社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

单细胞全长RNA测序技术;解析精神疾病风险的新视角;机器学习助力植物单细胞研究;DMED治疗新途径;肠道微生物在TMJ调节中的新发现

单细胞天地 • 2 月前 • 128 次点击  

1 性别差异揭示人脑基因表达的微妙变化:解析精神疾病风险的新视角

文章:Sex effects on gene expression across the human cerebral cortex at cell type resolution

链接:https://www.science.org/doi/10.1126/science.aea9063

在生物医学研究中,性别差异一直是一个重要但复杂的话题。最近,国家心理健康研究所的科学家们通过对人脑多个区域进行高分辨率的单细胞RNA测序分析,首次揭示了男性和女性大脑在基因表达上的细微差异。这项研究的结果可能有助于解释为何某些精神和神经系统疾病在生物性别之间表现出不同的风险、患病率和进展速度。

研究团队分析了来自30名成年个体(15名男性和15名女性)的大脑组织样本,专注于六个皮层区域,包括一些已知存在性别差异的区域以及一些未被广泛研究的区域。结果显示,生物性别仅解释了大脑基因表达变异的一小部分,但研究人员仍发现超过3000个基因在至少一个皮层区域表现出性别偏向的转录特性。这些基因中,有133个在不同的脑区和细胞类型中表现出一致的性别差异。

研究发现,性染色体上的基因表现出最显著的性别差异,但更重要的是,大多数性别相关的变异发生在常染色体基因中,这些基因的表达受到性激素的驱动。这一发现提示我们,性别差异不仅仅是由性染色体决定的,常染色体基因的表达也可能在性别特征中发挥关键作用。

更令人关注的是,许多表现出性别偏向表达的基因与多种神经精神和神经退行性疾病相关的遗传变异重叠,包括注意力缺陷多动障碍(ADHD)、精神分裂症、抑郁症和阿尔兹海默症等。这意味着,性别差异可能在这些疾病的发病机制中扮演重要角色。

研究还指出,性别相关的基因表达差异可能部分源于社会化和经验的不同。然而,科学家们强调,如果这些差异在出生前就已存在,那么社会影响的作用可能就会被排除。这一发现为理解性别如何影响健康和疾病提供了新的视角,未来的研究可进一步探讨性别差异在基因表达中的起源及其对疾病的影响。

2 新型sc-rDSeq技术揭示肺癌耐药细胞的复杂异质性,为个性化治疗开辟新路径

文章:sc-rDSeq: a robust and cost-effective full-length total RNA sequencing method for single cells reveals multilayered heterogeneity in drug-resistant lung cancer cells

链接:https://doi.org/10.1093/nar/gkag312

在癌症治疗中,耐药性是一个长期困扰医生和研究人员的难题。最近,研究人员开发了一种名为sc-rDSeq的新型单细胞全长RNA测序技术,这项技术不仅提高了RNA测序的灵敏度,还能够全面捕获细胞内的多种RNA类型,包括polyA+和非polyA RNA。研究人员通过应用sc-rDSeq技术,对非小细胞肺癌(NSCLC)细胞系PC9进行了深入分析,揭示了耐药细胞的复杂异质性,为进一步的个性化治疗提供了新的思路。

sc-rDSeq技术的最大亮点在于其能够同时捕获多种类型的RNA,包括组蛋白RNA、小型和大型非编码RNA以及增强子RNA。这一全新的测序方法克服了传统单细胞RNA测序技术的局限性,传统方法大多依赖于oligo-dT引物,主要捕获带有polyA尾巴的mRNA,导致许多重要的非编码RNA和其他RNA类型被忽视。而sc-rDSeq采用了一种优化的引物设计,能够有效捕获非polyA RNA,这使得科学家们能够更全面地分析细胞的转录组特征。

在研究中,团队对来自30名成年个体的PC9细胞进行了处理,分别使用了两种EGFR抑制剂:吉非替尼和奥希替尼。这些药物在一开始对细胞的生长有明显的抑制作用,但随着时间的推移,细胞逐渐产生耐药性。研究人员通过sc-rDSeq技术,分析了超过7000个细胞的转录组数据,发现耐药性细胞并非单一群体,而是由多个亚群体组成,每个亚群体具有不同的生物学特征和生存策略。

研究结果显示,耐药性细胞的异质性主要体现在以下几个方面。首先,研究人员发现耐药性细胞在EGFR抑制剂处理后普遍表现出G1期停滞,这一发现不仅通过传统的细胞周期标记基因得到了支持,还通过检测非polyA组蛋白mRNA的表达得到了验证。这表明,耐药性细胞在药物压力下并没有完全死亡,而是进入了一种“休眠”状态,降低了代谢活动以适应环境。

