生命科学学院汤富酬研究组与合作者揭示骨关节炎软骨退变发病机制
骨关节炎是目前世界上最广泛发生的软骨退变疾病,已成为引发人类肢体痛苦悲伤和功能停滞的最紧张缘故原由之一,并带来紧张的社会经济负担。骨关节炎软骨因为固有修复能力局限、表型异质性复杂、已有的特异性标志物稀疏等缘故原由,导致难以进行有用的早期临床展望和诊断。我国人口老龄化加速的近况对骨关节炎的防治工作提出了疾病防治中间前移,预防为主的要求。因此,研究骨关节炎病程中的细胞异质性,发现与骨关节炎软骨退变发生发展有关的新型分子标志物将为该疾病的诊断和治疗提供紧张的理论依据和分子靶标。
2018年7月20日,北京大学北京将来基因诊断高精尖创新中间(ICG)、生命科学学院BIOPIC中间汤富酬课题组与中国人民解放军总医院王岩课题组在国际着名学术期刊Annals of the Rheumatic Diseases(影响因子12)上在线发表了题为“Single-cell RNA-seq analysis reveals the progression of human osteoarthritis”的研究论文,首次在单细胞分辨率和全转录组水平阐明了骨关节炎软骨退变病程的高精度基因表达图谱及其旌旗灯号调控机制,发现并定义了软骨细胞新的分子生物学分型,揭示了骨关节炎软骨退变基因表达特性与临床转归之间的关系,为骨关节炎患者的临床诊断和治疗靶标挖掘提供了新的方向。
在该研究中,通过对骨关节炎病人不同疾病部位的细胞进行高精度的单细胞转录组测序,研究人员发如今人骨关节炎软骨中存在7种软骨细胞亚型,其中包括3种新定义的具有不同功能的细胞亚型。借助生物信息学的算法,发现了这些细胞亚型在软骨组织中的空间分布规律,以及它们在骨关节炎进程中的时间分布规律。
软骨细胞的表型转变(如细胞肥大和基质钙化)能够导致骨关节炎软骨退变的发生,而增殖性软骨细胞(ProCs)、 前肥大软骨细胞(preHTCs)和肥大软骨细胞(HTCs)与该表型密切相干。但是因为缺乏有用的特异性分子标志物,人们对于它们在骨关节炎软骨退变进程中的作用并不十分清楚。该研究发现并定义了这些软骨细胞亚型的特异性标志物,同时揭示了对这些细胞亚型可能紧张的转录因子。更紧张的是,研究人员首次发现肥大软骨细胞存在两种细胞邃密亚型。
在骨关节炎疾病进展过程中,代谢调控对软骨功能和自我修复的维持至关紧张。代谢调控的急剧转变,将导致细胞外基质合成等发生功能非常。在该研究中,研究人员发现了效应性软骨细胞(ECs)作为一群新发现的细胞类型,能够体现出较高的代谢速率,包括与三羧酸循环、糖酵解、氧化磷酸化和脂及氨基酸代谢等相干的进程,提醒效应性软骨细胞在能量代谢方面比较活跃。而另一类新的细胞亚型——调节性软骨细胞(RegCs)的重要特性则是多种旌旗灯号通路同时处于活跃状况,提醒调节性软骨细胞在骨关节炎病程中很可能发挥了紧张的作用。此外,研究人员还发现,调节性软骨细胞重要以富集抗原提呈功能以及B细胞和T细胞受体旌旗灯号通路为特性;并且,固有免疫体系的特异标志物在一部分调节性软骨细胞中高水平表达,提醒这些细胞具有与免疫细胞激活相干的功能。这些新发现的细胞特性增长了对骨关节炎软骨细胞功能的理解。
在此前已有的报道中发现,软骨稳态环境是受外周生物钟节律控制的。在该研究中,研究人员发现一群新的软骨细胞——稳态性软骨细胞(HomC),这群细胞高表达生物钟节律标志基因,并且富集和细胞周期调节、代谢过程和发育等功能相干的特性。该细胞亚型的发现提醒了生物钟相干机制混乱可能参与了骨关节炎的发生。此外,研究人员还针对关节软骨内具有多向分化能力的软骨前体细胞和骨关节炎晚期的纤维软骨细胞的特性和功能进行了体系的分析比较,为诊断和治疗骨关节炎软骨退变提供了新的思路。
生物钟节律标志物标记的稳态性软骨细胞
在上述研究的基础上,该研究建立了骨关节炎不同类群软骨细胞和临床医学特性之间的联系,为此新定义了“骨关节炎关节软骨样本紧张指数”这一分子指标。该指标整合了特种外科医院(Hospital for Special Surgery,HSS)膝关节评分和样本的骨关节炎分级,综合反映了骨关节炎病程进展的紧张程度。研究人员通过生物信息学的分析发现了和骨关节炎疾病发生相干的336个特性基因,包括199个正相干和137个负相干的特性基因。在本研究中发现了这些特性基因和不同骨关节炎软骨细胞的分布有关,从而可以用来推测不同细胞类群对于骨关节炎病程进展的作用。
正相干和负相干展望基因在不同软骨细胞类群中的分布,CA分析推断不同细胞类群对病程的影响
北京大学北京将来基因诊断高精尖创新中间的博士生郑宇轩和中国人民解放军总医院博士生冀全博为该文章并列第一作者,王岩为该文章的共同通信作者。此项工作得到了国家天然科学基金委、科技部、将来基因诊断高精尖创新中间(ICG)以及生命科学联合中间(CLS)的支撑。
编辑:凌薇
下一篇::北京大学物理学院本科生在量子物理与机器学习研究方面取得进展