SenePy 平台解锁衰老细胞密码，助力攻克衰老及相关疾病难题

为解决体内细胞衰老（CS）难以精准识别和表征的问题，相关研究人员开展了细胞衰老特征及识别方法的研究。他们开发出 SenePy 平台，精准描绘了 CS 动态变化。该成果有助于深入理解 CS 机制，为衰老相关疾病研究提供新思路，值得科研人员一读。

　　

衰老细胞研究新突破：SenePy 助力精准识别与探索

在生命的长河中，衰老就像一个神秘的 “幕后黑手”，悄无声息地影响着我们的身体。随着年龄的增长，许多慢性疾病如心血管疾病、神经退行性疾病和糖尿病等纷纷找上门来，而衰老的 “帮凶”—— 衰老细胞（Cellular Senescence，CS），在这一过程中扮演着重要角色。

衰老细胞的出现，是细胞对各种压力的一种反应。当细胞感受到诸如端粒磨损、DNA 损伤、氧化应激等 “危机” 时，就可能会进入衰老状态。处于衰老状态的细胞，会像退休的员工一样，不再积极地参与细胞周期活动，永久停止分裂；同时，它们的细胞功能也会出现异常，无法正常维持身体的内环境稳定。不仅如此，衰老细胞还会释放出一系列的炎症因子、蛋白酶和其他生物活性旁分泌因子，引发周围组织的炎症反应，就像在细胞 “社区” 里制造混乱，破坏组织的正常结构和功能，进而推动各种疾病的发展。

然而，想要深入了解衰老细胞，却困难重重。就好比在一个复杂的迷宫里寻找特定的宝藏，由于不同细胞类型和组织中的衰老细胞表现出的特征差异巨大，没有统一的 “标识”，导致识别它们变得异常艰难。目前大多数已知的衰老细胞标记物，都是在人工培养的细胞中发现的，这些细胞在实验条件下的表现，很难真实反映它们在体内的状态。即使是被广泛认为是衰老细胞重要标记物的 p16^ink4a（由<em>CDKN2A</em>基因编码），也存在诸多问题。它并非在所有衰老细胞中都稳定表达，而且<em>CDKN2A</em>基因位点还编码其他基因，容易造成混淆。其他标记物也可能在某些细胞类型中持续表达，或者随着机体年龄增长、炎症反应而普遍上调，使得依靠它们来准确识别衰老细胞变得不可靠。此外，衰老细胞的高度异质性也给研究带来了巨大挑战。不同的细胞类型、组织环境以及各种内在和外在的压力因素，都会导致衰老细胞的转录图谱千差万别。这就好比不同地区的人有着不同的生活习惯和外貌特征，很难用一套标准去定义所有人。因此，开发一种能够精准识别体内衰老细胞的方法，成为了科学界亟待解决的问题。

为了攻克这一难题，研究人员在探索衰老细胞奥秘的道路上不断前行。来自相关研究机构的科研团队经过不懈努力，在《Nature Communications》期刊上发表了题为 “Cell-type-specific and universal signatures of cellular senescence across tissues define in vivo senescence heterogeneity” 的论文。他们成功开发出一种分析算法，确定了不同细胞类型和组织中衰老细胞的特异性和通用特征，并创建了<em>SenePy</em>评分平台。这一成果为衰老细胞的研究带来了新的曙光，就像在黑暗的迷宫中点亮了一盏明灯，让我们对衰老细胞有了更清晰的认识。

在这项研究中，研究人员采用了多种关键技术方法来解开衰老细胞的谜团。他们收集了大量的小鼠和人类单细胞 RNA 测序数据，这些数据就像是细胞的 “生命密码”，蕴含着丰富的信息。通过对这些数据的深入挖掘，他们能够全面了解细胞在不同状态下的基因表达情况。在数据处理过程中，他们运用了先进的算法和统计模型。比如，为了识别与衰老相关的动态基因，他们根据衰老细胞随年龄积累但数量较少的特点，设定了特定的动力学阈值，对基因表达数据进行筛选和分析。在构建衰老细胞特征签名时，利用网络分析方法，将相关性强的基因连接起来，去除噪声和无关基因，从而得到更准确的衰老细胞特征。此外，他们还开发了<em>SenePy</em>这一开源的 Python 软件包，能够快速对单细胞进行评分，判断细胞的衰老程度。

