文献阅读笔记4 | DNA Typewriter 记录小鼠从受精卵到器官发生晚期的细胞谱系

一个胚胎、一百二十八万个细胞、一棵能读出时间的树 | A DNA Typewriter records the cell lineage history of a mouse, from zygote to late organogenesis

文献阅读笔记4 | DNA Typewriter 记录小鼠从受精卵到器官发生晚期的细胞谱系


一句话总结: 这篇 2026 年的 Science 论文把 DNA Typewriter 从培养皿推进到活体小鼠:受精卵原核注射后,六单体 tape 在胚胎里由一个"打字头"顺序写入信息符号;在 E13.5 收取 158 万个细胞核,重建出一棵以受精卵为根、含 1,281,141 个末端的定年谱系树。由于 2-细胞期恰好有一次剧烈的编辑爆发,两个卵裂球的 23 与 19 个编辑被永久写进各自的干细胞系,整棵树因此自带一份"内建重复";据此作者把克隆优势(少数祖细胞贡献了过多后代)定年到原肠胚期,并证明谱系邻近在从姐妹末端到细胞类型耦合的每一个尺度上都能预测命运。


文献信息

项目内容
标题A DNA Typewriter records the cell lineage history of a mouse, from zygote to late organogenesis
作者Qi Yu*, Haedong Kim*, Sophie Seidel*, James F. Acosta-Clark, Beth K. Martin, Kyle O’Connor, Riza M. Daza, Molly Gasperini, Jenny F. Nathans, Maggie Lam, Elena Gamo, Shruthi Vijay Kumar, Lauren Kuo, Jean-Benoît Lalanne, Kamen P. Simeonov, Marion Pepper, Cole Trapnell, Jesse M. Gray, Junhong Choi, Chengxiang Qiu†, Jay Shendure†(* 同等贡献)
单位Department of Genome Sciences, University of Washington;Seattle Hub for Synthetic Biology;Howard Hughes Medical Institute;Allen Institute;Brotman Baty Institute for Precision Medicine;Dartmouth College 等
期刊Science
卷期页码提前在线发表(First release: 8 October 2026),页码未定
DOI10.1126/science.ael0508
年份2026
关键词DNA Typewriter; prime editing; molecular recording; cell lineage tracing; mouse embryogenesis; phylogeny; clonal dominance; gastrulation; sci-RNA-seq3

研究背景

半个世纪前,Sulston 和同事在显微镜下盯着线虫 Caenorhabditis elegans 发育,一个细胞一个细胞地画出分裂,最终把从受精卵到成体的完整细胞谱系全部标定下来。这至今仍是现代生物学最孤绝的成就之一——因为再没有任何一种动物被这样完整地画过。

线虫是例外:透明、小、发育不变。几乎所有其他动物都是不透明的,而且大得多——成年小鼠有数十亿细胞,人有上万亿。更重要的是,它们走的是调节型(regulative)发育:细胞的命运由外部信号塑造,而不是只由谱系决定,分裂的确切顺序在个体之间还会变化。可是谱系绝非无关紧要,“调节型发育的谜题"恰恰是:一条可变的谱系,如何被"渠道化"成可重复的形态与功能。

要在全生物体尺度上用基因组工具研究小鼠发育,此前的主流做法是对按时间分期取样的个体做分子分型。但取样是破坏性的:它把每个细胞与自己的过去和未来切断。这样的时间序列只能在粗线条上推断"某类细胞的个体发生(ontogeny)",推不出细胞之间的谱系关系。

基因组是一份在每次分裂时都被忠实复制的数字媒介,用它记录谱系几乎是自然而然的。此前已有大量工作利用天然体细胞变异、静态条码或重组酶多样化的条码,但这些策略都没能给出高密度的细胞系统发生树。2016 年前后,包括本文作者在内的几个团队开始追求一个新范式:用基因组编辑器在整个发育过程中不断写入可遗传的标记,最后靠单细胞测序(内源转录本与条码一起读)一次性读出——一份破坏性的快照,同时告知细胞"现在是什么"和"与其他细胞是什么关系”。

按编辑器类型可分为三支:

  • Cas9 核酸酶:易错的修复留下可遗传的"疤痕"(GESTALT、MEMOIR);
  • 碱基编辑器:写入点突变(SMALT、baseMEMOIR);
  • 先导编辑器(prime editor):写入符号化的插入(DNA Typewriter、peCHYRON)。

DNA Typewriter 的机制值得单独说清楚,因为它是全文的地基。它由三部分组成:先导编辑器、guide RNA、以及"磁带(tape)"。本文用的 tape 是 TAPE-1:6 个 14 bp 的单体串联,前面带一个 3 bp 的"键"(此处为 GGA)。最 5′ 的那段一开始是活性 20 bp protospacer,称为"打字头(typehead)"。一次"敲键"会插入一个携带信息的符号(symbol,此处为 NNNGGA):它同时破坏当前的打字头,并激活下游一个新的打字头。于是任一时刻每条 tape 上只有一个单体可被编辑,直到整条磁带用尽。这带来三个关键性质:

  1. 顺序即时间——插入从 5′ 向 3′ 发生,编辑的先后顺序被天然保留;
  2. 速率稳定——每编辑一次就"消耗一个、激活一个",可编辑位点数不随时间衰减;
  3. 无 DNA 双链断裂——避免了密集位点上缺失连带毁掉邻近记录的问题。

