Метод маркировки родословной клеток эмбриона PIT00697 позволяет снова обсуждать проблему клеточной родословной PIT00073, которую мы сформулировали в проекте «Книги клетки» (CellBook) 12 лет назад. Природа хранителя родословной клеток пока полная тайна.

Поэтому перевод статьи
Chen, Yingying, and Xianfa Yang. In preprints–toward a holistic lineage-tracing map of mammalian embryogenesis // Development 153 (12), dev205877 (2026). doi 10.1242/dev.205877.
позволит начать здесь создание правильного образа «книги клетки».

В препринтах – путь к созданию целостной карты прослеживания родословной эмбриогенеза млекопитающих

Чен, Инъин и Сяньфа Ян // Перспектива 29/6/2026 doi 10.1242/dev.205877

Аннотация
В основе биологии развития остается фундаментальный вопрос: как одна оплодотворенная яйцеклетка дает начало сотням функциональных специализированных типов клеток, составляющих различные ткани, органы и отдельный организм [12, 13]. Комплексная карта клеточных линий эмбриогенеза может предоставить полное «генеалогическое древо» каждого предка и его потомства, а также служить планом для выявления молекулярных механизмов, управляющих диверсификацией клеточных судеб, и для определения происхождения клеток, имеющих отношение к регенеративной медицине [2]. Первая полная карта клеточных линий от зиготы до взрослой особи была описана для нематоды C. elegans посредством прямой визуализации и регистрации [11, 1]. Однако эта стратегия по-прежнему представляет собой технически сложную задачу для точного отслеживания клеточных линий в непрозрачных эмбрионах с большим количеством клеток, таких как эмбрионы млекопитающих, которые развиваются исключительно в материнских тканях [13].

Отслеживание родословной за пределами визуализации
В последнее время, благодаря быстрому прогрессу в современной геномике, инструментарий для отслеживания родословных значительно расширился, что позволило создавать все более сложные иерархии родословных в различных системах развития. Помимо родственных связей, интеграция секвенирования отдельных клеток и наследуемых ДНК-штрихкодов может помочь выявить лежащие в основе молекулярные принципы с помощью точной пространственно-временной информации. Однако наше понимание ограничений судьбы клеток во время эмбриогенеза мыши, особенно для сильно различающихся траекторий развития на стадии органогенеза, остается неполным.

Недавняя препринт-статья лаборатории Джонатана С. Вайсманна, опубликованная в сотрудничестве с группой Закари Д. Смита [4], представляет собой важный шаг на пути к решению этой проблемы путем интеграции высокопроизводительной регистрации клеточных линий с профилированием отдельных клеток. За последнее десятилетие лаборатория Вайсманна стала пионером в разработке, создании и оптимизации технологий молекулярной регистрации для изучения критически важных особенностей как эмбриогенеза, так и прогрессирования рака [3, 9, 14]. Недавно они разработали развивающуюся технологию отслеживания клеточных линий на основе прайм-редактирования, которую они назвали PEtracer [7]. Одним из главных преимуществ перед традиционными методами является то, что PEtracer может одновременно профилировать транскриптомное состояние клеток и родственные связи в большом количестве диссоциированных клеток, оказывая при этом минимальное воздействие на нативные клеточные функции. Кроме того, PEtracer демонстрирует отличную масштабируемость при сочетании с различными технологиями молекулярного профилирования, такими как пространственная транскриптомика.

В своем последнем опубликованном исследовании они дополнительно применили PEtracer для всестороннего картирования состояния клеток и динамики клеточных линий на ранних стадиях органогенеза у мышей, происходящих с E7.5 по E10.0 с интервалом в полдня [4]. Для получения всеобъемлющей карты клеточных линий органогенеза у мышей они сначала модифицировали эмбриональные стволовые клетки мышей, внедрив в них 35 уникальных кассет для отслеживания клеточных линий (LTC – lineage tracing cassettes), содержащих 105 редактируемых участков. Теоретически это позволило бы создать филогении высокого разрешения с высокой воспроизводимостью для клеточных популяций, превышающих 10⁹ клеток, что впервые сделало бы возможным всестороннее отслеживание клеточных линий органогенеза у мышей. Благодаря углубленному транскриптомному анализу более 50% отдельных клеток в эмбрионах мышей, они реконструировали почти полную картину развития как основных, так и редких клеточных популяций, возникших на ранних стадиях органогенеза.

