Nature Genetics | 本周最新文献速递

1. Extending genome-wide association studies to admixed cohorts with high degrees of relatedness

中文标题：

让混合祖源家系不再被GWAS拒之门外

**关键词：

混合祖源、局部祖源、样本亲缘关系、广义线性混合模型、Tractor-Mix

研究内容

为什么拥有更复杂遗传背景的人，反而更容易被遗传学研究排除？

全基因组关联研究已经发现了大量与疾病和复杂性状相关的遗传位点，但这些成果有一个长期存在的结构性缺陷：研究对象主要来自遗传背景相对单一的欧洲祖源人群。现实世界却并非由一个个界限清楚的祖源群体组成。许多人的染色体像一幅由不同来源片段拼成的马赛克，同一个人可能同时携带非洲、欧洲、原住民美洲或其他祖源成分。这样的混合祖源并不是异常情况，而是全球人口历史迁移、通婚和融合留下的普遍结果。

问题在于，混合祖源会让传统GWAS遇到两层麻烦。第一层是群体结构：某个等位基因看起来与疾病相关，可能只是因为它在某一祖源中更常见，而该祖源人群恰好具有不同的环境暴露。第二层是样本亲缘关系：为了扩大少数族裔样本规模，许多队列会以家庭或社区为单位招募参与者，大型生物样本库中也不可避免地存在未被识别的亲属。若把亲属当作彼此独立的个体，统计模型便可能制造大量假阳性；若简单删除所有相关个体，又会损失本就珍贵的样本和统计效能。

既要看清每段染色体来自哪里，又要允许亲属留在研究中，能不能同时做到？

作者此前开发的Tractor已经解决了前一半问题。它先推断每一段染色体的局部祖源，再把同一个遗传变异拆分成不同祖源背景下的基因型剂量。这样，研究者不再只能得到一个混合后的平均效应，而可以分别估计某个变异在非洲祖源片段、欧洲祖源片段或其他祖源片段上的效应。不过，原始Tractor仍建立在线性或逻辑回归之上，默认所有样本彼此无关。

传统混合模型走的是另一条路。GMMAT、SAIGE和BOLT-LMM等工具通过遗传关系矩阵描述样本之间的亲缘程度，能够在保留亲属的同时控制假阳性，但它们通常把混合祖源个体的基因型重新合并为一个总体剂量，无法给出祖源特异的效应。

Tractor-Mix的核心，就是把这两条原本分开的道路接起来。它一方面保留Tractor的局部祖源分解，把不同祖源上的基因型剂量作为独立变量；另一方面引入遗传关系矩阵，以广义线性混合模型控制家系结构。对于两祖源混合人群，模型通过一个二自由度得分检验，同时询问：“该变异在祖源A上的效应是否为零？在祖源B上的效应是否也为零？”只要其中一个祖源背景存在信号，联合检验就可能将其识别出来。

这个模型会不会只是把更多变量塞进方程，却没有真正控制错误？

作者首先构造了同时具有祖源混合和高度亲缘关系的模拟队列，并比较八种分析方案。结果十分直观：普通线性回归、逻辑回归以及不处理亲缘关系的原始Tractor都会产生明显的假阳性。引入混合模型后，错误率大幅回落。无论采用普通方法估计主成分和遗传关系矩阵，还是使用专门针对混合人群设计的PC-AiR和PC-Relate，Tractor-Mix总体都能保持良好的校准。

当模型直接获得模拟过程中真实的祖源比例和亲缘矩阵时，其Ⅰ类错误控制尤其稳定。这也说明，Tractor-Mix本身的统计框架没有系统性偏差，实际分析中的少量膨胀更多来自祖源和亲缘关系估计误差。对于连续性状，估计误差有时会造成轻微的假阳性增加；对于二分类性状，这种现象并不明显。作者还发现，当某一祖源上的等位基因数量过少，或者病例与对照比例极端失衡时，模型可能失去稳定性，因此将祖源特异等位基因计数大于50设为默认过滤条件。

