利用单细胞多组学（single-cell multi-omics）与机器学习定义神经血管生态系统状态：肿瘤背景下脑血流重构（cerebrovascular remodeling）的见解

《Frontiers in Cell and Developmental Biology》：Defining neurovascular ecosystem states with single-cell multi-omics and machine learning: insights into cerebrovascular remodeling in the tumor context

　　

目的：研究人员旨在通过单细胞多组学（single-cell RNA sequencing, scRNA-seq；single-cell assay for transposase-accessible chromatin sequencing, scATAC-seq）与可解释机器学习（interpretable machine learning）界定肿瘤微环境内的神经血管生态系统状态（neurovascular ecosystem states），并阐明脑血流重构（cerebrovascular remodeling）的调节基础。方法：建立小鼠原位脑肿瘤模型，进行 scRNA-seq、scATAC-seq、区域组织验证及整合性计算分析，以表征肿瘤进展过程中细胞异质性、调节程序及状态转换。结果：肿瘤进展诱导了内皮细胞、壁细胞（mural cells）、胶质细胞及髓系细胞区室的协同重编程。轨迹推断（trajectory inference）模拟了内皮细胞从屏障维持状态向成血管及炎症表型的渐进偏移；壁细胞表现出提示基质重塑适应的转录特征。细胞外基质（extracellular matrix, ECM）重塑作为突出的共享神经血管程序出现，且具有显著空间异质性。表观基因组分析进一步支持稳定的调节转换，可解释机器学习优先确定了与血管生成、屏障功能障碍、炎症、缺氧适应及血管周重塑相关的关键决定因子。结论：脑肿瘤中的脑血流重构反映了神经血管生态系统而非孤立血管异常的多细胞动态重组，这些发现为理解肿瘤相关血管重塑及其调节基础提供了系统层面的框架。

论文解读：《Defining neurovascular ecosystem states with single-cell multi-omics and machine learning: insights into cerebrovascular remodeling in the tumor context》

研究背景与意义

在神经系统恶性肿瘤特别是胶质瘤进展过程中，肿瘤细胞对周围微环境的重塑是一个复杂的系统性演化过程。传统病理视角多聚焦于肿瘤细胞自身增殖，但越来越多的证据表明由内皮细胞（endothelial cells）、周细胞/壁细胞（pericytes/mural cells）、星形胶质细胞（astrocytes）及免疫细胞构成的神经血管单元（neurovascular unit, NVU）在肿瘤演化中发生深刻的表型重塑。这种重塑超越单纯血管生成（angiogenesis），表现为跨细胞类型的共演化，形成支持肿瘤生长和浸润的病理性生态系统。然而，传统批量转录组测序因脑组织中血管成分占比低且存在信号均一化效应，难以揭示神经血管单元异质性，尤其掩盖了尖端细胞（tip cells）及干样血管祖细胞等关键稀有亚群的特征。此外，脑血流（cerebrovascular）系统在解剖与功能上具有高度区域特异性，肿瘤核心区与周边浸润区血管细胞基因表达谱差异显著。虽然单细胞转录组测序（scRNA-seq）提供了关键工具，但单维转录组数据无法完全揭示细胞状态转换的深层次调控因素——细胞状态转换不仅受即时转录水平调控，还深受染色质可及性（chromatin accessibility）等表观遗传特征影响。单细胞多组学（尤其是 scRNA-seq 联合 scATAC-seq）整合应用可提供从表观基因组蓝图到转录执行的全面视角。本研究利用小鼠原位脑肿瘤模型，通过整合单细胞多组学、区域分区及可解释机器学习，旨在阐明肿瘤诱导适应过程中的核心细胞亚群及相关分子程序，定义"神经血管生态系统状态（neurovascular ecosystem states）"为转录输出与染色质可及性景观整合同步的跨模态功能单元，并定量优先排序调控依赖关系，识别驱动稳态与病理微环境（niche）转换的关键网络枢纽而非孤立基因。该论文发表于《Frontiers in Cell and Developmental Biology》。

主要关键技术方法

研究人员采用原位接种GL261细胞的C57BL/6小鼠胶质瘤模型，设置正常对照及肿瘤后第7天（早期）、第14天（中期）、第21天（晚期）共4组（每组n=10，其中3只用于测序，7只用于组织学验证）。主要技术方法包括：① 单细胞悬液制备与文库构建——分别进行基于微液滴的 scRNA-seq（靶向每样本约5000–10000细胞）及同批次核悬液的 scATAC-seq（靶向每样本约5000–10000核）；② 组织学与免疫荧光（immunofluorescence, IF）验证——抗CD31（内皮）、PDGFRβ/α-SMA（壁细胞）、Claudin-5/ZO-1（血脑屏障 tight junction）、GFAP/Iba1（胶质/小胶质）、Collagen IV/Laminin（ECM/基底膜）；③ 多组学数据整合与注释——Seurat(v4)质控及 Harmony 批次校正，Signac 处理 scATAC-seq 数据，CCA（canonical correlation analysis）锚定整合，Monocle 3 拟时（pseudotime）轨迹推断；④ 细胞间通讯分析采用 CellChat 基于配体-受体对推断；⑤ 可解释机器学习建模——提取各状态差异表达基因及差异开放峰，采用留一样本交叉验证（Leave-One-Sample-Out Cross-Validation, LOSO-CV）训练 Random Forest、XGBoost、Elastic Net Logistic Regression 及 SVM，SHAP（Shapley Additive exPlanations）值量化特征重要性。

