《Nature Communications》：Single-cell machine learning uncovers genetically anchored, cell-type specific programs of Alzheimer’s disease
编辑推荐：
单变量差异表达（differential expression，DE）分析主导了阿尔茨海默病（Alzheimer’s disease，AD）的单细胞转录组研究，然而仅依赖边际检验无法解析多变量疾病相关结构，也难以区分临床表型与神经病理特征签名。研究人员提出Tr
单变量差异表达（differential expression，DE）分析主导了阿尔茨海默病（Alzheimer’s disease，AD）的单细胞转录组研究，然而仅依赖边际检验无法解析多变量疾病相关结构，也难以区分临床表型与神经病理特征签名。研究人员提出TriSCOPE框架，整合多变量预测建模、供体感知差异表达与假时间（pseudotime）推断，应用于6个AD单核RNA测序（snRNA-seq）数据集，涵盖627名供体约4.2百万个细胞核。在6类主要脑细胞与41个亚群中，研究人员识别出细胞类型特异性的预测性表达基因（predictively expressed genes，PEGs），其与差异表达基因（DEGs）大体重叠有限，揭示了单变量方法不可见的疾病相关信号。条件化GWAS–eQTL共定位将部分PEGs锚定至遗传性AD风险位点，包括27个无显著差异表达的遗传支持基因–细胞类型对（如ARL17B、JAZF1）。三分支分析整合提名高置信汇聚程序：星形胶质细胞应激标志物（GFAP、MT2A）、神经元信号基因（RASGEF1B、LINGO1、NRG1）及小胶质细胞与少突胶质细胞调控因子（SYTL3、SPP1、APOD）。临床与神经病理模型比较揭示认知与病理AD签名的细胞类型特异性分化。ARL17B、LINGO1、APOE等预测性基因在独立队列中复现，三分支跨队列泛化性均获验证。
研究背景与立项依据
阿尔茨海默病（Alzheimer’s disease，AD）是一种以β-淀粉样蛋白斑块、神经元内神经原纤维缠结（neurofibrillary tangles，NFTs）及认知衰退为特征的进行性神经退行性疾病。单核RNA测序（single-nucleus RNA sequencing，snRNA-seq）虽已揭示AD中细胞类型特异性转录改变，但既有研究多依赖单变量差异表达（differential expression，DE）分析，该方法在边际水平上检验数千基因，无法解析相关转录本间的冗余，也难以识别需联合协变量建模才显现的疾病相关信号。多变量机器学习可通过隐式正则化与相关特征竞争，压缩候选基因至聚焦且具有多变量信息量的子集，从而作为假设锐化工具。在此背景下，研究人员开展本研究，旨在突破单变量分析局限，系统刻画AD遗传锚定的细胞类型特异性分子程序。
本研究由研究人员发表于《Nature Communications》。研究人员提出TriSCOPE框架，整合（i）基于自动机器学习（AutoML）的多变量预测建模、（ii）供体感知差异表达分析、（iii）假时间（pseudotime）轨迹推断三大分支，应用于背外侧前额叶皮层（prefrontal cortex，PFC）来源的6个snRNA-seq数据集（约4.2百万细胞核、627名供体）。研究结论表明：预测性表达基因（predictively expressed genes，PEGs）与DEGs大体重合度低；条件化GWAS–eQTL共定位将部分PEGs锚定于遗传风险位点；临床与神经病理表型驱动部分解离的细胞类型特异性签名；关键发现跨独立队列可复现。该研究意义在于证明联合遗传、人口学与转录组轴可揭示单变量分析不可见的AD分子架构。
主要关键技术方法
研究人员采用来自ROSMAP（Mathys-48、ROSMAP-427）、SEA-AD、Lau-21等队列的死后PFC单核转录组样本。方法上，首先以梯度提升树（gradient boosted decision trees，GBM）等分类器在细胞类型内做临床AD与神经病理（CERAD）状态预测，提取标准化特征重要性定义PEGs；其次用供体随机截距的Poisson广义线性混合模型做供体感知DE；继而以扩散假时间（diffusion pseudotime，DPT）推断亚群水平转录轨迹；最后基于NHGRI-EBI GWAS Catalog与脑区cis-eQTL做贝叶斯共定位（PP.H4后验概率）分析，并在独立队列中验证预测基因、DE与轨迹基因重叠。
研究结果