什么时候拆分祖源能找到传统GWAS看不到的信号？

答案取决于不同祖源上的效应是否相同。假设一个变异只在某一祖源背景上产生效应，传统GWAS会把有作用的染色体片段与大量无作用片段混在一起，真实信号便像一滴墨水被稀释在整杯水中。Tractor-Mix则可以把这滴墨水单独提取出来，因此获得明显的统计效能优势。

这种优势在少数祖源中特别重要。例如，一个队列总体上以非洲祖源片段为主，而某个风险变异只在比例较低的欧洲祖源片段上起作用，标准混合模型很容易忽略这一信号；局部祖源分解能够恢复这部分有效样本所提供的信息。但如果某个变异在不同祖源上的效应完全一致，祖源拆分反而增加了自由度，此时Tractor-Mix可能不如普通混合模型高效。换句话说，这不是一个在所有场景中都必然胜出的万能模型，而是一个专门寻找祖源异质性信号的工具。

模型在真实人群中，能否经受住比模拟更复杂的遗传结构？

作者将Tractor-Mix应用于英国生物样本库中具有非洲—欧洲混合祖源的参与者、Yale–Penn队列以及墨西哥城前瞻性研究。后一个队列尤其具有代表性，其中大量参与者至少有一名三等亲以内的亲属。分析既重现了若干已知关联，又发现了一些只有在特定祖源背景下才明显的信号。例如，在墨西哥城队列的体质指数分析中，局部祖源信息帮助研究者分辨被总体分析掩盖的关联区域。研究因此证明，祖源混合和样本亲缘关系并不必然是需要通过删样本来“清理”的噪声，它们也可以成为解析遗传效应异质性的有用信息。
这篇文章区别于前人工作的关键，不只是再提出一个新的GWAS程序，而是改变了复杂样本应该怎样处理的思路。过去，研究者常通过排除混合祖源个体、删除亲属或把所有祖源效应平均化来换取统计便利；Tractor-Mix则尝试在不牺牲人群多样性的前提下，同时保留家系信息和祖源分辨率。它让越来越多来自家庭队列、内婚人群和多祖源生物样本库的数据能够被真正利用，也为祖源特异多基因评分、跨人群精细定位和遗传风险可迁移性研究提供了更合适的基础。

文章亮点

1. 同时解决两个长期割裂的问题。 Tractor-Mix既处理混合祖源，也控制样本亲缘关系，避免了保留祖源信息就必须删除亲属或保留亲属就失去祖源分辨率的两难。

2. 不仅给出关联显著性，还提供祖源特异效应。 与普通混合模型相比，它能够回答同一个变异在不同祖源染色体片段上是否具有不同方向或不同大小的效应。

3. 验证链条完整。 文章从假阳性校准、统计效能、效应量估计和局部祖源条件分析出发，再进入多个真实队列，较系统地展示了模型在不同场景中的行为。

文章局限

1. 当不同祖源上的真实效应相近时，模型可能损失效能。 由于需要估计多个祖源特异参数，Tractor-Mix并不适合所有遗传结构，使用前需要判断研究问题是否可能存在祖源异质性。

2. 对低等位基因计数和极端病例—对照失衡较敏感。 作者通过设置祖源特异等位基因计数阈值降低风险，但这也会限制罕见变异分析。

3. 模型表现依赖局部祖源和亲缘矩阵的估计质量。 在多向混合、参考面板不足或祖源界限模糊的人群中，局部祖源误判可能进一步传导到效应量估计。论文中的实证队列仍主要代表若干特定祖源组合，能否稳定扩展到更复杂的多祖源人群还需验证。

---

2. Genome-wide association analyses of borderline personality disorder identify 11 loci and highlight shared risk with mental and somatic disorders

