Соматические стволовые клетки играют центральную роль в поддержании гомеостаза тканей, обеспечивая постоянное обновление и регенерацию клеточных популяций. При этом эти клетки на протяжении жизни накапливают генетические изменения, то есть соматические мутации, которые могут оказывать различное влияние на их функциональные свойства. Одним из важных явлений в биологии соматических тканей является клональный отбор — процесс, при котором отдельные клетки или их потомки с определёнными генетическими изменениями приобретают селективное преимущество и начинают доминировать в популяции. Понимание механизмов и масштабов такого отбора позволяет раскрыть фундаментальные закономерности развития как нормальной ткани, так и патологических состояний, включая онкологические заболевания и возрастные нарушения. Исторически изучение клонального отбора в соматических стволовых клетках было затруднено ограничениями методологических подходов.
С развитием технологий секвенирования ДНК, особенно целого генома, и вычислительной биологии появилась возможность исследовать популяционную динамику клеток в разных тканях с высоким разрешением. Одним из современных достижений стала разработка методов, таких как SCIFER, позволяющих выявлять клональный отбор на основе анализа вариаций аллельных частот соматических вариантов без предварительного знания конкретных драйверных мутаций. Модель SCIFER базируется на теоретических положениях популяционной генетики и применяет байесовский аппроксимационный вычислительный алгоритм для выявления статистических признаков клонального отбора в данных по вариантам с частотами, полученным из глубокого секвенирования. Благодаря этому методу возможна оценка возрастов мутаций и скорости роста клона, а также параметров стволовых клеток, таких как количество, скорость деления и скорость накопления мутаций. В отличие от традиционных подходов, SCIFER не требует выделения отдельных клеток или знания конкретных генетических драйверов, что расширяет возможности исследования на популяциях соматических клеток в различных тканях.
Применение данной модели к анализу кроветворных стволовых клеток человека показало, что клональный отбор происходит повсеместно, причем как среди клеток с известными драйверами клональной гематопоэза, так и среди клонов без идентифицированных драйверных мутаций. Такие клоны оказываются достаточно многочисленными и могут появляться на протяжении всего жизненного периода с равномерной интенсивностью, начиная с раннего детства. При этом установлено, что клональный рост объясняется не чистым случайным дрейфом генов, а именно селективным расширением определённых клеточных клонов, что важно для оценки рисков развития гематологических заболеваний. Интересен также анализ клона в нервной ткани, где выявлена первазивная селекция, но с особой динамикой: клоны преимущественно возникают в раннем возрасте, в период детства и молодости, совпадая с активными фазами роста и развития мозга. Обнаружение предраковых клонов с мутациями, характерными для глиом, даже в нейропотоках без злокачественных проявлений, подчеркивает широкое распространение таких процессров и необходимость глубокого изучения механизмов соматической мозаики в нервной системе.
Клональный отбор, выявляемый с помощью подходов вроде SCIFER, даёт возможность не только понимать динамику появления и расширения мутировавших клеточных популяций, но и оценивать гетерогенность таких процессов в разных тканях и у разных индивидов. Такой анализ помогает прогнозировать развитие патологий, в том числе формирование раковых опухолей, и их общей клинической значимости. Большую роль в понимании биологии клонального отбора играет модель построения распределения аллельных частот. В нормальных условиях, когда преобладает нейтральная эволюция, мутации накапливаются случайно, и распределение частот с временем смещается в сторону клонов с низкой частотой. При отборе в ВАФ-гистограмме проявляется характерный «плечевой» эффект — участки с повышенной долей высокочастотных вариантов, относящихся к расширяющимся клональным популяциям.
Анализ этих особенностей позволяет отделить эффекты дрейфа и отбора, что является важной задачей в изучении соматической мозаики. Преимуществом алгоритма SCIFER является его чувствительность к выявлению изменений в распределении частот уже при глубине покрытия секвенирования порядка 90–270×, что делает его применимым для анализа даже относительно небольших клонов с долей клеток порядка нескольких процентов. При этом метод демонстрирует высокую специфичность и возможность разрешать сложные ситуации с конкуренцией нескольких клонов, что особенно важно для хронологического и функционального анализа. Применение анализов к реальным образцам костного мозга человеческих доноров разных возрастов позволило выявить клональный отбор как у пациентов с известных драйверных мутациях CH, так и у тех, у кого подобные мутации ранее не были выявлены. Таким образом, существенно расширяется понятие клинической релевантности клональной гетерогенности, и открывается возможность идентификации новых потенциальных драйверов отбора, в том числе участвующих в поддержании воспалительных процессов или возрастных изменений.
Для тканей нервной системы применение SCIFER и принципиально аналогичных подходов открыло новую страницу в понимании соматической мозаики мозга. Анализы большого числа образцов из различных областей мозга выявили, что значительная часть клонов с селективным преимуществом возникают в раннем детстве и юности и существуют далее в ткани многие годы. Это совпадает с периодом активного развития и реорганизации нейрональных сетей и, вероятно, тесно связано с механизмами нормального развития и патогенеза, включая предраковые состояния. Кроме выявления самих клонов, важным аспектом является количественная оценка параметров стволовой популяции: количества клеток, скорости деления и мутагенеза. Выяснилось, что в большинстве случаев численность стволовых клеток оказывается большой, со скоростью деления от 1 до 14 раз в год, при стабильной скорости накопления точечных мутаций.
Это подтверждает концепцию стабильного структурного гомеостаза тканей с длительным сроком жизни стволовых клеток. Особо стоит отметить сложность структуры ткани и разнообразие ее клеточных компонентов, что требует учета в моделях. Например, в мозге наряду с нейронами включены глиальные клетки, обладающие разной способностью к делению и обновлению, что сказывается на распределении частот мутантных клонов и усложняет их интерпретацию. Несмотря на это, анализы позволяют делать выводы о средних параметрах обновления и динамике клонирования. Исследование моделей отбора с несколькими клонами, конкурирующими между собой, позволяет разобрать последствия последовательных мутаций и структурных перестроек клональных популяций.
Такая мультиклональная модель отражает реальную картину внутритканевой гетерогенности, что важно для прогнозирования эволюции заболеваний и ответа на терапию. Современный подход к изучению соматического клиренса и распространения мутаций в стволовых клетках имеет потенциал применения в качестве биомаркера раннего выявления заболеваний, определения индивидуальных рисков и персонализации лечения. Особенно это актуально для гематологических патологий, однако может быть расширено и на другие ткани с исполнительной функцией соматических стволовых клеток. Таким образом, выявление и количественная оценка клонального отбора в соматических стволовых клетках с помощью современных методов анализа глубокого секвенирования и математического моделирования значительно расширяют горизонты исследований в области возрастного мутагенеза, нормального развития тканей и патологии, открывая новые возможности для диагностики, мониторинга и терапии соматически обусловленных заболеваний.
