美國研究人員開發出一種新技術，能有效改善利用多能干細胞產生肺細胞的方式，所產生的肺細胞可以在實驗室生長并保存一年以上，而不會失去肺細胞的特征。研究人員表示，這一新技術有助于科學家更好地對肺部疾病進行建模，推動對肺部疾病的研究和治療手段的開發。相關研究在線發表于1月30日的《細胞干細胞》雜志上。

　　在新研究中，美國波士頓大學再生醫學中心與卡內基梅隆大學的研究人員合作，將成人的血液細胞重編程為多能干細胞，然后在一個月時間內用生長因子處理這些干細胞，直到它們變成與成熟肺細胞非常相似的細胞。

　　據研究人員介紹，通常在進行此類實驗時，所得的細胞并不是他們旨在創建的細胞(靶細胞)的純集合，而且也不會長時間保留靶細胞的特征。而此次，他們開發了一種新的技術組合——將干細胞技術與機器學習技術相結合，可以檢查成千上萬個單細胞的基因表達，并結合每個細胞的DNA條形碼，通過機器學習來動態了解哪些因素有利于系統生成肺細胞。研究人員可利用這些知識改進生成肺細胞的方法，從而產生更多肺細胞，并使其可在培養皿中存活超過一年，且不失其肺細胞特征。

　　研究人員指出，要了解患者肺細胞出了什么問題，主要障礙是無法訪問這些細胞或無法在實驗室中對其進行培養，新方法使他們可以從任何年齡患者中獲得取之不竭的新肺細胞用于研究，這將有助于在實驗室對肺部疾病進行建模，提高對多種肺病進行治療的能力，如特發性肺纖維化、慢性阻塞性肺疾病、α-1抗胰蛋白酶缺乏癥、新生兒呼吸困難或早發間質性肺病等。

　　研究人員表示，為這項研究開發的機器學習方法也可以應用于其他組織和器官的研究，他們希望這種利用患者干細胞產生純凈、無限供應的細胞的技術，能夠為更多的疾病研究帶來新的助力。

　　總編輯圈點

　　干細胞早已在許多領域都表現出巨大應用前景，尤其是在疾病模型方面。通過重編程具有疾病形態的供體體細胞，科學家可以獲得潛在無限來源的誘導性多能干細胞，其具有的擴增和分化的能力，讓研究者們能夠在無需其他動物模型的條件下，研究相關的人細胞。這種擁有生理相關性的細胞模型，無疑將加速肺病機制的發現進程;而干細胞與機器學習的結合，也將進一步推動人類疾病模型的研發。