代价则在于另一些方面:递送与表达必须从受精卵起稳定贯穿整个发育;记录容量有限(单体耗尽后分辨率必然下降);而且谱系史本身并不告诉你塑造了这些命运的历史信号。

到本文之前,DNA Typewriter 只在体外培养细胞和单克隆胃泌体(gastruloid)中实现过,谱系树规模最多约 5 万个细胞。本文要做的,是把剩下的障碍(体内递送、单核里回收条码、10^5–10^9 级别的建树算法)一次性跨过去,做出一个胚胎、从受精卵到器官发生晚期的完整谱系。


主要方法

  • 构建与递送:受精卵原核注射(PNI)两个构建体——一个编码组成型表达的 PEmax,另一个编码 epegRNA、12 bp 的 tape 条码(tape-BC)与 6 单体 tape;同时注射 piggyBac 转座酶 mRNA 以促进基因组整合。共注射 10 个胚胎,E13.5 收取,弃去胚外组织。

  • circtape(关键改造):成熟组织无法在不偏倚的前提下解离,因此改用细胞核而非细胞做单细胞测序;但核内 mRNA 更少,靶向转录本回收一直很难。作者把 TAPE-1 改造成由 Pol III 驱动的环状转录本(Tornado 系统环化),并加上 30 nt poly(A) 与一段定制的捕获序列,使 oligo-dT 反转录与靶向反转录都能回收它。环状 RNA 的回收率显著优于线性版本。

  • 单核测序:对约 1,000 万个核做 sci-RNA-seq3(三级组合索引),改造为同时共扩增转录组文库与 circtape 文库,得到配对的"tape 基因型 + 转录组"。

  • tape 基因型判定与距离:每条整合位点单独判定其单体上被写入了哪个符号;用 DNA Typewriter 专用的距离度量比较两个细胞的 tape 基因型。11 条独立整合的组合把单个细胞的潜在构型上限从 8^6(约 10^5)推到 8^(6×11)(约 10^59)。

  • 细胞类型注释:把 158 万个核与实验室自建的小鼠发育图谱(11.4M 细胞)中 E12.75–E14.25 的 165 万个细胞共嵌入,用 k 近邻迁移细胞类型与主要轨迹标签。

  • 两阶段建树:超过 10^6 个分类单元超出直接建树的实际极限,因此(i)先用高回收细胞(A 亚树 410,925 个、B 亚树 244,776 个,均 ≥7 条可判定 tape)以可扩展邻接法(NJ)建骨架树;(ii)再把中等回收(4–6 条 tape)的 625,440 个细胞按距离贴到骨架上。

  • 定年:在严格分子钟下做最小二乘定年,根固定在 E1.5、末端固定在 E13.5,强制最小枝长 2 小时(由原肠胚期最快的细胞周期设定),并把每个亚树在任一时点的祖先谱系数上限设为该胚胎估计细胞数的一半(“天花板”)。

  • 节点支持度:在这个规模上自举法不可行,作者自创了一个独立编辑计数支持度(统计每个分叉上有多少个不依赖于该分叉的编辑支持它),并做了留一 tape、标签置换等对照。

  • 克隆分析:以 E7.0 时树上存在的谱系为"奠基者(founder)",其全部 E13.5 后代构成一个克隆;用 Gini 系数衡量克隆大小的不平等,并与纯出生(Yule)零模型(10,000 次重复)比较;再把奠基者集合固定,沿时间轴看 Gini 如何演化。

  • 末端与共现分析:统计"树姐妹"(cherries 与末端多分支)共享细胞类型的比例;把晚期分裂的异型姐妹对提取出来推断终末分化;用"最大演化支"内细胞类型的共现富集,并把共现随时间的消失点定义为"耦合深度",从而给细胞类型之间的耦合定年。

  • 祖先状态推断:从末端向根遍历,把每个内部节点设为子节点的平均表达谱,再在 E13.5→E8.5 的 6 小时窗口里与图谱细胞做互为最近邻匹配,赋予其更新后的表达谱与细胞类型标签。


主要结果

1. 原核注射得到的胚胎被"写满"了,而且能读出 2-细胞期的爆发

10 个胚胎中有 3 个带 epegRNA::tape-BC::circtape 整合,作者聚焦胚胎 #3(11 个整合)。原本预期最多 11 种符号,实际观察到 13 种(频率 ≥0.5%),其中 5 种只出现在单体 1–2、8 种出现在单体 2–6。最简约的解释是:那 5 种"多出来"的符号,是注射后短暂表达的 epegRNA 在极早期写下的。

关键证据来自每个整合位点内部:9 个整合位点上,>95% 的 tape 基因型在单体 1 只有两个符号之一(例如某个整合位点上 139 种基因型全部是 CAC 55% 或 AAG 45%)。一个细胞只有两种可能的第一笔,意味着第一笔写于 2-细胞期——此后两个卵裂球各自独立积累。这正是全篇最巧妙的地方:一个本属于"编辑不均匀"的技术缺陷,被反过来当作定位两个卵裂球的天然标签。

在 5 个编辑良好的胚胎、85 个整合位点中,推断发生在 1-细胞期与 2-细胞期的编辑很常见,4-细胞期的编辑不常见(唯一的例外是胚胎 #3 缺 1-细胞期编辑)。

