文献解读|Cell Stem Cell（23.3）：紧急髓系造血的定量分子图谱揭示了造血激活的保守模块

造血功能具有高度的适应性，能够应对感染、炎症、癌症和化疗等各种应激情况。为了应对这些应激，骨髓微环境中的造血干细胞和祖细胞（HSPC）会激活一系列细胞和分子机制，统称为紧急髓系造血（EM）通路，从而协调新髓系细胞的快速生成。这些EM通路通常在初始损伤消退后终止，但在衰老、癌症和慢性炎症等情况下会持续或异常激活，使其成为重要的潜在治疗靶点。然而，目前尚不清楚各种EM诱导因子如何通过共同或独特的分子机制调控HSPC。

为了解不同扰动如何重塑小鼠造血系统，研究团队首先解决了单细胞转录组分析（scRNA-seq）造血干细胞（HSPC）数据集中的两个技术难题：（1）如何以高分辨率一致地注释相同细胞类型；（2）如何重建正常造血分化的拓扑结构并量化其破坏程度。为了克服第一个难题，他们创建了一种名为“HemaScribe”的新型HSPC注释方法（图1A）。首先整理了纯化骨髓细胞类型的转录组分析（RNA-seq）谱，并根据预测的身份（广义分类器）对细胞进行评分（图1B）。该方法对全骨髓数据集中的成熟细胞非常有效，但对HSPC的分辨率不足，特别是对已知的多能祖细胞（MPP）和谱系定向祖细胞亚群。为了解决这个问题，他们创建了一个参考数据集，利用荧光激活细胞分选（FACS）技术对10种不同的造血干细胞（HSC）群体（即HSC、短期[ST]-HSC、MPP2、FcγR阳性[FR+ ]和阴性[ FR- ] MPP3、MPP4、共同淋巴祖细胞[CLP]、巨核细胞祖细胞[MkP]、红系祖细胞[EryP]和粒细胞-巨噬细胞祖细胞[GMP]）进行分选，然后用不同的寡核苷酸偶联抗体标记每种细胞类型，并将它们混合进行测序。使用该数据集训练了一个基于锚点整合和标签迁移的分类器（精细分类器）（图1 C），该分类器能够高精度地重现由寡核苷酸标签表示的真实细胞类型（图1D-E）。最低召回率出现在最具过渡性的细胞类型中，特别是MPP2和FR+ MPP3，最近将其描述为介于FR- MPP3和GMP之间的中间类型。因此，转录组或流式细胞数据的轮廓系数计算表明，MPP2和FR+ MPP3的特征谱最不明显，这解释了识别这些细胞的困难。分类器应用于相同的FACS分选的Lin-/c-Kit+ (LK)和Lin-/Sca-1+/c-Kit+ (LSK) scRNA-seq数据集的自举样本时，产生了稳健的结果，最低的相似性指数再次出现在最具过渡性的细胞类型中。

接下来，他们整合粒细胞祖细胞（GP）、常见单核细胞祖细胞（cMoP）和多系粒细胞祖细胞（mGMP）亚群的RNA-seq参考数据，提高了GMP群体的注释分辨率。这些mGMP可分化为GP或cMoP。然后，将完整的分类器应用于批量分类器标记为“HSPC”的细胞，生成了HemaScribe注释（图1 F）。该注释在LK/LSK scRNA-seq数据集中预测的细胞类型与流式细胞分析的结果相似（图1 G）。总而言之，这项工作创建了一种专门针对小鼠HSPC注释的新型鉴定方法，所有功能均以R包HemaScribe的形式向科学界开放。

