幹細胞生物学のヒューリスティックバイアス

精製された造血幹細胞を研究するとき、メカニズムと還元主義的アプローチの衝動は圧倒的であるように思われます。この分野の主な焦点は最近、さまざまな系統および幹細胞特異的マーカーを使用した高度に精製された造血幹細胞の研究にあり、そのすべては確立された階層幹細胞モデルに適切かつ便利に適合しています。この方法論はバイアスで汚染されており、不完全な結論につながっています。私たち自身の研究の多くは、精製された造血幹細胞が非常に頻繁に研究されているが、造血幹細胞の総人口を表しておらず、拡張の階層モデル内で機能するのではなく、真の造血幹細胞が機能することを示しています。それは、動的連続体内のさまざまな分化電位を積極的に循環させています。これらの集団に対する集団全体の研究と直接的な機械的研究に重点を置いた追加作業が必要です。さらに、最も生産的な研究は、細胞または組織のレベルで機械的である可能性があります。最後に、堅牢な機械学習アルゴリズムの適用は、幹細胞の運命と分化の可能性の動的な変動性とフラックスに関する洞察を提供する可能性があります。

When studying purified hematopoietic stem cells, the urge for mechanisms and reductionist approaches appears to be overwhelming. The prime focus of the field has recently been on the study of highly purified hematopoietic stem cells using various lineage and stem cell-specific markers, all of which adequately and conveniently fit the established hierarchical stem cell model. This methodology is tainted with bias and has led to incomplete conclusions. Much of our own work has shown that the purified hematopoietic stem cell, which has been so heavily studied, is not representative of the total population of hematopoietic stem cells and that rather than functioning within a hierarchical model of expansion the true hematopoietic stem cell is one that is actively cycling through various differentiation potentials within a dynamic continuum. Additional work with increased emphasis on studying whole populations and direct mechanistic studies to these populations is needed. Furthermore, the most productive studies may well be mechanistic at the cellular or tissue levels. Lastly, the application of robust machine learning algorithms may provide insight into the dynamic variability and flux of stem cell fate and differentiation potential.