心跳与隐藏的代码：利用多组学和计算方法解析心脏衰老机制

《Journal of Molecular and Cellular Cardiology》：Heartbeats and hidden codes: Decoding cardiac aging with multi-omics and computational approaches

　　

Smin L. Liu|Li Qian

美国北卡罗来纳大学医学院麦卡利斯特心脏研究所病理学和实验室医学系，北卡罗来纳州教堂山27599

摘要

衰老是心血管疾病的主要风险因素，但导致年龄相关心脏功能障碍的机制尚未完全阐明。尽管传统的组学方法已经识别出炎症和代谢变化的总体特征，但批量分析往往掩盖了细胞类型的特异性差异。最近的单细胞多组学创新通过同时分析基因表达和染色质可及性来填补这一空白。这些高分辨率分析显示，与其他心脏细胞谱系相比，成纤维细胞和巨噬细胞表现出尤为明显的年龄相关重塑，表现为衰老加剧、细胞间通讯受损以及染色质可及性降低。展望未来，基于机器学习和新兴的语言模型辅助方法对于提高注释质量并加速从大量单细胞数据中提取生物学见解至关重要。这些实验和计算工具共同为优先评估潜在的细胞类型特异性脆弱性提供了框架，以便后续进行机制研究。最终，我们强调，虽然单细胞数据集可以生成有力的假设，但动物模型对于验证这些目标以及理解年龄相关心脏功能障碍的体内相互作用仍然是不可或缺的。

引言

社会和经济发展的进步以及公共卫生和医疗服务的改善，导致全球死亡率大幅下降。因此，自1995年以来，2024年的全球预期寿命增加了约8.4年[1]。虽然预期寿命的增加是一项重大的公共卫生成就，但寿命延长并不一定意味着老年人健康状况的改善[1]。许多长寿的人仍然患有与年龄相关的慢性疾病。特别是，衰老是心血管疾病发病和不良临床结果的最强风险因素之一[2]。衰老伴随着心脏的病理和功能重塑，这影响到心室和心房。从结构上讲，衰老的心肌表现为壁硬度增加、间质和血管周围纤维化、细胞外基质组成改变以及心肌细胞逐渐丧失，这些变化共同损害了心室的舒张和收缩储备能力。从功能上看，这些结构改变与舒张功能障碍、对压力的收缩反应降低以及射血分数保持不变的情况下心衰竭易感性增加有关。

在细胞层面，心脏衰老表现为细胞组成和表型的变化。虽然心肌细胞数量随年龄增长而略有减少，但非心肌细胞群则出现显著扩张和功能重塑。成纤维细胞呈现出促纤维化及衰老的表型，内皮细胞的血管生成能力和屏障完整性受损，而免疫细胞群（尤其是巨噬细胞）在心房和心室中的数量和炎症极化也发生变化。这些多细胞变化导致了细胞间通讯中断、组织修复能力下降和慢性低度炎症，为解释单细胞双组学方法揭示的细胞类型特异性分子变化提供了生物学框架。

随着预期寿命的继续增加，与年龄相关的心脏功能障碍的全球负担预计也会相应增加。这一日益严重的挑战突显了阐明心脏衰老基本生物学机制的紧迫性。重要的是，许多与衰老相关的病理特征源自细胞类型的特异性重塑，而不是心肌的均匀变化。尽管批量组学方法在识别整体趋势方面非常强大，但它们不足以揭示不同心脏细胞群如何导致功能下降，这促使人们应用单细胞和多组学策略在细胞层面解析与衰老相关的调控程序。

在过去十年中，多组学方法通过整合基因组学、表观基因组学、转录组学、蛋白质组学和代谢组学数据[3]，[4]，[5]，彻底改变了衰老研究。在心脏衰老的研究中，多组学研究提供了关于年龄相关分子途径的宝贵系统级见解，包括炎症、代谢重塑和细胞外基质改变[5]，[6]，[7]。然而，大多数传统多组学方法依赖于批量组织分析，这掩盖了细胞异质性，并限制了区分不同心脏细胞群对功能下降贡献的能力，因此推动了单细胞和多组学策略的应用，以在细胞层面解析与衰老相关的调控程序。

