论文标题：Single-cell mitochondrial lineage tracing: Opportunities and challenges

期刊：Quantitative Biology

作者：Siqi Li, Kun Wang, Xin Wang, Zheng Hu

发表时间：28 Oct 2025

DOI：10.1002/qub2.70018

微信链接：点击此处阅读微信文章

利用内源性线粒体DNA（mtDNA）变异进行谱系追踪，在重建单个细胞的谱系方面具有广阔前景，并在肿瘤学、发育生物学和再生医学等领域具有广泛应用。与合成DNA条形码技术不同，线粒体谱系追踪不需要对外源性遗传标记进行基因工程改造，因此特别适用于人类临床样本。目前，研究人员已开发出多种实验和计算方法，用于从单细胞基因组、转录组和表观基因组测序数据中分析mtDNA变异。尽管技术取得了进步，但随机遗传漂变、遗传瓶颈、信息性变异识别以及mtDNA覆盖度低等因素仍然限制了单细胞线粒体谱系追踪的稳健性。

近日，来自中国科学院深圳先进技术研究院的胡政团队在Quantitative Biology期刊上发表了一篇名为“Single-cell mitochondrial lineage tracing: Opportunities and challenges”的综述文章。文章系统总结了当前用于单细胞mtDNA变异分析的实验和计算方法，并讨论了旨在提高单细胞线粒体谱系追踪稳健性和适用性的现有挑战及未来发展。

全文概要

多细胞生物通常由多种细胞类型组成，这些细胞负责执行对生命至关重要的不同生物学过程。揭示细胞命运决定机制以及细胞类型异质性组成的调控机制，是发育生物学和肿瘤生物学的长期目标。谱系追踪是一种强大的技术，能够追踪一个祖细胞的所有子代，因此在广泛的生物学场景中展现出记录系统发育关系的巨大潜力。

一、线粒体谱系追踪技术发展

细胞谱系追踪技术最早可追溯到利用显微镜对秀丽隐杆线虫胚胎发育开展的细胞谱系动态研究，但该方法仅适用于透明组织或生物体，且显微观察通量低，限制了其在复杂生物体中的应用。近年来，基因工程和测序技术的共同进步加速了新型谱系追踪方法的发展。例如将基因编辑技术整合到DNA条形码系统，但该技术缺乏对细胞表型的读取（如细胞类型信息），且对合成DNA条形码的依赖也限制了其在天然人类样本中的应用。

近年来，研究人员发现利用细胞中自然产生和积累的内源性标记物来追踪细胞谱系，可以解决上述问题。尤其是线粒体DNA突变，具有自然产生速率高、在单个细胞中以多拷贝形式存在、可在多种测序数据中检测等特点，有助于开展谱系追踪，尤其是在天然人类样本中。图1展示了利用mtDNA变异追踪克隆群体、甚至重建单细胞水平系统发育的基本原理。

图1. 利用内源性线粒体DNA（mtDNA）变异进行单细胞谱系追踪的示意图。

二、用于在单细胞中检测mtDNA突变的基因组学方法

目前常用于检测mtDNA突变的方法可分为两类：（1）直接基于mtDNA的方法，该方法是直接对mtDNA进行操作，如单细胞全基因组测序（scWGS），scMito-seq，单细胞多重探针靶向扩增测序（scSTAMP），mtscATAC-seq，ReDeem；（2）基于线粒体cDNA的方法，即检测线粒体基因转录产物的突变，作为mtDNA的替代指标，如Smart-Seq2，MutaSeq，MAESTER。表1详细比较了用于检测mtDNA突变的单细胞测序技术的特点。

三、单细胞线粒体谱系追踪的挑战

尽管单细胞线粒体谱系追踪在多种生物学情境中展现出应用前景，但线粒体生物学的独特特征给该系统带来了不确定性。例如，mtDNA在细胞内以多拷贝形式存在，且在细胞分裂过程中这些拷贝会随机分配到子细胞中，导致突变频率发生漂变；线粒体瓶颈事件可能引起mtDNA突变频率发生更快速、更剧烈的变化；而细胞间的线粒体水平转移会导致mtDNA突变谱的异常改变，干扰系统发育重建。

鉴于线粒体生物学的复杂性，筛选可用于克隆追踪的信息性mtDNA突变并不像基于核SNV的谱系追踪方法那样直接。随着单细胞线粒体谱系追踪方法的发展，多种旨在识别信息性mtDNA突变的计算工具相继被开发。如Ludwig等人选择异质性不低于5%且在预定义克隆群体中至少80%细胞里存在的mtDNA突变，成功识别出能够恢复真实克隆关系的信息性突变。这类基于经验阈值的方法易于应用且无需额外计算工具，但无法识别具有低异质性或低群体存在度的信息性突变。为此，采用更复杂计算建模进行特征选择的新方法在识别（如MQuad和MitoTracer）在信息性mtDNA突变识别方面展现出更优的性能。此外， LINEAGE计算框架同时关注突变类型多样性和动态模式分离，有助于避免偏倚并提高准确性。

由于mtDNA固有的高突变率，体细胞突变为单细胞分辨率的系统发育推断提供了稳健的标记。作者团队构建了包含mtDNA复制和随机分离的细胞分裂计算机模拟（图2A），并使用邻接算法从所得的mtDNA突变谱构建系统发育树（图2）。

图2. 单细胞线粒体谱系追踪的计算模拟。

四、未来展望

技术发展方面，未来应优先提升mtDNA测序覆盖度、整合多模态表型读出及空间转录组学。具体而言，需通过优化PCR条件、引入独特分子标识符及靶向富集等策略提高mtDNA覆盖度，并采用温和裂解以保留细胞质线粒体；同时，长读长测序技术有望识别大片段变异，丰富线系重建的标记类型。此外，将转录组、染色质可及性、DNA甲基化及染色质构象等多模态表型信息与线粒体谱系结合，可更系统地解析细胞命运决定机制；而整合空间转录组学不仅能将空间解析的谱系追踪扩展至天然人类样本，还可利用空间信息校正因突变空间有限导致的虚假谱系推断。

计算分析方面，未来应着力利用变异等位基因频率信息实现精确的系统发育推断，并通过整合统计模型与机器学习过滤平台偏倚与噪声，以识别细微谱系分叉及关键细胞事件的时间与频率。同时，将mtDNA系统发育与转录组数据相结合，利用时间分辨的多模态单细胞数据追踪细胞命运转变过程中的转录重编程，从而架起静态谱系信息与动态细胞功能之间的桥梁，为理解体细胞人类组织中的细胞命运转变提供新的机制性见解。

QB期刊介绍

Quantitative Biology （QB）期刊是由清华大学、北京大学、高等教育出版社联合创办的全英文学术期刊。由高等教育出版社和Wiley双平台出版和发行。QB主要刊登生物信息学、计算生物学、系统生物学、理论生物学和合成生物学的最新研究成果和前沿进展，并为生命科学与计算机、数学、物理等交叉研究领域打造一个学术水平高、可读性强、具有全球影响力的交叉学科期刊品牌。

QB期刊目前已被ESCI, PMC, Scopus, DOAJ, CSCD等国内外重要数据库收录。