其次,sc-rDSeq技术揭示了耐药性细胞的七个不同亚群体,每个亚群体在代谢、迁移和细胞周期等方面表现出不同的特征。例如,某些亚群体显示出增强的脂质合成和细胞迁移能力,提示它们可能依靠这些机制来逃避药物的抑制。而另一些亚群体则表现出更高的细胞周期活跃性,说明它们在快速增殖中寻求生存机会。

此外,研究还发现,非编码RNA在耐药性细胞中扮演着重要角色。sc-rDSeq能够捕获多种非编码RNA,包括长链非编码RNA(lncRNA)和增强子RNA(eRNA),并分析其在不同耐药性亚群体中的表达模式。这一发现为理解癌细胞的转录调控机制提供了新的视角,提示非编码RNA可能在耐药性形成中发挥了关键作用。

在对耐药性细胞进行进一步分析时,研究人员还发现了替代剪接事件的显著变化。sc-rDSeq技术能够捕获不同异构体的表达,揭示了同一基因在不同细胞状态下可能产生不同的转录本。这种现象使得耐药性细胞在功能上表现出多样性,可能使其在面临药物压力时具备更强的适应能力。

值得注意的是,研究人员在分析单核苷酸变异(SNV)和插入缺失变异(indel)时发现,这些遗传变异在耐药性细胞中的作用相对有限。经典的EGFR T790M突变并未在DTP细胞中出现,表明耐药性并非单纯依赖于突变的积累。这一发现强调了非突变机制在耐药性发展中的重要性,提示未来的治疗策略应更关注细胞状态的调控而非仅仅依赖于基因突变。

3 PhytoCell:创新机器学习框架助力植物单细胞转录组研究,揭示细胞异质性新视角

文章:PhytoCell: An ensemble learning framework for identifying cell states in plant scRNA-seq data

链接:https://doi.org/10.1016/j.cj.2026.02.021

网站:https://cgris.net/phyto

在植物科学领域,单细胞转录组测序(scRNA-seq)技术的出现为研究细胞异质性提供了前所未有的机遇。然而,准确分类细胞亚群体及其标志基因仍然是一个巨大的挑战。为了解决这一问题,研究人员开发了PhytoCell,一个集成学习框架,利用机器学习和特征选择技术来识别植物细胞的标志物并进行细胞亚群的注释。

PhytoCell框架的核心在于其结合了多种特征选择方法与机器学习算法,能够有效消除冗余信息,发现关键的细胞标志物,并提高细胞亚群的聚类性能。研究团队在对来自烟草(Nicotiana attenuata)和水稻(Oryza sativa)的120,000个细胞进行分析时,展示了PhytoCell的强大能力。

在烟草的研究中,PhytoCell通过分析花冠细胞的转录组,成功识别出多个关键的细胞标志物。这些标志物不仅帮助研究人员准确分类了细胞亚群体,还揭示了细胞在不同发育阶段的功能特征。例如,研究人员发现某些标志物在花冠细胞的特定发育阶段表达显著上调,提示这些基因可能在花的发育过程中发挥重要作用。通过对这些细胞标志物的深入分析,PhytoCell能够有效捕捉细胞内的生物学信号,帮助科学家们更好地理解植物细胞的功能。

在水稻的应用中,PhytoCell同样表现出色。研究团队分析了来自八种不同组织的水稻细胞,PhytoCell识别出了与不同组织相关的最佳基因集。这些基因集不仅提高了细胞亚群体的分类精度,还揭示了水稻在不同生长阶段的生物学特征。例如,某些基因在水稻的根部和茎部表现出特异性表达,显示出这些细胞在营养吸收和生长过程中的重要性。

PhytoCell的优势在于其不依赖于先前的生物学知识进行细胞标志物的选择,这使得它能够保持数据的原始生物学特征。此外,该框架采用了集成学习的方法,结合了多个机器学习模型,如XGBoost、支持向量机(SVM)、随机森林(RF)和LightGBM,以提高预测的准确性和稳定性。研究表明,PhytoCell在多个测试数据集上的表现优于传统方法,尤其是在处理高维和稀疏数据时,PhytoCell能够提取复杂的模式和关系。

在研究过程中,团队还使用了SHAP(SHapley Additive exPlanations)方法来解释特征对模型预测的贡献。这一方法帮助研究人员理解哪些基因在细胞分类中起到了重要作用,从而为后续的实验提供了有价值的线索。

