🧬 biology

Inheritance Entropy: A Model-Independent Method to Probe the Hereditary Structure of Cell Lineage Trees

本文引入了一种名为“继承熵”（Inheritance Entropy）的模型无关方法，旨在证明人类骨髓基质细胞集落的异质性源于调节细胞周期退出的可遗传非遗传因素，其证据在于观测到的克隆谱系树的熵值显著低于非遗传模型。

原作者： Alessandro Allegrezza, Riccardo Beschi, Domenico Caudo, Andrea Cavagna, Alessandro Corsi, Antonio Culla, Samantha Donsante, Giuseppe Giannicola, Irene Giardina, Giorgio Gosti, Tomas S. Grigera, Stefan

发布于 2026-06-19

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Alessandro Allegrezza, Riccardo Beschi, Domenico Caudo, Andrea Cavagna, Alessandro Corsi, Antonio Culla, Samantha Donsante, Giuseppe Giannicola, Irene Giardina, Giorgio Gosti, Tomas S. Grigera, Stefania Melillo, Biagio Palmisano, Leonardo Parisi, Lorena Postiglione, Mara Riminucci, Francesco Saverio Rotondi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一棵家族树，但树上的不是人，而是在培养皿中生长的干细胞群。每当一个细胞分裂时，它就会创造出两个新的分支。通常情况下，这些分支会持续生长，填满整棵树。但有时，一个细胞会决定停止分裂。它进入了一种“不活跃”的状态（就像是在睡觉或退休）。一旦发生这种情况，那整个分支的家族树就会停止生长。

科学家们提出的核心问题是：为什么有些分支停止生长，而另一些却能持续生长？

这仅仅是随机的巧合吗？还是说，有一个隐藏的“家族秘密”从父母传递给了孩子，告诉它们何时该停止？

问题所在：“机器中的幽灵”

研究这个问题的难点在于，当一个细胞停止分裂时，它实际上从家族树的未来中“消失”了。你无法研究一个从未产生后代的细胞的后代。这就像是试图通过观察那些不存在的叶子，来研究为什么某根树枝枯死了。

通常，如果发生了突变，你会看到它像涟漪一样扩散开来。但对于“停止生长”而言，这种涟波实际上是一个“洞”。科学家们意识到，如果停止决策是纯粹随机的，那么这些“洞”会散落在各处，就像洒在挡风玻璃上的雨滴。但如果这种决策是可遗传的（像家族特征一样传承下来），那么这些“洞”会在特定的分支中聚集在一起。

解决方案：测量“继承熵”（Inheritance Entropy）

为了解决这个问题，团队发明了一种新的数学工具，称为继承熵。

把家族树想象成一个乱糟糟的房间。

高熵（混乱/随机）： 如果“停止”的细胞随机散布在整棵树上，这个房间看起来就是混乱且不可预测的。这表明停止生长可能只是运气不好或随机噪声。
低熵（有序/遗传）： 如果“停止”的细胞都聚集在仅有的一个或两个特定分支中，这个房间看起来会显得异常有序。这表明存在一种“规则”被传承了下来，告诉那个特定的分支停止生长。

科学家们为 32 个不同的人类干细胞群计算了这个“混乱度得分”（熵）。

发现：并非随机

他们将真实的细胞群与一个“打乱”的版本进行了对比。想象一下，拿出一棵真实的家族树，切掉所有“停止”的细胞，然后将它们随机粘贴到不同的分支上。这创造了一棵“虚假”的树，其中继承是不可能的。

结果： 在 75% 的真实细胞群中，“混乱度得分”明显低于那些打乱后的虚假树。

翻译： “停止”的细胞并不是随机散布的。它们聚集在特定的分支中。这证明了停止分裂的决策是可以遗传的。这不仅仅是随机的巧合，而是一种从亲代细胞传递给子代细胞的特征。

