Identifikation von krankheitsbezogenen Zellzuständen durch Einzelzell-Sequenzierung

In den letzten Jahren haben technologische Durchbrüche in der Einzelzell- und räumlichen Genomik neue Wege für Studien zur Zell- und Gewebekartierung in Gesundheit und Krankheit eröffnet. Die präzise Identifizierung von Zellzuständen bei Krankheiten mithilfe von Einzelzell-Genomik kann Einblicke in die Pathogenese, Biomarker und potenzielle Arzneimittelziele bieten. Der Standardansatz zur Identifizierung von Zellzuständen umfasst die kombinierte Analyse von Einzelzell-RNA-Sequenzierungsdaten (scRNA-seq) aus erkranktem und gesundem Referenzgewebe. Dabei ist die Auswahl gesunder Referenzdatensätze entscheidend.

Derzeit hat das Human Cell Atlas Consortium umfassende Analysen gesunder Proben durchgeführt und großangelegte, einheitliche Datensätze oder Atlas-Datensätze aus mehreren Organen veröffentlicht. Die Merkmale der in diesem Atlas enthaltenen Proben können jedoch sehr unterschiedlich von denen der Proben in Krankheitskohorten sein. Das Sammeln von Kontrollproben aus gesunden Geweben, die den Krankheitsproben mit ähnlichen demografischen und klinischen Merkmalen entsprechen, kann Informationsfehler aufgrund von Störfaktoren erheblich reduzieren.

Das Forschungsteam bewertete, wie die Wahl des Einzelzell-Referenzatlas die Identifizierung von Zellzustandsänderungen aus Krankheitsproben von scRNA-seq-Daten beeinflusst. Mithilfe öffentlich verfügbarer Einzelzell-Transkriptomdaten wurde ein Einzelzell-Referenzatlas von gesunden Individuen erstellt, der bestätigte, dass die Verwendung des Atlas für das Lernen im latenten Raum (LST) und die Differenz-in-Differenz-Analyse von passenden Kontrollen besser krankheitsassoziierte Zellen identifiziert, insbesondere mehrere gestörte Zelltypen. Diese Studie bietet Orientierung für die Gestaltung von Krankheitskohortenstudien und die Optimierung der Nutzung von Zellatlanten.

Verwendung gesunder Referenzdatensätze zur Entdeckung von krankheitsassoziierten Zellzuständen. (Dann et al., 2023)

Interferon (IFN) bei COVID-19-Patienten: Nachweis des Stimulationsstatus

Das Forschungsteam verwendete öffentlich verfügbare scRNA-seq-Datensätze von 90 COVID-19-Patienten und 23 gesunden Spender-PBMCs und wählte scRNA-seq-Profile von 1.219 gesunden Individuen aus 12 Studien als das Mapping-Dataset aus. Potenziell eingebettete Profile gesunder PBMCs (ACR-Design) wurden mit einem Mapping-Dataset verglichen, das nur COVID-19-Daten und ein Kontroll-Dataset mit einer kombinierten Einbettung (CR-Design) verwendete. Um die Fähigkeit der verschiedenen Designs zur Identifizierung von krankheitsassoziierten Zuständen zu quantifizieren, untersuchte das Team Zellen, die Gene exprimieren, die mit dem Interferon (IFN)-Signalweg in Verbindung stehen, einem wichtigen antiviralen Antwortweg und einem anerkannten Marker für COVID-19.

Durch die Integration von Daten aus der COVID-19-Kohorte und dem PBMC-Zellatlas stellte das Team fest, dass die Verwendung eines ACR-Designs eine empfindlichere Identifizierung von transitorischen und heterogenen pathologischen Zellzuständen ermöglichte. Innerhalb des COVID-19-Datensatzes erfasste das Team den IFNhi-Status verschiedener Immunzelltypen sowie unterteilte Subpopulationen von dysfunktionalen CD14+ Monozyten, die mit der Schwere der Erkrankung korrelierten.

Erkennung von Zellzuständen, die mit COVID-19 in einer Fall-Kontroll-Kohorte mit einem gesunden Atlas assoziiert sind. (Dann et al., 2023)

Erkennung abnormaler Zellzustände bei pulmonaler Fibrose

Um die Vorteile der gemeinsamen Nutzung von Einzelzellprofilen und Kontroll-Datensätzen in anderen biologischen Kontexten zu bewerten, analysierte das Forschungsteam scRNA-seq-Datensätze aus Lungengewebeproben von 32 Patienten mit idiopathischer Lungenfibrose (IPF) und untersuchte den Krankheitszustand der Lungenfibrose mithilfe von Einzelzellprofilen von gesundem Lungengewebe. Die Studie umfasste Daten von 28 Kontrollspendern und 18 Patienten mit chronisch obstruktiver Lungenerkrankung (COPD), und der zentrale Human Lung Cell Atlas (HLCA) Datensatz wurde als Atlas-Datensatz ausgewählt.

Das Forschungsteam verwendete ein ACR-Design, um die Daten von IPF-Patienten zu analysieren, und identifizierte zwei seltene abnormale Basalzellzustände, die mit der Krankheit assoziiert sind: KRT5-KRT17+ Basalzellen und KRT5+KRT17hi Basalzellen. Die oben genannten Zellen wurden separat charakterisiert, um weiter differenziell exprimierte Gene (DEGs) zu identifizieren, die im abnormalen basaloiden Zustand differenziell exprimiert und im Vergleich zu normalen Basalzellen überexprimiert waren. Insgesamt wurden 981 signifikante DEGs identifiziert, darunter 6 KRT17hi abnormale Basalzellmarker und 35 zuvor beschriebene Basalzellmarker, was das Verständnis des basaloiden Zellphänotyps bei IPF verbessert.

Erkennung von Zellzuständen, die mit IPF assoziiert sind. (Dann et al., 2023)

Referenz:

1. Dann, Emma, et al. "Präzise Identifizierung von Zellzuständen, die bei Krankheiten verändert sind, unter Verwendung gesunder Einzelzellreferenzen." Naturwissenschaften Genetik (2023): 1-11.