中文标题：
边缘型人格障碍的遗传拼图：11个风险位点浮出水面

关键词：
边缘型人格障碍、全基因组关联研究、多基因评分、遗传相关、表型组关联

研究内容

边缘型人格障碍究竟主要来自创伤经历，还是也写在基因里？

边缘型人格障碍常表现为情绪、人际关系和自我形象的持续不稳定，并伴随冲动行为、自伤和较高的自杀风险。长期以来，人们往往从早期人际创伤、家庭环境和社会经历解释这种疾病。这些因素确实重要，但双生子和家系研究也一再提示，个体之间的患病差异有相当部分与遗传有关。

然而，具有遗传性与找到具体遗传基础并不是一回事。此前唯一一项较早的边缘型人格障碍GWAS仅包含998名病例和1,545名对照，没有发现达到全基因组显著水平的变异。研究者因此一直面对一个尴尬局面：临床和家系研究都认为遗传因素不可忽视，但在全基因组范围内，却找不到足够稳定的风险位点。这究竟是因为疾病没有清晰的遗传信号，还是因为过去样本太小、统计效能不足？

当样本规模扩大十倍以上，隐藏的遗传信号会不会出现？

这项研究汇集了17项具有个体水平数据的研究，以及10个大型生物样本库或队列的GWAS汇总数据。发现阶段包括12,339名病例和1,041,717名对照，独立重复阶段又纳入685名病例和107,750名对照。研究者还进行了男女分层分析、排除双相障碍和精神分裂症患者的敏感性分析，以及X染色体分析。

在发现阶段，研究识别出6个独立的全基因组显著位点。将发现样本和重复样本合并后，又有5个位点越过显著性阈值，最终得到11个风险位点。基因水平分析进一步锁定9个候选风险基因，包括SGCD、FOXP2、EXD3、MVK、MMAB、PCYT1B、BPTF、CCDC71和DEPDC1B等。并不是每一个邻近基因都已经被证明直接造成疾病，但这组结果至少让边缘型人格障碍第一次从存在家族聚集推进到了具有可重复的全基因组关联信号。

其中，FOXP2和FOXP1尤其值得注意。这两个基因常被置于神经发育、语言和行为调控的背景下讨论；SGCD则与细胞结构和神经系统功能有关。研究还在X染色体上发现PCYT1B相关信号，为探索疾病的性别差异提供了新的入口。不过，作者并没有把这些基因简单称为边缘型人格障碍基因，而是通过邻近定位、基因水平检验和多基因优先级评分，从多个角度筛选值得后续开展功能实验的候选对象。

找到11个位点，是否意味着这些基因足以预测谁会患病？

答案是否定的。边缘型人格障碍不是由某个开关基因决定，而是典型的多基因复杂疾病。研究估计，其常见单核苷酸变异在责任度尺度上可以解释约17.3%的遗传差异。由GWAS构建的多基因评分能够解释约4.6%的表型方差。

这一比例具有科学价值，却远不足以成为个体诊断工具。多基因评分更像是一张由无数微弱信号叠加形成的“风险底图”：单个位点的作用很小，但大量变异共同存在时，会使某些人的先天易感性略高。环境创伤、家庭关系、社会支持和成长经历仍可能决定这种易感性是否以及如何转化为临床症状。因此，这篇论文真正证明的不是基因决定人格，而是边缘型人格障碍确实具有可以被大样本GWAS捕捉的多基因结构。

边缘型人格障碍是一座遗传孤岛，还是多个精神问题的交叉地带？

作者把边缘型人格障碍GWAS与50种疾病和性状进行遗传相关分析，其中43项达到显著水平。最强的正遗传相关来自创伤后应激障碍、抑郁症和注意缺陷多动障碍，随后还包括反社会行为、外化行为、自伤、自杀相关性状、孤独感和物质匮乏等。

