【Nature】糖尿病研究的新视角：通过空间单细胞蛋白组技术解析2型糖尿病的胰岛微环境

2型糖尿病（T2D）的主要特征是胰岛素分泌功能的受损。尽管胰岛功能障碍被视为T2D的重要标志，但导致这一现象的根本原因尚不明朗：是由于β细胞本身的内在缺陷，β细胞数量的减少，还是因其他系统性因素引起的。最近，美国多家研究机构在《Nature》期刊上发表了一篇题为“Genetic risk converges on regulatory networks mediating early type 2 diabetes”的研究，表明可以通过结合遗传因素和组织微环境来深入探讨T2D的发病机制（见图1）

图1 研究设计

研究团队首先对糖尿病（T2D）患者与健康对照者的胰岛以及分选的α、β细胞进行了转录组学分析，发现T2D患者的β细胞存在特异性的表达谱变化。同时，β细胞与α细胞以及整个胰岛的共有表达谱也发生了改变，这些共同涉及的基因主要与激素分泌、脂质代谢及纤毛结构相关。研究人员利用转录组数据进行了加权基因共表达网络分析（WGCNA），鉴定出了一个与T2D表型、胰岛功能失常以及GWAS变异位点相关的重要基因：RFX6（见图2）。后续的单细胞核测序研究揭示了RFX6在β细胞中的调控机制，显示其通过调节胞吐和离子通道相关基因的表达来影响β细胞的功能。最后，群体遗传学和孟德尔随机化分析发现，许多非编码区域的变异与T2D患者中RFX6表达下调相关。

图2 RFX6基因表达下调是T2D发病的关键驱动因素

为深入探讨这些细胞中基因表达谱变化所发生的具体组织微环境，研究人员应用了PhenoCycler-Fusion（PCF）单细胞原位空间组学技术（前称CODEX），对6名健康对照者和12名2型糖尿病患者的胰腺组织样本进行了分析（见图3）。PCF空间单细胞蛋白组总共检测了28种蛋白标志物，包括主要的免疫细胞以及胰腺的α、β、γ、δ、ℰ细胞（见图3和图4）。此外，研究者还将所有胰腺组织的PCF图像上传至Pancreatla网站，以便进行可视化展示。

图3 PCF单细胞原位空间组学技术分析胰腺组织

图4 胰岛局部放大展示

通过对胰腺进行PCF空间单细胞蛋白组分析，研究发现T2D患者与健康对照者之间的α、β细胞数量并无显著差异（见图5A），这表明在T2D患者中β细胞的数量并未减少。尽管胰岛的毛细血管密度没有显著变化，研究人员却注意到T2D患者的毛细血管尺寸显著减小，且α、β细胞与血管之间的距离显著增加（见图5B）。在免疫细胞方面，虽然巨噬细胞的数量在T2D患者与非糖尿病参与者之间并无显著差异，但CD3+ T细胞在T2D患者的胰岛中显著增多（见图5C-D）。在空间上，血管和T细胞的变化与转录组数据中差异表达基因显著富集于血管和T细胞相关信号的结果相符。整体而言，T2D患者和非糖尿病参与者的胰岛细胞组成变化并不显著（见图5E），这表明PCF空间单细胞蛋白组技术能够有效捕捉稀有细胞类型的变化及其空间关系。

图5 PCF单细胞原位空间组学技术分析细胞比例变化

接着，研究人员对胰岛组织进行了细胞邻域（CN）分析，构建了五种细胞邻域（见图6A）。结果显示，T2D患者与非糖尿病参与者之间细胞邻域的数量并无显著差异（见图6B），这进一步支持了胰岛细胞组成在T2D患者中没有明显变化的结论。然而，当分析不同细胞邻域中细胞类型间的相关性时，发现血管细胞在T2D患者的多个细胞邻域中具有显著的相关性，表明其空间分布存在明显差异（见图6C）。此外，T细胞在T2D患者中展现出非常独特的邻域相关性，主要集中在与内皮细胞及α细胞相关的邻域，以及与β细胞和巨噬细胞相关的邻域之间（见图6C）。这些发现表明，在T2D患者的胰岛中，血管细胞与特定细胞类型的空间关系发生了显著变化。

图6 细胞邻域分析

讨论

早期2型糖尿病（T2D）的发生主要源于β细胞内在缺陷，这些缺陷可归因于一个由RFX6调控且富含GWAS信号的转录调控网络。RFX6表达的降低通过影响囊泡运输、胞吐和离子运输等机制，导致胰岛素分泌的减少。值得注意的是，本研究采用空间单细胞蛋白组技术揭示了T2D组织中胰岛的细胞组成及其空间关系网络。PCF空间单细胞蛋白组分析显示，T2D胰岛中血管细胞和T细胞之间的空间相互作用关系发生了显著变化。这项研究为复杂疾病提供了一个综合性和多模态的方法框架，有助于更深入地理解疾病的发病机制及其遗传调控网络。

参考文献

Walker JT, Saunders DC, Rai V, Chen HH, Orchard P, Dai C et al. Genetic risk converges on regulatory networks mediating early type 2 diabetes.Nature. 2023;624(7992):621-629. 

【百万资助计划】2024 Biostar 蛋白质组研究者大奖

【网络研讨会】10x Genomics 单细胞分辨率的空间转录组最新数据表现及研究进展分享

关注我们