Nature Genetics | 本周最新文献速递

文章标题：CytoSignal detects locations and dynamics of ligand–receptor signaling at cellular resolution from spatial transcriptomic data

中文标题：空间解析细胞通信与信号动态新方法
关键词：空间转录组、细胞通讯、配体-受体、信号动态、单细胞解析

摘要总结

这篇文章通过提出CytoSignal计算框架，探索了如何在空间转录组数据中以单细胞分辨率解析配体-受体（ligand–receptor, LR）信号的空间分布与动态变化，这对于理解组织微环境中的细胞通信机制具有重要意义。传统单细胞RNA测序方法无法考虑空间位置信息，而现有空间转录组分析方法又多停留在细胞群体层面，难以解析单个LR对的精细作用。作者基于“空间邻域表达驱动信号强度”的核心假设，构建了LRscore模型，将配体与受体在局部空间邻域的表达乘积作为信号强度指标，并进一步扩展至多亚基复合物与多种信号类型。该方法不仅能够识别空间信号梯度，还可检测不同样本之间的差异信号模式，同时还能推断信号随时间的变化趋势。通过与PLA原位实验验证，CytoSignal在定位真实LR结合区域方面优于现有方法，证明其具有较高生物学真实性与鲁棒性。此外，该框架还支持识别信号相关基因和解析扩散依赖与接触依赖的不同通讯机制，从而为空间细胞通讯研究提供了统一的定量分析工具。

研究方法

作者首先利用空间转录组数据获取每个空间位置的基因表达矩阵及空间坐标信息，并定义局部空间邻域用于模拟细胞间潜在通讯范围。在此基础上构建LRscore，其核心形式为S = L × R，其中L与R分别表示配体与受体在局部邻域中的表达水平。对于多亚基复合受体或配体体系，模型对各亚基表达进行加权组合，以提高生物学准确性。随后通过空间置换（spatial permutation）建立零分布，对每个空间位置的信号强度进行显著性检验，从而识别真实活跃的信号区域。此外，作者进一步区分接触依赖型与扩散依赖型信号，通过不同邻域半径建模其空间作用范围。在动态扩展方面，提出VeloCytoSignal框架，将RNA velocity引入LRscore时间导数计算，通过S’ = L·R’ + R·L’推断信号增强或衰减趋势，实现对空间信号动态变化的预测。同时结合稀疏回归方法识别信号相关基因，并通过GO分析解释其功能通路。

研究结果

结果表明CytoSignal能够在多个组织数据中准确定位LR信号的空间热点区域，并显著优于现有方法。在小鼠胚胎组织验证中，其预测的信号空间位置与PLA实验结果高度一致，说明模型能够捕捉真实的分子结合事件。在空间梯度分析中，CytoSignal成功识别出信号强度随组织结构变化的连续变化模式，例如发育边界区域的信号富集现象。在多样本比较中，该方法能够稳定检测差异信号通路，揭示不同生理或病理条件下细胞通讯的重编程特征。在动态分析部分，VeloCytoSignal可有效预测信号增强或衰减趋势，与已知生物过程（如发育分化或炎症激活）高度一致。此外，方法还能识别接触依赖与扩散依赖信号的空间差异分布，进一步揭示细胞通讯的物理机制差异。总体而言，该研究建立了一个兼具空间定位、统计显著性检验与动态推断能力的细胞通信分析框架。

---

文章标题：Spatially resolved single-cell analyses of human meningioma identify novel cell states influencing tumor microenvironment and progression

中文标题：脑膜瘤空间单细胞图谱揭示新细胞状态
关键词：脑膜瘤、单细胞测序、空间转录组、肿瘤微环境、细胞状态

摘要总结

这篇文章通过整合空间转录组、单核RNA测序及多组学数据，探索了脑膜瘤中细胞类型与状态的空间异质性及其对肿瘤微环境和进展的影响，这对于理解脑肿瘤复杂性及寻找潜在治疗靶点具有重要意义。研究构建了大规模脑膜瘤单细胞与空间数据集，系统解析肿瘤细胞与免疫细胞之间的相互作用。结果发现不同分子亚型的脑膜瘤在免疫细胞浸润模式上存在显著差异，尤其是髓系细胞状态在不同肿瘤分组中呈现特异性富集。此外，研究识别出多种新的髓系细胞状态，这些状态与炎症信号、组织修复以及代谢活动密切相关，并与肿瘤侵袭性和预后显著相关。研究进一步揭示非肿瘤细胞状态同样能够影响患者生存结局，提示微环境在脑膜瘤进展中的关键作用。该工作建立了脑膜瘤的空间细胞图谱，为理解肿瘤异质性提供了系统性框架。