这个结果为临床上经常看到的症状重叠提供了遗传层面的解释。边缘型人格障碍既包含持续的负性情绪和人际敏感，也包含冲动、攻击和风险行为，因此它可能位于内化问题与外化问题的交叉点。它与创伤后应激障碍的高度遗传相关，也提示两种疾病的共同点并不完全来自患者经历了相似创伤，一部分易感性可能在创伤发生之前就已存在。但遗传相关不能证明一种疾病导致另一种疾病，也不能区分共同基因、诊断重叠和样本中共病带来的影响。

为什么肺部疾病、糖尿病和慢性疼痛也出现在遗传风险图谱中？

研究者进一步在Vanderbilt大学医学中心生物样本库和英国生物样本库中开展表型组关联分析。他们不再只问多基因评分能否预测精神科诊断，而是把它与数百种医疗记录表型逐一比较。结果不仅重现了抑郁、焦虑、物质使用、自伤和反社会行为等关联，也发现较高的边缘型人格障碍多基因风险与2型糖尿病、肥胖、高血压、慢性气道阻塞、疼痛和部分神经系统问题相关。

这些结果不能直接解释为边缘型人格障碍基因导致糖尿病或肺病。共同遗传易感性、吸烟和物质使用、长期压力、药物暴露、就医行为以及社会经济环境，都可能参与形成这些关联。更稳妥的理解是：边缘型人格障碍的遗传风险并没有被限制在传统精神科边界内，而是与身体健康和行为风险共同构成一个更广泛的表型网络。

女性诊断更多，是因为女性携带了完全不同的风险基因吗？

女性分层分析得到的SNP遗传力高于男性，但男女GWAS之间的遗传相关仍然较高，而且男性病例数量明显较少，估计区间也更宽。当前证据因此不足以证明男女具有两套截然不同的遗传机制。临床诊断中的女性优势，可能同时涉及患病率差异、求医行为、诊断偏差、症状表达方式以及样本选择。文章的重要之处在于首次系统打开了性别分层和X染色体分析的入口，但并没有把尚不稳定的差异包装成定论。

这篇文章区别于前人的地方，是将寻找首批可靠风险位点、描绘跨疾病遗传共享和连接电子病历中的身体表型放在同一研究框架中。它没有找到一个简单的生物学答案，却把边缘型人格障碍从主要依靠临床描述的诊断类别，推进为可以用多基因、跨表型和脑细胞类型数据继续拆解的复杂疾病。

文章亮点

1. 完成了边缘型人格障碍遗传学从无显著位点到11个位点的突破。 相比此前不足千例病例的研究，样本规模和统计效能显著提高。

2. 不止于报告曼哈顿图。 文章结合基因水平分析、多基因优先级、遗传相关、多基因评分和表型组关联，展示了从风险位点到疾病网络的完整分析路径。

3. 揭示精神与躯体健康的共同风险图谱。 研究提示边缘型人格障碍不能只在单一精神科诊断框架中理解，还需要关注代谢、呼吸、疼痛和健康行为等伴随问题。

文章局限

1. 全部参与者均为欧洲祖源。 发现的效应量、多基因评分和候选位点能否迁移到其他祖源人群尚不清楚，这也与前一篇Tractor-Mix论文所试图解决的人群代表性问题形成直接呼应。

2. 不同队列的病例定义并不完全一致。 部分病例依据严格的临床访谈，另一些则来自ICD编码或自报诊断，可能引入误分类和表型异质性。

3. 共病问题难以彻底拆开。 样本中抑郁症比例很高，边缘型人格障碍与抑郁、创伤后应激障碍和注意缺陷多动障碍之间的遗传相关，可能同时包含共同病因、重叠症状和诊断结构的影响。研究也缺少足够样本来精确分析低频变异、男性特异效应及具体症状维度。

