인간 신장의 건강하고 손상된 세포 상태와 틈새에 대한 지도책

Feb 06, 2024

Nature 619권, 585~594페이지(2023)이 기사 인용

29,000회 액세스

3 인용

414 알트메트릭

측정항목 세부정보

신장 질환을 이해하는 것은 세포 유형과 상태의 복잡성, 관련 분자 프로필 및 조직 주변 내 상호 작용을 정의하는 데 달려 있습니다1. 여기에서 우리는 광범위한 건강한 기준 신장(45명의 기증자)과 질병에 걸린 신장(48명의 환자)에 다중 단일 세포 및 단일 핵 분석(400,000개 이상의 핵 또는 세포)과 공간 이미징 기술을 적용했습니다. 이는 희귀하고 이전에 설명되지 않은 세포 집단을 포함하는 51개 주요 세포 유형의 고해상도 세포 지도를 제공했습니다. 다중 오믹 접근법은 전체 신장에 걸친 상세한 전사체 프로파일, 조절 인자 및 공간적 위치를 제공합니다. 우리는 또한 순환, 적응(성공 또는 부적응 복구), 전환 및 퇴행 상태를 포함하여 신장 손상으로 변경된 네프론 분절 및 간질에 걸쳐 28개의 세포 상태를 정의합니다. 분자 서명은 공간 전사체학을 사용하여 손상 주변 지역 내에서 이러한 상태의 위치를 파악하는 것을 허용했으며, 대규모 3D 영상 분석(약 120만 개의 주변 지역)은 활성 면역 반응에 상응하는 연결을 제공했습니다. 이러한 분석은 신장 기능 저하와 관련된 부적응 상태를 예측하는 상피 복구의 기본 서명을 포함하여 부상 시간 경과 및 틈새와 관련된 생물학적 경로를 정의했습니다. 건강한 신장과 질병에 걸린 인간 신장의 통합된 다중 모달 공간 셀 아틀라스는 세포 상태, 이웃, 결과 관련 시그니처 및 공개적으로 사용 가능한 대화형 시각화에 대한 포괄적인 벤치마크를 나타냅니다.

인간의 신장은 체액 항상성 보존, 대사 노폐물 제거 및 혈압 유지에 중요한 전신 역할을 합니다. 부상 후 신장 세뇨관과 주변 간질 틈새에 역동적인 급성 및 만성 변화가 발생합니다. 성공적인 복구 과정과 부적응적인 복구 과정 사이의 균형은 궁극적으로 신장 기능의 점진적인 저하에 기여할 수 있습니다2,3,4,5. 단일 세포 수준에서 기본 분자 다양성을 정의하는 것은 급성 신장 손상(AKI)에서 만성 신장 질환(CKD), 신부전, 심장 질환 또는 사망으로의 진행을 이해하는 데 중요합니다. 이러한 문제는 전 세계적으로 우려되는 문제입니다6,7.

우리는 Human Biomolecular Atlas Program(HuBMAP)8, Kidney Precision Medicine Project(KPMP)9 및 Human Cell Atlas(HCA)의 세 가지 주요 컨소시엄에 걸쳐 통합된 전사체, 후성유전학 및 이미징 데이터를 갖춘 다중 모드 단일 세포 및 공간 아틀라스를 보고합니다. 10. 강력한 세포 상태 프로필을 보장하기 위해 다양한 소스에서 건강한 참조 조직을 얻었고 엄격한 품질 보증 및 제어 절차에 따라 AKI 및 CKD 환자로부터 생검을 수집했습니다8,9,11. 우리는 피질에서 유두 끝까지 인간 신장의 다양한 영역에 걸쳐 건강하고 변경된 상태에 대한 틈새를 정의하고 신장 기능 악화와 관련된 변경된 상태에서 유전자 발현 및 조절 모듈을 식별합니다. 결과 아틀라스는 기존 노력을 크게 확장하고 신장 병리생리학을 더 잘 이해하기 위해 노력하는 조사자와 임상의에게 중요한 자원 역할을 할 것입니다.