Количественная модель того, как происходит определение судьбы клеток in vivo
После построения филогенетических деревьев клеточных линий Колган, Коблан и их коллеги [4, 7] количественно измерили динамику ограничения клеточной судьбы, используя в качестве исходной модели событие спецификации зародышевых слоев. Они обнаружили, что статистически значимая предвзятость в отношении судьбы зародышевых слоев возникает примерно на стадии E4.0, примерно во время имплантации, но задолго до гаструляции. Это предполагает, что ранний пространственный клеточный контекст и сигнальные сигналы могут уже вызывать слабые вероятностные смещения, которые впоследствии усиливаются во время гаструляции и органогенеза. Авторы также обнаружили, что ограничение судьбы эндодермы происходило в среднем раньше, чем ограничение судьбы эктодермы или мезодермы.

Помимо определения зародышевых слоев, авторы количественно определили динамику ограничения судьбы клеток на уровне типов клеток. Как и в случае с зародышевыми слоями, смещение судьбы клеток впервые проявилось примерно на стадии ~E4.0 и было обусловлено повторяющимися мотивами смещения судьбы, присутствующими до стадии E7. Примечательно, что мезодермальные и некоторые передние эктодермальные типы клеток показали самое раннее смещение судьбы. Благодаря этим усилиям авторы предлагают количественную основу для лучшего понимания определения судьбы клеток, что позволяет систематически исследовать любые конкретные ткани с беспрецедентной точностью.

Логика, специфичная для каждой ткани, лежащая в основе определения судьбы
Анализ на тканевом уровне показал, что определение клеточной судьбы не подчиняется единому универсальному правилу. Вместо этого, различные ткани демонстрируют разную логику развития в отношении времени, стабильности и пластичности определения клеточной линии. Например, при рассмотрении сердца первое сердечное поле, переднее второе сердечное поле и заднее второе сердечное поле были определены как отдельные компартменты клеточной линии. Эти взаимосвязи не были полностью отражены только на основе сходства транскрипции, поскольку кардиомиоциты разного происхождения могут сходиться к общим программам экспрессии генов, сохраняя при этом отдельные истории клеточной линии. Это подчеркивает важность прямого измерения клеточной линии для выявления взаимосвязей развития, которые скрыты более поздней конвергенцией транскрипции. В отличие от этого, предшественники нервного гребня сохраняют значительную гибкость развития на начальном этапе определения судьбы, сохраняя способность принимать либо идентичность дорсального корешкового ганглия (DRG – dorsal root ganglion), либо автономную идентичность, в то время как предшественники задней оси сохраняют длительную бипотентность на протяжении всего удлинения оси тела. В совокупности эти примеры показывают, что эмбриогенез млекопитающих сочетает в себе раннюю направленность дифференцировки, пространственно организованные пулы клеток-предшественников, тканеспецифическую сигнальную среду и повторяющиеся транскрипционные программы.

Новые принципы и открытые вопросы
Представленная в этом исследовании всесторонняя карта судьбы клеточных линий на ранних стадиях органогенеза отвечает на ряд давних вопросов в биологии развития, открывая при этом новые направления для будущих исследований. Один из возникающих вопросов — как история клеточных линий встраивается в трехмерное эмбриональное пространство? Совместимость PEtracer с пространственными методами [8], такими как MERFISH, открывает захватывающие возможности для сопоставления взаимосвязей клеточных линий с архитектурой тканей, градиентами морфогенов и локальными межклеточными взаимодействиями. Другой вопрос, который возникает, — как устанавливаются эти правила клеточных линий? Мультиомические исследования эмбриогенеза в настоящее время предоставили существенную информацию для анализа лежащих в основе регуляторных механизмов [10, 6, 15]. Будущая интеграция этих дополнительных параметров с филогениями клеточных линий позволит систематически исследовать механизмы возникновения, сохранения и, в конечном итоге, ограничения пластичности судьбы клеток.

Комплексная карта судьбы клеточных линий также представляет собой надежную точку отсчета при изучении изменений в условиях внешних воздействий. Применение PEtracer к генетическим мутантам, нарушениям сигнальных путей или изменениям окружающей среды может показать, возникают ли дефекты развития из-за измененного распределения предшественников, задержки ограничения судьбы, аномальной пролиферации или нарушения конвергенции клеточных линий [5]. Набор данных, предоставленный [4], также может стать основой для прогностических моделей эмбриогенеза. Связывая происхождение, состояние транскрипции и время развития, атласы с разрешением по клеточным линиям могут помочь в обучении цифровых моделей эмбрионов, которые прогнозируют исходы клеточной судьбы в определенных условиях. В целом, этот препринт представляет собой важный шаг к пониманию развития млекопитающих с разрешением по клеточным линиям и, в конечном итоге, к прогнозированию. Представленная в нем карта судьбы клеточных линий, безусловно, станет важным ресурсом для эмбриологов и биологов развития.

