Новый коктейль факторов перепрограммирования создает индуцированные плюрипотентные стволовые клетки терапевтического качества

Индуцированные плюрипотентные стволовые клетки (iPSCs) — взрослые клетки, перепрограммированные обратно в состояние, подобное эмбриональным стволовым клеткам, — могут обладать потенциалом для лечения поврежденных нервов, регенерации конечностей и органов и точного моделирования конкретного заболевания пациента. Однако в процессе перепрограммирования эти клетки могут приобретать серьезные генетические и эпигенетические аномалии, которые снижают их качество и ограничивают терапевтическую полезность.

Когда в 2006 году впервые сообщили о создании iPSCs, эффективность была первостепенной, поскольку лишь небольшая доля процента перепрограммированных клеток успешно становилась клеточными линиями. Соответственно, область стволовых клеток сосредоточилась на эффективности перепрограммирования, чтобы увеличить пул клеток для изучения. Однако по мере углубления понимания процесса ученые осознали, что множество переменных, включая соотношение факторов перепрограммирования и среду, также могут сильно влиять на качество клеток.

Теперь исследователи из лаборатории основателя Института Уайтхеда Рудольфа Яниша вместе с учеными из Еврейского университета определили, что сами факторы перепрограммирования влияют на эффективность процесса и качество получаемых клеток. Их работа описана в текущем выпуске журнала Cell Stem Cell.

"Постдок Йосеф Буганим и научный сотрудник Стилиани Маркулаки показывают, что другая комбинация факторов перепрограммирования может быть менее эффективной, чем исходная, но способна производить iPSCs гораздо более высокого качества", — говорит Яниш, который также является профессором биологии в MIT. "А качество — действительно важный вопрос. На данном этапе не имеет значения, получим ли мы одну колонию из 10 000 или одну из 100 000 клеток, если она будет высокого качества".

Для создания iPSCs ученые подвергают взрослые клетки воздействию коктейля генов, активных в эмбриональных стволовых клетках. Затем iPSCs можно направить на дифференцировку почти в любой другой тип клеток, например, нервные, печеночные или мышечные. Хотя исходная комбинация Oct4, Sox2, Klf4 и Myc (OSKM) эффективно перепрограммирует клетки, относительно высокий процент полученных клеток имеет серьезные геномные аберрации, включая анеуплоидию и трисомию 8, что делает их непригодными для использования в клинических исследованиях.

Используя биоинформатический анализ сети из 48 ключевых для процесса генов, Буганим и Маркулаки разработали новую комбинацию генов: Sall4, Nanog, Esrrb и Lin28 (SNEL). Примерно 80% колоний SNEL, созданных из мышиных клеток, были высокого качества и прошли самый строгий на сегодня тест на плюрипотентность — тетраплоидный комплементационный анализ. Для сравнения, только 20–30% высококачественных колоний OSKM прошли тот же тест. Буганим предполагает, что SNEL лучше перепрограммирует клетки, потому что, в отличие от OSKM, этот коктейль не полагается на мощный онкоген, такой как Myc, который может вызывать некоторые генетические проблемы. Что еще важнее, коктейль не зависит от мощных ключевых мастер-регуляторов Oct4 и Sox2, которые могут аномально активировать некоторые области в геноме взрослой клетки.

Чтобы лучше понять, почему одни перепрограммированные клетки высокого качества, а другие — нет, Буганим и Маркулаки проанализировали колонии SNEL на генетическом и эпигенетическом уровне. На их ДНК клетки SNEL имеют отложения гистонового белка H2AX в местах, очень похожих на таковые в эмбриональных стволовых клетках (ESCs), и положение H2AX, по-видимому, предсказывает качество клетки. Исследователи полагают, что эту характеристику можно использовать для быстрого скрининга высококачественных колоний.

Но при всех своих перспективах текущая версия SNEL, кажется, неспособна перепрограммировать человеческие клетки, которыми в целом манипулировать сложнее, чем мышиными.

"Мы знаем, что SNEL — не идеальная комбинация факторов", — говорит Буганим, который в настоящее время является главным исследователем в Еврейском университете в Иерусалиме. "Эта работа — лишь доказательство принципа, которое говорит, что мы должны найти эту идеальную комбинацию. SNEL — пример, показывающий, что если использовать биоинформатические инструменты, можно получить лучшее качество. Теперь мы должны быть способны найти оптимальную комбинацию и испытать ее на человеческих клетках, чтобы увидеть, сработает ли она".