---

3. Intrinsically disordered regions restrain genomic targeting of RNA and histone demethylases in mammals and plants

中文标题：
拆掉蛋白质的刹车片：重编程染色质并增产水稻

关键词：
内在无序区、ALKBH5、m6A去甲基化、染色质可及性、作物增产

研究内容

蛋白质中那些没有固定结构的区域，究竟是在帮助工作，还是在阻止它越界？

教科书式的蛋白质结构常让人想到折叠精密的三维机器，但许多调控蛋白还携带大片没有稳定构象的内在无序区。过去，人们更习惯把这些区域理解为帮手：它们可以招募合作蛋白、结合RNA、调节亚细胞定位，甚至推动液—液相分离，使多个分子在细胞核中形成凝聚体。

这篇研究却从一个反常问题出发：如果内在无序区不只是帮助酶找到底物，它会不会也像一根安全绳，把酶限制在正确的工作区域，防止它接触不该接触的染色质？

作者选择RNA m⁶A去甲基化酶ALKBH5作为突破口。ALKBH5和FTO具有相似的催化核心，却表现出明显不同的底物偏好。FTO更容易作用于染色质相关RNA，并影响染色质开放和转录；ALKBH5主要处理成熟mRNA。更加耐人寻味的是，ALKBH5具有FTO缺少的内在无序区。于是问题被重新表述为：ALKBH5之所以不像FTO那样广泛进入染色质，是不是因为无序区把它拴在了mRNA加工系统中？

删除无序区，会让ALKBH5失去功能，还是释放出一种原本被压住的能力？

完整ALKBH5在细胞核中形成明显凝聚体；删除C端内在无序区后，蛋白分布变得弥散，更接近FTO。按照传统思路，凝聚体消失可能意味着功能受损。然而，作者在小鼠胚胎干细胞的内源Alkbh5位点删除C端无序区后，看到的并不是单纯失活，而是全局染色质可及性上升、新生RNA转录增强。更加关键的是，完全敲除ALKBH5反而没有产生同样明显的染色质开放。

这个对比揭示了文章最重要的逻辑：C端无序区并不是维持催化活性所必需的油门，而更像是限制酶作用范围的刹车片。敲除整个酶，相当于把汽车停下；只拆掉刹车，则让原有催化结构进入此前很少接触的区域。

这块刹车片究竟把ALKBH5限制在什么地方？

作者利用eCLIP测定完整ALKBH5与缺失C端无序区蛋白所结合的RNA，发现两者的结合峰只有约20%重叠。完整ALKBH5主要结合mRNA，尤其与外显子连接复合体EJC相关；其去甲基化位点也呈现与剪接连接位置相匹配的分布特征。

删除C端无序区后，ALKBH5与EJC的相互作用消失，底物地图随之改变。它不再主要围绕成熟mRNA工作，而是更多进入启动子、增强子和转录活跃区域，接触启动子相关RNA、增强子RNA以及重复序列RNA。也就是说，无序区通过蛋白互作把ALKBH5锚定在mRNA加工路线中；失去这一区域后，酶的催化核心并没有坏掉，而是被重新导航到了染色质附近。

当ALKBH5开始处理染色质相关RNA，基因组会发生什么？

m⁶A测序进一步给出了答案。敲除ALKBH5时，甲基化升高主要出现在染色质相关的蛋白编码mRNA上；删除C端无序区时，甲基化下降则集中于启动子RNA、增强子RNA和重复序列RNA，尤其是进化上较年轻的LINE1元件。

这些LINE1元件并非只是沉默的基因组化石。当其RNA上的m⁶A被去除后，LINE1转录增强，邻近区域的染色质变得更加开放，相关基因表达也随之上升。缺失无序区的ALKBH5结合区域所产生的影响甚至可以延伸至约100 kb之外，呈现出类似增强子的远距离调控特征。

于是，文章提出了一条新的因果链：删除无序区，使ALKBH5脱离EJC和mRNA加工体系；酶被重新导向染色质相关RNA和年轻LINE1；这些RNA上的m⁶A下降；重复元件和局部调控区域被激活；最终造成更广泛的染色质开放和转录上调。

