Авторизация
Регистрация
Войти как пользователь:
Логин
Пароль
Забыли пароль
Логин (мин. 3 символа):*
Адрес e-mail:*
Пароль:*
Подтверждение пароля:*

Введите код*


Поменять код
Профессия:*
Место учёбы:
Место работы:

*Поля, обязательные для заполнения.

Я принимаю условия Пользовательского соглашения и даю своё согласие на обработку моей персональной информации на условиях, определенных Политикой конфиденциальности.

Для получения пароля введите e-mail, который был использован при регистрации личного кабинета:

E-Mail:

СВЯЗАТЬСЯ С РЕДАКЦИЕЙ

Я принимаю условия Пользовательского соглашения и даю своё согласие на обработку моей персональной информации на условиях, определенных Политикой конфиденциальности.

Оставить заявку

Я принимаю условия Пользовательского соглашения и даю своё согласие на обработку моей персональной информации на условиях, определенных Политикой конфиденциальности.

Получить медиакит

Я принимаю условия Пользовательского соглашения и даю своё согласие на обработку моей персональной информации на условиях, определенных Политикой конфиденциальности.
- Генетику жизнеспособности клеток можно изучать на «клеточной деревне»

Генетику жизнеспособности клеток можно изучать на «клеточной деревне»

Оценка факторов, влияющих на пролиферацию и выживаемость клеток, важна как в норме, так и при патологии. Однако способы измерения жизнеспособности клеток не всегда обеспечивают высокую воспроизводимость результатов и обычно проводятся на клетках от малого числа доноров. Ученые из США и Финляндии предложили решить эту проблему с помощью «клеточной деревни» — совместной культуры генетически различных линий. Они получили нейрональные стволовые клетки (НСК) разных людей и выращивали в одной культуре от 12 до 39 линий, а также создали модель Townlet для статистической обработки таких данных. Авторы выявили гиперпролиферацию НСК при делеции 16p11.2 (она повышает риск развития аутизма), описали распространенные варианты в локусе ZFHX3, которые тоже влияют на скорость пролиферации, и выяснили, какие генетические факторы определяют чувствительность клеток к свинцу.

Credit:

Timothy Derebenskiy/Wells Lab | пресс-релиз

Пролиферация и выживание клеток играют важнейшую роль как в нормальном развитии организма, так и в различных патологических процессах. Для изучения этого необходимы анализы, измеряющие жизнеспособность клеток, но существующие методы страдают от недостатка разнообразных доноров клеток и ограниченной воспроизводимости. Ученые из США и Финляндии разработали подход к скринингу жизнеспособности, который опирается на «клеточные деревни» — объединенные культуры генетически разнородных клеточных линий, а именно нейрональных стволовых клеток (НСК) различных людей. 