研究结果

3.1 Construction of a single-cell atlas of the tumor-associated neurovascular microenvironment（肿瘤相关神经血管微环境单细胞图谱构建）

研究人员整合对照及各肿瘤阶段脑组织 scRNA-seq 数据，经质控获得涵盖内皮细胞、壁细胞、星形胶质细胞、小胶质细胞/巨噬细胞、肿瘤细胞、少突胶质细胞、T细胞及增殖细胞的高质控单细胞图谱。UMAP 展示各主要细胞群清晰分离；随着肿瘤进展，肿瘤细胞、炎症髓系细胞及重塑的神经血管相关区室比例递增，而部分稳态神经群体相对减少，证实肿瘤相关神经血管微环境是随肿瘤生长动态重构的多细胞系统。

3.2 Endothelial state reprogramming during tumor-associated cerebrovascular remodeling（肿瘤相关脑血流重构过程中内皮细胞状态重编程）

对内皮细胞重新分群识别出动脉样、微动脉样、毛细血管、静脉样、炎症、成血管肿瘤相关及屏障受损肿瘤相关内皮状态。对照组以保持屏障为主的内皮状态占优，肿瘤组炎症、成血管及屏障受损内皮群体渐增。拟时轨迹显示从稳态血管身份向炎症和肿瘤相关病理分支连续过渡，毛细血管/微静脉样内皮为中间过渡态。沿病理轨迹屏障维持基因（如 Cldn5, Ocln, Klf2, Mfsd2a）下调，血管生成、炎症及通透性相关基因上调。免疫荧光验证肿瘤相关血管中屏障标记减弱，炎症/通透性标记（ICAM1, PLVAP, ANGPT2）增强。

3.3 Phenotypic remodeling of mural cells and emergence of matrix-associated vascular support states（壁细胞表型重塑及基质相关血管支持状态的出现）

壁细胞在对照组以稳态周细胞样及收缩型为主，肿瘤组基质重塑型及肿瘤激活型壁细胞比例显著升高。基质重塑亚型高表达 Col1a1, Col3a1, Fn1, Lama4 等胶原及基底膜相关分子。拟时分析示壁细胞可从稳态周细胞样经收缩期逐步分化为基质重塑终态或肿瘤激活终态。免疫荧光显示肿瘤血管周 COL1A1、FN1、LAMA4、SPARC 信号较对照组明显增强且与 ACTA2⁺支持结构及 CD31⁺血管区共定位，证实壁细胞参与病理性血管周基质沉积。

3.4 Extracellular matrix remodeling as a shared neurovascular program in the tumor context（ECM 重塑作为肿瘤背景下神经血管共享程序）

整合分析显示基底膜成分（Col4a1, Col4a2, Lama4, Hspg2）及间质胶原（Col1a1, Col3a1, Fn1, Sparc）在内皮、壁细胞、反应胶质细胞及血管周基质相关群体中普遍上调。CellChat 推断 ECM 关联的细胞间互作在肿瘤进展中显著增强，尤以内皮-壁细胞、壁细胞-肿瘤细胞间最为突出。UpSet 图揭示 COL1A1、COL3A1、FN1、SPARC、COL4A1、COL4A2、LAMA4 为多个神经血管相关群体共享的上调基因。组织学验证肿瘤区血管周 COL1A1 与 FN1（间质 ECM）及 COL4A1 与 LAMA4（基底膜）信号强于对照且分布不规则，表明脑血流重构伴随显著的多细胞协同学管周基质重建。

3.5 Regional stratification of neurovascular remodeling defines niche-specific tumor ecosystems（神经血管重塑的区域分层界定微环境特异性肿瘤生态系统）

按肿瘤核心（Core，距重心<0.2且肿瘤细胞分数>85%）、浸润边缘（Edge，肿瘤-脑实质界面）及瘤周区（Peritumoral）分区采样分析。核心区富集缺氧适应状态、血管生成激活状态及部分屏障失能状态；边缘区富集基质重塑型壁细胞及侵袭支持状态；瘤周区相对保留稳态血管与胶质状态但仍见反应性改变。不同区域间生态连接强度存在差异，边缘区兼具核心与周围脑组织特征，是肿瘤入侵前线及神经血管重塑关键区域。

