人类神经类器官整合转录组细胞图谱
An integrated transcriptomic cell atlas of human neural organoids
He Z, Dony L, Fleck JS, et al. | Nature 2024 | DOI: 10.1038/s41586-024-08172-8
标签: #神经类器官 #细胞图谱 #单细胞测序 #转录组 #类器官保真度 #疾病模型 #Nature #2024
一、做什么 🔬
研究背景: 神经类器官（由多能干细胞在体外自组织生成的三维神经组织）已成为研究人脑发育、进化和疾病的强大工具。然而，现有方案能覆盖人脑的哪些区域仍不清楚，类器官的变异度和保真度也缺乏系统的定量评估方法。此前虽然已有多篇单细胞转录组研究揭示了类器官内的细胞异质性，但大多是单方案、单实验室的结果，缺少跨方案的统一整合与比较框架。
核心问题:
- 现有 20+ 种神经类器官方案各自能生成哪些脑区的细胞类型？
- 如何定量评估类器官细胞与原代脑组织的转录组相似度？
- 类器官与原代脑组织的系统性差异是什么？
- 这个整合图谱能否作为"对照队列"来注释和比较疾病模型类器官？
研究模型: 36 个 scRNA-seq 数据集（34 篇已发表 + 2 篇未发表），覆盖 26 种神经类器官分化方案（3 种非引导型 + 23 种引导型），时间点从第 7 天到 450 天，总计 177 万个细胞。
技术路线:
- 三步整合管道: RSS（参考相似谱）初投射 → snapseed 标记分层注释 → scPoli 标签感知数据整合
- 原脑参考图谱对照: 与发育中人脑单细胞图谱（27 个脑区，从端脑到后脑）映射比较
- 保真度量化: 逐细胞类型计算转录组相似度评分
- 形态发生素筛选验证: 将 1 个 morphogen screen 数据集投射到整合图谱评估区域特异性
- 疾病模型应用: 收集 11 个疾病建模数据集（覆盖 10 种神经疾病），用 atlas 作为对照队列分析差异表达
- 可扩展架构: 通过社区贡献新数据集持续扩展图谱
二、发现什么 📊
核心发现 1: HNOCA 整合图谱覆盖广泛的神经细胞类型
图 1：人类神经类器官细胞图谱（HNOCA）构建总览——36 个数据集、26 种方案、177 万个细胞的三步整合流程。
| 维度 | 说明 |
|---|---|
| 做了什么 | 收集 36 个 scRNA-seq 数据集，统一预处理和质控后，用 RSS→snapseed→scPoli 三步管道进行批次去除和数据整合 |
| 发现什么 | 整合后的 HNOCA 包含 10 大类细胞群：端脑背侧兴奋性神经元、腹侧端脑抑制性神经元、非端脑神经、OPC/少突胶质细胞、星形胶质细胞、端脑背侧 NPC、神经嵴衍生物、腹侧端脑 NPC、非端脑 NPC、脉络丛/神经上皮/间充质/PSC/胶质母细胞/内皮细胞 |
| 说明什么 | 26 种方案 collectively 可以产生从神经前体到成熟神经元、从端脑到后脑的广泛细胞类型，为后续保真度评估和方案优化提供了统一参照 |
确认了整合图谱的基本框架后，作者进一步将 HNOCA 投射到发育中人脑参考图谱，以定量评估每种方案的区域覆盖度和细胞类型保真度。
核心发现 2: 投射到原脑图谱揭示方案间区域覆盖差异
图 2：HNOCA 投射到发育中人脑参考图谱——辅助细胞类型注释并估算原代细胞类型的覆盖度。
| 维度 | 说明 |
|---|---|
| 做了什么 | 将 HNOCA 的 177 万细胞通过 RSS 方法投射到发育中人脑单细胞图谱（包含端脑、间脑、中脑、后脑、脊髓等区域），比较每种方案能生成哪些原代脑区的对应细胞 |
| 发现什么 | 引导型方案普遍区域特异性更高（如背侧端脑方案主要产生皮层兴奋性神经元），非引导型方案细胞类型更多样但区域纯度较低；某些细胞类型（如小胶质细胞、内皮细胞）在大多数方案中缺失或稀少 |
| 说明什么 | 首次系统量化了 26 种方案的"区域覆盖谱"——研究者可以根据目标脑区选择最合适的方案，也可以针对性优化缺失的细胞类型 |
上述结果提示了一个更根本的问题：类器官神经元在分子层面上与原代神经元到底有多像？差异是细胞类型身份层面的，还是状态层面的？
核心发现 3: 类器官神经元普遍存在细胞应激，但核心身份不受影响
图 3：类器官神经元与原代对应细胞的转录组比较——揭示类器官中普遍存在的细胞应激特征。
| 维度 | 说明 |
