Микроглия человека демонстрирует уникальные транскрипционные изменения при болезни Альцгеймера

Природное старение (2023 г.)Цитировать эту статью

4677 Доступов

51 Альтметрика

Подробности о метриках

Микроглия, врожденные иммунные клетки головного мозга, влияют на прогрессирование болезни Альцгеймера (БА) и являются потенциальными терапевтическими мишенями. Однако микроглия выполняет разнообразные функции, регуляция которых до конца не изучена, что усложняет разработку терапии. Чтобы лучше определить транскриптомные фенотипы и сети регуляции генов, связанные с AD, мы обогатили ядра микроглии из 12 AD и 10 контрольных дорсолатеральных префронтальных кортикальных слоев человека (7 мужчин и 15 женщин, все в возрасте> 60 лет) перед одноядерным секвенированием РНК. Здесь мы описываем как установленные, так и ранее нераспознанные молекулярные фенотипы микроглии, предполагаемые генные сети, управляющие наблюдаемыми транскриптомными изменениями, и применяем траекторный анализ, чтобы выявить предполагаемые отношения между фенотипами микроглии. Мы идентифицируем фенотипы микроглии, более распространенные в случаях AD по сравнению с контролем. Далее мы описываем гетерогенность субкластеров микроглии, экспрессирующих гомеостатические маркеры. Наше исследование показывает, что глубокое профилирование микроглии в головном мозге человека с болезнью Альцгеймера может дать представление об изменениях транскрипции микроглии, связанных с болезнью Альцгеймера.

Болезнь Альцгеймера (БА) патологически характеризуется наличием внеклеточных бляшек бета-амилоида (Аβ), нейрональных внутриклеточных нейрофибриллярных клубков и нейровоспаления. Интерес к нейровоспалению как модифицируемому признаку патологии БА возрос в связи с генетическими исследованиями, выявляющими варианты риска БА, локализованные в кодирующих и некодирующих областях генов, уникально экспрессируемых миелоидными клетками головного мозга1. Микроглия представляет собой резидентные миелоидные клетки врожденного иммунитета головного мозга и вносит вклад в нейровоспалительные процессы, предположительно способствующие патофизиологии БА2,3,4,5,6,7,8,9,10. Предыдущие исследования показали, что при БА микроглия высвобождает медиаторы воспаления, которые влияют на поведение и функцию окружающих нейронов, а глия теряет нейропротекторные функции и инициирует аберрантный фагоцитоз синапсов и нейронов3,7,11,12. Микроглия, по-видимому, способствует распространению тау в модельных системах13,14 и, вероятно, является основным типом клеток, участвующих в удалении Aβ, включая снижение Aβ, наблюдаемое в ответ на подходы иммунотерапии на основе антител15. Таким образом, воспалительное поведение микроглии имеет отношение к разработке терапевтических мишеней. Однако в нашем понимании реакций микроглии при болезни Альцгеймера остаются большие пробелы.

Фенотипы микроглии различаются по морфологии, физиологии и характеру экспрессии генов или белков. Эксперименты, проведенные на модельных системах, позволяют предположить, что эти гетерогенные особенности, вероятно, связаны со специфическими функциональными фенотипами микроглии10,16,17,18,19,20,21. Меньше известно о гетерогенности фенотипов микроглии в мозге взрослого человека, особенно при определенных болезненных состояниях, таких как БА. Исследования секвенирования одноклеточной и одноядерной РНК (snRNA-seq) свежей и замороженной кортикальной ткани человека выявили множественные фенотипы транскрипции микроглии в контексте AD и других патологий головного мозга22,23,24,25,26,27,28, 29. Выделение транскриптомно различных кластеров позволяет идентифицировать потенциальные генетические и эпигенетические факторы, регулирующие специфическое клеточное поведение, что может быть использовано в подходах точной терапии. Однако стандартные методы секвенирования мяРНК часто включают небольшое количество микроглии на человека. Низкое количество клеток может снизить способность картировать весь спектр транскрипционных фенотипов микроглии и ограничить способность идентифицировать связанные с заболеванием изменения экспрессии генов внутри кластера или субкластера. Мы предположили, что дополнительные клеточные процессы и регуляторные факторы транскрипционных фенотипов микроглии будут обнаружены при использовании наборов данных, которые содержат гораздо большее количество микроглии на отдельный образец.

1.25. Cluster 1 was annotated as inactivated, often referred to as ‘homeostatic’ in single-nucleus studies of microglia. Differential gene expression analysis was repeated as above comparing each other cluster to cluster 1. GSEA was performed in ClusterProfiler69 modified to use a set seed for reproducibility, using the GO, KEGG and Reactome pathway sets, version 7.2. Enriched pathways had an FDR-adjusted P < 0.05. We considered pathways to be representative if significant results included similar genes and biological functions in at least two of the three major databases (GO, KEGG and Reactome)./p>60 years. Because the samples were obtained from humans, and the study was designed to detect differences between AD cases and healthy aged brains, the samples were not randomized between conditions. We counterbalanced sequencing batches by sex and disease status such that all conditions were present in each sequencing batch. Statistical analysis for pseudobulk RNA-seq data and snRNA-seq data used DESeq2 and MAST, respectively. DESeq2 is designed to model the RNA-seq count data by a negative binomial distribution, and MAST is designed to model the zero inflation observed in snRNA-seq data. For statistical analysis of cluster proportion, counts data were used, which does not rely on a normal distribution. When the dataset was downsampled for trajectory analysis and regulon detection, the nuclei were randomly downsampled to generate multiple iterations of the dataset that evenly represented the clusters and kept the samples in their original proportions. For trajectory analysis, three downsampled permutations at three downsample resolutions (1,000, 2,000 or 3,000 nuclei per cluster) were analyzed for a total of nine iterations, resulting in similar findings as those displayed in Fig. 4. For pySCENIC regulon detection, the dataset was downsampled with five permutations at 1,000 nuclei per cluster and three permutations at 2,000 and 3,000 nuclei per cluster. Each of these permutations was run through the pySCENIC pipeline multiple times, resulting in 27 instances of regulon detection. These 27 instances were compiled into the consistency scores displayed in Fig. 3 and Extended Data Fig. 6. Experiments involving immunohistochemistry of human tissue were replicated on, at minimum, samples from five humans, and images displayed are representative of staining observed in multiple fields of at least three human samples./p>