为了测试 HemaScribe 方法与现有scRNA-seq注释软件包的比较情况，他们将其他三种内置细胞类型词典的方法（Azimuth、CellTypist和 scType）应用于 HSPC 参考数据集（图 2A）。与 HemaScribe 精细分类器相比，其他注释软件包在识别 HSPC 子集方面分辨率不足（图 2B），而 HemaScribe 则能显著提高与真实标签的对应性（图 2C）。这仅需少量计算资源即可实现，HemaScribe 在一台标准笔记本电脑上不到 50 秒即可注释 20000 个细胞（图 S3A）。即使使用参考数据集训练其他分类器，也只有基于变分推断的单细胞注释 (scANVI)的性能与 HemaScribe 相当，其他软件包在所有细胞类型中的平均精确率和召回率均显著低于 HemaScribe。为了确定本研究的方法是否重现了已知的生物学特征，他们将HemaScribe注释与通过RNA-seq或单细胞转录组和表位索引（CITE）测序方法生成的参考数据集进行了比较，观察到所有结果之间具有高度一致性。接下来，为了说明HemaScribe如何提供新的见解，他们重新注释了一个已发表的Lin−骨髓细胞数据集（图2 D），发现真正的HSC仅存在于“HSC-1”聚类中，而“HSC-2”和“HSC-3”主要包含多能祖细胞（MPP），并且“中间髓系祖细胞”（IMP）主要为cMoP（图2 E）。总而言之，这项工作为注释骨髓单细胞RNA测序数据集提供了一种一致的方法，在区分造血干细胞亚群方面实现了前所未有的分辨率，并允许对相同细胞类型进行协调的分子分析和精准分离。

为了克服理解造血干细胞（HSPC）在稳态下分化的第二个挑战，他们开发了“HemaScape”树状模型来可视化造血的拓扑结构（图3A）。使用公开的scRNA-seq数据集，采用降维方法（弹性嵌入[EE]）来捕获局部和全局连续结构，然后使用DensityPath算法定位高细胞密度区域，这些区域是稳定细胞状态的代表。为了描绘密度聚类之间的连接，他们计算了最小生成树来表示分化轨迹（图3B），并将相同的密度聚类作为节点进行基于分区的图抽象（PAGA）分析，以估计节点之间的连接性（图3C）。他们将分支结构和连接性值结合起来，构建了HemaScape分化树，该树描绘了主要HSPC分支的排列（图3D），并与HemaScribe注释进行了交叉引用。为了解 HemaScape 与其他轨迹推断方法相比的性能，他们使用与 Monocle3和 Slingshot相同的参考数据作为输入，构建了不同的树状结构，并将其与基于Hoxb5-Cre:R26LSL-tdT小鼠中 HSC 来源的荧光标记传播速率推断出的层级结构进行比较（图 3 E）。为了确定哪种拓扑结构最有效地捕捉了标签传播数据所提出的树状结构，他们探索了查询树结构中细胞可能的命运走向，然后测试了这些命运是否在标签传播树中被允许。与Monocle3或Slingshot相比，HemaScape产生的被禁止的细胞命运发生率显著更低（图 3 F）。接下来，通过计算伪时间值与CytoTRACE2软件包中作为谱系分化指标的转录变异性评分之间的负相关性，来测试哪个模型能最好地估计轨迹进展。在多个重复实验中，HemaScape或Slingshot的伪时间值与CytoTRACE2评分的负相关性均显著高于Monocle3（图3G）。此外，HemaScape伪时间与另外两个独立的谱系分化指标的相关性也显著更高：其中一个指标是通过荧光标记传播估计的。另一项研究则通过追踪条形码标记的造血干细胞移植后的克隆分化获得数据。最后，他们利用单细胞调控网络推断和聚类（SCENIC），比较了从关键分支点衍生的不同分支中富集的转录因子调控子，发现HemaScape有效地重现了已知的红细胞生成（GATA1）、髓细胞生成（C/EBPα）和淋巴细胞生成（ETS1和TCF4）的决定因子。综上所述，这些数据表明HemaScape树提供了一个更精细的造血分化模型，其在轨迹推断方面优于其他方法。