2. 158 万个核,1,281,141 个末端的定年树

质控后得到 1,584,848 个核的转录组。细胞类型比例与 E13.5 最吻合;应激、凋亡、干扰素、DNA 损伤模块在 26 个丰度较高的细胞类型里都没有升高。但整合位点附近的 91 个基因中有 8 个差异表达,最突出的是染色质重塑因子 Chd3,在 20 个细胞类型中表达下降——记录器本身是有代价的。

在 4,371 个 11 条 tape 全部可判定的细胞里,平均已写入 55 ± 5 个单体(占 66 个的 83%),分布单峰,峰值在 56。353,681 个细胞在最好的 5 条 tape 上有基因型,其中只有 15% 与另一个细胞完全相同,稀释曲线仍然近似线性——分辨率受限于采样细胞数,而不是记录器容量。

从 ≥8 条 tape 的 401,367 个细胞中,作者推得两个卵裂球的编辑状态:A 有 23 个编辑,B 有 19 个。1,559,419 个可分流细胞里,889,849 个(57.1%)归 A,653,335 个(41.9%)归 B,合计 99.0%;剩下 16,235 个(1.0%)无法明确归属,被搁置。

两阶段重建后,骨架树 655,701 个末端,最终树 1,281,141 个末端,覆盖约 E13.5 胚胎的 10%,但"深度"上的覆盖高得多:每一个定年到 E7.5 的谱系平均有 97 个被采样的后代。作者仿照 NextStrain 做了交互式浏览器 NextCell,点任意祖先节点就能看它下面的子演化支。

3. 编辑动力学是三段的,定年因此必须打补丁

理论上,顺序记录的速率应当恒定。实测却明显不是(Fig. 2J):先是 2-细胞期约 20 个编辑的爆发,随后经过后续卵裂与囊胚形成的一段显著变慢,约 E6 起恢复,峰值约 9 个编辑/细胞/天,最后随磁带耗尽而回落。一个最小的三阶段模型就能复现这条曲线(Fig. 2I)。

这带来三处"时钟违背",作者都做了处理,也都承认处理不彻底:

  1. 细胞数天花板:不设上限的定年会把 E6.5 时的祖先谱系算成 97,566 条,而当时的真实上胚层只有约 660 个细胞。加上天花板后只损失约 1.8% 的最小二乘目标值,但会把早期节点整体推后约 4 天。
  2. 速率三段:这正是上面说的那段"变慢",使 2-细胞期到原肠胚之间的分辨率最差。
  3. 细胞类型特异的编辑速率:各细胞类型的速率落在 1.6 倍范围内,但最慢的几乎都是造血细胞。

节点支持度随时间的变化也与之呼应(Fig. 2K):第一次分裂处最高,随后那段记录稀疏的窗口里最弱,编辑恢复后又升上去,末端因磁带耗尽再略微下降。

4. 克隆优势出现于原肠胚期

以 T0 = E7.0 的谱系为奠基者,得到 3,849 个克隆(A 1,970;B 1,879),平均贡献 333 个 E13.5 后代,但极不平等:最大的 170 个克隆就占了全部末端的 50%,而在中性的 Yule 零模型下需要 720 个;实测 Gini = 0.80,零模型只有 0.50(Fig. 4, A–C)。

把奠基者固定、沿时间看贡献如何演化,Gini 在奠基后立即陡升,约 E9.0 进入平台(Fig. 4D),并且从一开始就超出零模型的 95% 包络。若把奠基时点改到 E5.5–E7.5 之间,动力学类似;改到 E10.0 则不再如此,不平等只是逐渐累积。

作者对机制的解释很克制:要超出"纯出生"零模型,需要不同谱系之间净扩张速率不同、且这种差异可遗传——无论是通过分裂还是通过存活。原肠胚期的细胞周期是哺乳动物生命周期中最短的之一,且异质;同一窗口内凋亡升高,上胚层中有相当比例细胞被细胞竞争清除,而细胞竞争作用于相对适合度,若底层差异可遗传,就能驱动非中性的克隆动力学。10% 最具增殖性的 E7.0 奠基者贡献了 39% 的 E8.0 谱系,与 Snow 1977 年的猜测大体一致。

但作者明确说:树只记录存活下来的谱系,因此无法把这份不平等拆成"分裂差异"与"存活差异"。而且 Gini 在 E9 之后趋于平台,作者的解释是"平台标记的不是异质性的终点,而是其可遗传性的终点"。

命运偏倚则另有一层:与 A、B 的"命运中性"形成对比,很多 E7.0 奠基者的输出高度偏斜(Fig. 4E)——例如 20 个奠基者只占 E13.5 胚胎的 5%,却占了它 4,178 个嗅感觉神经元中的 51%。不过到 E7.0 时奠基者在上胚层里已经占据不同位置,所以轨迹特异的动力学与奠基者偏斜都可能反映空间位置而非命运偏倚,作者对此保留了判断。

5. 树姐妹共享命运,远超随机;异型姐妹对标记终末分化

在末端层面,51% 的树姐妹对共享细胞类型标签,比标签置换零模型高 9.4 倍(严格的二末端 cherry 为 5.9 倍)。因为树只采到 E13.5 胚胎约 10% 的细胞,多数"树姐妹"其实是最近被采样的亲属而非真姐妹,所以这个数字是真姐妹一致率的下界。富集程度在不同命运间差别极大:肺祖细胞高达 145 倍——那是典型的"小而定域的祖细胞池 + 在解剖龛内克隆扩增"。

