基于损伤后体内细胞衰老的细胞类型分辨转录网络分析

《PLOS Computational Biology》:Cell-type resolved transcriptional network analysis of in vivo cellular senescence following injury

【字体: 大 中 小 】 时间:2026年06月23日 来源:PLOS Computational Biology 3.6

编辑推荐:

  识别复杂表型的遗传相关性是一项具有挑战性的任务。源自复杂网络领域的方法可通过揭示与表型相关的基因组之间的统计关联来帮助寻找此类分子模式。本研究聚焦于细胞衰老,这是一种分子基础仍在积极研究中的复杂细胞状态。研究人员采用了一种基于网络的方法,将特征向量中心性(Ei

  
识别复杂表型的遗传相关性是一项具有挑战性的任务。源自复杂网络领域的方法可通过揭示与表型相关的基因组之间的统计关联来帮助寻找此类分子模式。本研究聚焦于细胞衰老,这是一种分子基础仍在积极研究中的复杂细胞状态。研究人员采用了一种基于网络的方法,将特征向量中心性(Eigenvector Centrality)特征选择与社区检测(Community Detection)相结合,分析了从受损小鼠肌肉组织中获取的细胞类型分辨RNA测序(RNA-seq)数据。该分析鉴定了此前尚未与衰老相关联的遗传标志物,这些标志物在不同组织类型的现有单细胞RNA测序数据中得到了验证。所鉴定的关键基因属于与已确立衰老特征相关的转录通路,因此可解释为这些特征的分子相关性。此处提出的方法可应用于任何复杂细胞表型,即使在仅可获得批量RNA测序数据的情况下,只要数据按细胞类型进行分辨。
## 研究背景与问题

细胞衰老是细胞层面衰老的关键表现,由细胞随时间累积的损伤所引起。尽管衰老细胞对多细胞生物体的衰老进程具有广泛影响,但由于其复杂性质,衰老细胞的识别极具挑战性——细胞的多个不同方面均会受到这一细胞状态的影响,这使得确立清晰的判断标准以区分细胞是否衰老变得十分困难。现有研究虽发现衰老细胞高表达细胞周期调控蛋白如p16和p21,但至今缺乏普遍接受的鉴定标准。RNA测序技术虽能通过比较衰老与非衰老细胞的全局转录活性提供有价值的见解,但传统数据分析方法迄今未能揭示清晰的转录特征,这可能是由于衰老是一种具有多重细胞内涵的高度复杂表型。

在此背景下,开展本项研究的必要性在于:需要一种能够超越标准生物信息学方法的计算策略,以实现对分析基因集的"最后一公里"精细过滤,从而识别出在区分衰老与非衰老转录谱中具有高度中心性的小部分关键基因。研究人员选择衰老小鼠肌肉组织再生过程中出现的衰老细胞作为研究对象,因成年哺乳动物骨骼肌虽为低周转的稳定组织,但在严重损伤后具有强大的快速再生能力,且该过程中衰老细胞的积累已被充分证实。

## 主要技术方法

样本队列来源于Moiseeva等先前发表的实验数据:18只成熟小鼠(9只3月龄年轻鼠,9只28月龄老年鼠),经心脏毒素注射诱导左后肢骨骼肌损伤,分别于损伤后3天和7天提取组织。通过荧光激活细胞分选(FACS)分离三种关键细胞类型——卫星细胞(肌肉干细胞)、成纤维脂肪前体细胞(Fibro-Adipogenic Progenitors, FAPs)和髓系细胞,并进一步利用SPiDER-β-gal标记分选衰老细胞,最终获得108个样本的低投入量RNA-seq数据。

核心计算框架包含三个层次:(一)基于Kolmogorov-Smirnov统计检验的显著性过滤,结合Bonferroni校正;(二)特征向量中心性特征选择算法(Eigenvector Centrality Feature Selection, ECFS),构建基因判别网络计算各基因的中心性得分;(三)基于Louvain算法的网络社区检测,构建细胞状态网络(节点为36种细胞条件,边权重为Pearson相关系数),引入基于Shannon熵的分离优度指标h量化社区分离质量。最终通过逐一剔除验证基因的必需性。统计稳健性通过1000次标签置换的排列检验验证。

