Вычислительный инструмент для направленной дифференцировки клеток

Существует большая потребность в создании различных типов клеток для новых методов лечения, замены тканей, утраченных из-за болезней или травм, а также для исследований вне человеческого организма. Многие из этих работ начинаются с индуцированных плюрипотентных стволовых клеток (iPSCs), которые в теории могут дифференцироваться практически в любой тип клеток. Однако эффективное получение из них широкого спектра функциональных клеток для биомедицинских применений остаётся сложной задачей.

Основная технология конверсии клеток — экспрессия в iPSCs специфичных для типа клеток транскрипционных факторов (TFs). Но эффективность этого процесса низка, так как сложно определить наиболее эффективные комбинации TFs, которые функционируют в рамках более крупных генных регуляторных сетей (GRNs).

Коллаборация учёных под руководством Джорджа Черча (Гарвард) и Антонио дель Соля (CIC bioGUNE, Люксембургский центр системной биомедицины) разработала компьютерный инструмент IRENE (Integrative gene Regulatory Network model). Он предсказывает высокоэффективные комбинации TFs для конверсии клеток, анализируя не только паттерны экспрессии генов, но и изменения эпигенетического ландшафта в процессе дифференцировки.

Для доставки предсказанных комбинаций TFs в iPSCs использовалась транспозон-опосредованная система геномной интеграции, обеспечивающая стабильную экспрессию факторов.

Экспериментальная валидация IRENE на трёх типах клеток:

  1. Клетки молочной железы (HMECs): Одна из комбинаций TFs от IRENE конвертировала 14% iPSCs в дифференцированные HMECs в стандартной среде для iPSCs.
  2. Меланоциты: Две из четырёх комбинаций повысили эффективность конверсии в меланоциты на 900% по сравнению с контролем (iPSCs в среде для меланоцитов без TFs).
  3. Натуральные киллеры (NK-клетки): Пять из восьми комбинаций от IRENE увеличивали дифференцировку NK-клеток с критическими маркерами до 250% по сравнению со стандартным методом, основанным только на условиях культивирования.

Исследование опубликовано в Nature Communications. Разработчики считают, что IRENE как открытый ресурс сможет значительно повысить эффективность многих исследований в области тканевой инженерии и регенеративной медицины.