《NeuroToxicology》:Early-stage quality—late-stage confidence: Neural induction quality control as a key to reproducible MEA-based neurotoxicity assays
编辑推荐:
人诱导多能干细胞(hiPSC)衍生的神经模型结合基于微电极阵列(MEA)的检测读数,日益被用于下一代神经毒性评估。然而,hiPSC向多能神经前体细胞(hiNPC)的神经诱导仍存在高度变异性,且当前的质量控制(QC)工作主要集中在多能起始材料上。因此,失败的神经
人诱导多能干细胞(hiPSC)衍生的神经模型结合基于微电极阵列(MEA)的检测读数,日益被用于下一代神经毒性评估。然而,hiPSC向多能神经前体细胞(hiNPC)的神经诱导仍存在高度变异性,且当前的质量控制(QC)工作主要集中在多能起始材料上。因此,失败的神经诱导往往仅在数周后的功能网络分析期间才被识别,导致大量资源浪费。在此,研究人员提出了一种分层QC框架,涵盖从hiPSC建库、神经诱导为增殖性hiNPC、hiNPC分化为3D神经元-胶质细胞脑球体(BrainSphere),到随后在MEA上重组为功能性2D网络的整个工作流程,重点强调诱导失败的早期检测。通过使用来自单一hiPSC系的11次独立双SMAD抑制诱导实验,研究人员表明,基于机器学习的hiPSCore分类器能在早期阶段(第6–12天)可靠区分成功的与失败的神经营外胚层诱导。成功的诱导依赖于及时的神经营外胚层定向,这反映在hiPSCore轨迹和PAX6表达以及保留的hiNPC增殖能力上。通过这些早期QC检查点的诱导生成的脑球体衍生网络,表现出可重复的MEA成熟轨迹、平衡的神经递质响应单元分布,以及在GABA能、谷氨酸能、多巴胺能和血清素能模式下的保守亚型特异性药理学反应。相比之下,与双SMAD抑制相关的信号通路标记物(BMP、TGFβ和MAPK)并不能预测下游QC表现。这些发现共同表明,早期命运水平的QC能够预测hiPSC衍生神经网络的功能表现。该适应性QC框架允许提前终止失败的诱导,减少资源负担,并增强基于hiPSC的神经网络检测在神经毒性测试中的可信度。
论文解读
研究背景与问题提出
传统啮齿类动物体内神经毒性研究虽为核心手段,却面临成本高昂、周期漫长、伦理争议及种属转化率低等问题。随着化学品神经毒性数据缺口扩大,亟需开发具有人类相关性、机制明确且可扩展的新方法学(NAMs)。基于微电极阵列(MEA)的电生理学检测因能监测神经网络多维度功能活动,成为极具潜力的替代方案。然而,人诱导多能干细胞(hiPSC)向神经前体细胞(hiNPC)的神经诱导过程存在显著批次间变异性,且现有质量控制(QC)多聚焦于未分化hiPSC阶段,导致诱导失败往往在数周后的功能网络分析时才被发现,造成严重的资源浪费与结果不可靠。因此,如何在神经诱导早期阶段建立有效的QC检查点,成为提升hiPSC-based神经毒性检测可重复性的关键科学问题。
研究内容与意义
为解决上述问题,研究人员构建了覆盖hiPSC建库至MEA功能网络形成的全流程分层QC框架,并通过11次独立的双SMAD抑制诱导实验验证其有效性。研究发现,基于机器学习的hiPSCore分类器可在神经诱导早期(第6–12天)通过命运轨迹分析区分成功与失败的诱导,其预测效能与PAX6表达及hiNPC增殖能力密切相关。该框架的建立不仅能实现早期失败诱导的及时剔除,更显著降低了下游功能检测的资源消耗,为基于hiPSC的神经网络检测提供了标准化、可推广的QC范式。相关成果发表于《NeuroToxicology》。
关键技术方法