## 研究结果

### 2.1 数据集描述与初步过滤

研究人员从损伤和非损伤后肢的年轻及老年小鼠中,于损伤后3天和7天提取肌肉组织。三种目标细胞类型通过FACS分选:髓系细胞、FAPs和卫星细胞。衰老细胞进一步经SPiDER-β-gal分选。初始基因表达矩阵包含108个样本(每种条件3个重复)和46078个基因。经过系列过滤去除缺失值和非判别性基因后,最终获得36种细胞条件×142个基因的矩阵用于后续网络构建。

### 2.2 初步过滤验证

为解决RNA-seq的技术噪声导致的缺失值问题,研究人员对每种条件的3个重复取非零表达均值,仅保留在至少一种条件下至少2个重复中非零表达的基因,将基因数从46078降至28603。主成分分析(Principal Component Analysis, PCA)显示,28603个基因能很好区分三种细胞类型,但完全无法区分细胞状态。继而采用Kolmogorov-Smirnov检验比较衰老样本与非衰老及基础样本的表达分布,经Bonferroni校正后将基因数进一步缩减至142个。验证表明,约98%的KS过滤基因在DESeq2差异表达分析中同样显著,且这些基因仅在衰老与非衰老比较中显著,排除了年龄、损伤时间和细胞类型的混杂效应。PCA结果显示,此时细胞类型区分能力丧失,但细胞状态区分能力有所改善。

### 2.3 基于特征向量中心性特征选择的基因排序与过滤

为进一步提升细胞状态分离效果,研究人员应用ECFS算法对142个基因进行排序。该算法构建完全连接加权网络,节点为基因,边权重表征特征对分类(非衰老细胞与其余样本)的判别力,通过计算特征向量中心性得分评估各基因的重要性。然而,中心性得分递减过于平缓,无法直接设定阈值。因此,研究人员转向第二种网络方法——社区检测,应用于细胞条件网络而非基因网络。通过逐步增加按排名纳入的基因数量,监测社区结构变化,最终确定前10个基因可实现衰老表型的最佳区分。PCA验证显示此时衰老表型与其他表型的区分能力显著提高。

### 2.4 网络社区分析

研究人员以递增数量N的排名基因构建细胞状态网络,节点为36种细胞条件,边权重为对应条件间选定基因表达值的Pearson相关系数。采用Louvain算法识别社区,重复至全部142个基因纳入。理想情况下,社区检测应恰好识别三个社区,分别对应衰老、非衰老和基础三种细胞状态。研究人员引入基于Shannon熵的分离优度h:h = [?Htot/Hmax + 1],其中Htot为总熵,Hmax为最大可能熵(每种细胞条件自成一个社区的情况)。h=0表示最大无序,h=1表示三种细胞状态各自形成独立社区的完美可分离性。

结果显示,纳入前10个排名基因时获得最优h值0.737,此时形成三个社区:一个社区包含12种衰老细胞类型中的9种且无其他细胞状态;另一社区主要为基础细胞;第三社区主要为非衰老细胞。非衰老与基础社区间的部分混合可归因于非衰老细胞兼具基础细胞特征(尚未发展出衰老特异性状)和衰老细胞特征(均提取自损伤肢体)。置换检验表明,如此分离程度随机出现的概率极低(p=0.0019)。进一步逐一剔除验证发现,6个基因(Lncpint、Pcnp、Luc7l3、Al427809、Fabp3及经排除验证的其余基因)即可产生与10个基因相同的分离效果。