References

1. Bao, Z., Murray, J. I., Boyle, T., Ooi, S. L., Sandel, M. J. and Waterston, R. H. (2006). Automated cell lineage tracing in Caenorhabditis elegans. Proc. Natl. Acad. Sci. USA 103, 2707-2712. doi 10.1073/pnas.0511111103.

2. Baron, C. S. and van Oudenaarden, A. (2019). Unravelling cellular relationships during development and regeneration using genetic lineage tracing. Nat. Rev. Mol. Cell Biol. 20, 753-765. doi 10.1038/s41580-019-0186-3.

3. Chan, M. M., Smith, Z. D., Grosswendt, S., Kretzmer, H., Norman, T. M., Adamson, B., Jost, M., Quinn, J. J., Yang, D., Jones, M. G. et al. (2019). Molecular recording of mammalian embryogenesis. Nature 570, 77-82. doi 10.1038/s41586-019-1184-5.

4. Colgan,W. N., Koblan, L.W., Villagrana, J., Jason Hou, T. C.,Wang, M., Gowri, G., Chandler, W., Sepúlveda, L. A., Ciftci, D., Smolyar, K. et al. (2026). Comprehensive lineage tracing maps the landscape of cell fate decisions in mouse embryogenesis. bioRxiv, 2026.05.07.722278. doi 10.64898/2026.05.07.722278.

5. Domcke, S. and Shendure, J. (2023). A reference cell tree will serve science better than a reference cell atlas. Cell 186, 1103-1114. doi 10.1016/j.cell.2023.02.016.

6. Hallou, A., He, R., Simons, B. D. and Dumitrascu, B. (2025). A computational pipeline for spatial mechano-transcriptomics. Nat. Methods 22, 737-750. doi 10.1038/s41592-025-02618-1.

7. Koblan, L. W., Yost, K. E., Zheng, P., Colgan, W. N., Jones, M. G., Yang, D., Kumar, A., Sandhu, J., Schnell, A., Sun, D. et al. (2025). High-resolution spatial mapping of cell state and lineage dynamics in vivo with PEtracer. Science 390, eadx3800. doi 10.1126/science.adx3800.

8. Moses, L. and Pachter, L. (2022). Museum of spatial transcriptomics. Nat. Methods 19, 534-546. doi 10.1038/s41592-022-01409-2.

9. Quinn, J. J., Jones, M. G., Okimoto, R. A., Nanjo, S., Chan, M. M., Yosef, N., Bivona, T. G. and Weissman, J. S. (2021). Single-cell lineages reveal the rates, routes, and drivers of metastasis in cancer xenografts. Science 371, eabc1944. doi 10.1126/science.abc1944.

10. Sendra, M., McDole, K., Jimenez-Carretero, D., Hourcade, J. D., Temiño, S., Raiola, M., Guignard, L., Keller, P. J., Sánchez-Cabo, F., Domı́nguez, J. N. et al. (2024). Epigenetic priming of embryonic lineages in the mammalian epiblast. bioRxiv, 2024.01. 11.575188. doi 10.1101/2024.01.11.575188.

11. Sulston, J. E., Schierenberg, E., White, J. G. and Thomson, J. N. (1983). The embryonic cell lineage of the nematode Caenorhabditis elegans. Dev. Biol. 100, 64-119. doi 10.1016/0012-1606(83)90201-4.

12. VanHorn, S. and Morris, S. A. (2021). Next-generation lineage tracing and fate mapping to interrogate development. Dev. Cell 56, 7-21. doi 10.1016/j.devcel.2020.10.021.

13. Wolf, S., Wan, Y. and McDole, K. (2021). Current approaches to fate mapping and lineage tracing using image data. Development 148, dev198994. doi 10.1242/dev.198994.

14. Yang, D., Jones, M. G., Naranjo, S., Rideout, W. M., 3rd, Min, K. H. J., Ho, R., Wu, W., Replogle, J.M., Page, J. L., Quinn, J. J. et al. (2022). Lineage tracing reveals the phylodynamics, plasticity, and paths of tumor evolution. Cell 185, 1905-1923.e25. doi 10.1016/j.cell.2022.04.015.

15. Yang, X., Xie, B., Shen, P., Chen, Y., Li, C., Tan, F., Yang, Y., Yang, Y., Song, R., Mi, P. et al. (2026). Integrated multi-omic atlas reveals the hierarchy of spatiotemporal regulatory networks of mouse gastrulation. Nat. Commun. 17, 1572. doi 10.1038/s41467-026-68291-w.