신장 세포 유형의 분자 프로파일을 완전히 조사하기 위해 단일 핵(snCv3) 및 단일 세포(scCv3)에 대한 액적 기반 전사체 분석(Chromium v3)과 단일 핵 염색질 접근성 및 mRNA 발현 시퀀싱(SNARE)에 대한 다중 분석 분석을 사용했습니다. -seq2 또는 SNARE2)16,17,18(보충 표 1-3). 통합 전사체 분석은 건강한 상태에서 AKI 및 CKD까지 다양한 조건을 포괄하는 58개 참조 조직(35개 기증자) 및 52개 질병 조직(36개 환자)의 400,000개 이상의 고품질 핵/세포(방법)에 대해 수행되었습니다(그림 1). , 확장 데이터 그림 1-3 및 보충 그림 1). 감독되지 않은 클러스터링은 snCv3 데이터에서 처음 수행되어 상피, 내피, 간질, 면역 및 신경 세포 유형의 77개 하위 클래스에 주석이 달린 100개의 서로 다른 세포 집단을 발견할 수 있었습니다(그림 2, 방법, 확장 데이터 그림 1 및 2). 및 보충 표 4 및 5). omic 플랫폼 전체에서 세포 유형 주석을 추가로 확장하기 위해 snCv3 데이터를 사용하여 scCv3 및 SNARE2 데이터 세트를 동일한 임베딩 공간에 고정하고 통합 클러스터링을 통해 세포 유형 레이블을 할당했습니다(방법, 확장 데이터 그림 3 및 보충 표 6 및 7) . 이러한 세포 유형 또는 현장 상태의 공간적 위치 파악을 위해 3D 라벨 없는 이미징, 다중 형광 이미징(15개 개체) 및 공간 전사체 Slide-seq219,20(6개 개체, 67개 퍽) 및 Visium 분석(22개 개체, 23개)을 적용했습니다. 샘플) (그림 1, 방법 및 보충 표 2). 기술 전반에 걸쳐 결과의 일관성과 합의를 보장하고 조달 및 분석 관련 편향을 최소화하기 위해 여러 샘플을 하나 이상의 분석으로 처리했습니다(보충 표 3 및 확장 데이터 그림 1a). 우리의 접근 방식은 각 기술의 고유한 장점을 활용하여 정렬된 신장 세포 유형에 대한 심층적이고 교차 검증된 분자 프로필을 허용했습니다. 예를 들어 scCv3의 세포질 전사체 추가, SNARE2 접근 가능한 염색질의 조절 요소, 현장 세포 유형/상태 위치 파악 및 공간 기술의 상호 작용이 있습니다.

500 and <5,000 genes per cell./p>0.6. A minimal set of conserved aStr genes was identified as enriched (P < 0.05) in the adaptive state of each condition.l1 (reference, AKI and CKD for snCv2; reference and AKI for scCv3) for stromal cells. To increase representation from MyoF in scCv3 showing a small number of these cells, MyoF-alone enriched genes (average log2-transformed fold change ≥ 0.6; adjusted P < 0.05) were included for the scCv3 gene set. The aStr gene sets were then further trimmed to include only those genes that were enriched within the adaptive stromal population (aFIB and MYOF) compared with all others using the FindMarkers function and with a minimum P value of 0.05 and average log2-transformed fold change of >0.6. A minimal set of cycling-associated genes was identified as those enriched (adjusted P < 0.05 and average log2-transformed fold change > 0.6) in the cycling state across all associated subclass.l1 cell groupings./p>100 DARs with q < 0.01 were used for further analysis. Co-accessibility between all peak regions was computed using Cicero77 (v.1.8.1). Sites were then linked to genes on the basis of co-accessibility with promoter regions, occurring within 3,000 bp of a gene’s TSS, using the RegionGeneLinks function (https://github.com/yanwu2014/chromfunks) and the ChIPSeeker package78. DARs associated with markers for each subclass (identified at the subclass.l2 level using snCv3, P < 0.05) and showing q < 0.01 and a log-transformed fold change of >1 were selected for visualization. For this, DAR accessibility (peak counts) was averaged, scaled (trimming values to a minimum of 0 and a maximum of 5) and visualized using the ggHeat plotting function of the SWNE package79. Motif enrichment within cell type DARs was computed using the hypergeometric test (FindMotifs function) in Signac./p>0.35) and associated with transcription factors with expression detected in at least 2.5% of nuclei (SNARE2) were identified between clusters. Common aPT/aTAL TFBS activities were identified from an intersection of those differentially active and expressed within adaptive PT and TAL clusters. For aPT and aTAL trajectory modules, TFBSs showing differential activity between modules (adjusted P < 0.05, average log2-transformed fold change of >0.35) and expression detected within at least 2.5% of nuclei/cells (snCv3/scCv3) were identified. For common degenerative state TFBS activities, differentially active TFBSs were identified between reference and degenerative states for each level 1 subclass. Significant degenerative state TFBS activities (P < 0.05, average log2-transformed fold change of >0.35) in three or more subclass.l1 were trimmed to those showing expression detected in more than 20% of the degenerative state nuclei/cells for snCv3/scCv3./p>0.25). Enrichments were performed using Fisher’s exact tests and the resultant −log10[P] values were scaled and visualized using ggplot2./p> 0.65 on both snCV3 and scCv3 were selected for downstream analysis (Supplementary Table 32)./p>