### 2.5 与其他特征选择方法的比较

为评估ECFS方法的相对优势,研究人员进行了多维度比较。PCA分析显示,前15个主成分的解释方差呈缓慢衰减,载荷系数分布无胖尾特征,约1000个基因的载荷系数处于前5%水平,表明不存在主导特征空间的小部分基因;ECFS鉴定的基因与随机基因在主成分上的贡献无定性差异,说明PCA不适用于本研究的少量特征选择。随机森林(Random Forest, RF)分类方法重复1000次后,前200个基因的一致性仅约5%,表现出低稳定性;但ECFS鉴定的6个基因中至少有一个在超过半数的RF前200基因中出现,显著高于随机对照基因, validating了ECFS方法的可靠性。

### 2.6 单细胞RNA测序数据验证

研究人员使用Omori等发表的正常和纤维化肝脏及肾脏组织的单细胞RNA-seq数据进行验证。该研究采用p16-tdTomato转基因小鼠模型追踪衰老细胞。基于tdTomato表达的双峰分布,以阈值1.5将细胞分为p16+(衰老)和p16?(非衰老)两组。UMAP投影显示,ECFS鉴定的基因CD59a在衰老细胞群体中明显富集,尤其在肝脏Kupffer细胞和巨噬细胞(与研究数据集共有的髓系细胞)中匹配最佳。这一结果表明该方法可推广至其他组织,且在类似于再生骨骼肌中丰富的细胞谱系(如髓系和可能的间充质细胞)中表现更优。

## 讨论与结论

研究人员讨论了六个关键基因的功能意义。Lncpint(p53诱导的长链基因间非编码转录本)的移除导致聚类完全破坏,表明其在衰老细胞状态分化中的关键作用,这与该分子在DNA损伤应答、细胞周期阻滞和衰老中的已知功能一致。Pcnp和Al427809此前未被报道与细胞衰老相关,但人类同源基因PCNP近来被发现与细胞增殖、活力和凋亡等衰老重叠表型相关。Luc7l3与剪接体相关,而剪接改变日益被证实与细胞衰老和衰老相关;其缺失导致基因组不稳定性和衰老,提示在小鼠细胞中具有相似作用。Fabp3(脂肪酸结合蛋白3)参与长链脂肪酸的细胞内运输,在衰老细胞中上调,与衰老的脂质代谢改变特征相符。CD59a通过阻断膜攻击复合物形成保护宿主细胞免受补体介导的溶解,可能促进衰老细胞抵抗免疫清除,与 recently 发现的衰老细胞上调补体相关因子的现象一致;CD59a敲除小鼠表现出补体失调和衰老标志物增加。

上游转录因子分析表明,四个蛋白编码基因的调控转录因子广泛参与细胞周期、分泌表型、应激响应、凋亡抵抗、DNA损伤、形态改变、线粒体积累、染色质组织和细胞刺激响应等衰老特征通路,印证了鉴定基因与衰老分子特征的系统关联。

本研究的结论为:通过结合网络理论中的社区检测与特征向量中心性概念,研究人员建立了一种特征选择方法,能够从其判别网络中的中心性排序与细胞状态网络的社区分析相结合,鉴定出可明确区分衰老与非衰老表型的小部分基因。具体而言,六个基因(Lncpint、Pcnp、Luc7l3、Al427809、Fabp3、CD59a)几乎完全分离了衰老表型与对照状态。尽管聚类中存在部分混合,研究人员将其归因于损伤条件下不同细胞状态的转录相似性,以及衰老细胞群体在时相和年龄间的已知异质性。值得注意的是,基础细胞社区与衰老细胞社区互不含糊,支持了两类细胞具有足够不同转录特征的假设。该研究结果表明,从转录角度看,衰老是一个以多种分子特征为标志的异质性过程,所鉴定的基因集构成了衰老表型的分子基础。本研究的局限性在于衰老细胞分析主要基于急性肌肉再生这一特定背景,发现的可能标志物未必反映其他器官或应激条件下的所有衰老细胞类型,这已通过肝脏数据的验证部分缓解。未来研究需进一步验证这些基因是否主动驱动或维持衰老状态。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号