|---|---|
| 做了什么 | 对 HNOCA 中不同方案的神经细胞类型与其在原脑参考图谱中的对应细胞类型进行差异表达（DE）分析，比较跨方案共享的差异基因 |
| 发现什么 | 类器官神经元与原代神经元的差异主要集中在代谢/应激通路上（糖酵解相关基因上调），而神经元核心身份基因（如 NEUROD2、SATB2、GAD2 等）表达高度一致。细胞应激是跨方案的普遍特征，不是某一方案的特有问题 |
| 说明什么 | 这是一个关键结论：类器官神经元的细胞类型身份基本正确，差异主要是培养环境导致的状态层面（代谢/应激），而非身份层面。这意味着优化培养基（如降低糖浓度、改善氧供应）可能提高保真度，而不需要从根本上重写分化方案 |
这个发现对整个领域都有重要意义——之前一直有争议"类器官到底像不像真正的脑组织"，这篇论文给出了定量答案：身份像，状态不像。
核心发现 4: Morphogen 筛选数据集验证 atlas 作为方案评估工具
图 4：神经类器官形态发生素筛选数据投射到 HNOCA 和人脑发育图谱——用于细胞类型注释和方案评估。
| 维度 | 说明 |
|---|---|
| 做了什么 | 将一个已发表的神经类器官 morphogen screen 数据集（测试不同形态发生素组合对类器官区域化的影响）投射到 HNOCA 和原脑图谱，评估每种形态发生素条件下的区域特异性 |
| 发现什么 | 不同形态发生素组合确实会导致类器官向不同脑区分化（如高浓度 SHH 促进腹侧化，WNT 激活促进背侧/后部化）；投射结果与原研究结论一致，但 atlas 提供了更精细的细胞类型分辨率 |
| 说明什么 | HNOCA 可以作为方案评估的标准工具——新方案做完 scRNA-seq 后，只需投射到 atlas，就能快速知道它产生了哪些细胞类型、区域纯度如何、与原代的相似度多少，不需要从零开始注释 |
核心发现 5: Atlas 作为疾病模型的"对照队列"
图 5：HNOCA 作为对照队列，辅助神经疾病模型类器官的细胞类型注释和转录组比较。
| 维度 | 说明 |
|---|---|
| 做了什么 | 收集了 11 个神经疾病建模的 scRNA-seq 数据集（覆盖 10 种疾病：唐氏综合征、脆性 X 综合征、Rett 综合征等），将疾病模型数据投射到 HNOCA 进行细胞类型注释和差异表达分析 |
| 发现什么 | atlas 作为对照队列可以显著提高疾病模型细胞类型注释的准确性；通过与正常对照比较，识别出了疾病特异性的基因表达变化和通路异常（如唐氏综合征中细胞周期通路失调） |
| 说明什么 | 之前疾病类器官研究的一个痛点是"每个实验室用自己的对照，结果不可比"。HNOCA 提供了一个统一的、大规模的正常对照队列，使得不同实验室、不同疾病的研究结果可以横向比较 |
核心发现 6: 可扩展架构 — 社区贡献持续扩展 atlas
图 6：通过投射新数据集扩展 HNOCA——社区驱动的持续更新机制。
| 维度 | 说明 |
|---|---|
| 做了什么 | 设计了一套基于 scPoli 的数据投射流程：新数据集可以通过投射的方式加入 atlas，不需要重新整合全部数据 |
| 发现什么 | 5 个新数据集（来自社区贡献）成功投射到 HNOCA，细胞类型注释与原研究一致；随着新数据加入，atlas 的覆盖度和分辨率持续提升 |
| 说明什么 | 这不是一个"发布即完结"的静态图谱，而是一个可以持续生长的活资源。随着社区贡献更多数据集，HNOCA 的覆盖广度和细胞类型分辨率会越来越高 |
三、说明什么 💡
领域意义
对类器官领域的影响是范式级别的：
- 从"定性描述"到"定量评估"：之前大家说"我们的类器官模拟了皮层"，现在可以用 HNOCA 精确量化"模拟了皮层的哪些细胞亚型、转录组相似度是多少、哪些通路有差异"
- 从"各说各话"到"统一参照"：26 种方案首次放在同一个坐标系下比较，方案之间的优劣势一目了然
- 从"各自对照"到"统一对照"：疾病建模研究有了统一的正常对照队列，跨研究比较成为可能
关键局限性（论文自陈 + 读出来的）
- 时间窗口有限：类器官时间点最长 450 天，但人脑发育跨越数年，成熟阶段的细胞类型（如成熟的髓鞘化少突胶质细胞）可能仍然缺失
- 非神经细胞类型缺失：小胶质细胞、血管内皮细胞、周细胞等在大多数方案中缺失或稀少——而这些细胞对正常脑功能至关重要
- 空间信息丢失：单细胞转录组丢失了空间组织结构信息，类器官内部的空间模式需要其他技术（如空间转录组）补充