Для создания «клеточных деревень» авторы получили человеческие плюрипотентные стволовые клетки добровольцев, а затем дифференцировали их в НСК. В одной культуре содержалось от 12 до 39 линий от разных доноров. 
Хотя «клеточные деревни» как модельная система набирают популярность, остаются вопросы о том, насколько снижается техническая погрешность по сравнению с отдельными культурами и как взаимодействия между клетками разных доноров влияют на фенотип. Чтобы выяснить это и проверить, подходит ли такая модель для анализа жизнеспособности клеток, авторы измерили скорость пролиферации НСК разных доноров в «деревне» и в отдельных культурах, а затем сравнили воспроизводимость результатов в каждой из моделей. Отдельные клеточные линии в «деревне» отслеживали с помощью Census-seq — этот подход опирается на секвенирование всей культуры с низким покрытием, а каждую клеточную линию отличают по своему набору генетических полиморфизмов, которые служат естественными метками. 
Ученые пришли к выводу, что в целом данные, полученные на индивидуальных культурах и «деревнях», согласуются между собой, однако техническая погрешность во втором случае ниже. Также ученые убедились, что влияние чужеродных клеток (т. е. клеток других доноров) не вносит искажения в фенотип той или иной линии. 
Теперь перед авторами встала новая задача — корректная обработка таких данных. Присущая группам пропорциональная структура данных делает невозможным использование традиционных статистических инструментов, поэтому авторы создали иерархическую модель регрессии Дирихле под названием Townlet. По данным секвенирования, проведенного в нескольких временных точках или при разных воздействиях, модель анализирует долю клеток каждого донора в группе и оценивает индивидуальную жизнеспособность. 
Убедившись в применимости разработанной платформы, авторы применили ее для проверки нескольких биологических гипотез.
Например, известно, что гетерозиготная делеция хромосомного региона 16p11.2 повышает риск развития расстройств аутистического спектра (РАС), умственной отсталости и увеличения площади коры головного мозга. В некоторых работах сообщалось об усиленной пролиферации НСК в клеточных моделях с такой делецией, но данные были противоречивые. Отсутствие консенсуса могло быть обусловлено небольшими размерами выборок доноров (n = 3–4 линии пробандов) и технической погрешностью — теми проблемами, над решением которых и работали авторы этой статьи. Они проверили гипотезу на «клеточной деревне», которая содержала НСК в том числе от доноров с такой делецией, и подтвердили гиперпролиферацию. Авторы предполагают, что делеция 16p11.2 может способствовать макроцефалии за счет избыточного роста популяций НСК в развивающемся мозге.
Ученые проанализировали и другие гены, влияющие на пролиферацию НСК и нейроразвитие. Они обнаружили 12 полиморфизмов в регуляторной области гена ZFHX3 — этот фактор транскрипции уже связывали с регуляцией клеточного цикла и скорости пролиферации.
Наконец, исследователи проанализировали генетические варианты, влияющие на индивидуальную чувствительность (или, наоборот, устойчивость) к токсическим воздействиям. ВОЗ относит свинец к числу наиболее опасных загрязнителей из-за его распространенности и вредного воздействия на человека, в том числе нервную систему. Опыты с воздействием свинца на «клеточную деревню» НСК показали, что девять из 39 доноров отличались повышенной устойчивостью, а 11 — сниженной. Оказалось, что на нее влияют варианты в транскрипционном факторе ARNT2, который высоко экспрессируется в головном мозге и обладает нейропротекторным действием.
Таким образом, «клеточная деревня», объединяющая клетки генетически разнородных доноров, — это подходящая модель для изучения того, как генетические факторы влияют на жизнеспособность клеток в тех или иных условиях. 


Химероиды — модели мозга из клеток разных людей

Источник

Chloe Hanson, et al. Cell villages and Dirichlet modeling map human cell fitness genetics. // The American Journal of Human Genetics, 2026. DOI: 10.1016/j.ajhg.2026.07.005 
Геномика Секвенирование Клеточная биология Новые инструменты и оборудование Методология эксперимента
Добавить в избранное
Подписаться

Вам будет интересно

31.07.2026
186
0
Добавочные хромосомы имеют полноценные теломеры, которые в мейозе прикрепляются к ядерной оболочке
28.07.2026
100
0
Черноногие говорушки рискуют своим выживанием в попытке оставить потомство
08.07.2026
169
0
Препараты, содержащие ароматические гетероциклы, лучше проникают в туберкулезную микобактерию
03.07.2026
173
0
«Конструктор» из бактериальных ферментов для синтеза противораковых препаратов
02.07.2026
190
0
Малярийный плазмодий проникает в эритроцит с помощью «парусного судна»

Мы используем файлы cookie для улучшения работы сайта. Узнать больше.

Настройки файлов cookie

Мы используем файлы cookie для улучшения работы сайта, анализа трафика и показа персонализированной рекламы. Вы можете изменить настройки в любой момент.

Категории файлов cookie:

Необходимые

Эти cookie обеспечивают базовую функциональность сайта — вход в аккаунт, безопасность, оформление заказов. Отключение невозможно.

Функциональные

Функциональные cookie используются для обеспечения работы отдельных функций сайта, а также для запоминания ряда пользовательских предпочтений (например, выбранный язык, товары в корзине), с целью улучшения качества предоставляемого сервиса.

Отключение этого типа файлов cookie может привести к тому, что некоторые сервисы или функции сайта станут недоступны или будут работать некорректно. В результате, вам может потребоваться повторно вводить определённую информацию или настраивать предпочтения при каждом посещении сайта вручную.

Аналитические

Аналитические файлы cookie, включая сторонние аналитические cookie, помогают нам понять, как вы взаимодействуете с нашим сайтом. Эти файлы не собирают информацию, позволяющую установить вашу личность. Все данные обрабатываются в агрегированной и анонимной форме.

Рекламные

Рекламные cookie, включая сторонние, используются для создания пользовательских профилей и показа рекламы, соответствующей вашим интересам и предпочтениям при просмотре сайтов.

Эти cookie позволяют персонализировать рекламные сообщения, которые вы видите, делая их более релевантными. Они также могут использоваться для ограничения количества показов одной и той же рекламы и для оценки эффективности рекламных кампаний.