西湖大学连发两篇Nature破解复杂疾病细胞地图与线粒体转运之谜

描述疾病相关细胞的空间分布对于理解疾病病理学至关重要。

将gsMap应用于脑空间转录组学数据，揭示了与精神分裂症相关的谷氨酸能神经元的空间分布更类似于认知特征，而不是情绪特征，如抑郁。精神分裂症相关的谷氨酸能神经元分布在背海马附近，钙信号和调节基因表达上调，而抑郁症相关的谷氨酸能神经元分布在深内侧前额叶皮质附近，神经可塑性和精神药物靶基因表达上调。该研究为性状相关细胞的空间分辨作图提供了一种方法，并证明了通过这些图谱获得的生物学见解(如性状相关细胞和相关标记基因的空间分布)。

另外，西湖大学马丹、吴旭冬、卢培龙共同通讯在Nature在线发表题为“Structures and mechanism of human mitochondrial pyruvate carrier”的研究论文，该研究解析了人类线粒体丙酮酸转运蛋白的结构和机制。

组织内细胞的组成和空间组织对其功能至关重要，也可以作为其健康状况的指标。空间转录组学(ST)的进步使得能够描绘细胞在其天然空间位置的基因表达水平，为研究细胞空间组织和揭示相关生物学机制提供了一条有前途的途径。近年来，越来越多的研究利用干细胞技术来探索不同组织中细胞的空间组织。然而，在识别与复杂性状或疾病最相关的细胞以及绘制它们在组织内的空间分布图方面，仍然存在巨大的知识差距。

为了识别性状相关的细胞或细胞类型，以前的研究提出了遗传学信息策略，将复杂性状(包括疾病)的全基因组关联研究(GWAS)数据与单细胞RNA测序(scRNA-seq)数据整合。虽然这些方法可以精确定位性状相关的细胞，但由于在scRNA-seq数据中缺乏细胞空间位置信息，它们在绘制这些被鉴定细胞的空间分布图时遇到了挑战。原则上，这些基于scRNA-seq的方法可以应用于ST数据。然而，由于缺乏细胞空间坐标的建模和ST数据中的高水平技术噪声，它们在性状相关细胞的空间感知绘图中的能力有限。尽管以前的研究将空间域与复杂性状相关联，但这些分析不是单细胞分辨率，限制了它们描绘性状相关细胞空间分布的能力。因此，需要新的方法将ST数据整合到GWAS中，用于性状相关细胞的精细空间分辨作图。

在这项研究中，研究人员介绍了gsMap，一种整合高分辨率ST数据和GWAS汇总统计的方法，用于性状相关细胞的空间分辨作图。利用覆盖25个器官的胚胎ST数据集，通过模拟GWAS数据评估了gsMap的特异性，并通过概括不同器官细胞和一系列复杂特征之间的已知关联评估了该方法的敏感性。将gsMap应用于brain ST数据集，生成了广泛的特征-脑细胞关联图，包含30种人类大脑相关的复杂特征。该研究将gsMap广泛应用于大脑复杂疾病研究，并绘制了神经元-疾病关联的空间分布图，为深入理解大脑复杂疾病的病理机制、探索精准的治疗靶点以及干预策略提供了新的视角与方法。

参考信息：

https://www.nature.com/articles/s41586-025-08757-x#Sec47