预测性建模使用人口学、APOE基因型与基因表达预测AD
研究人员在Mathys-48发现仅人口学+APOE基线模型AUC接近随机（0.528±0.138），加入表达后微升至0.545±0.118；按细胞类型分别建模后，基因表达+APOE单独使用即达0.620–0.695 AUC。GBM在多模型中最优。特征重要性显示ARL17B、HSPA1A、RASGEF1B、LINGO1等跨细胞类型稳定预测；兴奋性神经元偏线粒体/突触基因，抑制性神经元偏离子转运，小胶质细胞偏IFI44L/SRGN/HIF1A，少突胶质细胞偏CRYAB/CLDN11/APOD。全队列（427供体）PEGs与发现集显著富集重叠。
供体感知差异表达界定细胞类型特异性预测因子
研究人员在兴奋性神经元中1066个DEGs仅162个为PEGs（33重叠）；小胶质细胞中SPP1上调、SRGN与TNFRSF1B下调、APOE上调；少突胶质细胞PEG–DEG重叠最高（108基因）。各细胞类型PEG中仅3.85%–24.57%为DEGs，预测排名与log?折叠变化相关性弱（Spearman ρ≈0.02–0.21），证明PEG捕获多变量结构而非边际效应量。
遗传共定位锚定细胞类型特异性转录预测因子
PEGs在抑制性神经元、小胶质细胞、OPC、少突胶质细胞中富集GWAS基因。贝叶斯共定位（PP.H4≥0.8）鉴定144个中等及以上、105个强共定位coloc-PEGs。ARL17B近乎完全共定位（PP.H4≈0.99）于多细胞类型；CLU在兴奋/少突谱系共定位。27个基因–细胞类型对强遗传支持但非差异表达，如小胶质JAZF1、SYK、RIN3，OPC中EGFR，跨细胞ERC2，构成单变量盲区候选。
临床与神经病理预测因子在细胞类型间解离
以CERAD斑块负荷重标表型后，各细胞类型AUC 0.605–0.739。微胶质与少突胶质临床/病理预测基因高度重叠（OR分别106.7与33.09），但权重偏移：病理模型中PRKCA、CD81、APOE凸显，CLU仅预测临床而非病理。说明认知衰退与淀粉样病理在分子程序上部分分立。
匹配神经病理下分歧临床结局的转录分析
在病理负荷匹配亚组中，研究人员发现症状性与韧性个体间，小胶质复现APOE、TUBA1B、TNFRSF1B、PFKFB3、ACSL1，富集炎症/细胞因子通路；少突胶质更大基因集含LAMP1、MT3、RASGEF1B，富集离子转运与应激。提示即便同等病理，胶质炎症与少突应激关联于临床转化。
亚群水平表达提升AD预测
亚群建模31/41亚群AUC>0.5；抑制性神经元In5（0.77）、兴奋性Ex6（0.704）、小胶质Mg1（0.669）最优。In5主效RASGEF1B、PNISR；Ex6主效LRRTM4、ATPB1。细分辨率捕捉宽细胞类型稀释的梯度信号。
亚群剖面揭示AD进展转录梯度
DPT轨迹自低病理/低认知根细胞出发，Oli3对临床与病理均具区分力（0.699/0.714）。轨迹驱动基因跨神经元与胶质含NKAIN2、LRP1B、HSP90AA1、FTH1、CRYAB及细胞类型特异APOE/GFAP、CLU。
整合TriSCOPE识别汇聚AD程序
三分支交集提名高置信程序：星形应激（GFAP、MT2A、MT3）、神经元信号（RASGEF1B、LINGO1、NRG1）、小胶质（HS3ST4、SYTL3）、少突（APOD、OLIG1、SPP1）。
独立验证
SEA-AD（83供体、1.39百万核）中表达模型优于基线，ARL17B在5/6细胞类型复现；DE与轨迹基因跨队列显著重叠；JAZF1在微胶质复现为非差异表达共定位预测因子。
讨论与结论翻译
讨论指出，TriSCOPE通过分辨率递进揭示被粗粒度稀释的多变量程序；PEG仅少部分为DEG，反映相关转录本冗余、非线性阈值与无均值偏移的分布改变。ARL17B虽近完全共定位，但17q21.31倒位单倍型致高连锁不平衡，宜解为单倍型锚定脆弱性标记而非单基因因果效应；IFI44L则为小胶质受限干扰素程序。临床与病理签名在微胶质/少突最 Concordant，匹配病理下炎症与应激区分症状性。共定位限定于预测基因集，获27个非差异表达遗传锚定对。亚群轨迹复现NKAIN2等及已知AD基因。药物注释示EGFR、HSP90AA1、TNFRSF1B具可成药关联。局限含横断设计不能定时序、PFC区域限制、共定位非因果断言。
研究结论（翻译）：AD易感性编码于常隐匿于单变量差异表达、但经多变量预测、遗传锚定与轨迹推断汇聚显现的细胞类型特异性转录程序。通过识别一类被标准分析系统遗漏的遗传支持疾病基因，并证明其在独立队列可复现，本研究既为机制跟进提供资源，也表明AD分子架构之丰富超出任一单一分析视角所能捕获。
