生命科学研究中一个核心的问题是理解生物状态和过程，包括发育和疾病。人是一切社会关系的总和。细胞也是其“细胞历史”的总和。细胞历史可以理解为以下两个方面：1. 细胞与其他细胞的谱系关系，2. 在细胞发育以及病变过程中所收到的内部和外部信号，包括信号的种类，强度以及持续的时间。传统的生物学手段在理解以上两个方面都有很大的局限性。例如，传统的系谱追踪手段依赖于直接观察或者选择性标记，而大部分模式生物都包含百万甚至万亿个细胞。普通的标记手段无法标记这么多的细胞。组学手段包括单细胞转录组【1-3】能高通量的提供细胞状态的快照，但不能记录细胞之间的联系以及细胞状态变化的起因。那么是否有可能开发细胞内部的记录仪，让细胞成为自己的“历史学家”呢？近来基因编辑技术的发展以及DNA作为信息载体的天然特性，为克服当前测量范式的局限性提供了一条潜在途径。已经有不少工作报道了用DNA 条形码来作为细胞谱系追踪的技术【4-8】，然而细胞信号的记录仍是一片空白。 2024年7月17日，来自华盛顿大学Jay Shendure团队在Nature杂志上发表了文章Symbolic recording of signalling and cis-regulatory element activity to DNA。文章中作者开发了一项利用引导编辑的技术，能同时记录多个信号的种类，强度，以及先后顺序。作者还将该系统应用于体外类器官系统，成功记录了类器官发育过程中经典信号通路的动态变化过程。借用神经科学中ENGRAM （记忆储存的载体）的概念，作者将该技术命名为ENGRAM， 作细胞记忆之意。该研究为生物信号和基因表达的测量和记录提供了新的范式。 基于DNA的记录系统包括三个元件：一个DNA 编辑器（引导编辑器，Prime Editor)，一段信息（编译在pegRNA中），一个整合到基因组的DNA磁带。这样，引导编辑器会将编译在pegRNA 中的信息写到DNA 磁带中，信息就能被永久的保存在基因组中，且随着细胞的分裂而自我复制。 受传统报告系统启发，作者利用顺式调控元件（cis-regulatory element, CRE or enhancer) 来表达pegRNA，每个pegRNA包含一个独特的符号（symbol, DNA barcode)，但都指向同一个DNA target。这样就能在同一个DNA 磁带上记录下不同信号的信息。作者开发了几种不同的表达架构，发现5’ ENGRAM 和3’-FT ENGRAM 两种架构信噪比最好。在文中所有的均是5’ 架构。 作者首先利用该系统来检验ENGRAM 是否能够准确记录多个调控元件的活性。作者挑选了300个在K562细胞中已知活性的调控元件，并同时测量了RNA的表达量和记录在DNA磁盘中符号的数量。结果显示两种检测方法高度吻合。DNA 磁盘记录的另一个优势在于，只需少量细胞就能准确测量出调控元件的活性。该方法展现了高度扩展性，有潜力能同时测量数以万计的调控元件的活性。 接着作者又利用三个信号响应元件来检测ENGRAM 是否能够同时检测多个信号。结果发现，ENGRAM 对三个元件的响应都呈剂量相关(dose-dependent) 且同时记录多个信号时没有串扰（crosstalk）。 然后作者又将ENGRAM 和之前开发的DNA Typewriter (Choi et al. 2022) 技术相结合，记录了信号的时序。在原先设定的15个信号组合中，ENGRAM 能清楚的分出不同的信号。 最后，作者将该系统应用于类器官的发育。作者设计了98个调控元件作为信号通路和转录因子活性的探针。在类器官发育过程中，ENGRAM 很好的捕捉到了已知信号通路和主要转录因子的活性。 总而言之，该研究系统展示了基于DNA的信号记录系统的强大潜力。其在发育生物学以及疾病模型研究中有广泛的应用场景。例如，它可以帮助我们标记细胞的发育谱系以及发育过程中所收到的信号，以更好的了解发育过程中的细胞动态。在癌症生物学中，也可以很好的记录在癌症迁移中所收到的外界物理和化学信号，可能指导发现新的药物靶点来降低癌症迁移带来的危害。同时我们也可以设计工程细胞，实时监控体内细胞的稳态变化。 原文链接：https://www.nature.com/articles/s41586-024-07706-4
制版人：十一 来源：BioArt
参考文献
1. Cao, J. et al. The single-cell transcriptional landscape of mammalian organogenesis. Nature 566, 496–502 (2019).2. Huang, X. et al. Single-cell, whole-embryo phenotyping of mammalian developmental disorders. Nature 623, 772–781 (2023).3. Qiu, C. et al. A single-cell time-lapse of mouse prenatal development from gastrula to birth. Nature626, 1084–1093 (2024).4. McKenna, A. et al. Whole-organism lineage tracing by combinatorial and cumulative genome editing. Science 353, aaf7907 (2016).5. Pei, W. et al. Polylox barcoding reveals haematopoietic stem cell fates realized in vivo. Nature 548, 456–460 (2017).6. Frieda, K. L. et al. Synthetic recording and in situ readout of lineage information in single cells. Nature541, 107–111 (2017).7. Chow, K.-H. K. et al. Imaging cell lineage with a synthetic digital recording system. Science 372, (2021).8. Choi, J. et al. A time-resolved, multi-symbol molecular recorder via sequential genome editing. Nature (2022) doi:10.1038/s41586-022-04922-8.