为了解HemaScape中不同节点的细胞行为，他们使用了简化的树状结构，该结构压缩了较小的节点（图3H）。通过直接测量ApoTracker绿色染色来估计细胞死亡率，并通过校准细胞周期活性基因表达评分与Fucci2细胞周期报告小鼠品系中鉴定的HSPC的比值来估计增殖率。结合这些参数、来自PAGA的节点连接性值以及根据稳态LK数据集中的自然频率估计的节点大小，采用迭代随机游走方法来估计每个节点的“分化率”。由此，他们推断下游谱系定向祖细胞节点的增殖和分化率高于造血干细胞/多能祖细胞（HSC/MPP）（图3H），尤其是在巨核细胞/红系（MegE）分支中，这与标记传播数据观察到的模式一致（图3E）。此外，他们利用Palantir 技术证实，与谱系定向的红系或髓系祖细胞相比，未成熟的HSC/MPP具有更高的转录熵（图3 H）。该方法还使他们能够验证不同MPP亚群的预测终末状态概率，其中MPP2最倾向于分化为巨核细胞（MegE），FR+MPP3倾向于分化为髓系，而MPP4倾向于分化为淋巴系。

接下来，他们比较了来自电镜扰动模型的scRNA-seq数据集，这些模型代表了炎症、再生以及对病原体衍生产物的反应。炎症是通过每天注射7次（短期）或20次（慢性）IL-1诱导的；再生是通过每天注射2-4次粒细胞集落刺激因子（G-CSF）或在给予细胞毒性药物5-氟尿嘧啶（5FU）8天后发生的；对病原体衍生产物的反应是在注射脂多糖（LPS）16小时后28或在注射聚肌苷酸（pIC）：2-4天后进行研究。为了进行比较，他们还纳入了已发表的小鼠数据集，这些小鼠暴露于促红细胞生成素 (EPO) 2 天，以及胚胎第 18.5 天 (E18.5) 胎儿和 24 月龄小鼠的数据集。为了评估造血干细胞 (HSPC) 群体的定量变化，他们将 LK scRNA-seq 数据集映射到本研究的数据中，应用了 HemaScribe 注释（图 4A），并使用单细胞差异组成分析 (scDC) 比较了细胞频率。重要的是，通过将稳态分类器与在 5FU 处理的 HSPC 上训练的类似生成的互补算法进行比较，验证了 HemaScribe 在扰动条件下的良好性能。与之前的研究结果一致，5FU导致造血干细胞/多能祖细胞 (HSC/MPP) 大量扩增，而谱系定向祖细胞则相应减少。相比之下，pIC 和 LPS 对 MPP 的影响更为细微，其中 pIC 还增加了 mGMP 的频率（图 4B）。G-CSF 或 IL-1 的给药对 HSC/MPP 的频率影响甚微，但导致 GMP 显著扩增，而 EryP 则相应减少（图 4C），EPO 则产生相反的效果。HemaScribe 对胎儿和老年数据集的注释也证实了之前的研究结果，即 E18.5 胚胎中 EryP 扩增，老年小鼠的 HSC 数量较 3 月龄成年对照组显著增加。综上所述，这些结果表明，不同的电镜扰动和发育阶段会导致 HSPC 频率发生不同的变化模式。

为了解驱动这些定量变化的细胞过程，他们针对每种扰动重新估算了HemaScape节点的活性，重点关注pIC和G-CSF的影响。结果预测，pIC会广泛增加MPP（C–F）和下游髓系祖细胞节点（G–J）的增殖，而G-CSF只会在富含mGMP的节点G中引起增殖的集中增加。使用Augur评估相同节点的结果与这些预测基本一致，Augur用于测量对扰动的转录反应强度。结果显示，pIC在ST-HSC和MPP节点（B–D）中引起的转录反应最强，而G-CSF在髓系祖细胞节点（H和I）中的影响最大。为了解这两种扰动如何影响HSPC在匹配时间进程中的分化，他们使用Waddington-OT 生成了一个最优转运图，该图基于转录相似性定义了跨时间点的概率映射，并纳入了细胞增殖和死亡的估计值（图4D）。早期HSC/MPP在pIC暴露后直接促进了髓系造血的扩增，而G-CSF对这一原始细胞群的影响甚微。在评估第0天混合MPP节点C和E中细胞的预测命运时，这种效应显而易见，这两个节点在pIC暴露第4天均表现出偏向髓系命运的倾向。