此外,为了方便研究人员使用,PhytoCell开发了一个用户友好的网站,用户可以通过简单的步骤查询细胞标志物资源,并对自己的数据进行细胞类型预测。总的来说,PhytoCell的开发为植物细胞研究提供了一个强有力的工具,帮助科学家们更深入地理解植物细胞的异质性和功能。随着该框架的不断优化和推广,PhytoCell有望在精准农业和作物改良等领域发挥更大的作用。研究团队计划继续扩展PhytoCell的应用范围,探索其在更多植物物种和组织类型中的潜力,以推动植物科学的进一步发展。

4 新型单原子纳米酶为糖尿病引起的勃起功能障碍开辟精准治疗新途径

文章:Design of Single-Atom Nanozymes for Precision Treatment of Erectile Dysfunction with Integrated Single-Cell RNA Sequencing and Machine Learning

链接:https://doi.org/10.1002/advs.202524169

在男性健康领域,糖尿病诱导的勃起功能障碍(Diabetes Mellitus-induced Erectile Dysfunction,DMED)已成为一个日益严重的问题。研究显示,约52.5%的糖尿病患者会遭遇勃起功能障碍,而传统的治疗方法效果有限。为了解决这一问题,研究人员开发了一种名为Fe-DMOF的单原子纳米酶(SAzyme),并结合了单细胞RNA测序和机器学习技术,旨在为DMED提供精准治疗。

研究团队首先利用scRNA-seq技术分析了DMED患者的海绵体组织,发现该组织中活性氧(ROS)水平显著升高,同时主要的抗氧化酶如谷胱甘肽过氧化物酶(GPx)、过氧化氢酶(CAT)和超氧化物歧化酶(SOD)的表达水平明显降低。这一发现表明,氧化应激在DMED的发病机制中起着关键作用。为了开发针对这一病理特征的治疗方案,研究人员构建了一个包含403条数据的纳米酶数据库,并通过机器学习模型预测纳米酶的酶模拟类型。

在机器学习模型的开发中,研究团队采用了深度神经网络(DNN)和支持向量机(SVM),并发现SVM模型的预测性能优于DNN模型。因此,SVM模型被选为最终的预测工具,指导纳米酶的设计。通过这一数据驱动的方法,研究人员确定了铁基纳米酶(Fe-DMOF)作为DMED治疗的最佳候选者。

Fe-DMOF的合成过程采用了湿法浸渍法和高温热解法。这种纳米酶不仅展现出类GPx、类CAT和类SOD的多重酶活性,还能够有效清除体内的过量ROS,抑制ROS引发的组蛋白乳酸化修饰,进而逆转糖尿病海绵体中成纤维细胞和巨噬细胞的炎症分化。研究结果显示,Fe-DMOF能够显著降低海绵体中的ROS积累,改善细胞的红氧平衡,从而为勃起功能的恢复提供支持。

在体外实验中,Fe-DMOF的抗氧化能力得到了验证。研究人员发现,Fe-DMOF能够有效降低H₂O₂诱导的氧化应激,保护成纤维细胞和巨噬细胞的功能。此外,Fe-DMOF通过调节NF-κB信号通路,抑制了促炎性细胞表型的转变。这一机制的发现为理解DMED的发病机制提供了新的视角。

在体内实验中,研究团队评估了Fe-DMOF在DMED大鼠模型中的疗效。通过口服给药,Fe-DMOF在大鼠体内的生物分布显示,其在海绵体和脾脏等关键组织中的积累,可能与其治疗效果密切相关。实验结果表明,Fe-DMOF能够显著改善DMED大鼠的勃起功能,且未对重要脏器造成损害,显示出良好的生物相容性。

此外,研究还发现,Fe-DMOF能够有效恢复内皮细胞的功能,促进一氧化氮(NO)的释放,增强内皮细胞的管状形成和迁移能力。这一发现强调了Fe-DMOF在改善血管功能和促进勃起的潜力。

这项研究不仅为糖尿病诱导的勃起功能障碍提供了新的治疗思路,还展示了结合单细胞RNA测序与机器学习的创新方法在精准医学中的应用潜力。Fe-DMOF的成功开发,标志着在治疗男性勃起功能障碍领域的一次重大进展。未来,随着对这一技术的进一步研究和优化,Fe-DMOF有望成为DMED患者的有效治疗选择,为改善男性健康做出贡献。

5 肠道微生物代谢物丁酸在颞下颌关节疼痛调节中的新发现

文章:Single-cell multi-omics sequencing reveals cell-specific transcriptomic and chromatin accessibility profiles in gut microbiome metabolite butyrate-produced pain modulation

