NuclearIDTracker通过核表型特征解析肠道细胞身份与谱系动态

内容形式：摘要译文

类器官模型改变了我们对肠道更新的认识。荧光成像已被广泛用于鉴定关键细胞类型及其分化路径，但免疫荧光只能提供静态读数，而活细胞成像则需要构建荧光报告系统，并受到多重检测能力有限和光谱重叠的制约。在此，我们介绍 NuclearIDTracker，这是一种可解释的机器学习框架，可直接根据三维细胞核分割结果推断细胞身份。借助单一核标记物，NuclearIDTracker 能够准确分类肠道细胞类型，并与单细胞追踪相结合，以解析细胞谱系并重建类器官发育过程中的动态状态转变。我们发现，驱动隐窝早期形成并产生吸收细胞和潘氏细胞谱系的，是TA样细胞而非干细胞；干细胞群体仅在后期出现，随后补充TA样细胞群。干细胞消融后，隐窝再生并非由某一种独立细胞类型驱动。相反，多种上皮细胞群汇聚至一种增殖性再生状态；该状态具有一种细胞核表型特征，虽与稳态TA样细胞的特征相似，但仍有所不同，并呈现与YAP/TAZ相关的胎儿样转录特征。因此，细胞核表型特征能够解析细胞身份，并揭示隐窝再生过程中的协调性上皮可塑性。NuclearIDTracker 提供了一种非扰动性工具，可在单细胞分辨率下量化细胞身份及其状态动态，揭示以往无法观察到的生物学动态，并拓展研究上皮稳态、再生和疾病的工具体系。

关键词：肠道类器官 · 细胞核表型 · 可解释机器学习 · 细胞谱系追踪 · 隐窝再生 · 上皮细胞可塑性

原文链接：https://www.biorxiv.org/content/10.64898/2026.08.26.747251v1?rss=1