Соматические стволовые клетки играют ключевую роль в поддержании тканей организма, обеспечивая их восстановление и обновление на протяжении всей жизни. В процессе жизни в этих клетках накапливаются генетические изменения – соматические мутации, которые могут приводить к появлению клонов с различной конкурентной способностью. Процесс, при котором одни клоны получают преимущество в размножении и расширении за счет наличия драйверных мутаций или других факторов, называется клоническим отбором. Его выявление и количественная оценка чрезвычайно важны для понимания физиологии тканей, динамики стволовых клеток и механизмов развития болезней, включая гематологические и онкологические заболевания. Современные технологии секвенирования всего генома (WGS) позволяют получать детальную картину клонального разнообразия в тканевых образцах.
Однако сложность анализа состоит в том, что далеко не все клоны, обладающие селективным преимуществом, связаны с известными драйверными мутациями. Традиционные методы поиска драйверов основываются на наиболее часто мутируемых генах, однако значительная часть клонического расширения происходит без их выявления. Для решения этой проблемы была разработана методика SCIFER – Scalable Clonal Inference From Evolutionary Reconstructions, которая позволяет выявлять признаки клонического отбора непосредственно по распределению частот аллелей соматических мутаций, минуя необходимость знания самих драйверных событий. SCIFER опирается на теорию популяционной генетики и моделирует динамику клоний на основе частоты аллелей вариантов в тканях, учитывая процессы нейтрального дрейфа и селекции. Метод анализирует форму распределения частот мутаций и выявляет характерные особенности, называемые «плечами» (shoulders), которые свидетельствуют о присутствии клонов с селективным преимуществом.
При этом возможен количественный вывод таких параметров, как возраст клонов, скорость их расширения, число и частота клеточных делений в стволовой популяции. Модель связывает динамику с двумя фазами – фазой расширения количества стволовых клеток в развитии организма и фазой стабильного поддержания популяции во взрослом организме. В первом случае количество клеток растет, и мутации, возникшие в эту фазу, имеют более высокую вероятность достигнуть значимых частот, что отражается в спектре частот вариантов. Во второй фазе дрейф и селекция формируют разнообразие клоний, и наблюдаемое распределение аллелей становится сложнее. Применение SCIFER к данным по человеческому костному мозгу выявило широко распространенную клоническую селекцию, в том числе как у клонов с известными мутациями-заведующими (например, DNMT3A, TET2, ASXL1), так и без них.
Интересно, что клоны с неизвестными драйверами не только распространены, но и могут иметь параметры роста и возраст появления, сопоставимые с клонами с известными драйверами. Эта закономерность говорит о более широкой природе селекции, не ограниченной известными мутациями. Выявлено, что в костном мозгу такие клоны возникают равномерно на протяжении жизни, от детства до средней зрелости, без явного увеличения интенсивности в пожилом возрасте, возможно, отражая постоянные процессы мутагенеза и обновления стволовой популяции. Скорость клеточных делений у стволовых клеток существенно варьируется между индивидуумами, о чем свидетельствуют полученные оценки, а клоны с селективным преимуществом часто характеризуются более высокой активностью деления стволовых клеток. Помимо костного мозга, SCIFER был применен к широкому набору данных по человеческому мозгу, где также обнаружена клоническая селекция, включая клонические популяции с предраковыми мутациями, например, связанными с глиомой.
Примечательно, что в мозге основная масса таких клонов формируется в раннем возрасте, преимущественно в детстве и юности, что можно связать с активным ростом и дифференцировкой тканей в этот период. В отличие от гемопоэза, где клоны возникают равномерно по времени, здесь наблюдается концентрация времени происхождения клонов в молодом возрасте. SCIFER способен анализировать сложные сценарии, включая конкуренцию нескольких клонов с селективным преимуществом и реконструировать историю их появления и роста. Благодаря этому метод открывает возможности для более глубокого понимания динамики обновления тканей и предраковых процессов. Метод имеет важные преимущества перед традиционными подходами, которые требуют выделения и секвенирования отдельных клеточных клонов или знания конкретных драйверных мутаций.
Анализ осуществляется на основе одного образца с высоким покрытием всего генома, снижая затраты и сложность экспериментов. При этом чувствительность метода достигает обнаружения клонов с частотой варианта аллеля (VAF) около 2% и выше при глубине секвенирования около 270×. Значение изучения клонического отбора выходит за рамки фундаментальной биологии. Оно помогает определить риски развития онкологических и возрастных заболеваний, таких как кровяные раки, атеросклероз, воспалительные заболевания. Понимание механизмов возникновения и распространения клонов с потенциально опасными мутациями способствует разработке превентивных и терапевтических стратегий.
В будущем применение SCIFER и подобных методов с масштабированием на большие когорты населения, а также на другие типы тканей позволит выявлять новые драйверы селекции, исследовать влияние окружающей среды, воспалений и хронических заболеваний на динамику стволовых клеток. Особенно перспективно использование этих моделей в сочетании с мультиомическими подходами и анализом одноклеточных данных для уточнения механизмов клеточной конкуренции и развития тканей. В заключение, методы анализа клонального отбора, такие как SCIFER, меняют наше представление о поддержании гомеостаза тканей, процессах старения и предраковых изменениях. Они позволяют переосмыслить биологические принципы обновления клеток и открывают новые перспективы для медицины будущего.
