单细胞转录组图谱构建与细胞类型注释
解析AD脑中的细胞异质性并鉴定主要细胞群体。
从GSE233208获取scRNA-seq数据，经Seurat流程质控后保留48,714个细胞和29,889个基因，使用UMAP降维，采用原文献细胞类型注释，并通过FindAllMarkers和COSG鉴定标记基因。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
单细胞、空间和机器学习分析确定ANKIB1为阿尔茨海默病少突胶质细胞锚定的棕榈酰化相关候选生物标志物
Single-cell, spatial, and machine learning analyses identify ANKIB1 as an oligodendrocyte-anchored palmitoylation-associated candidate biomarker of Alzheimer's disease
实验完整度
中整合scRNA-seq（48,714细胞）、5个bulk队列、空间转录组及机器学习特征选择，但缺乏独立队列验证和功能实验。
主要模型
GSE233208单细胞RNA测序AD脑样本（48,714个细胞，13个供体） 五个批量RNA-seq队列（GSE5281、GSE132903、GSE106241、GSE122063、GSE48350；769个样本） 16个脑切片的10× Visium空间转录组数据（早期AD和AD）
重点核对
单细胞RNA-seq数据来自GSE233208，仅保留AD样本，质量过滤后获得48,714个细胞和29,889个基因 五个批量RNA-seq队列整合为769个样本（380 AD，389对照），经ComBat批次校正 空间转录组数据来自16个脑切片，包括匹配的早期AD和AD样本 机器学习特征选择使用LASSO（10折交叉验证）、随机森林（500棵树）和XGBoost，取交集获得7个核心基因 ROC分析在ComBat校正后的合并队列中进行，未进行留一队列交叉验证
摘要
阿尔茨海默病（AD）以进行性神经退行性变和认知 decline 为特征，然而大多数靶向淀粉样蛋白-β的候选疗法未能稳健地改变疾病进展，这凸显了对机制的理解尚不完整。少突胶质细胞（ODCs）最近被认为是AD病理的活跃贡献者，但蛋白质S-棕榈酰化——一种调节膜靶向和运输的可逆脂质翻译后修饰——在AD中的细胞类型特异性作用仍未得到表征。在此，我们进行了整合的多组学分析，结合单细胞RNA测序（GSE233208；48,714个细胞）、五个批量转录组队列（769个样本）以及来自16个脑切片的10× Visium空间转录组数据。使用一个精选的46基因集在单细胞分辨率下量化棕榈酰化活性；使用机器学习框架（LASSO、随机森林和XGBoost）来提炼一个简约的生物标志物组合；并应用四个互补指标（Jaccard指数、重叠系数、共定位百分比和比值比）来评估空间基因-细胞共定位。少突胶质细胞成为AD大脑中棕榈酰化活性最强烈富集的细胞群体，这得到了每种细胞类型评分、比值比富集和一个ODC锚定的658基因棕榈酰化模块的支持。与AD相关的差异表达基因取交集产生了89个候选基因，从中机器学习鉴定出一个七基因生物标志物组合（ANKIB1、SPAG9、HBP1、SLC25A29、FAM171A1、ATXN10和NDUFV1）。ANKIB1在每一层分析中都始终位居榜首，对AD区分具有最高的AUC（0.813，95% CI 0.782–0.844），并且在早期AD和AD中与ODC富集区域持续空间共定位。网络药理学提名AHR和TRIM11为候选上游调控因子，并编录了具有报道基因相互作用的化合物。这些发现将ODC–棕榈酰化轴确定为AD生物学中一个先前未被充分认识的维度，并将ANKIB1定位为AD中ODC功能障碍的主要候选生物标志物。
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
- AD脑中蛋白质S-棕榈酰化活性在细胞类型水平如何分布，以及是否存在与AD相关的特定胶质细胞棕榈酰化程序？
- 核心机制
- 少突胶质细胞是AD脑中棕榈酰化活性最富集的细胞群体，其棕榈酰化程序与ODC分化状态和膜-细胞骨架组织相关；ANKIB1可能作为ODC功能障碍的候选标志物。
- 主要证据
- 单细胞评分显示ODC棕榈酰化得分最高；比值比分析显示ODC在棕榈酰化高组显著富集；658基因ODC锚定模块与AD差异基因交集获得89个候选；机器学习鉴定出7基因组合，ANKIB1在AUC（0.813）、随机森林和XGBoost重要性中均排名第一；空间转录组显示7个基因与RCTD推断的ODC丰度正相关，ANKIB1在四种共定位指标中均最高。
- 研究意义
- 将ODC–棕榈酰化轴确定为AD生物学中一个先前未被充分认识的维度，并将ANKIB1定位为AD中ODC功能障碍的主要候选生物标志物，为研究ODC相关棕榈酰化程序和生物标志物提供了转录组和空间框架。
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。
棕榈酰化评分与细胞类型富集分析
评估不同细胞类型中蛋白质棕榈酰化通路的活性。
使用46基因棕榈酰化基因集，通过AddModuleScore计算每个细胞的棕榈酰化评分，按中位数分为高/低组，进行比值比（Ro/e）分析和Fisher精确检验，并评估通路活性。
细胞-细胞通讯分析
研究棕榈酰化活性如何重塑AD脑中的细胞间信号传导。
使用CellChat分别对棕榈酰化高组和低组进行细胞间通讯推断，比较配体-受体对和通路水平的差异。
ODC亚聚类与拟时序分析
解析少突胶质细胞内部的异质性及分化轨迹。
提取ODC并独立重新聚类获得三个亚型（ODC1、ODC2、ODC3），使用Slingshot进行拟时序轨迹分析，使用CytoTRACE评估干细胞性。
ODC介导的棕榈酰化相关基因鉴定
定义ODC锚定的棕榈酰化基因模块。