接下来，他们评估了HemaScape模型是否能够预测新的分化连接的激活情况，方法是计算每种扰动及其匹配对照样本的PAGA连接度，并筛选出变化≥0.15的连接（图4E）。与最优转运估计结果一致（图4D），只有pIC和LPS增加了HSC与MPP2或混合MPP节点之间的连接。此外，他们发现pIC和LPS增加了HSC与MkP节点之间的连接，这与已报道的HSC-MkP旁路通路一致，其中pIC和下游I型干扰素反应是主要驱动因素。为了验证这种关联，他们从β-肌动蛋白-Gfp小鼠中分离出HSC，并将其移植到致死剂量照射的受体小鼠中。从移植后第二天开始，按照与分子分析相同的剂量和方案，给受体注射pIC或G-CSF，结果发现只有pIC能促进GFP +血小板的生成。在分子水平上，对pIC处理后的造血干细胞（HSC）中TF调控子的SCENIC分析显示，巨核细胞谱系特异性因子（如Fli1和Runx3）表达上调，提示pIC通过过早激活血小板谱系特异性TF来稳定巨核细胞旁路。最后，他们评估了MPP4富集节点的连接性，因为这种通常偏向淋巴细胞的细胞群可以通过IL-6或TF平衡进行重编程，从而按需产生髓系细胞。在所有扰动中，LPS、pIC 和 IL-1 增强了 MPP4/CLP 节点到 mGMP/cMoP 节点的连接性，而 G-CSF 似乎抑制了这种连接（图 4F）。使用最佳转运方法预测 pIC 会产生类似效应，淋巴结 O 中的细胞在 pIC 暴露第 4 天表现出明显的髓系分化倾向，而 G-CSF 处理的细胞则保持淋巴系分化。这些预测的细胞命运变化与关键 MPP4 节点 D 的组成差异无关，表明它们主要归因于细胞行为的改变。他们将纯化的 MPP4 细胞移植到经亚致死剂量照射的同源受体小鼠中，并在移植后第二天开始进行 pIC 或 G-CSF 处理。与预测一致，发现只有 pIC 处理延长了 MPP4 细胞的髓系输出（图 4G）。对 pIC 处理后的 MPP4 细胞中转录因子调控子的 SCENIC 分析再次揭示了能够驱动 MPP 细胞向髓系分化的因子（如 C/EBPα 和 C/EBPβ）的上调（图 4H）。相应地，计算机模拟敲除 C/EBPα 和 C/EBPβ 基因预测，与 G-CSF 处理的细胞相比，pIC 处理的 GMP 细胞中 MPP 的嵌入偏移更为显著。综上所述，这些结果表明，病原体衍生的产物，尤其是pIC，可以通过MPP重编程和旁路机制的激活来重塑整个HSPC层级，而G-CSF的作用仅限于增强已在稳态下运行的髓系祖细胞特异性通路。

