间充质干细胞中复制性衰老分子程序的年龄依赖性调控:基于甲基组学验证的比较转录组学元分析

《Archives of Gerontology and Geriatrics》:Age-Dependent Regulation of the Replicative Senescence Molecular Program in Mesenchymal Stem Cells: A Comparative Transcriptomics Meta-Analysis with Methylomics Validation

【字体: 大 中 小 】 时间:2026年10月27日 来源:Archives of Gerontology and Geriatrics 4.7

编辑推荐:

   摘要间充质干细胞(MSCs)在再生医学领域具有巨大潜力,但复制性衰老限制了其增殖能力和治疗应用价值。尽管供体年龄会影响MSC群体的衰老状态,但供体年龄是否塑造复制性衰老的分子表型尚不清楚。本研究对跨越五个供体年龄组的人类MSCs进行了整合多组学分析,包括转录组学荟萃分析(Li

  

摘要

间充质干细胞(MSCs)在再生医学领域具有巨大潜力,但复制性衰老限制了其增殖能力和治疗应用价值。尽管供体年龄会影响MSC群体的衰老状态,但供体年龄是否塑造复制性衰老的分子表型尚不清楚。本研究对跨越五个供体年龄组的人类MSCs进行了整合多组学分析,包括转录组学荟萃分析(Lipták方法)和甲基化组学验证:多能性衍生(pMSC)、少年(jMSC)、青年成年(yaMSC)、中年成年(maMSC)和老年成年(oaMSC)。我们的分析发现所有组共有28个基因,其中仅CDKN2A(上调)和FKBP4(下调)显示出一致的定向变化,而26个基因表现出供体年龄特异性的模式。其中,六个基因表现出强烈的年龄相关性表达:DPYSL2、TPP1和ETV6呈正相关;DBF4、ERH和HAPLN1呈负相关。功能富集分析揭示了普遍存在的细胞周期抑制,但在G1/S转换、核分裂、内吞和分化方面表现出供体年龄特异性的调控。值得注意的是,jMSC唯一性地激活了DNA损伤应答和染色质重塑通路。转录因子分析鉴定出8个一致调控的转录因子(NFKB1、JUN激活;CEBPA、STAT1抑制)和46个年龄特异性转录因子,包括TP53、GATA6和RUNX2。甲基化组学验证鉴定出45个(yaMSC)、12个(oaMSC)、16个(maMSC)和61个(jMSC)多组学一致基因。我们的发现表明,MSC的复制性衰老由普遍性和供体年龄特异性的分子程序共同调控,凸显了在基于MSC的治疗中考虑供体年龄的重要性,并强调了为细胞年轻化策略和抗衰老方法制定供体年龄个性化方案的需求。

引言

干细胞具有出色的自我更新和分化能力,使其成为再生医学和治疗应用中的基本工具。根据其潜能,干细胞被分为几类:全能性、多能性、多向性和单能性。干细胞可以分化为特定类型的细胞,修复受损组织并恢复功能,在治疗各种退行性疾病、损伤和免疫相关疾病方面具有巨大潜力。其固有特性使其成为细胞治疗、组织工程甚至基因治疗载体的理想候选者(Zhu, Ling等人 2019, Robert和Stimamiglio 2021, Piao, Huang等人 2022)。
在多能干细胞中,间充质干细胞(MSCs)已成为最有前景的临床应用候选者之一。MSCs可从各种成人组织中分离,包括骨髓、脂肪组织、脐带和牙髓,使其在临床使用中相对易于获取。它们能够分化为多种中胚层谱系,如成骨细胞、软骨细胞和脂肪细胞,这是其主要特征之一。此外,MSCs具有免疫调节特性,能减少炎症并增强组织修复,这对自身免疫性疾病、慢性炎症和组织损伤等情况尤为有益。这些细胞还表现出低免疫原性,允许进行潜在的异体移植而不产生显著的排斥反应风险。因此,MSCs在再生医学领域得到了广泛研究,包括治疗肌肉骨骼疾病、心血管疾病和神经系统疾病(Le Blanc和Davies 2018, Guo, Yu等人 2020, Xiao, Xu等人 2021)。
然而,MSCs临床转化面临的一个重大挑战是复制性衰老(RS)。RS是指细胞在经历一定次数的细胞分裂后失去增殖能力的过程,通常与端粒缩短和累积的细胞应激有关。对于MSCs而言,RS导致其再生能力下降,包括分化潜力降低、旁分泌信号减弱和免疫调节功能改变。MSCs在体外扩增期间出现RS进一步限制了其在临床环境中的可扩展性和治疗效果。由于RS导致干性和功能丧失,损害了其在长期细胞治疗中的实用性,引发了对大量使用扩增MSCs进行患者治疗的可行性的担忧(Deng, Ouyang等人 2021, Jeske, Yuan等人 2021, Jin, Lu等人 2021)。
鉴于迫切需要克服这些局限性,了解MSC中RS的分子机制至关重要。从不同供体年龄来源分离的MSCs表现出一定的变异性,这种变异性源于固有的年龄相关生物学差异和微环境因素,这些因素会影响其行为和治疗潜力(Fong, Chak等人 2011, Hass, Kasper等人 2011, Papait, Vertua等人 2020, Petrenko, Vackova等人 2020, Costela-Ruiz, Melguizo-Rodríguez等人 2022)。这种变异性导致在确定特定治疗应用中最佳MSC来源方面存在差异。基于组学的研究揭示了控制MSCs中这一过程的多个因素,包括氧化应激、DNA损伤和细胞周期调控改变(Fernandez-Rebollo, Franzen等人 2020, He, Liao等人 2023)。尽管最近的证据表明供体年龄是MSC群体衰老状态异质性的一个重要来源,成人组织衍生的MSCs表现出更多的衰老细胞状态,因此与围产期组织衍生的MSCs相比具有更高的群体水平衰老相关转录特征(Gao, Chi等人 2023),但来自不同供体年龄的MSCs一旦被诱导进入RS,是否表现出共同的核心衰老程序或不同的供体年龄依赖性转录特征仍然在很大程度上未被探索。为了填补这一空白,我们进行了一项整合多组学分析,包括转录组学荟萃分析和甲基化组学验证,根据供体年龄阶段将MSCs分为五组:多能性衍生(pMSC)、少年(jMSC)、青年成年(yaMSC)、中年成年(maMSC)和老年成年(oaMSC)。需要注意的是,供体年龄是发育/时间阶段的代理指标,并不构成生物年龄的直接测量。与仅计算自出生以来的年数的时间年龄不同,生物年龄反映了基因、环境和生活方式因素对细胞和组织功能的累积影响(Li, Zhang等人 2023)。这一区别促成了分子衰老时钟的开发,这些计算模型通过追踪随时间累积的分子变化来估算生物年龄(Rutledge, Oh等人 2022, Liu, Lai等人 2026)。其中,表观遗传时钟是最成熟的,利用特定CpG位点的年龄相关DNA甲基化(DNAm)模式来预测生物年龄。第一代时钟,如Horvath泛组织时钟(353个CpG位点),旨在准确预测时间年龄(Horvath和Raj 2018)。第二代时钟,包括PhenoAge和GrimAge,整合了临床生物标志物和健康结果来预测发病率和死亡率风险,提供了更大的临床实用性(Lu, Quach等人 2019, You, Wang等人 2025)。然而,这些测量方法并未在本研究中直接应用。尽管如此,时间年龄与生物年龄之间的概念区别强调了在评估MSC衰老时考虑年龄相关分子变化的重要性。通过整合和分析来自多项研究的数据,我们旨在提供关于跨供体年龄连续谱中导致MSC复制性衰老的遗传和表观遗传因素的综合概述,这可以为未来策略提供指导,以更好地通过减轻供体年龄特异性衰老相关功能障碍来增强MSC的治疗潜力。