“滞后效应”：延迟反应

科学家们还发现了关于这件事情发生的时间点的一些迷人之处。他们发现了一种“突变滞后”。

想象一下，一个细胞得到了一个“停止信号”（突变）。它并不会立即停止。它会继续分裂几代，并将这个信号传递给它的后代。只有经过几代之后，细胞才会真正踩下刹车并停止。

发现： 在“停止信号”产生与细胞实际停止分裂之间，平均存在着 2 代的延迟。
为什么重要： 这种延迟至关重要。如果细胞立即停止，科学家就无法追踪信号的来源。因为存在延迟，他们可以通过观察那些“空洞”的分支，回溯到信号最初被创造出的确切时刻。

“家族秘密”（表观遗传学）

论文得出结论，这种遗传很可能是表观遗传性的。

类比： 把 DNA 想象成计算机的硬件（永远不会改变的代码）。而表观遗传学则是软件设置（比如音量、亮度或“请勿打扰”模式）。
这些细胞并没有改变它们的 DNA 代码。相反，它们是在传递一些“设置”，告诉它们何时停止工作。这解释了为什么即使起始于同一种类型的细胞，两个干细胞群看起来也可能大不相同。

总结

方法： 他们使用“混乱度得分”（熵）来观察细胞死亡是随机的还是有组织的。
发现： 在大多数细胞群中，死亡是高度有序的，这证明了“停止”信号是可遗传的。
时机： 在发送信号与细胞实际停止之间存在 2 代的延迟。
原因： 这很可能是由表观遗传因素（软件设置）而非基因突变（硬件变化）引起的。

该论文并不声称这能立即治愈疾病或改善移植效果，但它提供了一种全新的、无需模型的验证方式，用以证明干细胞群具有强大的、可遗传的结构，从而决定了它们的生长和停止模式。

技术摘要：细胞谱系树中的遗传熵

1. 问题陈述

量化细胞谱系树中遗传传递的影响仍然是生物学中的一个基本挑战。虽然单细胞图谱可以实现对细胞状态的表征，但将此与用于追踪遗传影响的经典谱系追踪相结合却非常困难。一个特定的挑战在于不活跃性（停止分裂的细胞，包括衰老、分化或静止）。与活跃增殖不同（在活跃增殖中，遗传突变会放大后代的表型），不活跃是自我限制的：一旦一个细胞变得不活跃，其分支就会终止，从而抹去了下游信息。这使得很难确定不活跃性的出现是由随机随机事件驱动的，还是由调节细胞周期退出的遗传（表观遗传）因素驱动的。此外，区分遗传突变与表观遗传继承至关重要，特别是在干细胞克隆中，克隆间的异质性会影响治疗潜力。

2. 方法论

作者引入了一种基于**香农熵（Shannon entropy）**应用于谱系树拓扑结构的模型无关方法，特别关注不活跃细胞的分布。

A. 数据采集

研究利用了 32 个人类骨髓基质细胞（BMSC）克隆克隆的高清单细胞谱系追踪数据。实验通过相位对比时间序列显微镜进行，直到所有复制细胞达到第七代（ $k_{max}=7$ ）。细胞被分类为：

活跃（Active）： 观察到有丝分裂。
不活跃（Inactive, G0/Dead）： 84 小时内未进行分裂或细胞死亡。
叶节点（Leaves）： 仅追踪至出生阶段的 $k=7$ 代细胞。

B. 不活跃度失衡

为了量化不活跃对拓扑结构的影响，作者为谱系树中的每一次有丝分裂 $m$ 定义了不活跃度失衡（inactivity imbalance, $I_m$ ）：
$I_m = |M_{m}^{left} - M_{m}^{right}|$
其中 $M$ 代表左侧和右侧分支中缺失的 $k_{max}$ 个叶节点的数量。特定节点处的大失衡表明两个子分支之间在不活跃概率上存在分歧，这可能预示着上游发生了突变事件。

C. 遗传熵

核心指标是遗传熵（inheritance entropy, $S$ ），它通过计算所有有丝分裂中失衡量的归一化权重（ $w_m$ ）得出：
$w_m = \frac{I_m}{\sum_n I_n}, \quad S = -\sum_m w_m \log w_m$

高熵： 失衡在整个树中均匀散布，表明是随机的、非遗传性的波动。
低熵： 失衡集中在少数几个节点上，表明存在特定的遗传事件（突变），该事件改变了特定子分支的不活跃概率。