- 代谢应激是普遍问题但解决方案不明：论文鉴定了细胞应激问题，但没有给出明确的优化方案——这是下一步的重要方向
临床/转化价值
- 药物筛选的"参照标准"：用类器官做药物筛选时，可以先用 HNOCA 评估类器官的质量和保真度，排除低质量数据干扰
- 疾病机制研究：统一对照队列使得罕见病类器官模型的结果更加可信，更容易找到真正的疾病相关基因和通路
- 方案开发加速器：新分化方案可以快速映射到 HNOCA 评估效果，迭代周期从"月"缩短到"天"
与我们的产品
| 产品 | 关联度 | 应用场景 |
|---|---|---|
| 3Brain HD-MEA / CorePlate | ⭐⭐⭐⭐ | 神经类器官功能验证——HNOCA 鉴定的细胞类型是否对应功能成熟的神经元？HD-MEA 可以从电生理层面验证类器官神经元的功能保真度，补充转录组层面的评估 |
| Cellink BIO X / BIO X6 | ⭐⭐⭐ | 类器官标准化制备——HNOCA 揭示的方案间变异度问题，部分源于手动操作的不一致。3D 生物打印可以提高类器官制备的均一性和可重复性 |
| CelVivo ClinoStar | ⭐⭐⭐ | 大规模类器官培养——HNOCA 需要 177 万细胞的数据集，低剪切悬浮培养系统可以稳定产出大量高质量类器官，用于 atlas 级别的研究 |
关键切入点：
- 做类器官研究的客户（尤其是做神经疾病模型的），普遍面临"结果不稳定、不可重复"的痛点
- HNOCA 提供了"金标准"参照，但只是转录组层面的
- 3Brain 的 HD-MEA 可以提供功能层面的金标准参照——转录组像 ≠ 功能像，电生理功能验证是更高维度的保真度评估
- 这是一个很好的"技术组合"故事：转录组 atlas（组织层面）+ HD-MEA 功能验证（功能层面）= 更全面的类器官保真度评估
参考文献
- He Z, Dony L, Fleck JS, et al. An integrated transcriptomic cell atlas of human neural organoids. Nature. 2024;635:690-700. DOI: 10.1038/s41586-024-08172-8
- Quadrato G, Brown J, Arlotta P. The promise and perils of human brain organoids. Nature Methods. 2024;21(1):55-62. DOI: 10.1038/s41592-023-02075-7
- Treutlein B, Camp JG, et al. Reconstructing human development using organoids and single-cell multi-omics. Cell. 2023;186(9):1863-1883. DOI: 10.1016/j.cell.2023.03.017
- Pasca SP, et al. Human brain organoids: models and tools for neuroscience research. Nature Neuroscience. 2023;26(10):1645-1658. DOI: 10.1038/s41593-023-01428-x
- Camp JG, et al. Multi-day and multi-site organoid-based neurotoxicity testing. Nature Biomedical Engineering. 2023. DOI: 10.1038/s41551-023-01029-3
📥 下载原文 PDF: He 2024 Nature - An integrated transcriptomic cell atlas of human neural organoids (31MB)
转发语
📌 Nature 重磅！ ETH + 慕尼黑工大 + 罗氏团队首次整合 26 种方案、177 万细胞的人类神经类器官转录组细胞图谱——发现类器官神经元身份像、状态不像（细胞应激是跨方案普遍特征，但核心身份基因高度保守）。🧠⚡ 类器官保真度评估进入定量时代。
联系人:李东伟
📞 18045130660 🌐 https://www.biokingdom.top