近年来，单细胞技术的进步，特别是单细胞RNA测序（scRNA-seq）和使用测序技术检测转座酶可及性染色质（scATAC-seq）的结合，彻底改变了多组学的研究范式[8]，[9]，[10]，[11]。单细胞双组学方法保留了多组学的整合能力，同时增加了细胞分辨率，使得能够在单个细胞类型内直接关联转录程序和调控染色质景观[11]。这些方法有助于我们更深入地了解心脏衰老，尤其是在非心肌细胞（non-CMs）中的衰老过程[6]。更广泛地说，单细胞多组学涵盖的技术範圍不仅限于转录组-染色质整合，还包括将转录组分析与蛋白质组测量或其他分子层结合的方法。这些整合策略通过单细胞分辨率捕捉表观基因组、转录组和翻译组的现象，提供了对衰老心脏的更全面视图（表1）。

然而，单细胞多组学数据的高维度和内在复杂性给一致注释和跨研究比较带来了巨大挑战。为了克服这些障碍，越来越多的先进计算框架被用来系统化解释心脏研究产生的海量数据。与此同步的是，人工智能（AI）在生物数据分析中的整合使研究人员能够利用大型语言模型（LLMs）和其他深度学习架构来加速和扩展注释工作流程[12]，[13]，[14]，[15]（表2）。高通量测序和先进的计算注释相结合，为深入理解心脏衰老和指导未来的干预策略提供了强大的平台（图1）。

章节片段

批量和整合组学概述

传统的多组学方法提供了对心脏衰老的广泛系统级视图[5]。通过整合表观基因组学、转录组学、蛋白质组学和代谢组学等多个分子层面，多组学能够识别任何单一模式都无法捕捉到的调控、功能和代谢关系。

表观基因组学研究DNA和组蛋白的全面化学修饰，如DNA甲基化和组蛋白修饰

单细胞组学

基于这些系统级见解，单细胞多组学方法越来越多地应用于细胞层面的心脏衰老研究（表1）。在新兴的单细胞多组学方法中，转录组和表观基因组的整合在心脏衰老研究中应用最为广泛。通过同时捕获单个细胞内的基因表达谱型和染色质可及性，这些双组学方法直接关联了调控过程

方法论协同：桥接批量和单细胞分辨率

除了转录组和表观基因组学的单细胞方法外，结合蛋白质水平信息的单细胞策略进一步扩展了多组学工具箱。基于抗体的方法（如CITE-seq）将表面蛋白定量与单细胞转录组学相结合，实现了转录状态和蛋白质状态的同步分析[33]。此外，基于质谱的单细胞蛋白质组学的进步开始提供无偏的测量结果

机器学习和语言模型辅助的细胞类型注释

细胞类型注释是分析和解释大量单细胞数据的基础，但当前的数据集通常包含数百万个细胞，使得手动细胞注释既耗时又高度依赖于专业领域知识。这种规模促使人们开发出在图谱层面上操作的计算策略，同时提高了研究之间的一致性和可重复性（表2）。

随着数据量和生物复杂性的增加，单纯依赖手动注释的方法已经不再足够

结论与展望

全球预期寿命的迅速增加加剧了与年龄相关的心血管疾病的临床负担，这凸显了揭示驱动心脏渐进性功能障碍机制的必要性。虽然传统的多组学方法已经揭示了炎症、代谢和细胞外基质调节方面的广泛变化，但它们对批量组织的依赖性掩盖了心脏细胞群体的异质性。单细胞RNA测序和单细胞技术的出现

Smin L. Liu：撰写 – 审稿与编辑，撰写原始草稿，概念化。Li Qian：撰写 – 审稿与编辑，监督，概念化。

作者在撰写本手稿时未使用生成式AI或AI辅助技术。

无