接下来，他们探究了不同的电镜刺激是否能够激活共同的转录模块以增强髓系细胞的输出。为此，对包含9种条件和25个单细胞RNA测序样本的整合数据集进行了非负矩阵分解（NMF）（图5A）。交叉验证表明，总共40个因子适用于本研究的数据集，他们手动将这些因子分为三类：代表技术或批次相关变异的因子、细胞类型特异性效应的因子以及受扰动影响的因子，还构建了一个髓系伪时间梯度，从HSC开始，经过密度聚类到达GP和cMoP，揭示了分子过程的清晰进展：首先是受干性因子（如HOXA10）驱动的HSC相关鼠类因子（M7），然后是与HOXA7和SOX4转录因子调控子相关的MPP相关因子（M9和M13），最终是与已知的髓系转录因子（如C/EBPα、IRF8、C/EBPε和GFI1）相关的髓系相关因子（M11、M23、M15和M30）（图5 B）。在受扰动影响而发生变化的因子中，他们选择了四个（M12、M18、M24和M40）进行进一步研究，因为它们具有有趣的生物学特性。 M18在造血干细胞/干细胞样造血干细胞中最为活跃，与急性IL-1暴露以及病原体刺激物LPS和pIC均有特异性关联，并且在脊椎动物物种间表现出最高的保守性（图5C）。对其上标基因的基因集富集分析显示，其富集于参与组织分化和转录因子活性的通路，SCENIC调控子评分表明其与TCF12和RUNX1的关联性最强（图5D）。这表明M18与早期造血干细胞的急性激活相关，可能由RUNX1及其相关转录因子驱动，这与RUNX1在驱动多种谱系分化（包括髓系造血）中的作用相一致。

虽然 M12 在 HSC/ST-HSC 中也高度富集，但它是由慢性 IL-1 和 5FU 激活的，在其主要富集基因中与 JUN 和 FOS 家族成员的表达相关，与 AP-1 转录因子的 SCENIC 调控子具有很强的相关性，并且富集了与蛋白质翻译相关的基因集（图 5D-E）。这表明 M12 在慢性炎症环境下激活，并可能促进 HSPC 的髓系分化，这与 JUN 作为 PU.1 在髓系造血中的重要辅助因子的作用相一致。M40在造血干细胞(HSC/ST-HSC) 中也最为富集，并且与LPS和pIC密切相关（图 5F），这些基因富集于与病毒感染相关的基因集，与 SCENIC 调控子中的关键 IFN 相关转录因子（如 STAT1、STAT2 和 IRF7）相关，并且富集了 IFN 诱导的基因（图 5D-F）。M40在造血系统中比 M12 或 M18 更广泛的活性（图 5G）。相比之下，M24 在髓系祖细胞（如 GMP）中最为活跃，其活性与多种扰动相关，包括 5FU、G-CSF、pIC 和 LPS（图 5H）。其主要富集基因包括代谢基因（Ldha和Cox7b）以及 IFN 诱导的跨膜蛋白（Ifitm1和Ifitm3），这些基因通常在 HSC 中的表达高于GMP，并且富集了与代谢激活相关的基因集（图 5H）。这表明 M24 与各种扰动下的髓系激活普遍相关。在独立的G-CSF处理数据集中，髓系定向祖细胞中M24的诱导强度高于HSC。总的来说，这些结果表明，在HSC中，不同的扰动组合可以激活多个不同的分子效应模块（图5 I），这种激活方式在独立研究中具有高度可重复性，并且可能对下游的EM反应产生重要的功能性影响。

NMF因子M24在多种条件下髓系定向祖细胞中表达上调，使其成为一个极具吸引力的核心EM模块，值得进一步研究。在5FU暴露的情况下，M24在第8天（代表造血干细胞/祖细胞活化达到峰值的时间点）是上调最显著的分子过程之一，在髓系偏向的MPP3和GMP中均有体现（图6A-B）。此外，对已发表的来自小鼠心肌梗死、葡聚糖硫酸钠（DSS）诱导的炎症性结肠炎、炎症性脊柱关节炎和LPS诱导的脓毒症研究的骨髓GMP RNA-seq数据进行分析，结果显示，在所有情况下，M24的前100个上样基因均显著富集（图6C），突显了其在炎症性疾病模型中的普遍性。在IREA分析中（图6D），M24高表达基因显著富集于由粒细胞巨噬细胞集落刺激因子（GM-CSF）等髓系细胞因子诱导的基因，以及与高输出HSC 76相关的基因，这与M24作为髓系再生驱动因子的观点相符。为了探究可能的上游调控因子，他们发现M24与ERF、YBX1和NFIA的SCENIC调控子高度相关（图6E）。