下面让我们一起来看看这项研究的重要发现吧。

已知的细胞衰老标记物具有细胞类型特异性，难以描述体内细胞衰老

研究人员首先对已知的衰老细胞标记物进行了全面的 “体检”。他们借助全面的小鼠和人类单细胞图谱，详细检查了这些标记物随着年龄的变化情况以及在不同细胞类型中的特异性。在小鼠数据方面，他们利用了<em>Tabula Muris Senis</em>这一宝贵资源，其中包含了 19 种组织、1 - 30 个月大的 32.8 万个细胞。人类数据则来自 7 项研究，涵盖了 37 种组织、1 - 92 岁个体的 160 万个细胞。通过分析发现，已知的衰老标记物与通用的机体衰老特征之间重叠极少。例如，<em>Cd9</em>、<em>Ctnnb1</em>和<em>Jun</em>等标记物出现在通用衰老特征中的情况，很可能只是偶然现象。而被广泛认可的衰老标记物<em>Cdkn2a</em>，在细胞特异性机体衰老特征中并未出现。进一步研究发现，不同细胞类型中衰老标记物的表达情况差异很大。像<em>Cdkn2a</em>和<em>Cxcl13</em>等常用标记物，虽然随着年龄增长，表达它们的细胞比例总体有所增加，但它们在特定组织和细胞类型中有着明显的 “偏好”。在人类面部皮肤中，年轻个体就有一定数量的<em>CDKN2A</em>⁺细胞，随着年龄增长，这些细胞的数量大幅增加。然而，<em>CDKN1A</em>（编码 p21^cip1）在年轻和年老的小鼠和人类中表达相对稳定。综合这些结果表明，并不存在适用于所有组织和细胞类型的通用衰老标记物基因集，每个细胞类型在走向衰老的过程中，都有着独特的转录路径。

从单细胞转录组中算法推导的细胞类型特异性新特征

面对缺乏通用标记物的困境，研究人员另辟蹊径，开发了一种无偏计算方法来寻找潜在的衰老细胞特征。他们从 43 种小鼠和 45 种人类细胞类型中入手，这些细胞跨越了广泛的年龄范围。基于衰老细胞随年龄积累但仍占少数的生物学知识，研究人员筛选出动态变化的基因，并通过构建基因共表达网络，去除那些与衰老无关的 “噪音” 基因。最终，他们成功获得了 72 种小鼠和 64 种人类潜在的衰老细胞类型特征。这些特征虽然具有高度的异质性，但在某些细胞类型中，已知的衰老标记物显著富集。而且，同一组织来源的细胞特征之间相似性更高，不过也有例外，比如不同组织中的成纤维细胞特征并不一定相似。基于这些特征，研究人员开发了<em>SenePy</em>软件包，为后续的研究提供了有力的工具。

同一细胞类型中存在不同的细胞衰老模式和表型

细胞群体在复杂的体内环境中，会受到多种压力和信号的影响，就像生活在复杂社会中的人们会面临各种挑战一样。研究人员发现，许多细胞类型的衰老特征由多个相关的基因模块组成，这意味着同一细胞类型可能存在多种独立的衰老模式。在 43 种具有推导特征的小鼠细胞类型中，25 种包含多个基因子网簇，45 种人类细胞类型中有 15 种的特征由多个模块组成。以老年小鼠舌角质形成细胞为例，它包含两个具有不同动力学的基因模块，一个具有促炎特性，富含免疫细胞趋化、细胞因子和 TNF 信号通路相关基因，研究人员将其命名为 “A 型” 衰老；另一个则富集了对病原体刺激有反应的先天免疫相关基因，称为 “B 型” 衰老。这两种衰老模式可能通过不同的炎症途径，对无菌炎症产生不同的影响。此外，研究人员还发现，不同组织中的成纤维细胞，如心脏、肺和气管中的成纤维细胞，各自具有两个不同的衰老特征模块，它们在基因组成和功能上既有相似之处，也有差异，且在衰老细胞比例随时间的变化上呈现出不同的动力学特征。这一系列发现揭示了即使在同一细胞群体中，衰老模式也具有多样性，且在时间和表型上存在明显差异。

细胞特异性特征独特，但共享常见的应激反应和炎症途径

研究人员进一步探索这些衰老细胞特征中的基因和生物学通路，试图寻找通用的衰老特征。他们通过创建统计模型，发现虽然没有一个基因存在于所有的特征中，但有许多基因在所有特征中出现的频率高于随机预期。在小鼠的 43 个特征中，他们确定了 635 个普遍存在的基因，其中<em>Hba - a1</em>最为常见，而<em>Cdkn2a</em>虽然也有较高出现频率，但远低于<em>Hba - a1</em>。在人类细胞中，<em>MMP9</em>、<em>MYL9</em>和<em>ITM2C</em>等基因在超过 25% 的衰老特征中存在。对这些普遍存在的基因进行功能分析发现，它们主要富集在炎症、免疫、细胞因子信号和趋化等生物学过程相关的通路中。例如，NF - κB 信号通路在许多特征中都有富集，不过只有部分特征单独显示出该通路的富集，这表明它在体内细胞衰老过程中起到重要作用，但并非是通用的驱动因素。此外，研究还发现小鼠和人类衰老特征在基因和通路层面既有差异又有共性。虽然物种间基因一致性较低，但在通路方面却有较高的一致性，都富集了如 NF - κB 信号通路等多个共同通路。这表明不同物种的衰老细胞在核心通路方面具有一定的保守性，但具体的富集基因存在差异。