这种无序区限制染色质访问的机制，只属于ALKBH5吗？

作者将同样的思路扩展到组蛋白去甲基化酶。结果显示，删除某些具有基因激活能力的组蛋白去甲基化酶中的无序区，同样会使它们出现异常广泛的基因组定位，导致抑制性组蛋白标记被大面积移除、染色质可及性升高，并激活转座元件。

这说明，无序区可能代表一种比单个蛋白更普遍的调控原则：细胞不仅要决定一个酶能不能催化，还要决定它在哪里催化。催化结构域负责完成化学反应，无序区则可能通过凝聚体、RNA结合和蛋白互作限定底物边界。过去，人们常把内在无序区视为帮助染色质调控因子聚集的结构；这篇文章补上了相反的一面——无序区也可以防止酶在基因组上过度扩散。

既然删除无序区能够打开染色质，能否把它变成作物改良工具？

此前的研究显示，将哺乳动物FTO引入水稻或马铃薯可以促进生长和增产，但在作物中使用动物基因可能带来监管和公众接受问题。植物自身已知的m⁶A去甲基化酶更接近ALKBH5，而不是FTO；直接过表达完整的植物ALKBH5同源蛋白，对生长影响通常有限。

作者因此没有继续寻找外源基因，而是改造植物自身蛋白：删除限制染色质访问的无序区，让原本偏向mRNA的酶获得更强的染色质相关RNA去甲基化能力。实验表明，经过这种改造的ALKBH5及其植物同源蛋白能够促进拟南芥根系生长，并显著提高水稻产量。

这一步使论文从机制研究跨越到工程应用。作者不是更换催化结构域，也不是设计一个全新的人工转录因子，而是通过解除天然蛋白的空间限制，重新分配其底物范围。文章由此提出一种新的作物设计思路：与其不断给蛋白增加功能，不如识别并精确移除它自带的功能边界。

文章亮点

1. 颠覆了对内在无序区的单向认识。 文章证明无序区不仅能促进凝聚和调控，也可以限制RNA及组蛋白去甲基化酶进入染色质，是一种“防止越界”的调控模块。

2. 通过敲除与结构域删除的对照建立了有力因果关系。 完全敲除ALKBH5与仅删除C端无序区产生截然不同的结果，清楚地区分了失去酶活性和释放被限制的酶活性。

3. 从哺乳动物机制延伸到植物工程。 研究不仅解释了ALKBH5与FTO底物偏好的差异，还利用植物自身同源蛋白实现生长和产量改善，具有较强的概念转化价值。

文章局限

1. 广泛打开染色质并激活转座元件可能带来长期代价。 年轻LINE1和其他转座元件的激活有利于解释短期转录增强，却也可能影响基因组稳定性、表观遗传记忆或后代性状。论文目前尚未充分回答多代遗传和长期安全性问题。

2. 作物增产结果仍需多环境田间验证。 实验条件下的根系生长和水稻产量提高，并不能自动等同于不同土壤、气候、病虫害和种植密度下的稳定增产，还需评估品质、抗逆性和生态适应性。

3. 不同蛋白中的无序区功能具有高度情境依赖性。 删除无序区可能同时改变凝聚体形成、亚细胞定位、RNA亲和力和蛋白互作。文章证明了若干去甲基化酶中的共同趋势，但不能据此认为所有内在无序区都是可以安全拆除的刹车。

---

4. Single-cell spatial mapping of human kidney development implicates the microenvironment in guiding cell fate decisions

中文标题：
肾脏细胞命运并非一锤定音：微环境在发号施令

关键词：
人肾发育、单细胞转录组、空间转录组、细胞命运可塑性、微环境信号

研究内容

一个包含30多种细胞的肾脏，是怎样从少数祖细胞中有序长出来的？

人类肾脏的基本功能单位是肾单位。每个人出生时拥有的肾单位数量差异很大，数量不足与成年后高血压和慢性肾病风险升高有关；更加严重的发育异常，则可能形成儿童慢性肾病的重要原因。问题在于，肾单位不是由细胞随机堆积而成。肾单位祖细胞、输尿管芽细胞、间质细胞、血管细胞和免疫细胞必须在正确的时间、正确的位置交换信号，才能形成肾小球、近端小管、亨利袢、远曲小管和集合系统。