在ODC区室中计算每个表达基因与棕榈酰化评分的Spearman相关性（r > 0.1，adjusted p < 0.05），并与ODC特异性上调基因（adjusted p < 0.05；log₂FC > 0.1）取交集，获得658个候选基因。
批量转录组整合与AD相关ODC-棕榈酰化基因鉴定
将单细胞发现扩展到更广泛的AD患者群体。
整合五个批量RNA-seq队列（GSE5281、GSE132903、GSE106241、GSE122063、GSE48350），使用ComBat校正批次效应，进行差异表达分析（adjusted p < 0.05；|log₂FC| >0.25），与658基因集取交集获得89个候选基因。
机器学习特征选择与生物标志物鉴定
从89个候选基因中提炼简约的AD诊断基因组合。
应用LASSO回归（10折交叉验证选择λ）、随机森林（500棵树）和XGBoost三种算法，取交集获得7个核心基因，并进行ROC分析。
上游调控因子推断与化学-基因相互作用分析
提名核心基因的候选上游调控因子和药理调节剂。
使用GPSA数据库推断上游调控因子，使用CTD数据库检索化学-基因相互作用，并使用Cytoscape进行网络可视化。
空间转录组分析
在组织尺度验证核心基因与ODC的空间关联。
处理来自16个脑切片的10× Visium空间转录组数据，使用RCTD反卷积推断每个spots的细胞类型组成，计算核心基因表达与细胞类型丰度的Spearman相关性。
多指标空间共定位分析
严格量化核心基因与ODC富集区域的空间共发生。
计算Jaccard指数、重叠系数、共定位百分比和比值比四种指标，评估每个基因与ODC-high spots的共定位，并使用ComplexHeatmap和circlize生成热图。
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。
单细胞转录组分析
细胞间通讯分析
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 单细胞RNA测序分析 | Seurat R包5.0版本 | -- | -- |
| 批量转录组批次校正 | sva R包 | -- | -- |
| 批量转录组标准化 | preprocessCore | -- | -- |
| 差异表达分析 | limma | -- | -- |
| 机器学习建模 | glmnet包 | -- | -- |
| randomForest包 | -- | -- | |
| xgboost包 | -- | -- | |
| ROC分析 | pROC包 | -- | -- |
| 功能富集分析 | clusterProfiler | -- | -- |
| 空间转录组分析 | RCTD | -- | -- |
| 空间共定位热图 | ComplexHeatmap | -- | -- |
| circlize | -- | -- | |
| 网络可视化 | Cytoscape v3.9.1 | -- | -- |
| 统计编程 | R 4.2.2版本 | -- | -- |
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 |
|---|---|
| 单细胞RNA-seq数据处理 | 数据集GSE233208；仅保留AD样本；质控后细胞数48,714，基因数29,889；13个供体；FindAllMarkers阈值|log₂FC| >0.25且adjusted p < 0.05 阅读提示：Methods 'Processing of single-cell RNA-seq data'；Fig. 1图注 |
| 棕榈酰化评分与分组 | 46基因棕榈酰化基因集；AddModuleScore默认参数；按中位数评分分为高/低组；Fisher精确检验 阅读提示：Methods 'Palmitoylation scoring and pathway activity profiling'；Fig. 2图注；Supplementary Table S1 |
| ODC介导的棕榈酰化相关基因鉴定 | Spearman相关性：r > 0.1，adjusted p < 0.05；ODC特异性上调基因：adjusted p < 0.05，log₂FC > 0.1；交集获得658个基因 阅读提示：Methods 'Identification of ODC-mediated palmitoylation-associated genes'；Fig. 5图注 |
| 批量转录组整合与差异表达 | 五个GEO数据集：GSE5281、GSE132903、GSE106241、GSE122063、GSE48350；769个样本（380 AD，389对照）；ComBat批次校正；limma阈值adjusted p < 0.05，|log₂FC| >0.25 阅读提示：Methods 'Bulk RNA-seq data analysis'；Fig. 6图注 |
| 机器学习特征选择 | LASSO 10折交叉验证选择λ；随机森林500棵树；XGBoost特征重要性；取top基因交集获得7个核心基因；ROC分析在ComBat校正合并队列中进行 阅读提示：Methods 'Machine learning analysis for predictive modelling'；Fig. 7图注；Supplementary Table S2 |
| 空间转录组共定位分析 | 16个脑切片；RCTD反卷积；ODC-high阈值：75th百分位；gene-high阈值：非零表达中位数；四种共定位指标；VASC聚合（END、PER、SMC、FBR） 阅读提示：Methods 'Spatial transcriptomic analysis'和'Multi-metric spatial colocalization analysis'；Fig. 9–11图注 |