D. 空集模型与验证

为了确定统计显著性，生物学树的熵被与三种非遗传性的空集模型（null ensembles）进行比较：

高尔顿-华森模型 (GW)： 所有细胞具有恒定的不活跃概率 ( $q$ )。
非齐次高尔顿-华森模型 (NHGW)： 具有世代依赖性的不活跃概率 ( $q_k$ )。
随机重洗法 (RR)： 这是首选方法。该方法通过在每一代内打乱细胞的位置，同时保持每代不活跃细胞的总数，从而切断了所有母-女遗传联系，同时保持了树的结构约束。

P 值定义为空集模型树中熵 $S \leq S_{biological}$ 的比例。较低的 P 值表明存在强烈的遗传证据。

E. 模型拟合 (SKH)

作者提出了一个随机 Kirkwood-Holliday (SKH) 模型来描述数据。在该模型中：

野生细胞以概率 $p$ 突变为“突变”状态。
突变细胞（及其后代）成为不活跃状态的概率为 $q$ 。
至关重要的是，该模型包含了一个突变滞后（mutation lag） ( $l$ )，即从突变事件发生到不活跃表型表达之间的代数间隔。

3. 主要贡献

遗传熵： 一种新型的模型无关指标，仅基于截断（不活跃）分支的拓扑结构来检测谱系树中的遗传结构。
空集模型的验证： 一项严谨的基准测试研究表明，虽然 GW 和 NHGW 模型无法区分遗传树与非齐次非遗传树（会产生假阳性），但随机重洗 (RR) 方法是稳健、敏感且模型无关的。
突变滞后量化： 能够定位不活跃概率发生变化的特定有丝分裂过程，并测量突变滞后（即突变与不活跃表型表达之间的延迟）。
随机 Kirkwood-Holliday 模型： 一个广义随机模型，成功捕捉了 BMSC 谱系的遗传特征，包括突变与不活跃之间的滞后。

4. 结果

遗传结构： 在 32 个 BMSC 克隆的实验数据集中，21 个克隆 (75%) 使用 RR 测试显示出显著的遗传特征 ( $P < 0.05$ )。其余克隆由于不活跃细胞过少，无法得出具有统计学意义的结果，但这并不一定意味着缺乏遗传性。
熵分析： 生物学树表现出的熵始终显著低于其随机重洗后的对照组，证明了不活跃细胞的分布并非随机，而是遵循遗传模式。
突变滞后： 平均突变滞后约为 2 代。这证实了导致不活跃的表观遗传变化发生在实际表型表达的上游。
模型拟合： 拟合数据的 SKH 模型得到的参数为 $p \approx 0.1$ （突变概率）和 $q \approx 0.46$ （突变细胞的不活跃概率）。使用这些参数生成的合成树在拓扑结构上与实验 BMSC 谱系高度相似。
空间 vs. 拓扑： 分析确认，不活跃细胞的聚集并非培养皿上物理位置接近（空间相关性）的人为产物，而是一种谱系上的拓扑特征。

5. 意义与主张

本文声称，观察到的 BMSC 克隆间的异质性是由调节细胞周期退出的表观遗传遗传因素驱动的，而非纯粹的随机或遗传机制。

稳健性： 基于熵的测试提供了一种简单、稳健且模型无关的方法，用于评估任何谱系树中差异化生长的遗传起源。
临床相关性： 研究结果表明，BMSC 移植中观察到的克隆间异质性（这是骨再生疗法的一个主要障碍）具有表观遗传遗传起源。理解并控制这些遗传机制可以提高干细胞疗法的一致性。
方法论进步： 通过建立“突变滞后”，该方法允许研究人员即使在表型（不活跃）是自我抹除的情况下，也能回溯表型变化的起源。
未来方向： 作者指出，虽然目前的方法侧重于不活跃性，但谱系拓扑与分裂时间之间的相关性表明，细胞周期时长也可能受表观遗传遗传机制的调节，但这需要进一步研究。

作者保持谦逊，承认 SKH 模型是一种简化，更复杂的模型可能会更好地捕捉突变滞后的方差。他们强调，该方法检测的是概率的变化；如果一个谱系的不活跃表达没有变化，则该测试将无法检测到遗传性，即使存在遗传机制也是如此。