。文章强调了从还原论（单一尺度）向系统论（多尺度整合）、从描述性分析向预测性及机理性建模的范式转变，并指出了机器学习与机理模型结合的未来方向。对于干细胞和计算生物学领域的研究者而言，本文提供了一个全面的工具箱选择指南和跨学科合作的重要论点，具有很高的启发价值和指导意义。