大家好，今天跟大家分享一篇题为Unveiling the cell-type-specific landscape of cellular senescence through single-cell transcrip tomics using SenePy（利用SenePy通过单细胞转录组学揭示细胞衰老的细胞类型特异性景观）细胞衰老细胞会随机体衰老、应激暴露或疾病进展在多数组织中积累，但因细胞衰老特征和表型在不同细胞类型与组织中差异显著，其识别颇具挑战。
01
研究背景
衰老细胞随着生物体衰老、暴露于压力源或疾病进展而在大多数组织中积累。识别衰老细胞具有挑战性，因为细胞衰老特征和表型在不同的细胞类型和组织中差异很大。在这里，我们开发了一种分析算法，可以定义各种细胞类型和组织中细胞类型特异性和细胞衰老的普遍特征。我们利用 72 个小鼠和 64 个人类加权的细胞衰老单细胞转录组学特征来创建 SenePy 评分平台。SenePy 特征比体外衰老研究得出的特征更好地概括体内细胞衰老。我们使用 SenePy 来绘制健康老龄化以及多种疾病背景（包括肿瘤发生、炎症和心肌梗塞）中衰老细胞积累的动力学。SenePy 表征细胞类型特异性体内细胞衰老，并可能导致鉴定作为细胞衰老和疾病进展介质的基因。
见图一已知的标记物具有细胞类型特异性，并且对体内细胞衰老的表征较差。
图一
A 普遍的生物体衰老特征与先前报道的衰老标志物之间存在微不足道的重叠（p = 0.58，超几何）。通用特征由至少 50% 的细胞特异性基因集中存在的基因组成，这些基因集先前通过年轻细胞和老年细胞之间的差异表达阐明。在BioRender中创建。Rehman， J. （2025） 描述了 Tabula Muris Senis 数据集中表达每个基因的所有细胞的 24 个月与 3 个月比率（老年与年轻比率）的直方图。虚线右侧的基因根据随机排列具有统计学上的显着增加。标记具有统计学意义的已知衰老标志物。
C、D UMAP（右）代表 CDKN2A + （p16墨水4a编码基因）来自小鼠和人类数据集的细胞。来自 24 个月和 30 个月小鼠的细胞表示为老年，而 1 个月和 3 个月小鼠则表示年轻。UMAP（左）显示数据集中的所有单元格，并通过广泛的单元格分类进行标记。条形图显示 CDKN2A + 单元格相对于各个数据集中所有单元格的百分比。（* = 罗斯福 p 值 = 0.011，n = 1000 个随机排列）。
E， F 小鼠和人类标记动力学的细胞特异性图谱。垂直虚线代表组织的起点，该组织的细胞类型按标记形状分类和描述。属于同一类的多种细胞类型被叠绘。增益表示表达标记的细胞相对于年轻生物体的增加百分比。仅显示具有统计学意义的基因。按衰老相关基因功能着色的条形图描绘了相应基因是合适标记的细胞群的百分比。
见图二
通过算法从单细胞转录组得出的从头细胞类型特异性特征。
图二
A 用于定义小鼠和人类的细胞特异性特征的算法概述（参见方法）。在BioRender中创建。雷曼，J. （2025） 。
B 来自小鼠心肌细胞（上）和人海马脉络丛细胞（下）的特征示例。每个节点代表一个基因，连接代表细胞中的共阳性。连接按 Pearson 的 R 加权。这些颜色表示整个单元格签名中不同的中心签名。
C、D 从小鼠和人类派生的所有特征的代表性图。每个点代表一个签名，并根据其基因数量大小决定。点颜色是与先前已知的衰老标记（− log 相比，每个特征的相应富集10超几何 P 值）。每个签名都连接到其最相似的签名，并且连接的颜色基于余弦相似度。没有明显重叠的特征用灰线连接（超几何 FDR P 值）。
E 小鼠细胞特异性新型衰老特征和生物体衰老特征的网络相似性分析。每个形状代表一个签名，线条代表它们之间的显着相似性。相似性（连接强度）定义为 -log10（BH 校正的超几何 P）。该网络通过鲁汶算法进行聚类和着色。
见图三
同一细胞群内存在多种衰老模式。
图三
A 来自年轻（< 4 个月）和老年小鼠（> 20 个月）表达各自 SenePy 特征的细胞比例（Wilcoxon 符号秩检验，单尾，n = 72 对）。
B 特征源自小鼠舌角质形成细胞。每个节点代表一个基因，连接代表细胞中的共阳性。连接由 Pearson 的 R 加权。节点通过基于鲁汶的分配给不同的集线器签名来着色。
C GO 和 （D） KEGG 基因集富集两个角质形成细胞中心特征。“衰老”基因集是本研究中使用的预定义衰老标志物。垂直虚线表示 FDR p = 0.05。
E 两个角质形成细胞中心针对所有其他 SenePy 衰老特征的成对富集。
