在生物学的浩瀚领域中，细胞如同微小的宇宙，承载着生命的基本信息。每个细胞都与其祖先、后代以及同源细胞紧密相连，构成了一个庞大的家族树。如同人类社会一样，细胞之间也存在着复杂的谱系关系。在诸如秀丽隐杆线虫等简单生物中，细胞家族树已被完整绘制，但人类细胞家族树的规模和复杂性却远超前者，为研究带来了巨大的挑战。
过去，麻省理工学院教授、怀特海生物医学研究所成员乔纳森·魏斯曼及其他研究人员开发了谱系追踪方法，旨在追踪和重建模式生物中细胞分裂的家族树，从而深入了解细胞之间的关系以及它们如何组装成组织、器官，甚至肿瘤。这些方法有望解答关于生物体如何发育以及癌症等疾病如何发生和发展等诸多问题。
如今，魏斯曼及其同事们开发出一种先进的谱系追踪工具PEtracer，它不仅能够准确捕获细胞分裂的家族树，还能结合空间信息，精确定位每个细胞在组织中的位置。研究人员利用PEtracer观察了小鼠体内转移性肿瘤的生长过程。通过结合谱系追踪和空间数据，他们得以详细了解癌细胞内在因素和环境因素如何影响肿瘤生长。这项研究成果已发表在2025年7月24日的《科学》杂志上。
魏斯曼表示：“开发这种工具需要整合多种技能，这种雄心勃勃的跨学科合作只有在怀特海研究所这样的地方才有可能实现。”他同时也是霍华德·休斯医学研究所的研究员。“卢克带来了基因工程方面的专业知识，普擅长成像技术，凯蒂精通癌症生物学，威廉则擅长计算。但他们成功的关键在于能够齐心协力构建PEtracer。”
卢克·科布兰说：“了解细胞在时间和空间中的运动是研究生物学的重要途径。在这里，我们能够以高分辨率观察到这两点。我们的想法是，通过了解细胞的过去和它最终的位置，你可以看到它一生中不同的因素如何影响它的行为。在这项研究中，我们使用这些方法来观察肿瘤的生长，尽管原则上我们现在可以开始应用这些工具来研究其他感兴趣的生物学，如胚胎发育。”
设计工具以追踪时空中的细胞
PEtracer通过随时间推移，重复向细胞DNA添加短的、预先确定的代码来追踪细胞的谱系。每个代码片段，称为谱系追踪标记，由五个碱基组成，这些碱基是DNA的组成部分。这些标记使用一种称为主要编辑的基因编辑技术插入，该技术直接重写DNA片段，产生的非预期副产品最少。随着时间的推移，每个细胞都会获得更多的谱系追踪标记，同时保持其祖先的标记。然后，研究人员可以比较细胞的标记组合，以确定关系并重建家族树。
科尔甘说：“我们使用计算建模从第一原理设计该工具，以确保它高度准确，并且与成像技术兼容。我们进行了多次模拟，以确定新谱系追踪工具的最佳参数，然后我们设计了我们的系统以适应这些参数。”
当组织——在这种情况下，是在小鼠肺部生长的肿瘤——充分生长时，研究人员收集这些组织，并使用先进的成像方法来观察每个细胞与其他细胞的谱系关系（通过谱系追踪标记），以及它在成像组织中的空间位置和身份（由每个细胞中表达的不同RNA的水平确定）。PEtracer与成像方法和测序方法兼容，这些方法可以捕获来自单个细胞的遗传信息。
郑说：“使收集和分析来自成像的所有这些数据成为可能，这是一个巨大的挑战。对我来说，特别令人兴奋的不仅仅是我们能够收集TB级的数据，而且我们设计的项目是为了收集我们知道可以用来回答重要问题并推动生物学发现的数据。”
重建肿瘤的历史
将谱系追踪、基因表达和空间数据相结合，使研究人员能够了解肿瘤的生长方式。他们可以分辨出相邻细胞之间的密切程度，并比较它们的特征。使用这种方法，研究人员发现他们分析的肿瘤由四个不同的模块或细胞群落组成。
肿瘤细胞最靠近肺部（营养最丰富的区域），它们的适应性最强，这意味着它们的谱系历史表明随着时间的推移，细胞分裂的速率最高。癌细胞的适应性往往与肿瘤的侵袭性相关。
位于肿瘤“前沿”（远离肺部的远端）的细胞更加多样化，适应性也较差。在前沿下方是一个低氧细胞群落，这些细胞可能曾经是前沿细胞，现在被困在一个不太理想的位置。在这些细胞和肺部相邻细胞之间是肿瘤核心，这是一个既有活细胞又有死细胞以及细胞碎片存在的区域。
研究人员发现，家族树中的癌细胞同样可能最终进入大多数区域，但肺部相邻区域除外，该区域由家族树的几个分支主导。这表明，癌细胞的不同特征在很大程度上受到其环境或其局部群落条件的影响，而不是其家族史。这一点的进一步证据是，某些与适应性相关的基因（如Fgf1/Fgfbp1）的表达与细胞的位置相关，而不是其祖先。然而，肺部相邻细胞也具有赋予它们优势的遗传特征，包括适应性相关基因Cldn4的表达——这表明家族史也会影响结果。
这些发现表明，癌症的生长既受到癌细胞某些谱系内在因素的影响，也受到塑造暴露于它们的癌细胞行为的环境因素的影响。
尤斯特说：“通过协调一致地观察肿瘤的这么多维度，我们可以获得仅通过更有限的视角无法获得的见解。能够表征肿瘤内不同的细胞群将使研究人员能够开发出更有效地靶向最具侵袭性群体的疗法。”
科布兰说：“既然我们已经完成了设计该工具的艰苦工作，我们很高兴将其应用于观察健康和疾病中的各种问题，在胚胎发育中以及在其他模型物种中，着眼于理解人类健康中的重要问题。我们收集的数据对于训练细胞行为的AI模型也将很有用。我们很高兴与其他研究人员分享这项技术，并看看我们大家可以发现什么。”
