杜氏肌營養(yǎng)不良癥(Duchenne Muscular Dystrophy, DMD)是一種嚴重的遺傳性肌肉退行性疾病。傳統(tǒng)觀點認為其病理核心在于肌纖維的結構蛋白——抗肌萎縮蛋白的缺失。然而,肌肉干細胞(MuSC)的功能紊亂是否及如何參與疾病進程,一直存在爭議。本研究通過創(chuàng)新的活體成像技術,首次在疾病小鼠模型中動態(tài)、直觀地揭示了DMD環(huán)境下肌肉干細胞的異常行為。研究發(fā)現(xiàn),病變的肌肉干細胞存在遷移能力受損和提前分化兩大核心缺陷。這些缺陷并非隨機發(fā)生,而是由失衡的對稱分裂所驅動,并且與關鍵的p38 MAPK和PI3K信號通路異常密切相關。這項研究將DMD定義為一種同時涉及干細胞功能紊亂及其微環(huán)境失調的疾病,為通過修復干細胞功能來改善肌肉再生提供了新的策略。
本研究成果由Liza Sarde, Gaelle Letort, Hugo Varet, Vincent Laville, Julien Fernandes, Shahragim Tajbakhsh & Brendan Evano共同完成。研究論文題為“Impaired stem cell migration and divisions in Duchenne muscular dystrophy revealed by live imaging”,于2026年在《Nature Communications》期刊在線發(fā)表。
重要發(fā)現(xiàn)
01活體成像直擊:病變干細胞的遷移障礙與提前分化
為了在生物體內部直接觀察肌肉干細胞的行為,研究者構建了基因報告小鼠模型。他們利用Pax7CreERT2系統(tǒng),在肌肉干細胞中特異性表達膜定位的綠色熒光蛋白,從而在活體狀態(tài)下對干細胞及其后代進行熒光標記。通過雙光子顯微鏡,對小鼠后肢的趾短屈肌進行長達數(shù)小時的連續(xù)活體成像。
在健康的肌肉中,激活后的肌肉干細胞呈現(xiàn)紡錘形,沿著受損肌纖維的縱軸進行快速、有方向的遷移。然而,在DMD模型小鼠中,景象截然不同。動態(tài)成像數(shù)據(jù)顯示,病變干細胞的平均遷移速度顯著下降,運動軌跡的“直行度”降低,轉向角增大,表明其遷移效率和方向性都受到了損害。更引人注目的是,在損傷后僅三天,就在DMD小鼠肌肉中觀察到了多核的肌管結構,而健康對照組中此時主要為單核的成肌細胞。這強有力地證明,DMD環(huán)境下的肌肉干細胞分化進程大大提前。后續(xù)的流式細胞術分析定量證實,DMD模型干細胞的分化指數(shù)顯著高于健康組。
02離體微環(huán)境研究:揭示對稱分裂失衡的核心作用通過這一系統(tǒng),研究者得以精確追蹤每一個干細胞的增殖、分化與遷移。定量分析證實了活體觀察到的表型:DMD模型干細胞分化比例更高,增殖能力更弱。深入分析細胞分裂模式時,有了關鍵發(fā)現(xiàn)。此前有研究認為DMD中干細胞的不對稱分裂受損,但本研究動態(tài)追蹤的結果顯示,不對稱分裂的比例并無顯著變化。真正的缺陷在于對稱分裂的失衡:健康的干細胞主要進行對稱性增殖分裂,以擴增細胞庫;而DMD干細胞則傾向于進行對稱性分化分裂,導致干細胞庫得不到有效補充,卻過早地耗竭于分化途徑中。
03交叉移植實驗:解耦細胞自主性與微環(huán)境信號結果非常清晰地揭示了不同細胞行為的調控機制是“解耦”的。干細胞的命運決定(增殖與分化模式)主要取決于細胞自身的內在特性,而不受其所處肌纖維健康與否的顯著影響。這意味著DMD干細胞的提前分化傾向是一種細胞自主性的表現(xiàn)。然而,干細胞的遷移行為則高度依賴于肌纖維提供的信號:無論干細胞自身是否健康,只要它處于DMD模型的肌纖維上,其遷移能力就會受損;反之,處于健康肌纖維上時,遷移能力則得以維持。
04信號通路機制:p38與PI3K的協(xié)同驅動創(chuàng)新與亮點
突破時空限制,首次實現(xiàn)病變肌肉干細胞的在體動態(tài)追蹤。肌肉干細胞位于肌纖維與基底膜之間的特殊龕位中,在活體動物體內對其進行長期、高分辨率的動態(tài)觀察一直是技術難題。本研究成功地將雙光子活體成像技術應用于DMD小鼠模型,克服了組織光散射、動物生理活動等挑戰(zhàn),首次拍攝到疾病背景下肌肉干細胞在真實微環(huán)境中的“行為影像”。
創(chuàng)新集成離體成像系統(tǒng),兼顧微環(huán)境保真度與觀測可操作性。單純的二維細胞培養(yǎng)無法模擬復雜的干細胞龕,而傳統(tǒng)的肌纖維懸浮培養(yǎng)又難以進行長期連續(xù)觀測和精確定位追蹤。同時,該系統(tǒng)完美兼容高分辨率轉盤共聚焦顯微鏡的長期活體成像,并實現(xiàn)了“先看電影,后做染色”的追溯性分析流程,將動態(tài)行為與最終命運精確關聯(lián),堪稱離體研究干細胞微環(huán)境的理想平臺。
開發(fā)智能圖像分析流程,從海量動態(tài)數(shù)據(jù)中提取定量生物學見解。產生的長時間、多細胞追蹤數(shù)據(jù)量巨大,分析極具挑戰(zhàn)。研究團隊自主開發(fā)了基于深度學習的圖像分析算法。該算法能夠自動識別并分割肌纖維,校正培養(yǎng)過程中肌纖維自身的漂移和形變,從而準確計算附著在其上干細胞的真實運動軌跡。在光學生物醫(yī)療領域,為活體病理研究與再生醫(yī)學評估提供了全新范式與工具。這項工作的實際價值深遠。總結與展望
本研究通過前沿的活體與離體動態(tài)成像技術,將杜氏肌營養(yǎng)不良癥的定義從“肌纖維疾病”拓展為“肌肉干細胞及其微環(huán)境疾病”。它清晰揭示了病變環(huán)境下肌肉干細胞遷移受阻與通過對稱分裂提前分化的核心缺陷,并闡明了這些行為分別由肌纖維微環(huán)境信號和干細胞內在的p38/PI3K協(xié)同信號所控制。這些發(fā)現(xiàn)不僅解決了該領域長期存在的爭議,更重要的是為治療策略開辟了新的方向:未來的療法需要雙管齊下,既要保護肌纖維,也要致力于修復干細胞的功能異常和改善其賴以生存的微環(huán)境。展望未來,基于本研究所建立動態(tài)成像平臺,可以進一步篩選能夠糾正干細胞遷移或命運決定的小分子藥物;同時,將此類動態(tài)分析方法應用于其他肌肉疾病或干細胞治療場景,有望加速再生醫(yī)學從基礎研究到臨床應用的轉化進程。