过去的研究通常沿着两条路线前进。一类利用小鼠基因敲除，逐个验证WNT、BMP、FGF等信号；另一类利用人胎肾单细胞RNA测序，描绘细胞类型和拟时序。但前者未必完全代表人类，后者又会在组织解离时丢失空间信息。研究者可以知道一个细胞表达了什么，却不知道它当时站在哪里、旁边有哪些细胞、接受了哪些局部信号。

这项研究整合单细胞RNA测序、CosMx与Xenium空间转录组、组织学验证以及胚胎肾和类器官实验，分析规模超过70万个细胞。作者真正想回答的不是胎肾里有哪些细胞，而是三个更困难的问题：细胞何时作出命运选择？已经作出的选择还能不能改变？周围微环境究竟通过哪些信号推动这种改变？

肾单位祖细胞最早作出的选择，到底是近端还是远端，还是另一条分岔？

过去部分人类单细胞研究提出，肾单位祖细胞首先分成近端和远端两类，随后近端分支再形成足细胞和近端小管。但小鼠研究更倾向于另一种模型：祖细胞先决定成为肾小管，还是成为肾小体。

作者使用CellRank为每个细胞计算进入不同终末命运的长期概率，而不是只在拟时序树上寻找一个固定分叉点。结果支持“肾小管—肾小体”二分模型。肾单位祖细胞首先进入早期中间状态，随后一部分形成前肾小管中间细胞，继续走向近端小管、亨利袢和远曲小管；另一部分形成前肾小体中间细胞，走向足细胞和壁层上皮细胞。

这一发现重新整理了人肾发育的早期路线图：近端小管与足细胞虽然在成熟肾脏中位置接近，却不意味着它们最早共享一个单独的近端命运。真正的第一道分岔，更可能是形成滤过结构还是形成管道结构。

细胞一旦选择了肾小管命运，是否就再也不能回头？

分析中出现了一个起初像数据异常的现象：少量壁层上皮细胞靠近近端小管细胞聚类。作者没有简单地把这些细胞删除，而是尝试用三维UMAP、随机游走、RNA速度和宏状态分析重新观察它们。结果显示，近端小管细胞与壁层上皮细胞之间存在连续过渡，而且RNA速度指向由近端小管状态转向壁层上皮命运，而不是相反方向。

组织层面的证据也支持这一推断。部分胎儿肾小体的壁层上皮细胞表达ACE2等近端小管标志，而成年肾脏中不再出现这种双重特征。空间转录组进一步利用HNF4A、CUBN、LRP2和ACE2等多个基因构建复合近端小管评分，避免仅凭一个标志物下结论。

这意味着，有些细胞即使已经建立了较成熟的近端小管转录状态，仍可能在特定发育窗口中改写身份，进入壁层上皮细胞命运。细胞命运并不是一张盖章后不能修改的证书，而更像一个先作出大方向选择、随后根据组织需要继续校正的动态过程。

为什么发育系统需要允许细胞改道？

复杂器官的形成很难做到每一步都毫无误差。若每个早期决定都不可逆，一次轻微的位置偏差就可能造成结构缺口。作者提出，后期命运可塑性可能是一种发育纠错机制：细胞先快速建立基本模式，再根据邻近结构和局部信号重新调整身份，从而保证肾小体和肾小管按照正确比例连接。

这改变了人们对发育稳定性的理解。组织之所以能够稳定形成，不一定是因为每个细胞从一开始就精确知道终点；相反，稳定可能来自细胞保留了一定的可修改空间。早期模式提供方向，局部微环境则负责后期微调。

