双起源模型挑战大脑发育教条

教科书正在自我重写

发育生物学用一个多世纪的时间传授同一个故事：神经管（大脑的基础）源自一片连续的神经外胚层。周三发表在《自然》上的一篇论文用数据打破了这一叙事，这些数据足以在几年内迫使教科书改版，而非几十年。

研究人员发现，两种不同的神经外胚层前体群——神经板外胚层和非神经外胚层——都会向发育中的大脑贡献细胞。这不是重叠的谱系或短暂的中间态，而是并行起源，它们在原肠胚期共存，并且共同播种包括前脑和后脑在内的神经结构。

这一发现之所以重要，是因为它暴露了科学家用来追踪细胞命运的概念图中的一个错误。当你手上的地图是错的，你寻找的疾病就会出现在错误的位置。

该研究在人多能干细胞衍生的模型和胚胎组织中对单细胞RNA测序、 Bulk转录组学和OmniATAC测序进行了整合分析。数据集已存入NCBI基因表达综合库，SuperSeries登录号为GSE286214，揭示了在多个发育阶段清晰区分这两种前体群的分子特征。

基因表达谱显示，非神经外胚层贡献了表达前脑标记物的前体，包括标记前脑和中脑身份的Otx2。神经板外胚层则贡献了由Gbx2和Hox基因标记的后脑和脊髓前体。

染色质可及性数据证实这些并非短暂状态，而是拥有独特调控景观的稳定谱系定向群体。两种前体类型在原肠胚早期即发生分化，并在神经胚期维持了各自独立的表观遗传身份。

这不是一个模棱两可的发现。跨多个实验重复和独立分析流程，分离结果都非常清晰。分析所用的计算脚本已在Loh实验室的GitHub仓库中公开。

传统模型建立在两栖类、鸟类和哺乳动物的经典谱系示踪实验基础之上，将神经板视为一个单一连续结构。外胚层要么变成神经板，要么保留为非神经外胚层。两者之间的边界是明确的，不存在混合。

该模型基于这样的实验：在胚胎发育过程中追踪来自特定外胚层区域的标记细胞。这些实验一致表明，神经板来源的细胞形成神经管，而非神经外胚层形成皮肤和感觉 placode。没有任何研究检测到非神经外胚层对脑组织有显著贡献。

这篇新论文并未质疑早期实验存在缺陷，而是认为它们遗漏了一些内容。当时的技术手段——放射性标记、活体染料、有限的分辨率——无法分辨非神经外胚层前体对神经结构那种微妙而早期的贡献。而单细胞组学技术可以。

更重要的是，旧模型将神经与非神经边界视为硬性界限。这些数据表明，它更像是一个具有功能重叠的梯度。边界处的细胞保留了双重潜能，并能根据信号环境贡献于任一谱系。这改变了我们对早期发育过程中能力与命运限制的理解。

赢家是研究人类神经发育的科研人员。数十年来，生成脑类器官的干细胞方案都假设存在单一的前体起源。这些方案现在需要修订。未能纳入非神经外胚层贡献的类器官模型，可能产生了不完整或不准确的早期大脑发育表征。

更广泛的再生医学领域同样受益。了解到两条平行谱系共同贡献于大脑形成，为引导干细胞向特定神经命运开放了新路径。仅针对神经板通路的方案可能会遗漏大量前体多样性来源。

受损方更简单明了。教科书作者需要更新神经诱导和早期大脑模式形成相关章节。围绕单一起源模型建立的研究生课程将面临调整。任何假设神经管衍生物完全来自神经板外胚层的研究框架都需要重新审视。

大多数神经发育障碍——孤独症谱系障碍、智力残疾、癫痫——都追溯到早期大脑发育问题。如果大脑源于两个前体群而非一个，那么影响神经发育的突变可能独立或同时扰乱任一谱系。

这对疾病建模有直接启示。如果研究人员假设所有神经细胞都源自单一前体池，那么神经发育相关患者中发现的遗传变异可能会被错误分类。影响非神经外胚层来源脑前体的突变，不会出现在仅针对神经板来源细胞的检测中。

该研究的数据为两种前体群提供了分子特征，这意味着研究人员现在可以设计针对性筛选，分别检测影响各谱系的疾病相关变异。这并非推测。scRNA-seq数据已公开，可以立即挖掘利用。

该论文还引发了对全前脑畸形和神经管缺陷等由早期模式形成失败导致的疾病的思考。如果两种前体群必须协调其贡献，那么干扰前体间信号的联系可能产生不符合现有分类方案的表型。

当务之急是验证。这些发现需要在相应发育阶段的人类胚胎组织中得到确认，而不仅仅是在干细胞衍生物中。利用现代遗传工具的谱系示踪研究应能在模式生物中直接进行测试。

第二优先级是将两起源模型整合进现有的大脑区域化框架。中脑-后脑边界已通过Otx2与Gbx2相互作用的研究得到了广泛探索，如果两种前体群都参与其形成，这一概念将赋予全新含义。

类器官研究人员需要修订方案。该领域在基于单一起源假设的模型上投入了大量资源。改变方向会耗费时间和资源，但不加以纠正将浪费更多。

或许最重要的是，这一发现表明，即使是广为接受的发育范式，也可能存在足够大的盲区，从而重塑整个领域。神经板自19世纪以来一直被广泛研究，新技术揭示了数十年精心观察所遗漏的内容。在发育生物学其他依赖旧有实验局限性的公认模型中，情况可能同样如此。

数据已经公开。机制现在可以检验。旧的教科书故事已经结束。