为了在更广泛的髓系造血分子调控背景下理解这些结果，他们使用CellOracle软件对33个在髓系造血中已知发挥作用的转录因子进行了计算机模拟敲除筛选（数据S3F），比较了第8天5FU组和第20天IL-1组，结果显示IL-1组M24活性并未升高（图6F）。组成型髓系因子如C/EBPα在两种情况下均同样重要，而PU.1、MYC和IRF8在慢性IL-1暴露中更为重要，C/EBPβ、XBP1和YBX1在5FU治疗中更为重要。基于这些结果，他们鉴定出Y-box转录因子和冷休克蛋白YBX1是M24的潜在调节因子。YBX1是一种多功能蛋白，可调节细胞增殖和分化，并能结合mRNA影响其稳定性、剪接和翻译。为了确定YBX1是否调节M24因子中的基因，他们重新分析了已发表的来自人MDA-231乳腺癌细胞系的交联免疫沉淀（CLIP）测序数据。有趣的是，YBX1 与 M24 模块中许多基因的 mRNA 结合，且 YBX1 峰中载荷最高的基因显著过表达。这表明YBX1可能通过稳定激活相关基因的 RNA 转录本来驱动 M24 的激活。为了验证这一假设，首先通过流式细胞技术检测了髓系祖细胞中 YBX1 蛋白的水平，结果证实，在第 8 天经 5FU 处理的 MPP3 细胞中 YBX1 蛋白水平显著升高，而在第 7 天经 IL-1 处理的 MPP3 细胞中则无变化（图 6G）。随后，对分别从第 8 天经 PBS 和 5FU 处理或第 7 天经 IL-1 处理的小鼠中分离的 GMP 进行体外液体培养，并在存在或不存在 YBX1 抑制剂 (YBX1i) SU056或 PU.1 抑制剂 (PU.1i) DB2313的情况下进行扩增（图 6H）。与 M24 激活一致，5FU 处理的 GMP 扩增速度显著快于对照组 GMP，而 YBX1i 处理则使 GMP 的扩增恢复到与对照组 GMP 相同的水平（图 6I）。重要的是，YBX1i 对对照组或 IL-1 处理的 GMP 均无显著影响，PU.1i 也未抑制 5FU 处理的 GMP 的扩增，这表明该效应具有特异性（图 6J-K）。从机制上讲，YBX1 抑制导致 5FU 处理的 GMP 选择性死亡，而不影响其增殖速率（图 6L）。总而言之，这些数据强调了 M24 在髓系再生过程中的广泛活性，确定 YBX1 是该分子过程的潜在调节因子，并揭示了 EM 激活的髓系祖细胞对 YBX1 活性的选择性和可靶向依赖性。

接下来，他们采用两种互补的方法来评估类似的效应模块是否能够调控人类造血。首先，构建了包含约50个基因的小鼠特征谱（mSig），这些特征谱涵盖了4个与EM相关的鼠NMF因子（M12、M18、M24和M40）。构建方法是通过识别在相关扰动中显著上调的顶级基因，并由此推导出相应的人类直系同源基因特征谱（hSig），以映射人类HSPC中类似的分子过程（图7A）。其次，整合了已发表的来自健康志愿者的骨髓scRNA-seq数据集，这些志愿者接受了5天的G-CSF处理，以及体外用LPS或TLR1/2激动剂Pam3CSK4处理4天的骨髓细胞（图7A），以在人类参考嵌入模型上进行非负矩阵分解（NMF），并使用30个因子进行NMF。值得注意的是，他们发现了一个人类因子H2，它在GMP中由LPS和Pam3CSK4激活，但在HSC/MPP中则未激活（图7B），并且与鼠源性因子mSig24共有许多关键基因（图7C）。对鼠源和人源NMF因子进行正式比较显示，M24与H2的相关性最强，YBX1也鉴定为H2的主要预测调控因子。这表明 H2/M24 所代表的分子过程在哺乳动物物种中是保守的，验证了在小鼠数据集中识别基本 EM 特征的方法。