另一半树姐妹是异型的。作者提取关系最近的子集(共同祖先 ≥E12.5、最多一个不一致的单体),其中恰好一个是 27 种有丝分裂后细胞类型之一,得到 82,300 个有丝分裂后细胞、640 种"祖细胞→衍生物"配对;其中 37 对富集 ≥3 倍(最大 29 倍,1% FDR),在两个亚树间可重复。这些配对涉及 24 种祖细胞状态,为 27 种有丝分裂后类型中的 18 种至少指派了一个祖细胞,并在"单次定年分裂"的分辨率上复原了神经发生、终末成熟与造血中的经典分化事件(Fig. 5A)。

6. 从原肠胚到器官发生:一张被定年的"命运耦合"层级

树姐妹只能探到每个末端的近邻。为触及更古老的关系,作者把每个亚树切成"最大演化支"(≥3 但不超过 K 个细胞的子树),问哪些细胞类型在同一个支里共现得比随机更频繁。K=15(祖先中位年龄 E11.2)时,富集矩阵的层次聚类给出清晰的块:造血、前后神经外胚层、神经嵴、中胚层/间充质/内皮、内胚层、表面外胚层上皮(Fig. 5B)。树是在完全不参考细胞身份的情况下建的,仅凭共现就能复原这套组织方式,本身就是拓扑真实性的旁证;A、B 两个亚树之间也高度可重复(Spearman ρ = 0.79)。

进一步,作者以 0.25 天为步长扫描 E7.0–E13.25,把"某对细胞类型在两个亚树中同时显著共富集的最早时点“定义为这对类型的耦合深度。129 对细胞类型因此获得耦合深度(涉及 75/88 种细胞类型,日期跨 E8.25–E13.25),其中 95% 的显著性在时间上构成单一连续区间。对这些深度做平均连锁聚类,得到一张大多数分叉都带日期的耦合层级(Fig. 5D):聚在一起的大体对应胚层或器官,耦合最深的组"关闭"得最早。这个顺序与年代学在两个亚树间可重复。

7. 内部节点的转录状态可以被"猜"回来

树的 1,281,141 个末端各带一份转录组,但 1,109,894 个内部节点没有观测值。同一细胞类型内,树姐妹的表达状态平均比非姐妹更接近,且表达距离随最近共同祖先的深度单调变化(Fig. 6, A 和 B)——谱系邻近确实带信息,但信号很弱,所以作者选择"聚合多个后代"的策略:从末端向根遍历取子节点均值,再在 6 小时窗口内与图谱细胞做互为最近邻匹配。

结果为图谱覆盖区间内 88%(926,852/1,054,879)的内部节点给出了细胞类型标签,早期覆盖最差(E8.75 仅 46%),E11.5–E13.0 最好(96–98%)。随机遮蔽 20% 末端后标签仍稳健,而把细胞身份在末端间打乱后几乎全部丢失(一致率 0.06%)。作者进一步筛出 275 条"合格的"状态路径(异型、非递归、≥5 例、占该终末类型 ≥1%、每一步都有 ≥50 次转移且方向不对称 >60/40),其中 98% 在两个亚树中独立重现。与实验室此前手工整理的细胞类型转移图对照,360 个可检验步骤中 44% 直接相邻(富集 15.7 倍)、58% 在两步以内(7.4 倍)。


结论与意义

  1. 分子记录器第一次在小鼠体内、跨整个器官发生期跑通。从受精卵到 E13.5,记录是连续的、可遗传的、有序的,单胚胎即可重建 128 万个细胞的谱系。

  2. “缺陷即工具"是全文最漂亮的一手。2-细胞期那次约 20 个编辑的爆发,本来只是编辑动力学的非均匀性;但因为它在第一次分裂后立刻写入,A 与 B 各自的干细胞系就有了可辨的起始状态(23 vs 19 个编辑),整棵树因此自带一份内建重复(inline replicate),可以在同一个体内做"两次独立重建"的对照。

  3. 第一次卵裂的两个细胞,贡献不均等但命运中性。A 占 57.1%、B 占 41.9%(1.36 倍),但两者的细胞类型组成高度相关(Spearman ρ = 0.99,141 种细胞类型,Fig. 2E)——数量上不平等,组成上等价。这是"调节型发育"最直接的证据之一:数目可以偏,命运谱系不偏。

  4. 克隆优势不只是存在,而且被定年了。Gini 0.80 对零模型 0.50,170 个奠基者贡献一半细胞;把奠基者固定后沿时间追踪,不平等在原肠胚期陡升、约 E9 达平台。此前 GESTALT(斑马鱼)与 LoxCode(E5.5 上胚层)都能量化优势,但无法定年——这是本文新增的维度。

  5. 谱系在网络状发育中依然强烈约束命运。51% 的树姐妹共享细胞类型(9.4 倍富集),37 对祖细胞→有丝分裂后配对显著富集,129 对细胞类型获得耦合深度,275 条状态路径中 98% 在两个亚树中重现。这些结果都是从"克隆共现"读出来的,没有用到任何转录状态,却与几十年积累的经典发育关系吻合。

  6. 对领域的定位是清醒的:作者自己列出九大障碍,并逐条承认哪些只推进了、哪些没解决——递送仍然是嵌合并不可控的,没有可分发的"记录小鼠"品系;采样只覆盖约 10% 的细胞,离成年小鼠的稠密采样差几个数量级;细胞 × tape 矩阵只填了 54%;定年受三处时钟违背限制;而且只有一个胚胎,重复性只能靠 A/B 两个亚树,属于"有用但有限的重复”。