章节摘要

数据描述和纳入标准

本荟萃分析遵循2020版《系统综述和荟萃分析偏好报告条目》(Page, McKenzie等人 2021)。我们的数据集收集流程以PRISMA流程图的形式展示于图1中。我们在NCBI基因表达综合数据库(GEO)中搜索了公开发布的转录组和甲基化组数据集。我们应用了一组纳入和排除标准来筛选用于荟萃分析的转录组和甲基化组数据集。对于转录组学,我们

荟萃分析结果概览

研究选择过程如图1中的PRISMA流程图所示,我们当前研究的工作流程如图2所示。在对每组转录组数据集进行单独荟萃分析后(补充表3),我们鉴定了所有组中具有荟萃分析统计数据的基因,未应用任何p值或FDR过滤,以避免排除具有生物学意义的信号(参见方法部分)。跨所有五组的重叠分析

讨论

组学技术通过实现对分子谱系的全面分析,从基因组学和转录组学到蛋白质组学和代谢组学,彻底改变了干细胞研究。这种高通量数据使研究人员能够绘制复杂的细胞通路,识别新的基因网络,并发现否则难以阐明的调控机制。干细胞领域组学数据的荟萃分析揭示了以前未被识别的基因和通路

结论

总之,本跨越五个时间年龄的MSC综合多组学荟萃分析提供了MSC中RS的详细分子路线图。我们的发现表明,MSC中的RS以普遍性标志物和供体年龄特异性调控程序为特征,前者包括CDKN2A的一致上调和FKBP4的下调,后者则由细胞周期阶段、DNA修复通路和转录因子活性在不同组间的广泛不一致性所证实

CRediT作者贡献声明

Bardia Khandani:构思、数据整理、形式分析、初稿撰写。 Fatemeh Bagheri:审阅和编辑、监督。

资金来源声明

本研究未收到资助以协助撰写本文稿

利益冲突声明

本文作者没有需要披露的利益冲突。作者声明他们没有任何财务或非财务方面的利益冲突

数据可用性

本研究期间分析的数据集可在GEO和ENA上获取。所下载的GEO数据集的登录号见补充表1和2。

生成式人工智能使用声明

在准备本文期间,作者使用了ChatGPT(GPT-5 mini)来获取图形摘要生成的协助。在使用该工具/服务后,作者对内容进行了审查和编辑,并承担已发表文章内容的全部责任。

未引用参考文献

agilp:Agilent表达阵列处理包,2024;clusterProfiler,2024;Description of affy,2024;limma:微阵列和RNA-Seq数据的线性模型,2024;lumi,2024

CRediT作者贡献声明

Bardia Khandani:初稿撰写、验证、方法学、调查、形式分析、构思。Fatemeh Bagheri:审阅与编辑、监督、构思。
Bardia Khandani | Fatemeh Bagheri
塔罗比阿特莫达雷斯大学,跨学科科学与技术学院,干细胞技术与组织再生系,伊朗德黑兰
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号