IF50.5｜MAGIC平台揭示染色体不稳定起源与自发突变率

自动化成像与单细胞基因组学联用，首次在非转化细胞中系统追踪自发染色体异常的形成过程。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

染色体异常（CAs）是癌症基因组的重要特征，其驱动事件数量超过碱基替换，并与不良临床结局相关。已有研究将CAs与有丝分裂错误导致的核异型（如微核、染色质桥）联系起来，但自发CAs的形成过程、突变率及触发因素仍不清楚。传统方法依赖人工挑选细胞进行单细胞测序，通量低，难以系统研究。微核是染色体碎裂等复杂CAs的中间步骤，但其自发形成后的命运及对基因组的影响缺乏大规模数据。

科学问题

卡在哪里： 此前研究受限于劳动密集型的人工细胞挑选，仅能分析少量单细胞基因组，无法系统评估自发CAs的突变率、形成过程及不同细胞系间的差异。此外，TP53缺陷对CA突变率的影响、DSB位置如何决定CA类型等关键问题均未得到定量解答。

本文要回答： 本文旨在开发自动化平台MAGIC，系统分离自发微核细胞并进行单细胞测序，以揭示自发CAs的形成过程、突变率、TP53的影响及DSB位置对CA结局的决定作用。

技术路线

作者主要用了：活细胞成像、机器学习、光标记、单细胞Strand-seq、CRISPR-Cas9、FISH。

作者构建了MAGIC平台，将自动化共聚焦显微镜、机器学习在线识别微核细胞、激光光标记和流式分选整合，实现高通量分离目标细胞。首先在非转化细胞系MCF10A和RPE-1中验证平台性能，然后对自发微核细胞进行单细胞模板链测序（Strand-seq），重建CA形成过程。进一步利用CRISPR-Cas9在染色体特定位点诱导DSB，结合FISH验证，系统解析DSB位置对CA结局的影响。

图 1　Fig. 1。图1展示MAGIC平台的工作流程：自动化显微镜扫描细胞群体，机器学习分类器识别微核细胞，激光光标记目标细胞，然后分选进行单细胞测序。b-e显示MCF10A细胞中自发有丝分裂错误（后期桥和滞后染色体）的频率及其导致微核形成的概率。f-g展示H2B-Dendra2光转换和FACS分选结果。h-i显示CRISPR-Cas9诱导DSB后，微核细胞中CA富集且多数包含切割位点，证明平台能有效分离de novo CA细胞。

核心亮点

亮点 1｜MAGIC平台实现高通量自发微核细胞分离

MAGIC整合自动化成像、机器学习分类和光标记，可在24小时内分析数万个细胞并光标记数百个目标细胞。机器学习分类器对微核的精确度≥90%，召回率50%。光标记效率高，红色荧光增加约22倍，无光毒性。通过FACS可高效分选光标记细胞。在CRISPR-Cas9诱导DSB的验证实验中，微核细胞中CA频率较对照富集5倍，且64.9%的CA包含HPRT1切割位点，证明平台能特异性分离发生de novo CA的细胞。

图 2　Fig. 2。图2展示自发微核细胞中的CA景观。a显示MCF10A微核细胞CA频率显著高于对照，而RPE-1无显著差异。b-c通过姐妹细胞对重建了连续两个细胞周期中的BFB循环，导致Chr.14末端缺失和反向重复。d-e显示MCF10A和RPE-1中CA类型分布，MCF10A复杂CA较多，RPE-1以末端CA为主。f-g显示染色体臂CA频率与端粒长度负相关，且RPE-1中大染色体CA偏多。

亮点 2｜自发微核细胞中CA形成景观及双着丝粒驱动作用

在MCF10A自发微核细胞中，54.9%携带至少一个CA，较对照富集3倍（P=1.75×10^-9）。CA类型以末端缺失/重复为主（占41.2%），全染色体非整倍体中丢失显著多于获得（P=0.007）。通过姐妹细胞对分析，发现58%的姐妹对存在互惠CA，支持de novo形成。双着丝粒染色体（dicentric）是主要驱动因素，85.7%的末端获得呈反向重复构型，且86.2%的同一染色体多CA事件可追溯至同一同源染色体，符合断裂-融合-桥（BFB）循环。

