编辑推荐：
在研究疾病分子机制时，RNA 测序（RNA-seq）意义重大，但单细胞层面研究成本高、操作复杂。研究人员针对人心肌和骨骼肌，开展基于 CIBERSORTx 和 BayesPrism 的批量 RNA-seq 数据反卷积研究。结果显示二者能有效估算细胞比例，揭示年龄和性别差异，为相关研究提供新途径。
在生命科学研究的长河中，探索疾病分子机制始终是重中之重。RNA 测序（RNA-seq）作为关键工具，为我们打开了深入了解基因表达的大门。然而，技术的发展虽让 RNA 测序能在单细胞层面进行，但临床研究所需的大样本量，使得单细胞 RNA 测序（scRNA-seq）因成本高昂、样本制备和数据处理复杂而受限。对于直径超 30μm 的细胞（如成年心肌细胞），用高通量 scRNA-seq 方法解离和处理颇具挑战。同时，组织解离获取特定细胞谱系用于批量 RNA-seq 时，不仅易引入解离假象、耗费资源，还依赖合适的细胞表面标记表达。单细胞核 RNA 测序（snRNA-seq）虽能克服部分难题，但成本高、技术要求高，还会忽略细胞质和线粒体中的 mRNA。
为突破这些困境，英国利兹大学心血管与代谢医学研究所的研究人员踏上探索之旅。他们开展了一项针对人心肌和骨骼肌的研究，旨在通过 CIBERSORTx 和 BayesPrism 两种反卷积方法，解析批量 RNA-seq 数据，揭示组织细胞构成的奥秘。该研究成果发表在《Heliyon》杂志上。
研究人员运用了多种关键技术方法：首先，从 Heart Cell Atlas 版本 1 获取 sc/snRNA-seq 原始计数数据，经处理后构建 CIBERSORTx 特征矩阵；其次，利用 Heart Cell Atlas 的 snRNA-seq 数据生成已知组成的合成组织，对 CIBERSORTx 和 BayesPrism 进行计算机模拟验证；最后，使用来自 GTEx 项目的右心房（RA）、左心室（LV）和骨骼肌的批量 RNA-seq 数据，用 CIBERSORTx 和 BayesPrism 进行反卷积分析，探究年龄和性别与组织细胞构成的关联。
下面来看具体的研究结果：
- 计算机模拟验证 CIBERSORTx 和 BayesPrism：通过对 100 个合成组织的分析，线性回归显示，CIBERSORTx 和 BayesPrism 预测的细胞谱系比例与已知数据高度一致，R2至少为 0.9，散点图也证实了这一点，表明两种方法在反卷积细胞谱系比例方面表现稳健，且对输入条件不敏感。
- 批量 RNA-seq 反卷积确定年龄和性别与组织构成的关联：分析 GTEx 项目的批量 RNA-seq 数据发现，在骨骼肌中，CIBERSORTx 显示随着年龄增长，成纤维细胞、周细胞和内皮细胞比例增加，淋巴细胞、髓细胞和卫星细胞比例下降；BayesPrism 在部分细胞谱系上结果一致，但在某些细胞上存在差异。在性别差异方面，两种方法都表明女性骨骼肌中髓细胞和卫星细胞比例较高，肌细胞比例较低。在 LV 心肌中，CIBERSORTx 显示年龄增长与内皮细胞、成纤维细胞比例增加以及神经元细胞、心室肌细胞比例下降相关；BayesPrism 在部分结果上与 CIBERSORTx 一致，但也有不同发现。在性别差异上，两种方法均显示女性 LV 心肌中成纤维细胞比例较低。在 RA 心肌中，CIBERSORTx 未发现年龄相关的显著差异，BayesPrism 也认同这一点。性别差异方面，两种方法在部分细胞谱系上有不同结果。
研究结论和讨论部分意义重大。该研究提供了快速确定骨骼肌和心肌组织细胞构成的替代方法，揭示了年龄和性别与组织细胞构成的差异，为后续研究衰老和性别差异生物学指明了方向。不过研究也存在局限，如数据来源人群较单一，可能影响方法在其他人群中的表现；反卷积结果是细胞谱系对 RNA 的贡献比例，并非细胞比例；缺乏外部验证等。但总体而言，该研究为相关领域开辟了新道路，未来研究可在此基础上进一步探索，推动生命科学和健康医学的发展。
