空间转录组学揭示人心脏同种异体移植物排斥反应的动态细胞程序

Dynamic cellular programs of human cardiac allograft rejection revealed by spatial transcriptomics

作者信息Kaushik Amancherla, Angela M Taravella Oill, Xavier Bledsoe, Arianna L Williams, Nelson Chow, Anna J Smith, Melissa A Farrow, Shilin Zhao, Quanhu Sheng, David W Bearl, Alexander N Perez, Robert D Hoffman, Jonathan N Menachem, Hasan K Siddiqi, Douglas M Brinkley, Evan D Mee, Niran Hadad, Vineet Agrawal, Jeffrey Schmeckpepper, Aniket Rali, Stacy Tsai, Eric Farber-Eger, Quinn S Wells, Jane E Freedman, Nathan R Tucker, Jeffrey M Spraggins, Kelly H Schlendorf, Eric R Gamazon, Nicholas Banovich, Ravi V Shah
PMID42576067
发布时间2026-09
DOI10.1038/s44161-026-00849-9

实验完整度

包含空间转录组、免疫组化正交验证、公共数据集验证及单核RNA-seq验证等多个独立证据层级。

主要模型

49名成人心脏移植受者纵向心内膜心肌活检样本 13名儿童心脏移植受者纵向心内膜心肌活检样本 15例用于免疫组化的全切片心内膜心肌活检样本

重点核对

空间转录组分析:10,343,560条高质量转录本,162,638个细胞,28种细胞类型 免疫组化验证:5例非排斥、5例ACR和5例AMR EMBs,检测CD3、CD8和CD68 公共微阵列数据集验证:GSE150059,76例ACR和179例AMR患者 单核RNA-seq验证:终末期CAV患者右心室样本

摘要

实体器官移植后的同种异体移植物排斥反应是移植物功能障碍和死亡的主要原因。当前诊断方法依赖组织学,其诊断变异性大且缺乏临床相关的分子表型分析。在此,我们利用亚细胞分辨率的图像空间转录组学,对纵向人类心脏活检样本进行分析,以表征62名成人和儿童心脏移植受者在组织学诊断的排斥反应期间及之后的转录异质性。在28种细胞类型中,我们识别出不同排斥反应类别间免疫细胞和实质细胞丰度的显著差异。我们观察到跨排斥反应严重程度的转录状态广泛重叠,以及排斥反应分级内的显著异质性。对强化治疗有应答者和无应答者具有不同的转录组谱,无应答者表现出基线T细胞过度活化和组织重塑基因。我们还识别出与心脏移植后长期结局相关的细胞特异性基因。这些结果强调了在排斥反应期间对细胞状态进行亚型分型的重要性,以对与短期和长期结局相关的免疫-心脏相互作用进行分层。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
本研究旨在利用亚细胞分辨率空间转录组学,表征人类心脏同种异体移植物排斥反应的转录异质性,并探索其与治疗应答及长期结局(如CAV)的关联。
核心机制
排斥反应涉及多种细胞类型的动态相互作用,包括T细胞活化、干扰素信号、补体途径、内皮-间质转化和纤维化相关基因表达,这些分子程序在ACR和AMR间存在差异,并与治疗无应答和CAV发展相关。
主要证据
通过对62名受者的纵向心脏活检进行空间转录组分析,结合免疫组化、公共微阵列数据集和单核RNA-seq验证,识别出排斥类型和分级间的转录异质性,以及无应答者基线T细胞过度活化和组织重塑基因表达。
研究意义
研究结果强调了亚型分型细胞状态在排斥反应中的重要性,为移植排斥反应的精确诊断、治疗应答预测和CAV风险分层提供了分子资源。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

样本收集与组织学分级

获取心脏移植受者纵向心内膜心肌活检样本,并进行临床组织学排斥反应分级。

收集49名成人和13名儿童心脏移植受者的FFPE EMB样本,由经验丰富的心脏移植病理学家根据ISHLT标准进行排斥反应分级,并构建TMA。

2

空间转录组学分析

在亚细胞分辨率下表征排斥反应期间及治疗后的细胞类型组成和转录状态。

使用Xenium平台对TMA切片进行空间转录组分析,包含477个基因的靶向面板,经过组织预处理、探针杂交、连接、滚环扩增、成像和解码。

3

细胞分割与注释

识别和注释细胞类型,以进行下游分析。

使用10x Xenium软件进行细胞分割,基于标记基因表达注释细胞类型,最终识别28种细胞类型。

4

免疫组化验证

验证空间转录组数据中观察到的细胞组成变化。

对15例全切片EMBs进行CD3、CD8和CD68免疫组化染色,使用QuPath进行图像分析。

5

差异表达与通路分析

识别ACR和AMR之间、治疗应答者和无应答者之间的细胞特异性差异表达基因和富集通路。

使用线性模型进行细胞类型特异性差异表达分析,并进行GSEA。

6

CAV关联分析

评估排斥反应期间及治疗后的细胞特异性基因表达与CAV发展的关联。

使用GLMM模型分析基因表达与CAV等级的关联,并在外部单核RNA-seq数据中验证CAV相关基因的表达。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Xenium分析仪10x Genomics--
Leica Biosystems Aperio CS2Leica Biosystems--
Aperio AT2扫描仪Aperio--
RNAse AwayRPI147002
10x Genomics商业试剂盒10x Genomics--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
样本收集与分级
排斥反应分级标准:ISHLT标准;ACR定义为≥2R,AMR定义为pAMR1-i或pAMR2/3
阅读提示:Methods中的Human samples and study approval小节
空间转录组学
基因面板:477个独特基因;探针杂交条件:18小时,50°C
阅读提示:Methods中的Xenium workflow小节
细胞分割与注释
细胞过滤标准:≥12个转录本对应≥10个独特基因,空白探针比例≤5%,核面积6-70 µm
阅读提示:Methods中的Xenium workflow小节
差异表达分析
使用线性模型,FDR校正,细胞类型至少3个样本每组,基因在至少3个聚合样本中检测到
阅读提示:Methods中的Differential gene expression testing小节
CAV关联分析
GLMM模型:患者年龄为固定效应,患者ID为随机效应;基因在至少5个样本中表达
阅读提示:Methods中的Generalized linear mixed models (GLMMs)小节