3.6 Integrated epigenomic remodeling defines regulatory transitions across neurovascular states（整合表观基因组重塑界定神经血管状态间的调节转换）

整合 scATAC-seq 与 scRNA-seq 发现神经血管状态转换伴随稳定表观重塑：屏障维持状态中血管稳态基因位点染色质可及性高且具明确调控结构，而成血管或基质重塑状态中病理重塑相关位点开放性增加。从稳态血管内皮向成血管内皮、屏障受损炎症内皮及从收缩型壁细胞向基质重塑型壁细胞转换时获得或丢失大量差异开放峰（differentially accessible peaks）。转录因子（transcription factor, TF）活性热图显示稳态血管状态富集 KLF2、NR2F2 等屏障维持/血管稳态相关 TF 程序；成血管内皮富集 HIF1A、ETS1 等缺氧响应/血管生成 TF；基质重塑壁细胞富集 SMAD、AP1 等 TGF-β/ECM 重塑相关 TF；缺氧适应肿瘤状态富集 HIF1A、EPAS1 等缺氧响应 TF。整合状态空间投射显示稳态与病理重塑状态清晰分离，病理状态间呈连续谱系。

3.7 Interpretable machine learning stratifies neurovascular ecosystem states and prioritizes remodeling determinants（可解释机器学习划分神经血管生态系统状态并优先排序重塑决定因子）

采用 LOSO-CV 训练分类器区分各神经血管生态系统状态，Random Forest（Accuracy 0.87, AUROC 0.91）与 XGBoost（Accuracy 0.89, AUROC 0.93）性能最优。置换检验确认模型学到真实生物学边界（P < 0.001）。SHAP 分析综合优先排序的关键决定因子为 Vegfa, Cldn5, Col1a1, Icam1, Hif1a, Pdgfrb, Fn1, Gfap，分别对应血管生成、屏障功能、基质重塑、炎症激活、缺氧适应及星形胶质细胞活化程序。免疫荧光验证上述分子在对应病理血管或稳态血管中的差异化表达。研究人员的机器学习框架将描述性聚类转化为具可解释性的调控依赖等级排序图谱。

讨论与结论总结

讨论部分指出，脑肿瘤相关神经血管异常不是单一种细胞或单一通路改变可解释的局部现象，而是涉及内皮细胞、壁细胞、胶质细胞、髓系细胞及肿瘤细胞多细胞系统性生态重建。传统平行看待异常血管生成、血脑屏障破坏及基质沉积，本研究则通过定义的神经血管生态系统状态数学耦合这些转换，证明屏障丧失与基质重塑是同一被机器学习优先排序的共享表观遗传程序的同步输出而非肿瘤生长的独立后果。内皮细胞重编程为核心发现——从稳态向炎症激活、异常血管生成及屏障失能病理状态连续偏移；壁细胞同样从血管支持向基质沉积/异常支持状态转换且是病理性血管微环境形成的关键执行者。ECM 重塑跨多细胞群体同步增强，改变局部力学环境并促进肿瘤侵袭与治疗抵抗。区域分层分析证实肿瘤核心、浸润边缘及瘤周具不同生物特征，边缘区最具动态性及干预价值。表观基因组分析证实神经血管状态转换具稳定表观遗传基础（染色质可及性模式及 TF 活性谱差异），LOSOCV 验证所定义状态具跨样本稳健性。研究人员承认计算框架具推断性质——聚类分辨率、拟时根指定及配体-受体网络假设敏感于分析选择；每组三只小鼠样本量对高分辩子态划分偏保守，虽经三重复独立验证簇稳定性，更大独立队列及遗传谱系示踪与功能扰动实验仍需进一步确认因果方向。

结论（翻译）：本研究利用小鼠原位脑肿瘤模型构建了脑血流重构的跨学科、假设生成框架。通过将单细胞转录组学、表观基因组学、区域分区及机器学习作为相互关联的分析工具而非孤立产出物，研究人员提供了肿瘤诱导应激下多细胞生态系统如何重组的系统层面综合。结果表明脑肿瘤相关脑血管异常并非单个血管组分的局部改变，而是涉及内皮细胞、壁细胞、胶质细胞、髓系细胞及肿瘤细胞的多细胞生态重建过程。内皮细胞经历从稳态血管谱系向炎症激活、血管生成增强及屏障破坏状态的连续转换，壁细胞逐渐从血管支持功能转向基质沉积及异常血管周支持状态。同时，细胞外基质重塑作为跨越多个神经血管相关细胞群体的共享程序出现，并在肿瘤核心、浸润边缘及瘤周区表现出显著空间异质性。进一步分析揭示不同神经血管状态受明确的表观遗传调节机制支撑，可解释机器学习有效实现了状态分层并优先确定了与脑血流重构密切相关的关键决定因子。