研究方法

研究首先收集大规模脑膜瘤样本，结合单核RNA测序（snRNA-seq）与空间转录组测序，对肿瘤区域及邻近硬脑膜区域进行分区采样。通过质量控制后获得高质量单细胞表达矩阵，并进行细胞类型注释与无监督聚类分析。在此基础上构建细胞状态（meta-programs, MPs），并利用非负矩阵分解（NMF）识别不同功能模块。随后将单细胞表达数据与空间坐标映射，重建细胞在组织中的空间分布模式。同时采用伪bulk策略对不同肿瘤样本进行整合分析，以比较不同分子亚型之间的表达差异。进一步通过差异表达分析识别髓系细胞在不同肿瘤组中的状态变化，并结合通路富集分析（如JAK-STAT、TNF信号等）解释功能机制。最后利用临床随访数据，将细胞状态特征与患者预后进行关联分析，从而评估其临床意义。

研究结果

结果显示脑膜瘤中存在显著的细胞异质性，其中髓系细胞是微环境中最主要的非肿瘤组成部分，并表现出多种功能状态，包括炎症型、干扰素响应型、组织修复型及代谢型等。这些细胞状态在不同分子亚型脑膜瘤中呈现显著差异，例如高恶性亚型中炎症型髓系细胞显著富集，而低风险亚型则以免疫抑制或修复型状态为主。在空间层面，这些细胞状态表现出从肿瘤边缘到核心区域的梯度分布特征，提示其与局部微环境强相关。此外，某些非肿瘤细胞状态（如特定免疫细胞亚群）能够显著预测患者生存结局，甚至优于传统分子分型指标。研究还发现肿瘤细胞与髓系细胞之间存在紧密的信号互作网络，可能驱动肿瘤进展与免疫逃逸。整体结果强调了微环境细胞状态在脑膜瘤生物学中的核心作用。

---

文章标题：Single-cell RNA sequencing of terminal ileal biopsies identifies signatures of Crohn’s disease pathogenesis

中文标题：克罗恩病回肠单细胞图谱解析炎症机制
关键词：克罗恩病、单细胞测序、肠道免疫、炎症微环境、上皮细胞

摘要总结

这篇文章通过构建大规模回肠组织单细胞RNA测序图谱，探索了克罗恩病（CD）中细胞组成与转录状态的变化机制，这对于理解炎症性肠病的发病机制具有重要意义。研究整合了超过百万级细胞数据，系统比较健康与疾病状态下肠道细胞的差异。结果发现多种免疫细胞在CD中显著扩增，例如炎症单核细胞和巨噬细胞亚群，同时上皮细胞也表现出明显的干扰素响应特征。研究还揭示这些免疫细胞与肠道上皮之间存在复杂的信号互作网络，共同驱动炎症环境维持。此外，通过遗传力分析发现特定免疫细胞状态与CD遗传易感性显著相关。该研究建立了克罗恩病的细胞与分子基础框架，为靶向治疗提供了重要依据。

研究方法

研究基于终末回肠活检样本，构建单细胞RNA测序数据集，涵盖健康对照与克罗恩病患者。通过严格质量控制与批次校正，对超过百万个细胞进行整合分析。采用无监督聚类方法识别主要细胞类型，包括上皮细胞、T细胞、B细胞及髓系细胞等，并进一步细分功能状态。通过差异表达分析比较疾病与健康状态下各细胞类型的转录变化，同时结合路径富集分析识别炎症相关信号通路（如IL-6、JAK-STAT等）。进一步采用遗传力富集分析，将GWAS信号映射至不同细胞类型，以评估其在疾病易感性中的贡献。此外，通过构建细胞通讯网络分析免疫细胞与上皮细胞之间的相互作用，从而解析炎症微环境的结构特征。