链接:https://www.nature.com/articles/s41368-026-00432-9

在口腔科学领域,颞下颌关节(Temporomandibular Joint, TMJ)疾病已成为影响人们生活质量的重要健康问题。这类疾病通常伴随着疼痛和功能障碍,现有的治疗方法往往效果有限,因此深入研究其分子机制显得尤为重要。最近,一项发表在《国际口腔科学杂志》的研究揭示了肠道微生物代谢产物丁酸在调节TMJ疼痛中的潜在作用,为未来的治疗方案提供了新的思路。

研究团队首先指出,TMJ疾病的发生与肠脑轴密切相关,肠道微生物的代谢产物丁酸在这一过程中扮演着关键角色。研究表明,在通过完全弗朗德佐(CFA)诱导的炎症模型中,丁酸水平显著降低。为了探究丁酸的治疗潜力,研究人员使用了三丁酸甘油酯(tributyrin),这是一种丁酸的前药,旨在评估其在缓解TMJ疼痛方面的效果。

在实验中,研究人员对小鼠进行CFA注射以诱导TMJ炎症,并在此基础上进行三丁酸甘油酯的口服给药。结果显示,三丁酸甘油酯能够显著提高小鼠的头部撤回阈值,表明其具有显著的镇痛作用。此外,研究还发现,三丁酸甘油酯的治疗效果是特异性的,仅对炎症侧有效,而对对侧没有影响,进一步证明了其针对性。

为了解丁酸的作用机制,研究者们对脊髓三叉神经核尾部(Sp5C)进行了单细胞多组学分析,使用了单细胞核RNA测序(snRNA-seq)和单细胞核可及性测序(snATAC-seq)。结果显示,共分析了22,850个细胞,识别出了12种不同的细胞类型,包括星形胶质细胞、胆碱能神经元、GABA能神经元等。尽管不同组别之间细胞组成变化不大,但细胞内的分子特征却发生了显著变化。

在CFA诱导后,研究发现谷氨酸能神经元、GABA能神经元和星形胶质细胞均表现出大量的差异表达基因(DEGs)。例如,谷氨酸能神经元在CFA组中有715个DEGs,而GABA能神经元则有534个DEGs。这些结果表明,TMJ疼痛显著影响了Sp5C中细胞的基因表达和染色质可及性。

进一步的分析揭示了五个关键基因在CFA引起的疼痛和三丁酸甘油酯治疗中的一致性调控模式。这些基因包括Nop14、Matk、Idh3b、Ndst2和Tomm6,研究发现它们在CFA条件下的表达上调,而在三丁酸甘油酯治疗后则恢复到正常水平。这一发现为理解丁酸在疼痛调节中的作用提供了重要线索。

此外,研究还探讨了表观遗传机制,发现丁酸作为一种组蛋白去乙酰化酶(HDAC)抑制剂,能够影响特定基因的乙酰化状态。CFA注射后,Sp5C中的总组蛋白H3乙酰化水平显著下降,而三丁酸甘油酯治疗能够恢复这些水平。这表明,丁酸通过调节组蛋白乙酰化状态来影响基因表达,从而在疼痛调节中发挥作用。

为了验证Nop14在TMJ疼痛中的作用,研究人员进行了基因敲低实验,结果显示,Nop14敲低后,小鼠的疼痛阈值显著提高,表明Nop14在疼痛调节中具有重要作用。这一发现强调了Nop14作为潜在治疗靶点的价值。

这项研究表明,肠道微生物代谢物丁酸在调节TMJ疼痛中发挥着重要作用。三丁酸甘油酯作为丁酸的前药,能够有效缓解炎症引起的疼痛,并通过恢复丁酸水平和调节表观遗传机制来实现其镇痛效果。这一发现为未来开发基于肠道微生物代谢物的非阿片类疼痛治疗方案提供了新的方向,可能会为TMJ疾病患者带来新的希望。随着对这一领域研究的深入,期待丁酸及其衍生物能够在临床应用中发挥更大的作用。



往期回顾

人类头皮细胞老化全景图;FFPE样本全转录组单细胞测序;单细胞层面的miRNA编辑“指纹”;单细胞测序揭示CHO细胞亚群异质性等|单细胞视角

Cancer Discovery | 单细胞测序绘制膀胱癌免疫全景图:SPP1⁺巨噬细胞-IL6-CRP 轴主导免疫逃逸

Nat Commun | SIDISH整合单细胞和bulk转录组,识别高风险细胞并通过计算机模拟扰动指导精准治疗

话九十七 | 海外生信,更好做吗?

Nat Methods | 系统化的scRNA-seq筛选分析神经类器官对形态原的反应






如果你对单细胞转录组研究感兴趣,但又不知道如何入门,也许你可以关注一下下面的课程




看完记得顺手点个“在看”哦!


生物 | 单细胞 | 转录组丨资料
每天都精彩

长按扫码可关注

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/195571