CFSE监测淋巴细胞增殖峰不典型之谜

niwanmao

在采用CFSE染料稀释实验以追踪T细胞的增殖动态时，大家常会遇到一种困惑，为什么我的CFSE增殖实验结果，就是跑不出经典的那种多指形峰？始终都是子代峰无法明确区分开来。

传统观点倾向于将这种现象归因于实验操作误差或CFSE的降解作用。然而，最新的研究揭示了这一问题背后的深层生物学机制：不对称细胞分裂，这为重新解读和理解T细胞增殖数据提供了一个很重要的基础。

不对称细胞分裂的核心概念如下：
1. 非等同子代生成：不对称细胞分裂过程中产生的子细胞展现出不同的表型和功能特性，颠覆了细胞成分均等分配的传统观念。
2. 多样性生成机制：这一生物过程使得单一原始T细胞能够分化出既具备即时响应能力的效应细胞，又分化出用于长期免疫保护的记忆细胞。
3. 稳态维持机制：尽管部分子细胞沿着分化路径形成强大的效应细胞，但另一部分则保留了母细胞的干细胞样特性，从而维护T细胞池的持续稳定，避免耗竭。

在不对称分裂过程中，子代细胞对CFSE标记蛋白的继承呈现非等分状态，导致原本应清晰可见的荧光强度峰分布失真。随着不对称程度增加，峰形重叠情况加剧，范围从仅表现为略微展宽（低不对称）直至完全无法区分（高不对称）的现象。这种现象，就导致传统拟合方法（基于CFSE直方图与一系列不同的对数正态高斯分布的平均值和标准差进行拟合）不能精确解析单个T细胞子代增殖的能力。

因此，俄罗斯科学院数值数学研究所的Gennady Bocharov等人引入了一种考虑细胞分裂不对称性的数学模型，将其拟合到CFSE时间序列中，可以根据CFSE含量的分布以及时间，来区分已完成分裂的细胞世代和静止和增殖状态，可以估计细胞生理参数，如世代特异性的激活和死亡率、分裂周期的持续时间、分裂不对称因子和CFSE荧光强度的自然衰减。不对称的细胞分裂算法可以改善基于CFSE的增殖分析，即使在峰值分辨率较差的情况下也能评估T细胞的性能参数。

下图展示了CFSE标记的CD8+ T淋巴细胞在细胞分裂过程中的不对称性，以及如何利用新数学模型分析结果。


这种新方法的意义在于：
1.  揭示CFSE增殖峰异质性本质：通过对不对称分裂机制的理解，科研人员能够更深入剖析抗原特异性T细胞群体的内在异质性及其分化路径。
2.  优化过继免疫治疗策略：精准测定包括不对称性在内的T细胞性能参数，将有助于指导设计和制备用于过继细胞疗法的理想T细胞群体。
3.  梳理复杂交互网络：这一领域的进步为探索T细胞反应中不对称分裂、细胞信号传导以及命运决定之间的复杂相互作用关系提供了有力工具。



参考文献：Bocharov, G., Luzyanina, T., Cupovic, J., & Ludewig, B. (2013). Asymmetry of Cell Division in CFSE-Based Lymphocyte Proliferation Analysis. Frontiers in Immunology, 4. https://doi.org/10.3389/fimmu.2013.00264.

一席繁荒

多谢倪老师分享