研究结果

结果显示克罗恩病肠道中存在显著的免疫细胞重构，其中炎症单核细胞和CXCL9/CXCL10巨噬细胞显著富集，并构成主要炎症驱动细胞群。同时，上皮细胞表现出强烈的干扰素响应特征，并在炎症消退后仍保持部分异常状态，提示存在“炎症记忆”。此外，研究发现多种细胞亚群在疾病状态下特异性扩增，并与组织损伤及免疫激活密切相关。在信号层面，IL-12/IL-23及JAK-STAT通路显著增强，驱动免疫细胞间的正反馈循环。遗传分析进一步表明炎症性单核细胞与CD遗传风险高度相关，提示其在疾病发生中的关键作用。总体而言，该研究系统揭示了克罗恩病肠道炎症的细胞基础与分子机制。

---

文章标题：MIXPRS enables multi-population and multi-method polygenic risk scores using summary statistics

中文标题：MIXPRS实现多种群多模型遗传风险整合
关键词：多基因风险评分、GWAS、数据融合、非负最小二乘、跨种群预测

摘要总结

这篇文章通过提出MIXPRS框架，探索了如何在仅有GWAS汇总统计数据的情况下实现跨种群、多方法的多基因风险评分整合，这对于提升非欧洲人群的遗传预测能力具有重要意义。传统PRS方法在不同种群和性状中表现不稳定，且往往需要个体水平数据进行调参，而MIXPRS通过数据分割（data fission）与统计建模方法解决了这一问题。该方法将不同PRS模型结果进行加权组合，从而提升整体预测精度。研究表明MIXPRS在多种模拟与真实数据任务中均优于现有方法，并在多个复杂性状中表现出更高稳定性。此外，该框架还能扩展融合功能注释信息与临床PRS，提高非欧洲人群预测性能。该研究为遗传风险预测提供了更普适且鲁棒的计算框架。

研究方法

MIXPRS框架主要包括三个步骤：首先，基于GWAS summary statistics进行数据分割，利用data fission方法将单一GWAS划分为训练集与调优集，从而模拟独立数据结构。其次，在多个PRS方法基础上（如PRS-CSx、XPASS等），分别计算各方法的风险评分，并通过非负最小二乘回归（NNLS）估计不同方法的最优组合权重。在此过程中，引入SNP pruning以减少连锁不平衡（LD）偏差，并采用简化协方差结构提升稳健性。最后，将加权后的PRS进行整合，生成最终预测模型。扩展版本MIXPRS+进一步引入功能注释与临床PRS信息，以提升模型在复杂性状中的解释能力与预测性能。模型在多个模拟场景下验证，包括不同遗传结构、样本量及LD mismatch条件。

研究结果

结果表明MIXPRS在所有测试场景中均优于单一PRS方法及其他整合方法，在非欧洲人群中平均提升预测准确率约3%–50%不等，具体取决于性状与遗传结构。在模拟实验中，该方法接近理想个体数据模型（IndPRS）的性能，同时显著优于传统summary-based方法。此外，MIXPRS在不同LD结构和样本规模下表现出良好稳定性，尤其在稀疏遗传架构中优势更加明显。MIXPRS+进一步通过整合功能注释信息，在BMI与冠心病等复杂性状预测中实现额外提升。结果还表明NNLS权重学习能够有效避免过拟合，提高跨种群泛化能力。总体而言，该方法显著提升了PRS在多种群背景下的可用性与鲁棒性。

---

文章标题：Pleiotropic shared heritability quantifies the shared genetic variance of common diseases

中文标题：多病共享遗传力揭示疾病共性结构
关键词：多效性、遗传力、GWAS、LD score regression、Monte Carlo校正

摘要总结

这篇文章通过提出PHBC方法，探索了如何量化不同疾病之间共享的遗传变异比例，这对于理解复杂疾病的遗传架构具有重要意义。传统方法仅能计算疾病间遗传相关性，而无法直接估计共享遗传方差。作者提出“pleiotropic shared heritability”概念，并基于GWAS summary statistics构建估计框架。方法核心是通过遗传相关矩阵与Monte Carlo偏差校正，实现对噪声影响的修正，从而获得无偏估计。研究结果显示，在UK Biobank多个疾病中，大约27%–48%的遗传力具有多效性共享特征，说明大多数复杂疾病的遗传基础具有高度重叠性。此外，该方法还揭示不同疾病类别之间共享程度存在显著差异。该研究为理解疾病共病机制提供了新的定量工具。