  7. 这类数据是一种新的对象。作者设想用它去锚定一个"共识个体发生(consensus ontogeny)"——一张可供多模态测量叠加的、以谱系为骨架的参考图。他们把这棵 128 万细胞的树称为"这样一个个体发生上的单一视角”,但也指出:仅凭一次不完整的谱系记录,就能读出与经典发育学一致的、带日期的细胞类型耦合层级,这件事本身就足够令人鼓舞。


我的思考

先说我觉得最值得学的一点:把记录器的缺陷当成实验设计的一部分。2-细胞期爆发在方法学上是个麻烦(它让早期编辑速率不可用、逼得作者后面必须给时钟打三个补丁),但在谱系推断上它是一份大礼——正因为第一次分裂后立刻写入了一大批编辑,A 与 B 才成为两个可以独立建树、互相验证的亚树。这种"把 artifact 转成 internal control"的思路,比任何单个结论都更值得记。

但从这里开始我有几个不太放心的地方。

第一,n = 1 的"重复"不是生物学重复。 A 与 B 共享同一个受精卵、同一批 11 个整合位点、同一个母体环境、同一套 PNI 操作。它们在统计上是伪重复(pseudoreplication):两个亚树一致,只能说明"这一次分裂的两个产物在被记录这件事上是对称的",不能说明"这个胚胎能代表小鼠"。作者用词很克制(inline replicates、a single viewpoint),讨论里也明说了需要独立动物确认,但读者(包括我自己第一遍读的时候)很容易把 ρ = 0.99、ρ = 0.94、ρ = 0.79 这一串漂亮的一致性当成"可重复性"的证据。它们证明的是内部一致性,不是外部可推广性。

第二,记录器本身是个诱变剂。 91 个整合位点邻近基因里有 8 个差异表达,Chd3 在 20 个细胞类型中下调。这不是可以一句"未见应激模块升高"就带过的事:piggyBac 随机整合 11 个位点,插入的还是一整套组成型表达的编辑机器。如果 Chd3 下调影响了染色质状态、进而影响增殖速率或分化时序,那么本文观测到的"克隆优势"里就有一部分是记录器造出来的,而不是胚胎自己的。要排除它,至少需要把"整合位点数/位置"与"克隆大小"做关联分析——作者没有做,而这在他们自己的数据里是可以做的。

第三,定年有一处我不太舒服的循环。 E2–E6 那段窗口里编辑几乎停滞,时间信号基本为零;作者用"胚胎细胞数上限"这个外部知识去约束它,把 97,566 条谱系压回约 660 个细胞、并把早期节点整体推后 4 天。这在工程上是合理的(毕竟采样不可能包含比胚胎实际拥有的更多的谱系),但它意味着 Fig. 3 那个漂亮的圆形树,其径向时间在那一段不是从数据读出来的,而是被已知答案填进去的。作者坦白地把它列为 clock violation,可是图本身不会提醒读者这一点。我在读 Fig. 3A 时会不断提醒自己:中心那圈的时间刻度,可信度是分层级的。

第四,Gini 的平台有两个解释,作者只论证了其中一个。 “平台标记的不是异质性的终点,而是其可遗传性的终点”——这句话很漂亮,也确实与"若完全遗传则偏斜应更大"的观察一致。但还有一个更平庸的可能:记录容量饱和 + 采样上限。E13.5 时 66 个单体里已写入 55 个,晚期分裂本来就分辨不出来;克隆大小停止增长,也可能只是"看不见了"。区分这两者其实有办法:把细胞随机下采样到不同深度(比如 5 万、20 万、50 万个末端),看 Gini 的平台时点是否随之移动。如果平台随采样深度漂移,那就是观测假象;如果不漂移,才支持作者的生物学解释。这个检验用现有数据就能做,但文中没有。

第五,“克隆"的边界是采样定义的。 作者很诚实地指出 51% 的姐妹一致率是下界(因为多数"姐妹"其实是最近采样亲属),但同样的逻辑对 Gini 的绝对值也成立:采样越稀,同一克隆的后代越容易被拆成多个"奠基者”,不平等就会被高估或低估。作者用骨架树复核、用不同天花板比例复核,缓解了这一点,但没有直接做"下采样 → 看 Gini 稳定性"这一步。

顺着第四个问题,我想了一个可以做的补丁实验:如果想知道 E9 之后的平台是"生物学"还是"记录器",可以在同一胚胎里做中途重标记——用诱导型 Cre 在 E9.5 给所有细胞打一个与 tape 完全独立的脉冲标记,然后在 E13.5 同时读 tape 与脉冲标记。如果脉冲标记之后的克隆大小分布仍然不均等,说明异质性在 E9 之后依旧可遗传,“平台 = 可遗传性终止"就不成立;如果变得均等,才真正支持作者的解读。这个实验不需要改记录器,只是多一个正交的时间戳,技术上应该可以和 DNA Typewriter 并行。