研究采用的主要技术方法包括:(1)基于hiPSCore的机器学习分类器,通过定量PCR(qPCR)数据评估早期细胞命运决策;(2)流式细胞术检测hiNPC标志物PAX6和Nestin的表达水平;(3)3D脑球体(BrainSphere)培养与MEA-based电生理记录,分析神经网络成熟轨迹及神经递质模态分布;(4)多神经递质受体检测(hMNR),通过激动剂/拮抗剂暴露结合棘波排序(spike sorting)鉴定功能神经元亚型;(5)统计学分析采用Welch's ANOVA、Dunnett检验及CRStats框架构建浓度-响应曲线。样本队列来源于单一hiPSC系(IMR90克隆4)的11次独立神经诱导实验。
研究结果
3.1 未分化hiPSC的质量控制
通过形态学评分、短串联重复序列(STR)分型、核型分析及多能性标志物(OCT4、SOX2、SSEA4)流式检测,证实hiPSC主细胞库(MCB)具有均一集落结构、遗传稳定性及>95%的多能性标志物阳性率,且体外三系分化潜能验证合格,为下游实验提供了标准化起始材料。
3.2 神经诱导早期的QC检查点
hiPSCore分析显示,11次诱导中,2次在双SMAD抑制阶段(D0–D12)失败(duoScore<1),表现为未能获得稳定的神经营外胚层(NE)命运;6次诱导在D17–D21仍维持NE特征(duoScore>1),被归类为WARNING;仅2次诱导全程通过命运水平检查点(PASS)。值得注意的是,BMP、WNT及MAPK通路相关基因(如BAMBI、DKK1、SPRY2)的表达动态虽符合预期调控模式,但其变异性与hiPSCore命运分类无显著相关性,表明通路激活本身不足以保证NE向hiNPC的成功过渡。
3.3 hiNPC的球体形成与分化能力QC
通过PAX6/Nestin共表达分析、球体形成能力及早期神经元分化潜能(β-III微管蛋白/TUBB3阳性)评估发现:尽管所有诱导均产生高Nestin阳性群体,但PAX6阳性率差异显著(8.4%–94%)。高PAX6表达且持续NE命运的诱导(如NI8、NI9)虽能通过早期命运QC,却表现出球体增殖缺陷及神经元分化障碍,最终被归类为FAIL;而部分高PAX6诱导(如NI10、NI11)则成功生成增殖性hiNPC,提示PAX6水平需结合功能指标综合判断。最终,4次诱导通过hiNPC阶段QC(PASS),2次因产量不足或过度增殖列为CONDITIONAL PASS。
3.4 BrainSphere衍生神经网络的功能验证
通过MEA记录发现,PASS诱导生成的神经网络在4周成熟期内表现出一致的加权平均放电率(wMFR)、簇放电频率及网络同步性(AUNCC)成熟轨迹。多神经递质受体检测显示,各PASS批次间GABA能、谷氨酸能、多巴胺能及血清素能响应单元比例高度一致(~20%–30%/模态)。GABAA受体激动剂muscimol处理可剂量依赖性抑制GABA能单元活动(BMC50=1.66μM),并间接调节谷氨酸能单元,验证了网络的功能完整性。CONDITIONAL PASS诱导(NI5)虽在hiNPC阶段存在轻微异常,但仍表现出正常的网络成熟与药理学响应。
结论与讨论
研究结论指出,早期命运水平QC(如hiPSCore轨迹)可有效预测hiPSC衍生神经网络的功能表现,其核心价值在于将QC节点前移至神经诱导早期,显著降低资源损耗。讨论部分强调,hiPSCore在双SMAD抑制阶段(D0–D12)的duoScore阈值(>1.75为PASS,<1为FAIL)具有明确指导意义,而后期NE持续状态(WARNING)需结合hiNPC增殖与分化能力综合评估。该QC框架不仅适用于MEA-based检测,也为复杂3D神经模型(如脑类器官)的标准化提供了方法论参考。最终,通过建立“早期阶段质量—晚期阶段信心”的闭环质控体系,为基于hiPSC的神经毒性测试转化应用奠定了关键基础。