【更新】单细胞联合MR这样筛选靶点

【更新】单细胞联合MR这样筛选靶点｜衰老+NK细胞+免疫浸润

今天给大家分享一篇JCR一区，单细胞+MR的文章：Unraveling the mechanisms of NK cell dysfunction in aging and Alzheimer’s disease: insights from GWAS and single-cell transcriptomics

标题：揭示NK细胞在衰老和阿尔茨海默病中功能失调的机制：来自GWAS和单细胞转录组学的见解
发表日期：2024年2月
期刊：Frontiers in Immunology
影响因子：7.3
中科院分区：医学2区
小类：免疫学2区

摘要

背景：
衰老是阿尔茨海默病（AD）发展的重要因素。衰老细胞可以被NK细胞识别和去除。然而，NK细胞功能随着年龄的增长而逐渐失活。因此，本研究以衰老为切入点，研究NK细胞如何影响AD。

方法：
该研究通过国家健康和营养检查调查数据库的前瞻性队列验证了认知与衰老之间的相关性。使用来自AD患者和不同年龄的单细胞核转录组测序数据对老龄化人群进行细胞轨迹分析。以AD患者全基因组关联研究（GWAS）队列为结局事件，以表达数量性状位点为工具变量。采用双向孟德尔随机化（MR）和共定位分析基因与AD的因果关系。最后，构建临床队列以验证关键基因的表达。

结果：
使用 2,171 名 60 岁以上的老年人证明了认知与衰老之间的相关性。基因调控分析表明，大多数高活性转录因子集中在AD的NK细胞亚群中，构建了不同年龄组的NK细胞轨迹。MR和共定位分析显示，CHD6可能是影响AD的因素之一。

结论：
我们从群体队列、单细胞数据和GWAS队列中探索了不同水平的AD和衰老，发现衰老和AD之间可能存在NK细胞的一些相关性。它还为潜在的因果关系提供了一些基础。

关键词：AD，衰老，ScRNA-seq，孟德尔随机化，NHANES

结果

图1
流程图。

第一步涉及国家健康与营养调查队列，展示认知与衰老以及衰老和阿尔茨海默病（AD）之间的关系，以及对衰老和AD进行单细胞分析。
第二步涉及对AD进行全基因组关联研究分析。
第三步集中于关键基因重要性的转录组验证。

图2
不同年龄组外周血单细胞分析。

(A) 热图显示细胞亚群的标记基因。颜色越深，基因表达越高。
(B) 条形图显示不同年龄组中细胞亚群的比例。数字和比例图表示总细胞所占百分比。
© 环形图可视化细胞亚群。不同的细胞亚群由单个点组成。
(D) 使用Uniform Manifold Approximation and Projection（UMAP）可视化细胞亚群分布。分别显示了脐带、年轻和衰老参与者的血细胞亚群分布。
(E) 使用CytoTRACE评估不同单细胞亚群的分化潜力。颜色越深，预测的干燥分数越高。
(F) 箱线图比较细胞亚群的分化潜力。点和箱线显示子组得分。

图3
构建衰老细胞轨迹。

(A) 力导向图（FDG）网络展示年轻和老年人群中NK细胞的轨迹。红色点表示可视化的基因表达轨迹。
(B) 使用Uniform Manifold Approximation and Projection（UMAP）可视化FDG，显示脐带血、年轻个体和老年个体的情况。不同颜色的点代表轨迹图中脐带、年轻和衰老的组成。
© NK细胞簇与分化潜力的关系。蓝色曲线表示年龄相关的时间变化，而红色曲线表示分化潜力的变化。
(D) 使用UMAP可视化衰老基因分化潜力的时间变化。模拟不同时期脐带、年轻和老年参与者的衰老基因的时间轨迹。
(E) 通过DREVI图揭示衰老相关基因的时间聚类，显示簇3的分化潜力随时间逐渐降低。颜色越亮，表达越密集。

图4
阿尔茨海默病（AD）和健康个体的单细胞分析。

（A）显示细胞亚群标记基因表达的热图。颜色越深，基因表达越高。
（B）条形图，显示 AD 和健康个体中细胞亚群的比例。百分比表示像元比率。
（C）细胞亚群分布的UMAP可视化。颜色代表不同的细胞亚群。
（D）AD细胞亚群可视化的圆形图。颜色代表细胞的不同亚群;细胞越多，密度越大。
（E）使用 CytoTRACE 评估 AD 亚群的分化潜力。颜色越深，评级越高。
（F）比较细胞亚群分化潜力的箱形图。颜色代表不同的子组。

图5
阿尔茨海默病（AD）患者和健康个体之间转录因子活性的差异。颜色代表不同的细胞亚群。

(A) 使用Uniform Manifold Approximation and Projection（UMAP）可视化细胞亚群聚类。
(B) UMAP可视化AD患者和健康个体的基因表达。
© 不同细胞亚群中转录因子活性的表达。
(D) UMAP可视化AD患者和健康个体中转录因子活性的表达。
(E) 经过PCA降维后的细胞亚群分布可视化。经过PCA降维后的AD患者和健康个体的分布可视化。
(F) 比较AD和健康患者之间不同细胞亚群中的转录因子活性。
(G) 高表达于两个分组和细胞类型的转录因子的识别。水平坐标是按细胞类型的比例差异，垂直坐标是按组别的比例差异。

图6
阿尔茨海默病（AD）中基因转录调控。将转录因子表达聚类成八个模块。

(A) 通过聚类识别不同的转录因子簇。颜色越深，转录因子活性越高。
(B) 使用Uniform Manifold Approximation and Projection（UMAP）可视化AD和健康个体中八个转录活性簇的转录活性。
© 不同簇中的顶级转录因子。

图7
衰老轨迹基因和阿尔茨海默病（AD）的遗传随机化分析。

(A) 森林图显示AD与基因之间的因果关系。
(B) 森林图显示在改变队列后，AD与基因之间的因果关系。
(D) CHD6基因的共定位分析展示。颜色越深，相关性越高。
(E) 条形图比较AD患者和健康个体中关键基因的PCR结果。

图8
CHD6基因在阿尔茨海默病（AD）中的作用。

(A) 环形图展示CHD6阳性NK细胞与其他细胞类型之间的相互作用。
(B) 气泡图显示CHD6阳性NK细胞之间的配体-受体关系。
(D, E) 箱线图比较AD患者和健康个体中的免疫细胞浸润。
(F) 箱线图比较正常和AD个体间转录组中CHD6表达的差异。
(G) CHD6与信号通路的相关性。颜色越深，相关性越高。

小结

主要数据及方法：

Types	Notes
转录组数据	scRNA：GSE168522、GSE157007；Bulk：GSE63060、GSE63061
其他数据	GWAS：ieu-b-5067、ebi-a-GCST90027158；队列数据：NHANES 1999-2002
分析方法	加权线性回归模型；单细胞标准流程；AUCell；CytoTRACE；拟时序分析；DREVIPlot；细胞通讯；TwoSampleMR；coloc贝叶斯共定位；CIBERSORT、MCPcounter免疫浸润
实验技术	单细胞采样；RNA提取和荧光定量 PCR