第六,一个概念上的收获。 这篇论文让我第一次具体地看到"命运(fate)“与"发育潜能(potency)“在数据上是可以分开的:A 与 B 的组成几乎完全一样(ρ = 0.99),但总量差了 1.36 倍。也就是说,这两个细胞在"能变成什么"上是等价的,在"实际贡献了多少"上是不等价的——而教科书里 Driesch 的区分(prospective potency 大于 prospective fate)说的正是这件事。DNA Typewriter 给出的不是潜能,而是已经实现的那部分命运;潜能仍然要靠分离、移植、嵌合这类扰动实验去问。这一点在我写发育生物学作业时反复被提醒:谱系树记录的是"曾经发生过什么”,不是"本来可以发生什么”。

仅为一点想法。


专业词汇表

单词音标释义生化医学专业含义解释
DNA Typewriter/ˈdiː en eɪ ˈtaɪpraɪtə/打字机一种顺序写入 DNA 的分子记录器本文的核心技术,靠先导编辑在 tape 上逐个写入符号
molecular recorder/məˈlekjʊlə rɪˈkɔːdə/记录器能把细胞事件编码成可遗传 DNA 标记的遗传装置与"谱系示踪"不同,它记录的是过程而非终点
prime editing/praɪm ˈedɪtɪŋ/先导编辑用 Cas9 切口酶融合逆转录酶,按模板精确写入序列不产生双链断裂,是 DNA Typewriter 的基础
prime editor (PE)/praɪm ˈedɪtə/先导编辑器上述融合蛋白本文用增强版 PEmax
PEmax/ˌpiː iː mæks/—经过工程优化的高效先导编辑器由 CAG 启动子驱动组成型表达
pegRNA/ˌpiː iː dʒiː ɑː(r) ˈen eɪ/—prime editing guide RNA,同时含间隔序列与逆转录模板决定"写什么”
epegRNA/ˈiː piː iː dʒiː ɑː(r) ˈen eɪ/—加了 3′ 端保护结构的 pegRNA稳定性更高,编辑效率更好
protospacer/ˈprəʊtəʊˌspeɪsə/原间隔序列guide RNA 识别配对的那段靶序列本文中 20 bp,即"打字头"
PAM/pæm/—protospacer adjacent motif,Cas9 识别所必需的邻近基序决定可编辑位点的边界
nick/nɪk/切口、刻痕单链断裂(区别于双链断裂)先导编辑只切一条链,避免大段缺失
reverse transcriptase/rɪˈvɜːs trænˈskrɪpteɪz/逆转录酶以 RNA 为模板合成 DNA 的酶先导编辑写入新序列的执行者
double-strand break (DSB)/ˈdʌbl strænd breɪk/双链断裂DNA 两条链同时断开密集位点上的 DSB 会连带删除邻近记录,是先导编辑要规避的
base editor/beɪs ˈedɪtə/碱基编辑器把一种碱基直接改成另一种的融合蛋白只能写点突变,符号空间小
indel/ˈɪndel/插入缺失插入或缺失突变Cas9 类记录器的"疤痕"主要由此构成
tape/teɪp/磁带、带串联重复的可编辑单体阵列本文的 TAPE-1 含 6 个 14 bp 单体
monomer/ˈmɒnəmə/单体串联阵列中的一个重复单元每个单体对应一个可写入位置
symbol/ˈsɪmbl/符号被写入的那段信息序列本文为 NNNGGA,共观察到 13 种
typehead/ˈtaɪphed/打字头当前唯一处于活性状态的 protospacer写入一次即被破坏,同时激活下游一个
barcode/ˈbɑːkəʊd/条码用来区分不同分子/细胞/整合位点的短序列本文用 12 bp 的 tape-BC 区分 11 个整合
tape-BC/teɪp biː siː/—与 tape 共价连锁的整合位点条码让"哪条 tape 属于哪个整合"可被追溯
circtape/ˈsɜːkteɪp/—表达为环状 RNA 的 tape环状 RNA 在单核测序中回收率显著更高
Tornado/tɔːˈneɪdəʊ/龙卷风一种把线性 RNA 高效环化的核酶系统本文用来产生 circtape
Pol III/pɒl θriː/—RNA 聚合酶 III,转录短的非编码 RNA驱动 circtape 表达,避免被翻译
poly(A)/ˌpɒli eɪ/多聚腺苷酸mRNA 3′ 端的腺苷酸尾本文人工加上 30 nt,便于 oligo-dT 捕获
piggyBac/ˈpɪɡi bæk/—一种转座子,可在基因组中高效整合与转座酶 mRNA 共注射以实现稳定整合
transposase/trænzˈpəʊzeɪs/转座酶催化转座子整合的酶以 mRNA 形式注射,避免长期表达
pronuclear injection (PNI)/prəʊˈnjuːklɪə ɪnˈdʒekʃn/原核注射把 DNA/RNA 注入受精卵原核的技术制作转基因小鼠的经典方法,也是本文的递送方式
pronucleus/prəʊˈnjuːklɪəs/原核受精后精、卵各自的核,融合前存在注射的靶结构
zygote/ˈzaɪɡəʊt/受精卵精卵融合形成的第一个细胞谱系树的根
blastomere/ˈblæstəmɪə/卵裂球卵裂期胚胎的单个细胞本文的 A/B 即第一次卵裂的两个卵裂球
