2012年诺贝尔生理或医学奖授予了日本科学家山中伸弥 (Shinya Yamanaka) 和英国发育生物学家约翰-戈登 (John Gurdon), 以表彰他们在细胞核重新编程领域做出的杰出贡献【1】。2006年，山中伸弥利用逆转录病毒将4个转录因子Oct3/4、Sox2、c-Myc和Klf4导入小鼠的胚胎成纤维细胞 (mouse embryonic fibroblast, MEF)和尾尖成纤维细胞(tail-tip fibroblast, TTF)中，成功地将这两类细胞转化为可诱导的多能干细胞(induced pluripotent stem cell, iPSC)【2】。随后山中伸弥等又实现了人类成纤维细胞 (human dermal fibroblasts, HDF) 到iPSC的重编程，并在体外将iPSC诱导分化为神经细胞和心肌细胞【3,4】。如今通过体外培养获得人类的iPSC，并将其定向分化为有功能的其他细胞类型，可以为老年性黄斑变性等疾病提供“细胞治疗”的手段【5】。
在努力将iPSC应用到临床治疗的同时，科学家也在不断探索细胞重编程自身的奥秘: 成体细胞究竟是如何转变为多能干细胞的？在这一过程中细胞经历了哪些谱系(cell lineage)的变化和命运的决定(cell fate determination)？
2019年2月7日，Cell杂志发表了由Broad研究所所长兼创始人Eric S. Lander教授、麻省理工学院Aviv Regev教授和舒健博士作为共同通讯作者的题为Optimal-Transport Analysis of Single-Cell Gene expression Identifies Developmental Trajectories in Reprogramming的文章，利用一套新的数据分析方法，解析了大规模的单细胞RNA测序的结果，绘制了从小鼠胚胎成纤维细胞到iPSC重编程的“细胞地图”。 其开发的方法也可以应用于研究其他复杂的生物学过程和系统。
在获取了高密度的不连续的单细胞RNA测序结果之后，研究人员希望将这些数据“快照” (snapshot) 拼接成“电影”，以精确追踪细胞从一种状态移动到另一种状态的路径。然而这一过程并非易事。1957年英国生物学家Waddington将细胞分化比喻为大理石滚落在有山脊和山谷的滑雪坡上，并将其称为“表观遗传景观”(Epigenetic Landscape)【6】。
在这一过程中，石块沿着不同的轨道滚下来会落入不同的山谷，就像不同的细胞命运决定。可是，Waddington的比喻并不能追溯一组细胞在分化过程中可能采取的路径，我们并不知道最终落入不同山谷的是斜坡上的哪些石块。那么如何将斜坡顶部与底部的石块联系起来，并且预测石块滚落的轨迹呢？本文的研究人员采用了“最优传输理论”(Optimal Transport，OT)并创建了Waddington-OT的基本框架（上图）。“最优传输理论”理论最早由法国数学家Monge 于18世纪80年代提出，拿破仑曾将该理论用于计算士兵在建造防御工事时移动泥土【7】。通过将不同时间点的细胞类型和细胞分布进行关联，研究人员利用Waddington-OT成功追溯了从成纤维细胞到iPSC重编程过程中细胞变化的轨迹。
他们发现，细胞的重编程过程比已知的报道具有更广泛的发育过程和状态变化。在重编程的起始阶段，细胞开始分化成两个主要类型：一类产生基质细胞(stromal cell),另一类则发生间充质至上皮细胞转变(Mesenchymal-Epithelial Transition)并产生类似于iPSC、神经和胎盘细胞的细胞类型。 此外，研究人员还发现早期的细胞命运并不一定是固定的：一些在主要群体中开始发育的细胞后来会转移为另一个细胞类型（该研究结果与去年年初在Science上发表的几篇单细胞测序的研究文章类似：里程碑丨3篇Science运用单细胞测序技术破解早期胚胎发育之谜，打破发育生物学传统认识；发育生物学家的梦更近了）。 Waddington-OT还鉴定了重编程过程中不同亚细胞类型出现和消失的阶段，甚至揭示了某些细胞类型的基因组畸变。最后研究人员利用Waddington-OT的预测，发现转录因子Obox6和的细胞因子GDF9都能够增强产生iPSC的效率，表明该框架能够为进一步完善细胞的重编程提供有力的帮助。
通过绘制细胞重新编程的“地图”，我们可以追溯细胞发育的前-后时间轨迹，更加精准和直观地了解基因的表达情况。据悉，Broad研究所的研究团队正在向学术界免费提供他们的数据，包括可下载的交互式Waddington-OT软件。
点击下图，预登记观展