衰老细胞随机体年龄积累的细胞特异性动力学

利用<em>SenePy</em>这一强大工具，研究人员对不同组织和细胞类型中衰老细胞随年龄积累的情况进行了详细的 “追踪”。结果发现，在小鼠和人类中，衰老细胞的数量和比例总体上随着年龄的增长而显著增加，但不同细胞类型的变化模式却大不相同。在小鼠中，老年时胰腺腺泡细胞的衰老细胞比例最高，其次是气管和肺的成纤维细胞。在人类中，皮肤毛囊细胞在相对年轻的 48 - 58 岁年龄段，衰老细胞的百分比就达到了最高；肺 II 型肺泡细胞的衰老细胞比例也较高，在 68 - 77 岁的患者中超过 11%。不过，人类细胞的衰老情况存在患者特异性差异。例如，不同患者的心肌细胞衰老比例在不同年龄段变化不一致，有的患者在较年轻的时候心肌细胞衰老比例较高，而有的患者在老年时却较低。这表明患者个体差异在组织内细胞衰老过程中起着重要作用。此外，研究还发现衰老细胞的比例与细胞的复制潜力并无明显关联，这暗示着在体外被认为是细胞衰老重要驱动因素的端粒磨损，在体内可能并非是主要的驱动因素。

SenePy 比已有的标记物更能准确识别体内真实的细胞衰老

为了验证<em>SenePy</em>在识别衰老细胞方面的能力，研究人员进行了一系列严格的测试。他们利用 p16 - Cre^ERE2 - tdTomato 报告基因小鼠的单细胞 RNA - seq 数据，这种小鼠的 p16⁺细胞会发出红色荧光，就像给衰老细胞贴上了 “红色标签”。通过比较 tdTomato⁺和 tdTomato^-细胞的基因表达差异，研究人员发现<em>SenePy</em>的肾脏上皮特征在 tdTomato⁺肾脏细胞中的富集程度，比之前定义的基因集或由 GPT - 4 生成的衰老基因集（senGPT）都要高。在分析<em>SenePy</em>肝脏特征时，也得到了类似的结果，tdTomato⁺肝脏细胞中<em>SenePy</em>的肝脏库普弗细胞特征显著富集。此外，<em>SenePy</em>还能够准确识别衰老细胞在接受衰老清除疗法（senolytic treatment）后的转录变化，以及在多种体内外诱导衰老模型中的变化。与之相比，传统的衰老标记物在这些方面则表现不佳。例如，在 p16 - Cre^ERE2 - tdTomato 肝脏细胞中，只有少数 tdTomato^high细胞能够检测到<em>Cdkn2a</em> RNA，而另一个重要标记物<em>Cdkn1a</em>在 tdTomato⁺和 tdTomato^-细胞中都普遍存在，难以作为可靠的衰老标记物。在对小鼠肝癌细胞衰老模型的分析中，<em>SenePy</em>的特征与细胞衰老的伪时间轨迹高度相关，而传统标记物与衰老伪时间的关联则较弱。这些结果充分表明，<em>SenePy</em>能够更准确地反映体内细胞衰老的真实情况，而以往基于体外实验得出的基因集则难以达到这样的效果。

SenePy 预测严重疾病中细胞衰老负担增加

研究人员还将<em>SenePy</em>应用于疾病研究，探索衰老细胞在疾病中的作用。他们分析了 19 名死于 COVID - 19 患者和 7 名年龄匹配的对照者的单细胞 RNAseq 肺数据集。结果发现，COVID - 19 患者的肺上皮细胞中衰老细胞数量明显增加，而且这种增加与患者的死亡率显著相关，而在非上皮细胞中，衰老细胞的比例与死亡率并无明显关联。这表明在 COVID - 19 疾病进展过程中，肺上皮细胞的衰老可能起着关键作用。此外，研究人员利用<em>SenePy</em>对心肌梗死后的小鼠进行时空转录组数据分析，发现衰老细胞在心脏纤维化区域聚集，且与纤维化标记物<em>Col1a1</em>的表达密切相关。在小鼠大脑炎症模型中，也观察到衰老细胞的聚集现象。这些结果表明，衰老细胞在多种严重疾病中可能发挥着重要作用，<em>SenePy</em>能够有效地预测疾病中衰老细胞的负担，为深入了解疾病机制提供了新的视角。

总的来说，这项研究通过大规模的单细胞数据分析，全面而深入地揭示了不同物种、组织和细胞类型中衰老细胞的基因表达程序和特征。研究人员开发的<em>SenePy</em>平台，就像一把精准的 “钥匙”，能够在单细胞转录组数据中准确识别衰老细胞，为研究体内细胞衰老的机制提供了有力的支持。这一成果不仅有助于我们更深入地理解衰老细胞在衰老和疾病过程中的作用，还为开发针对衰老相关疾病的治疗策略提供了新的靶点和思路。未来，基于<em>SenePy</em>平台的研究有望进一步揭示衰老细胞的奥秘，为人类健康带来新的希望。不过，研究人员也指出，虽然这项研究取得了重要进展，但仍存在一些局限性。比如，研究方法可能会忽略一些与衰老相关但与年龄相关转录变化重叠的基因，也没有考虑到在衰老细胞中下调的基因。此外，数据的局限性和单细胞数据中的噪音等因素，也可能影响研究结果的普遍性。但这些不足并不会掩盖这项研究的光芒，它为后续的研究奠定了坚实的基础，激励着更多的科研人员在探索衰老细胞的道路上继续前行。