如果微环境在指挥命运，究竟是谁在对祖细胞发令？

作者先利用CellPhoneDB寻找配体—受体组合，再要求候选配体和受体在空间上真正邻近，以排除两个基因都表达，但细胞相距很远的假相互作用。分析得到569个具有空间可行性的候选互作，涉及WNT、FGF、BMP等经典发育通路。另一套空间感知算法CytoSignal又在3个样本中识别出246个较为保守的相互作用。

随后，作者不再只问某个配体在哪里表达，而是把局部配体丰度与每个细胞的命运概率联系起来。IGF2、GDNF和RSPO3与肾单位祖细胞自我更新相关；FGF9和KNG1更接近亨利袢命运；EFNA4和BMP3与远曲小管有关；VEGFA和EFNB1靠近足细胞分化；AGT更偏向肾小管命运；BST2和JAG1则与肾小体方向相关。

其中，IGF2获得了进一步实验验证。其受体在祖细胞中相对稳定存在，而配体可由祖细胞、间质和输尿管芽等多类邻近细胞提供。给小鼠胚胎肾外植体补充IGF2后，输尿管芽尖端数量及SIX2阳性祖细胞区域增加；相关结果还在肾脏类器官体系中得到支持。这说明祖细胞是否保持更新状态，不只由其内部基因程序决定，也受到周围细胞提供的IGF2等信号控制。

能不能不先给细胞贴标签，而是根据它们接收到的信号重新定义社区？

作者最后进行了一项很有启发性的分析：将每个细胞周围接收到的多种胞外信号聚合起来，按照信号环境而不是传统细胞类型进行聚类。由此得到的配体邻域能够较好重现肾单位区、输尿管芽区和间质区等组织学结构，并预测局部基因表达和分化轨迹。

这相当于用生活环境重新绘制细胞地图。两个转录状态相似的细胞，如果一个处于IGF2丰富的祖细胞生态位，另一个位于促分化信号集中的区域，它们未来的命运可能完全不同。文章因此不再把细胞类型、空间位置和配体信号视为三张独立的图，而是将其连接为一条连续逻辑：细胞位于哪里，决定它能接收到什么；它接收到什么，又改变其下一步会成为谁。

这篇文章区别于此前胎肾图谱研究的地方，在于它没有停留在细胞分类和拟时序排列。作者将命运概率投射回真实组织空间，再把局部配体与命运变化相联系，最终提出早期分岔—后期可塑性—微环境校正的人肾发育模型。其真正的发现不是又增加了多少细胞亚型，而是揭示了复杂器官如何利用可逆的细胞状态和空间信号，使最终结构既精确又具有容错能力。

文章亮点

1. 数据规模大且技术层次丰富。 研究整合单细胞RNA测序、多平台空间转录组、组织免疫验证、胚胎肾外植体和类器官实验，不是单纯依赖计算轨迹。

2. 发现近端小管向壁层上皮细胞转变的发育可塑性。 这一结果挑战了细胞命运一旦确定便不可逆的简单模型，并提出可塑性可能承担发育纠错功能。

3. 把配体信号与命运概率直接联系起来。 研究不仅列出配体—受体对，还要求其满足空间邻近，并通过IGF2实验验证，增强了微环境解释的可信度。

文章局限

1. 人胎肾无法进行直接谱系追踪。 PT向PEC的方向主要由RNA速度、随机游走、状态连续性和组织标志物共同推断，证据相互支持，但仍不同于在人体组织中直接观察一个细胞完成转变。

2. 空间平台只测量有限基因面板。 部分全转录组表达需要通过单细胞数据映射或推断，未能与参考数据匹配的细胞状态可能被遗漏，低表达配体也可能无法稳定捕捉。

3. 配体分析不能涵盖全部微环境因素。 细胞外基质、组织硬度、流体压力、细胞形态和机械接触等非配体信号没有被完整纳入；除IGF2等少数候选外，大量计算关联仍需逐项开展功能实验。

---

致谢橙子牛奶糖（陈文燕），请用参考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX

感谢小可爱们多年来的陪伴， 我与你们一起成长~