由于SARS-CoV-2（COVID-19）与异常的EM反应相关，他们接下来在COVID-19患者HSPC中上调的基因中检测了相关特征，发现hSig24和hSig40显著富集，而hSig12则下调。由于肿瘤细胞利用驱动激活和增殖的分子过程是一种常见的策略，接下来研究了EM特征是否在急性髓系白血病（AML）中富集。首先，他们发现mSig24在由MLL-AF9融合蛋白转化的GMP来源的AML小鼠模型中显著富集，但在由转化的HSC/MPP来源的Tet2 f/f:Vav1-iCre+/- :Flt3 ITD/+模型中未见富集（图7 D）。利用基于预测细胞起源的分类系统，在TCGA-LAML和Beat AML队列中，“原始型”、“中间型”和“GMP型”患者的hSig24评分高于“成熟型”亚型（图7E），这与小鼠GMP和MPP3中M24的相对富集相一致。接下来，通过对不同分子改变以及hSig24进行单因素分析，探讨hSig24富集是否能够预测AML患者的生存结局。在TCGA-LAML和Beat AML队列中，TP53突变状态和hSig24均与总生存期显著相关，且Beat AML队列中TP53突变患者的hSig24评分更高。由于TP53突变与AML预后不良相关，他们进行了两项分析以评估hSig24对总生存期的独立预测作用。首先，在两个队列中构建了多变量Cox回归模型，发现hSig24仍然是总生存期的显著独立预测因子。其次，为了检验hSig24在TP53突变状态之外的预后价值，剔除了所有TP53突变样本，然后比较了TCGA-LAML和Beat AML队列中hSig24评分最高（前20%）和最低（后20%）的野生型（WT）TP53患者的总生存期。在两个队列中，hSig24评分最高的患者的生存期均显著较差（图7F）。使用Cox比例风险模型，将年龄、性别、既往恶性肿瘤史和治疗史作为协变量进行分析，发现hSig24与TCGA-LAML和Beat AML队列中野生型TP53患者的较差生存率相关，而其他EM评分则不能预测预后（图7G）。虽然成人和儿童AML在分子和临床特征方面存在显著差异，但hSig24和hSig40均可预测儿童TARGET-AML队列的预后。相反，hSig24在预测淋巴系统恶性肿瘤或大多数实体瘤的预后方面并无帮助，虽然它与TCGA-LUAD队列中肺腺癌患者的总生存期相关，其他研究也报道了髓系特征可以预测预后。最后，通过比较似然比，他们发现纳入 hSig24 后，模型拟合度显著优于已建立的 ELN2022 临床评分。ELN2022临床评分是突变和细胞遗传学特征的替代指标，并将 TP53 突变型 AML 归类为一种独立的疾病实体。这表明 hSig24 的额外贡献不能仅用细胞遗传学风险来解释。相反，其他基因评分，例如 APS、LSC17和Stem11评分，均未优于 ELN2022 评分（图 7H）。总而言之，这些数据表明，髓系激活保守效应模块具有直接的临床意义，因为它能够预测儿童和成人 AML 的预后，且其预测能力优于已知的 TP53 突变等因素。

本研究利用小鼠HSPC的scRNA-seq数据，构建了一种全面且通用的细胞注释方法（HemaScribe）和一个精细的造血分化定量模型（HemaScape），并将其应用于多种EM模式。发现了多种增强髓系造血的策略，这些策略作用于HSPC层级的不同层面，并与独特和共同的转录反应模块相关。尤其值得一提的是，本研究发现了一个在多种炎症挑战下均存在的、基于髓系祖细胞的EM激活模块，该模块在人类中也保守存在，并可用于预测成人和儿童急性髓系白血病的预后。本研究阐明了造血再生中的基本调控机制，这些机制在疾病治疗方面具有直接的转化应用价值。