Соматические стволовые клетки играют ключевую роль в поддержании гомеостаза тканей и восстановлении повреждений. Они обладают способностью к самовозобновлению и дифференцировке, обеспечивая непрерывное обновление клеточных популяций в организме. Однако эти клетки подвергаются накоплению генетических вариаций в течение жизни, которые могут приводить как к нейтральной эволюции, так и к возникновению клонального отбора. Понимание фактографии и параметров клональной динамики является фундаментальным для исследования различных патологий, включая онкологические заболевания, а также возрастные изменения тканей. Клональный отбор – это процесс, при котором определённые клеточные клоны, обладающие селективным преимуществом, начинают доминировать над соседними клетками, расширяясь за счёт повышенного пролиферативного потенциала или пониженного уровня апоптоза.
В соматических стволовых клетках это может проявляться как прогрессирующая экспансия мутантных клонов, которые могут влиять на функциональность ткани и способствовать развитию заболеваний. Традиционно выявление таких клонов опиралось на обнаружение известных драйверных мутаций, ассоциированных с патогенезом или злокачественными трансформациями. Однако современные методы, основанные на глубоком секвенировании всего генома, позволяют идентифицировать и характеризовать клональную динамику без необходимости знания конкретных генетических событий, выступающих в роли драйверов. Одним из таких инструментов является метод SCIFER, который использует модели популяционной генетики и байесовские алгоритмы для анализа разброса частот аллелей (VAF) соматических однонуклеотидных вариантов (SSNV) из данных целогеномного секвенирования. Принципы работы SCIFER базируются на учёте двух фаз жизни тканей: развитие и гомеостаз.
В ранние периоды жизни, когда количество стволовых клеток невелико и ткань активно растёт, происходит накопление вариантов с высокими VAF. В гомеостатическом состоянии, после достижения постоянного числа стволовых клеток, накопление новых вариантов сопровождается их дрейфом, который влияет на распределение VAF и приводит к преобладанию низкочастотных вариантов. Математическое описание этих процессов опирается на врождённые статистические модели биологической эволюции, включая процессы рождения и смертей клеток, а также на расчёт вероятностей распространения вариантов до определённых частот. В случае клонального отбора наблюдается возникновение специфической «плечи» или «плечей» в графиках кумулятивного распределения VAF, которая отражает экспансию клона с селективным преимуществом. Анализ высоты и положения таких плеч позволяет не только идентифицировать клон, находящийся под отбором, но и оценить время его возникновения, скорость роста и степень селективного преимущества.
Эта особенность даёт возможность выявлять клоны, включая те, что не имеют известных драйверных мутаций, расширяя наши представления о причинах и механизмах клональной экспансии. SCIFER успешно применяется к данным как из гемопоэтической системы, так и из других тканей, например, головного мозга. Результаты исследований показывают, что в костном мозге клональный отбор проявляется на протяжении всей жизни, при этом расширяющиеся клоны возникают равномерно от раннего детства до зрелого возраста. Наблюдается широкое разнообразие драйверных событий, включая известные мутации в генах DNMT3A, TET2 и ASXL1, а также множество неназванных или неизвестных генетических факторов, обеспечивающих селективные преимущества. В головном мозге были обнаружены предраковые клоны с мутациями, связанными с глиомами, наряду с клональными расширениями без выявленных драйверов.
Интересно, что периоды возникновения таких клонов сосредоточены преимущественно от детства до молодой взрослости, что может отражать особенности развития нервной системы и ограниченную пролиферативную активность нейрональных стволовых клеток во взрослом возрасте. Это открывает перспективы для изучения механизмов нейроонаселения, влияния клональной экспансии на неврологические заболевания и риска возникновения опухолей. Методологическая база SCIFER предусматривает применение байесовских вычислительных подходов, таких как Approximate Bayesian Computation (ABC), для подгонки математических моделей под имеющиеся данные. В процессе работы учитывается влияние технических шумов подачи данных, в частности погрешностей, связанных с глубиной секвенирования и ошибками чтения. Исследования показывают, что с глубиной покрытия в 90× метод SCIFER способен довольно точно выявлять клоны с VAF не менее 5%, а при увеличении покрытия до 270× этот порог снижается до 1–2% VAF.
Одним из преимуществ SCIFER является способность работать с одним образцом ткани, что снижает финансовые и временные затраты исследования, но при этом предоставляет качественный и количественный анализ динамики соматической популяции. Кроме того, метод позволяет выявлять несколько конкурентных клонов, расширяя возможности для понимания сложных эволюционных процессов, происходящих в тканях организма. Значение выявления клонального отбора выходит далеко за пределы фундаментальной науки. В гематологии, например, расширяющиеся клоны связаны с повышенным риском развития злокачественных заболеваний крови, а также с увеличением смертности от сердечно-сосудистых и воспалительных заболеваний. Таким образом, SCIFER и подобные методы могут стать важными инструментами для ранней диагностики, мониторинга состояния пациентов и разработки таргетных терапевтических подходов.
В других органах, таких как печень, кожа, кишечник и предстательная железа, понимание механизмов клонального отбора способствует раскрытию причин возрастных изменений и предраковых состояний, формирует базу для профилактических и лечебных стратегий. Применение SCIFER в изучении мозга может помочь в выявлении ранних признаков нейродегенеративных и онкологических заболеваний. Возможность регистрировать клональную экспансию и прослеживать её историю даёт глубинные знания о природе патогенеза и потенциал для разработки методов прогнозирования и лечения. В целом, объединение геномных технологий, математического моделирования и биологических исследований открывает новые перспективы в понимании динамики клеточных популяций. Детекция и количественная оценка клонального отбора в соматических стволовых клетках являются ключевыми звеньями в развитии персонализированной медицины, способной учитывать индивидуальные особенности клеточного старения и ответа на заболевания.
Потребность в масштабных исследованиях с большим числом образцов и разными тканями остаётся высокой. Это позволит уточнить детали влияния генетических и эпигенетических факторов на процессы развития и поддержания клональных структур, определить взаимосвязь с внешними воздействиям и образованием патологий. Не менее важна дальнейшая интеграция таких подходов с анализом одноцелевой транскриптомики, эпигенетики и метаболики, что может раскрыть комплексные механизмы регуляции жизненного цикла клонов и их микросреды. Такой мультиомный комплексный анализ создаст мощный инструмент для исследования ткани в норме и при заболевании. В заключение, достижения в области выявления и количественной оценки клонального отбора, опирающиеся на глубокий геномный анализ и математическую инженерию, кардинально меняют представления о соматической эволюции человека.
Они создают почву для развития новых диагностических и терапевтических технологий, направленных на продление здоровья и борьбу с возрастными и онкологическими заболеваниями.
