基于计算机模拟的前肠内胚层向肺上皮祖细胞分化动力学模型研究

本研究针对hiPSCs向AFE和LPs分化效率优化难题，开发了数学模型指导的分化策略。通过最大似然估计和可辨识性分析，发现AFE增殖分化是主要驱动力，预测每日换液可使LP产量翻倍，第10天提高接种比例可提升效率26%，为肺疾病建模和再生医学提供了新方案。

肺脏发育生物学和再生医学领域长期面临着一个关键挑战：如何高效地将人类诱导多能干细胞（iPSCs）定向分化为功能性的肺上皮祖细胞（LPs）。这一过程对于构建疾病模型、研究肺发育机制以及开发细胞替代疗法至关重要。尽管科学家们已经能够将iPSCs初步分化为前肠内胚层（AFE），但进一步诱导AFE向LPs分化的效率仍然不稳定，且影响因素复杂，难以通过传统实验方法系统优化。培养条件的微小变化（如培养基成分、换液频率、细胞接种密度）都可能显著影响最终产出，而对这些参数进行穷举实验验证既耗时又成本高昂。

针对这一瓶颈，发表于《npj Systems Biology and Applications》的研究创新性地采用计算生物学方法，对AFE向LPs的分化过程进行了系统性建模。研究人员扩展了已有的数学模型框架，将其应用于描述AFE分化至LPs的群体动力学过程。该研究采用模型引导的实验设计策略：首先构建数学模型提出假设，然后通过体外实验数据对模型进行校准和验证。具体而言，研究团队进行了多阶段的模型推断，包括基于实验数据的最大似然估计（Maximum Likelihood Estimation），以及可辨识性分析（Identifiability Analyses）以排除无法被数据唯一确定的模型参数，从而筛选出最可靠的模型结构。据研究者所知，这是首个描述AFE向LPs定向分化群体动力学的数学模型。

模型建立与验证

研究团队通过整合时间序列实验数据，建立了描述细胞群体变化的动力学方程。模型校准过程显示，AFE的增殖速率及其向LPs的分化速率是驱动整个系统动态变化的核心参数。可辨识性分析确保了所选模型参数的可靠性，为后续预测提供了坚实基础。

计算机模拟预测优化策略

利用验证后的模型，研究人员进行了一系列计算机模拟实验。模拟结果预测，与不更换培养基相比，每日更换培养基可使LP的最终产量提高近一倍。此外，模型还提示，在分化过程的第10天使用更高的细胞传代比例（即更高的接种密度），可以显著提升每个输入细胞所能产生的LP数量（即分化效率），预计提升幅度可达26%。

这项研究的意义在于，它成功地将计算建模与实验生物学相结合，为优化iPSCs向肺系细胞分化的实验方案提供了定量化的蓝图。该方法不仅能够减少试错成本，加速protocol（实验流程）优化，更重要的是，它揭示了影响分化效率的关键动力学参数，为后续研究（如添加特定生长因子或小分子化合物）提供了理论指导。这项工作展示了系统生物学方法在再生医学领域的强大应用潜力，预示着计算指导的定向分化策略将在未来组织工程和疾病建模中发挥越来越重要的作用。