Thileepan Sekaran, Rajkumar P. Thummer und Frank Edenhofer
Jüngste Studien zeigen, dass Säugetierzellen durch ektopische Expression von Transkriptionsfaktoren auf unerwartet einfache Weise künstlich umprogrammiert werden können. Von Patienten stammende umprogrammierte Zellen bergen großes Potenzial für biomedizinische Anwendungen wie Zellersatztherapie, Arzneimitteltoxizitätsstudien und Krankheitsmodellierung. Somatische Zellen wie Fibroblasten können durch Überexpression von Oct4, Sox2, Klf4 und cMyc in sogenannte induzierte pluripotente Stammzellen (iPSCs) dedifferenziert werden, die embryonalen Stammzellen (ESCs) ähneln. Klinische Anwendungen mit iPSCs bergen jedoch das Risiko der Tumorbildung aufgrund unvollständiger Differenzierung. Kürzlich wurde gezeigt, dass durch Transkriptionsfaktoren gesteuerte Umprogrammierung die direkte Umwandlung von Fibroblasten in Neuronen, Kardiomyozyten, Hepatozyten sowie neurale Vorläuferzellen ermöglicht. Verschiedene Gruppen erarbeiteten Protokolle für die direkte Umwandlung von Fibroblasten in multipotente induzierte neurale Stammzellen (iNSCs) unter Verwendung verschiedener Kombinationen von Transkriptionsfaktoren und Medienbedingungen. Diese Studien haben gezeigt, dass iNSCs eine Morphologie, Genexpression und Selbsterneuerungsfähigkeit aufweisen, die denen von NSCs aus Primärgewebe ähneln. Darüber hinaus differenzierten sich diese iNSCs in Neuronen, Astrozyten und Oligodendrozyten, was auf die Multipotenz dieser Zellen hindeutet. Hier vergleichen wir das Genexpressionsprofil der in diesen Studien berichteten umprogrammierten Zellen, um die Ähnlichkeit im Expressionsprofil zwischen den generierten iNSCs mithilfe bioinformatischer Ansätze zu bestimmen. Wir bieten einen allgemeinen Arbeitsablauf, der zur Bewertung des Status umprogrammierter Zellpopulationen angewendet werden kann. Mithilfe hierarchischer Clusteranalyse und Hauptkomponentenanalyse (PCA) zeigen wir, dass iNSCs ähnlicher sind. Andererseits sind iNSCs den 4F iNSC (spät) der Studie relativ ähnlich, wie durch hierarchische Clusteranalyse beurteilt. Unsere Studie zeigt, dass bioinformatische Ansätze besonders wertvoll sind, um den Transkriptionsstatus umprogrammierter Zellen robust zu bewerten und ihre zelluläre Funktionalität vorherzusagen.