研究方法

PHBC方法基于GWAS summary statistics，首先通过cross-trait LD score regression估计不同疾病之间的遗传相关性矩阵。随后构建pleiotropic shared heritability数学定义，将目标疾病的遗传方差分解为特异性成分与共享成分。核心创新在于引入Monte Carlo模拟，对遗传相关性估计中的采样噪声进行建模，从而校正偏差。具体而言，通过重复随机采样生成噪声分布，并估计真实值与观测值之间的比例关系，用于修正初始估计。此外，该方法结合genomic block-jackknife计算标准误，以保证统计稳健性。在理论推导部分，作者证明在LD独立假设下，该方法可等价于基于SNP效应向量的最优投影问题，从而实现从相关性到方差分解的统一框架。

研究结果

结果显示，在UK Biobank 15种疾病中，平均约27%的遗传力属于共享遗传成分，当扩展到62种辅助性状时该比例上升至约48%，说明疾病之间存在广泛的遗传重叠。此外，不同疾病类别之间共享程度存在显著差异，例如代谢类与免疫类疾病共享程度较高，而神经系统疾病则相对较低。Monte Carlo校正显著减少了由于遗传相关性噪声带来的偏差，使估计结果更加稳定可靠。进一步分析表明，共享遗传力往往高于表型共病率，提示遗传层面的多效性比表型观察更为广泛。总体而言，该研究从理论与实证两个层面证明了复杂疾病之间广泛存在共享遗传结构。

---

文章标题：Inflammatory cytokines induce new cancer dependencies

中文标题：炎症因子重塑肿瘤生存依赖网络
关键词：CRISPR筛选、肿瘤微环境、干扰素、细胞依赖性、炎症应答

摘要总结

这篇文章通过在炎症刺激条件下进行全基因组CRISPR敲除筛选，探索了炎症因子如何重塑肿瘤细胞的生存依赖性，这对于理解肿瘤免疫治疗背景下的脆弱性具有重要意义。研究发现干扰素与TNF等炎症因子不仅影响免疫杀伤，还会诱导肿瘤细胞产生新的基因依赖性，从而暴露新的治疗靶点。作者识别出GPI转氨酶复合体及FITM2等关键依赖基因，这些基因在炎症环境下成为肿瘤存活的关键因素。进一步实验表明，抑制这些基因可增强免疫检查点治疗效果。该研究揭示炎症不仅是抗肿瘤因素，同时也塑造肿瘤适应性与新的治疗脆弱性。

研究方法

研究采用多种小鼠肿瘤细胞系（包括黑色素瘤、胰腺癌、肾癌等），在IFN-β、IFN-γ及TNF刺激条件下进行全基因组CRISPR-Cas9敲除筛选。通过比较炎症处理组与对照组sgRNA丰度变化，识别炎症特异性依赖基因。随后结合in vivo免疫治疗模型（ICB）验证筛选结果的生物学相关性。为进一步解析机制，研究整合转录组、代谢组及药理学干预实验，分析FITM2与GPI复合体在内质网应激及氧化应激中的作用。同时，通过不同炎症因子条件对比分析，区分IFN特异性与TNF特异性依赖通路。此外，采用功能验证实验（competition assay）确认关键基因在多肿瘤模型中的普适性。

研究结果

结果显示不同炎症因子诱导了显著不同的肿瘤依赖性谱系，其中IFN-γ诱导FITM2相关依赖性最为显著，而IFN-β则更多影响GPI转氨酶复合体相关基因。功能验证表明，敲除这些基因会显著降低肿瘤细胞在炎症环境中的存活能力。在动物模型中，这些基因缺失显著增强免疫检查点抑制治疗效果，提示其在免疫治疗中具有潜在靶点价值。此外，机制研究表明FITM2缺失会增强内质网应激与氧化应激反应，最终诱导类paraptosis细胞死亡。整体结果证明炎症因子不仅具有抗肿瘤作用，还通过重塑细胞状态暴露新的治疗依赖性，从而为联合免疫治疗提供理论基础。

---

致谢橙子牛奶糖（陈文燕），请用参考模版：We thank the blogger (orange_milk_sugar, Wenyan Chen) for XXX

感谢小可爱们多年来的陪伴， 我与你们一起成长~