Nat Genet综述 | 周斌/吕爱兰团队提出“细胞谱系决定疾病命运”理论|克隆|吕爱兰|线粒体|细胞|谱系

为什么有些癌细胞对靶向治疗容易产生耐药？为什么相同的损伤在不同组织中修复效果迥异？衰老过程中，为什么少数干细胞克隆最终会“统治”整个血液系统？这些长期困扰生命科学与医学领域的根本问题，正随着“细胞谱系示踪”技术的飞速发展，获得全新维度的解释。

近日，长期致力于开发体内细胞谱系示踪新技术、并围绕器官发育与疾病机制开展系列研究的中国科学院分子细胞科学卓越创新中心周斌团队与香港中文大学吕爱兰团队，在Nature Genetics撰写综述。文章以“Lineage tracing from cellular heritage to disease destiny”为题，系统梳理了谱系示踪技术的关键演进及其在多种重大疾病中的核心应用，并为理解细胞的前世历史如何决定其当下状态与未来的疾病宿命提供了全新的理论框架。

长期以来，生命科学界试图通过静态的分子图谱来理解细胞的功能。过去，由于技术限制，科学家只能在群体层面粗略观察细胞命运。然而，细胞的身份并非仅仅由其当下的基因表达决定，它更是其漫长发育历史的缩影。近年来，随着谱系示踪工具的爆发式突破——从基于双重组酶（Dual-recombinase）的交叉遗传学精确靶向，到利用转座子系统、慢病毒和CRISPR标记的合成DNA条形码（Synthetic barcodes），再到挖掘内源性体细胞突变、线粒体变异或表观遗传时钟的自然条形码（Natural barcodes）——科学家终于能够以单细胞分辨率在活体内精细重构细胞的“系统发育树”。

通过这些高分辨率的“细胞家谱”，人们逐渐认识到一个颠覆性的概念：疾病的演进往往不是纯粹随机的突发事件，而是深深烙印在细胞祖先历史中的“命中注定”。基于这一核心思想，该综述详细梳理了谱系示踪技术在三大疾病系统中的范式转变：

在癌症演化中，耐药与转移的“命运决定”

癌症传统上被认为是由随机突变累积驱动的演化过程。然而，单细胞多组学结合谱系示踪表明，肿瘤是一个充满动态竞争的生态系统。高分辨率追踪发现，致死性的转移潜力以及对化疗/靶向治疗的耐药性，往往在治疗前就已被特定亚克隆的“前世”状态所决定。例如，三阴性乳腺癌中的耐药细胞依赖于其祖先预先存在的双价表观遗传印记（bivalent epigenetic priming），而并非在药物刺激后才产生新突变。此外，谱系追踪还揭示了“高可塑性细胞状态”（HPCS）作为肿瘤演化的关键枢纽，如何将细胞过去的适应能力转化为未来的异质性、耐药及恶性潜能。

在血液系统的发育与衰老中，打破“刚性阶层”

传统的造血系统模型描绘了一个严格的树状等级结构，处于顶端的造血干细胞（HSC）主导着分化。高通量遗传条形码技术的引入彻底重塑了这一认知，揭示了天然稳态下的造血实际上由动态的、多克隆的祖细胞池维持。随着机体衰老，血液系统呈现出多样性崩塌（即克隆性造血）。谱系示踪不仅能够追踪到哪些克隆最终胜出，还能揭示决定这种扩张优势的机制，往往是其家族世代相传的表观遗传和转录记忆（如对炎症的天然抵抗力）。

在心血管疾病中，起源决定病理可塑性

心血管疾病的修复与病理重塑，高度依赖于细胞的潜在可塑性。通过双重重组酶系统及细胞增殖示踪（如ProTracer系统），研究者清晰地证实：细胞的发育起源（如胚胎期 vs. 围产期起源）和空间位置，直接决定了其应对损伤的反应。无论是冠脉血管的新生、心梗后成纤维细胞的空间特异性扩增，还是动脉粥样硬化中特定血管平滑肌细胞向巨噬细胞样细胞的病理性转分化，这些重塑过程的轨迹实际上早已在细胞的胚胎发育期被预先设定。

图1 从实验模型到人类临床应用：谱系示踪面临的核心挑战与未来图景

这一视角重新定义了我们对疾病发病机制的认知。为了将这些从模式生物中获得的深刻见解真正推向人类临床，将谱系示踪从“回顾性观察”转变为“预测性临床模型”，本综述明确提出了未来面临的四大核心挑战与前沿方向：

1、无创性人类谱系示踪（Non-invasive lineage tracing）：从依赖基因工程的动物模型，走向直接从患者活检样本中解码自然条形码（如核突变、线粒体DNA变异和稳定的表观突变），在系统发育分辨率与检测通量之间寻找最佳平衡。

2、多维组学融合（Multi-dimensional integration）：建立统一的细胞状态模型，将稀疏的谱系历史标签与单细胞转录组、染色质可及性和DNA甲基化无缝连接，以区分瞬时的转录噪声与真正决定疾病进展的稳定表观遗传重编程。

3、空间谱系示踪（Spatial mapping）：结合空间转录组学与原位成像，在不破坏组织天然结构的前提下，揭示致病克隆如何在其原生空间内主动重塑局部微环境以建立“免疫特权”生态位。

4、因果推断计算框架（Computational phylogeny）：开发更为稳健的机器学习算法，从稀疏且充满噪声的人类临床数据中构建高精度的因果发生树，预测网络动态。

总体而言，“单细胞谱系示踪”正在将生物学认知从“静态切片观察”推向“历史演化追踪”的新纪元。这一框架不仅为整合分散的细胞发育与疾病演化证据提供了统一的系统性语言，更推动着精准医学理念的根本转变——未来的疾病干预将不再只是“被动清除”已发病的细胞，而是能够通过阅读患者细胞的“历史档案”，在致病克隆引发病理风暴之前，进行精准的预测与根除。