F条形图描绘了SenePy使用上述中心确定的每个角质形成细胞的分数。水平虚线表示高于平均值的三个标准差。
G 细胞比例的时间动力学得分比两个角质形成细胞中心的平均值高出三个标准差。H 基于余弦相似性的来自小鼠肺、气管和心脏的成纤维细胞中心特征的分层聚类。I SenePy 使用各自的特征对肺、气管和心脏成纤维细胞比例的持续时间动力学得分很高。最相似的气管和肺成纤维细胞枢纽的 J GO 基因集富集。气管枢纽特有的通路呈绿色。所有富集图都使用 BH 校正的 Fisher 精确 P 值。
见图四
细胞特异性特征是独特的，但共享一些基因和生物学途径。
图四
A 图描述了从新的小鼠细胞特异性特征中发现的最常见基因。显着性描述了这些基因在随机机会在这么多特征中被发现的可能性。
B 来自通用 SenePy 特征的 15 个最富集的 KEGG 途径。
C 每个 SenePY 小鼠特征中最常富集的 KEGG 和 GO 基因集。
D SenePy 小鼠特征基因启动子中最常富集的转录因子基序。
E 描绘了 SenePy 人类细胞特异性特征中最常见的基因的图。
F 来自通用 SenePy 人类特征的 12 个最富集的 KEGG 途径。
G 每个人类 SenePy 特征中最常富集的 KEGG 和 GO 基因集。这些条形图指出给定途径富集的特征百分比。
H 人类 SenePy 特征基因启动子中最常富集的转录因子基序。人类图标是在 BioRender 中创建的。
见图五
衰老细胞积累随生物体年龄变化的细胞特异性动力学。
图五
（A） 小鼠和 （B） 人类细胞的 UMAP 描述了广泛的细胞分类，并叠加了由其 SenePy 评分确定的异常值细胞。
C 老年小鼠（24 或 30 个月）中 SenePy 异常值细胞相对于 3 个月大的小鼠的比例增加。
D SenePy 人类异常值细胞在年龄箱中的比例。每行表示 0-0.16 的单元格比例，灰色矩形表示没有可用数据。
E 由供体分层的单个心脏组织细胞中 SenPy 异常值的比例。年龄沿 x 轴从左到右增加。人类图标是在 BioRender 中创建的。
见图六
SenePy 比已建立的标记更可靠地识别体内细胞衰老。
图六
A 来自肾脏的单细胞的 UMAP，这些细胞富集了 td-Tomato+ 细胞。
B td-番茄+肾细胞中差异丰度基因mRNA的富集分析。本研究衍生出基因集，我们还包括 SenMayo 特征、文献中的 CS 标记 （senMarkers） 和源自 Chat-GPT4 （senGPT） 的 CS 基因集。仅测试了 SenePy 肾上皮特征（Fisher 的精确 FDR p 值）。
C 密度图描绘了使用肾脏特异性 SenePy 特征在肾细胞中计算的 SenePy 分数分布。每行标签都描述了使用的衰老特征。颜色表示细胞是否为 td-Tomato +（Mann Whitney，双尾）。
D 小鼠抗衰老处理后肺组织基因下调的富集分析。蓝色标签表示 SenePy 特征（Fisher 的精确 FDR p 值）。
E 复制成纤维细胞衰老中更丰富的基因 mRNA 的富集分析（Fisher 的精确 FDR p 值）。接受 KRAS 癌基因诱导的衰老的单只小鼠肝细胞的 F UMAP（Chan 等人，2024 年）。mV：mVenus 控制，D12：第 12 天，D30：第 30 天。在 KRAS 诱导后 218 天收获肿瘤和非肿瘤。G 假时间投射到具有 mVenus 根细胞的肝细胞上。
H 伪时间的两个不同轨迹与两个 SenePy 肝细胞特征的分数密切相关。
I 细胞使用 SenePy 通用小鼠特征进行评分。J Cells 使用 senMarkers 或 senMayo（顶部）得分。回归图和密度图描述了归一化特征分数与伪时间之间的关联（底部）。K SenePy 通用特征评分与白蛋白表达之间的关联。l 基于文献标记基因和通用 SenePy 特征（Mann-Whitney，单侧）进行评分。图像图标是在 BioRender 中创建的。
02
研究结论
这项工作全面鉴定了按物种、组织和细胞类型分层的衰老细胞的基因表达程序和特征，并利用它们广泛表征小鼠和人类的衰老细胞。我们创建了 SenePy：一个计算平台，可为单细胞转录组数据中的单个细胞分配 CS 评分，它可以作为揭示体内细胞 CS 的细胞类型和组织特异性机制的资源。
好了，今天的文献解读就到这儿来，我们下期再见！如果你正在开展临床研究.需要方案设计.数据管理. 数据分析等支持.也随时可以联系我们。