cleavage/ˈkliːvɪdʒ/卵裂受精卵连续分裂、总体积不增加的阶段本文 2-细胞期爆发就发生在卵裂早期
morula/ˈmɒrjʊlə/桑葚胚卵裂后期形似桑葚的实心细胞团位于 2-细胞期与囊胚之间
blastocyst/ˈblæstəʊsɪst/囊胚哺乳动物着床前的胚胎,含囊胚腔分化为内细胞团与滋养层
inner cell mass (ICM)/ˈɪnə sel mæs/内细胞团囊胚中将来形成胚胎本体的细胞群与滋养层相对
trophoblast/ˈtrɒfəblæst/滋养层囊胚外层,将来形成胎盘本文未采样胚外组织,是一处明确的局限
epiblast/ˈepɪblæst/上胚层着床后胚胎中形成三个胚层的细胞层E6.5 时约 660 个细胞,是"天花板"的外部依据
gastrulation/ˌɡæstrjʊˈleɪʃn/原肠胚形成三个胚层建立、体轴确定的关键阶段本文克隆优势被定年于此
organogenesis/ˌɔːɡənəʊˈdʒenəsɪs/器官发生由胚层分化出各器官的过程E13.5 处于器官发生晚期
zygotic genome activation (ZGA)/zaɪˈɡɒtɪk ˈdʒiːnəʊm ˌæktɪˈveɪʃn/合子基因组激活胚胎开始转录自身基因的过程本文爆发期跨越 minor(1-细胞)与 major(2-细胞)ZGA
extraembryonic/ˌekstrə ˌembriˈɒnɪk/胚外的不属于胚胎本体、只支持胚胎发育的组织本文明确弃去,故未涉及滋养层贡献
lineage tracing/ˈlɪniɪdʒ ˈtreɪsɪŋ/谱系示踪标记细胞并追踪其后代去向的方法从染料注射到基因记录器,技术不断演进
fate map/feɪt mæp/命运图把成体结构映射回胚胎来源区域的图谱与谱系树不同,它描述的是"区域 → 结构"
regulative development/ˈreɡjʊlətɪv/调节型(发育)命运由外部信号决定、可被补偿的发育模式与线虫的镶嵌型相对,是小鼠的发育方式
phylogeny/faɪˈlɒdʒəni/系统发生、谱系群体间亲缘关系的树状表示本文的核心产物,一棵 128 万末端的树
parsimony/ˈpɑːsɪməni/简约(法)选择所需变化最少的树本文用"后代共享的最长编辑前缀"来推断祖先状态
neighbor-joining/ˈneɪbə ˈdʒɔɪnɪŋ/邻接法一种快速的距离建树算法本文用其可扩展版本处理 10^6 级分类单元
clade/kleɪd/演化支由一个共同祖先及其全部后代构成的群体“最大演化支"是本文共现分析的单位
node / tip/nəʊd/ /tɪp/节点 / 末端树的分叉点 / 观测到的叶节点本文有 1,281,141 个末端、1,109,894 个内部节点
topology/təˈpɒlədʒi/拓扑树的分支连接方式放置算法会重塑末端拓扑,作者对此有专门检讨
bootstrap/ˈbuːtstræp/自举通过重采样评估节点支持度的方法本文规模下不可行,故自创编辑计数支持度
molecular clock/məˈlekjʊlə klɒk/分子钟假定变化速率恒定、从而由差异量推时间的模型本文的严格分子钟被三处违背
ultrametric/ˌʌltrəˈmetrɪk/超度量的所有末端到根距离相等的树最终树是超度量的,末端全在 E13.5
most recent common ancestor (MRCA)/məʊst ˈriːsnt ˈkɒmən ˈænsestə/最近共同祖先两个末端向上追溯到的第一个共同节点Fig. 6B 用它作为"谱系深度"的横轴
cherry/ˈtʃeri/樱桃树上只含两个末端的末端分叉严格的"真姐妹”,本文一致率 5.9 倍富集
polytomy/pəˈlɪtəmi/多分支一个节点分出三个以上分支基因型相同的细胞会被并成多分支
tree sibling/triː ˈsɪblɪŋ/树姐妹树上互为最近邻的末端对因采样稀疏,多数并非真姐妹,故一致率是下界
rarefaction/ˌreərɪˈfækʃn/稀释(分析)随采样量增加评估多样性饱和程度的方法曲线仍上升说明分辨率受限于采样而非容量
Hurlbert/ˈhɜːlbət/—提出稀释插值公式的生态学家本文用 Hurlbert 插值做基因型多样性分析
UMI/ˌjuː em ˈaɪ/分子唯一标识区分原始分子与 PCR 重复的短序列每个细胞中位 51 个 circtape UMI
sci-RNA-seq3/es siː aɪ ɑː(r) en eɪ sek θriː/—单细胞组合索引 RNA 测序的第三代方案三级索引,通量极高,本文测了 158 万个核
combinatorial indexing/ˌkɒmbɪnəˈtɔːriəl ˈɪndeksɪŋ/组合索引通过多轮分池-拆分给每个细胞加上独特条码组合使百万级单细胞测序成为可能
single nucleus RNA-seq/ˈsɪŋɡl ˈnjuːklɪəs/单核 RNA 测序以细胞核而非完整细胞为起始材料成熟组织难以解离时的替代方案
co-embedding/kəʊ ɪmˈbedɪŋ/共嵌入把两个数据集映射到同一低维空间本文借此把胚胎 #3 与发育图谱对齐