图 3　Fig. 3。图3展示TP53缺陷对CA形成的影响。a-b显示TP53−/− MCF10A细胞微核和后期桥频率显著增加。c-d显示TP53−/−细胞中CA频率显著高于野生型。e-f显示TP53−/− RPE-1中复杂CA比例增加。g-h展示agent-based模型框架及估计的CA率：野生型13.3%，TP53−/− 30.4%。

亮点 3｜TP53缺陷使CA突变率翻倍且增加复杂CA

在TP53−/− MCF10A和RPE-1细胞中，微核频率和CA频率均显著增加。通过基于agent的模型估计，野生型MCF10A的基线CA率为13.3%每细胞分裂，TP53−/−细胞为30.4%，约翻倍。有丝分裂类型特异性CA率在两种基因型中相似（正常分裂约3%，滞后染色体约85%，桥约83%），表明TP53缺陷主要通过增加异常有丝分裂比例（尤其是染色质桥）来提高CA率。此外，TP53−/− RPE-1中复杂CA比例从2.7%升至16.5%，提示p53在抑制复杂CA形成中的作用。

图 4　Fig. 4。图4展示靶向DSB位置对CA结局的影响。a显示Chr.2q和7q上三个切割位点。b显示不同位点CA诱导效率。c-d显示CA类型分布随切割位置变化：亚着丝粒切割产生全臂CA和等臂染色体，中央和亚端粒切割产生末端CA和桥介导CA。e-f显示桥介导CA在中央和亚端粒切割中富集，等臂染色体仅在亚着丝粒切割中出现。g-h展示无着丝粒片段扩增的协同分离。

亮点 4｜DSB位置决定CA结局：着丝粒附近切割诱导等臂染色体

在MCF10A中针对Chr. 2q和7q的亚着丝粒、中央和亚端粒位点诱导DSB，发现CA类型与切割位置密切相关。亚着丝粒切割特异性地产生全臂CA，包括等臂染色体（isochromosome），表现为p臂反向获得伴随q臂丢失，频率约10%。中央和亚端粒切割则主要产生末端CA和桥介导的CA。FISH验证显示，亚着丝粒切割后28%的中期分裂相有异常Chr.7信号，其中等臂染色体占11.6%，证实了该结构。

图 5　Fig. 5。图5展示FISH验证靶向DSB诱导的CA结构。a显示亚着丝粒p臂和q臂探针设计。b显示异常Chr.7中期分裂相中各类CA的比例：着丝粒片段33.3%，等臂染色体11.6%，无着丝粒片段30.4%，等臂无着丝粒18.8%，扩增的等臂无着丝粒5.8%。c-d展示代表性中期分裂相图像，确认等臂染色体和等臂无着丝粒结构。

亮点 5｜无着丝粒片段扩增形成等臂无着丝粒并协同分离

靶向DSB实验中观察到无着丝粒片段（acentric）的扩增，占CA比例高达40%。Strand-seq数据显示这些扩增片段同时获得Watson和Crick模板，拷贝数增加为2的倍数，且两种模板比例保持1:1（P<7.63×10^-6），提示片段以反向重复形式整合并协同分离。FISH证实了等臂无着丝粒（isoacentric）结构，表现为q臂信号位于片段中部，且可进一步扩增形成簇状结构。这种机制可能促进基因扩增和ecDNA形成。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： 活细胞成像、机器学习、光标记、单细胞Strand-seq、CRISPR-Cas9、FISH
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事癌症基因组学、染色体不稳定机制研究或单细胞多组学方法开发的研究人员。

带走一句

MAGIC平台将自动化成像与单细胞基因组学结合，为研究自发染色体不稳定提供了高通量工具，可定量解析CA形成过程及突变率。