UMAP/ˈjuːmæp/—均匀流形近似与投影,一种降维可视化方法只用于展示,不参与建树
k-nearest neighbors (kNN)/keɪ niːəst ˈneɪbəz/k 近邻用最近的 k 个样本投票来分类本文用它迁移细胞类型标签
Spearman’s ρ/spɪəˈmænz rəʊ/斯皮尔曼相关系数基于秩的非参数相关性度量本文反复用它比较组成与富集模式(0.99、0.94、0.79)
Gini coefficient/ˈdʒiːni ˌkəʊɪˈfɪʃnt/基尼系数衡量分布不平等程度的指标(0 绝对均等,1 绝对集中)本文用它量化克隆大小的不平等,实测 0.80
Yule model/juːl ˈmɒdl/尤尔模型纯出生(无死亡、速率均一)的随机分支过程本文的中性零模型,其 Gini 上限约 0.50
clone/kləʊn/克隆由单一祖细胞产生的全部后代本文特指"某一时点的奠基者 + 其 E13.5 后代"
clonal dominance/ˈkləʊnl ˈdɒmɪnəns/克隆优势少数祖细胞的后代占据不成比例的大量细胞本文的主要发现之一,并被定年
founder/ˈfaʊndə/奠基者被选作克隆起点的谱系本文以 E7.0 的 3,849 条谱系为奠基者
progenitor/prəʊˈdʒenɪtə/祖细胞已定向但仍有有限分裂能力的细胞本文的 24 种祖细胞状态可指派给 18 种终末类型
post-mitotic/ˌpəʊst mɪˈtɒtɪk/有丝分裂后已永久退出细胞周期的状态神经元等终末分化细胞
cell competition/sel ˌkɒmpəˈtɪʃn/细胞竞争相对适合度较低的细胞被邻近细胞清除的现象作者提出的克隆优势机制之一
apoptosis/ˌæpəpˈtəʊsɪs/细胞凋亡程序性细胞死亡原肠胚期升高且具空间格局,与克隆优势相关
proliferation/prəˌlɪfəˈreɪʃn/增殖细胞通过分裂增加数量上胚层增殖区的细胞周期最短,是另一可能机制
trajectory/trəˈdʒektəri/轨迹细胞状态随发育时间的变化路径本文有 26 条主要轨迹、138 种细胞类型注释
coupling depth/ˈkʌplɪŋ depθ/耦合深度两类细胞显著共富集的最早时点本文用它给 129 对细胞类型的耦合定年
co-occurrence/ˌkəʊ əˈkʌrəns/共现两类细胞出现在同一演化支中的现象仅凭共现就能复原胚层分组,是拓扑真实性的旁证
enrichment/ɪnˈrɪtʃmənt/富集观测值相对随机期望的超出倍数本文大量以 log2(观测/期望) 表示
permutation null/ˌpɜːmjʊˈteɪʃn nʌl/置换零模型打乱标签后重新计算得到的随机分布几乎所有富集分析的对照基准
FDR/ˌef diː ˈɑː/错误发现率多重检验中假阳性所占的期望比例本文用 Benjamini-Hochberg 控制在 1%
ddPCR/ˌdiː diː piː siː ɑː/微滴式数字 PCR把反应分成数万微滴做绝对定量用来估算各整合位点的拷贝数
genome equivalent/ˈdʒiːnəʊm ɪˈkwɪvələnt/基因组当量相当于一个单倍体基因组的 DNA 量每个整合位点约 180–370 个基因组当量
integration site/ˌɪntɪˈɡreɪʃn saɪt/整合位点外源 DNA 插入基因组的位置11 个位点,其中 8 个邻近基因表达改变
GESTALT/ˈɡestɑːlt/格式塔用 Cas9 累积编辑做全生物体谱系示踪的方法2016 年在斑马鱼中实现,但无法定年
MEMOIR/mɪˈmwɑː/回忆录用 Cas9 疤痕 + 原位成像记录谱系的方法可在空间中原位读出
LoxCode/ˈlɒks kəʊd/—用重组酶多样化条码做克隆分析的系统2019 年前后在 E5.5 上胚层中揭示克隆大小差异
peCHYRON/piː ˈkaɪrɒn/—另一套基于先导编辑的谱系记录系统与 DNA Typewriter 同属"符号化插入"一类
gastruloid/ˈɡæstrjʊlɔɪd/胃泌体由多能干细胞自组织形成的类原肠胚结构DNA Typewriter 此前唯一验证过的"体内近似"体系
pseudoreplication/ˌsjuːdəʊ ˌreplɪˈkeɪʃn/伪重复把非独立的观测当作独立重复A 与 B 共享同一受精卵,属此类
ectoderm / mesoderm / endoderm/ˈektədɜːm/ /ˈmesədɜːm/ /ˈendədɜːm/外/中/内胚层原肠胚形成时建立的三个胚层耦合层级的聚类大体对应这三者
Chd3/ˌsiː eɪtʃ ˈdiː θriː/—染色质重塑因子(CHD 家族)整合位点邻近基因中表达改变最显著者,在 20 种细胞类型中下调
epigenetic silencing/ˌepɪdʒəˈnetɪk ˈsaɪlənsɪŋ/表观遗传沉默通过染色质修饰使基因长期不表达作者推测是 ZGA 后编辑速率骤降的原因之一
dNTP/diː en tiː piː/脱氧核苷三磷酸DNA 合成的底物作者推测造血细胞中 dNTP 限制可能降低编辑速率

图片来自论文原文与网络公开资料。