人血管细胞图谱：从 19 种组织推断药物作用对象

英国 / 澳大利亚 / 德国 / 瑞士 / 美国研究解读2024-11-20

同一种药物靶点分布在哪些血管细胞中

血管遍布不同器官，但其中的细胞并不完全相同。2024 年这项研究建立跨组织的人血管细胞图谱，并进一步提出一个药物研究问题：已知靶点的药物，可能作用于哪些具体的血管细胞群？

作者利用人组织的单细胞 RNA 测序（single-cell RNA sequencing，scRNA-seq）资料，先区分不同类型和状态的血管细胞，再用已有药物–蛋白相互作用信息进行计算分析。分析关注靶点在细胞中的表达，为非临床筛选和潜在脱靶作用研究提供线索。

整合数据最初包含约 80 万个细胞，来自 67 位供者的 166 份样本。研究者随后提取血管细胞，得到来自 62 位供者的约 6.7 万个细胞，并区分出 42 类状态；这两个层级的细胞数与供者数不同。

图谱覆盖内皮细胞，以及位于血管外侧的平滑肌细胞和周细胞。作者采用单细胞变分推断（single-cell variational inference，scVI）整合不同来源数据，同时保留器官差异；分析既观察动脉、毛细血管和静脉的区别，也观察特定器官中的细胞特征。

原始数据包括新生成的脾脏和淋巴结数据，以及已有公开组织数据。方法部分还规定，每个器官至少由 2 位供者代表，且单一供者不能贡献该器官超过 85% 的血管细胞，以减少样本来源过度偏向某一个人的问题。

作者还发现，一些在小鼠中用于区分动脉、静脉的常用标志，在人血管细胞中缺乏同样的特异性；SEMA3G 等特征则在两者的动脉内皮中相对一致。这些具体差异，也说明判断人细胞身份和药物靶点分布时，需要人源表达资料作为参照。

研究使用 drug2cell 0.1.0 和 ChEMBL 30 中筛选出的 2395 种药物。对每个细胞，算法根据已知药物靶基因的平均表达计算得分，再比较不同细胞类型或状态中的得分差异。

筛选还考虑靶基因在细胞群中的检出比例及相对表达差异。这里的计算对象是药物靶点与转录特征的对应关系，尚未测量给药后的细胞反应，也没有据此估计药物结合强度或有效暴露浓度。

计算得到的候选细胞群，可用于安排后续功能研究。

依据 P 选择素（P-selectin）的编码基因 SELP 的表达分布，drug2cell 将主动脉、冠状动脉和肺动脉内皮，以及静脉和心内膜内皮，列为抗体 crizanlizumab 的潜在作用对象。它们是后续评价药物细胞作用的候选对象。

CHRM3 编码 M3 型毒蕈碱乙酰胆碱受体。依据其表达，分析还将肾脏、主动脉和冠状动脉中的部分内皮细胞，列为毛果芸香碱及相关受体拮抗剂的候选作用对象。作者提出，可进一步研究这些药物对相应血管张力调节的影响。

在毛细血管中，分析依据 SLC6A4 的表达，将肺微血管中的部分内皮细胞列为去甲文拉法辛等药物的候选作用对象；肾小球内皮的 SOST 表达，则提示可研究抗体 romosozumab 对这一细胞群的潜在作用。对于后一项预测，作者同时说明，当时尚未报告相关肾脏不良反应。

这些例子把药物的已知靶点细化到具体细胞群，为后续检测细胞功能和药物风险确定对象。

P 选择素的例子显示了健康与疾病之间的差异。健康组织中的预测突出了一些非微血管内皮；但在镰状细胞病发生危象时，毛细血管内皮的 P 选择素可上调。只分析健康细胞，可能遗漏疾病状态下才出现的重要靶点分布。

单细胞测序能否检出某个基因，会受到测序灵敏度、组织起始材料和解离方法的影响。作者提出，以更多供者、器官及单核测序资料完善图谱。

这些条件决定了图谱适合提出什么问题：它可用于寻找候选细胞对象、比较器官或血管床差异；面向具体疾病的药物研究，还需要补入对应疾病状态的数据。

研究用原位 RNA 检测核对部分细胞标志及其空间位置，并将另外 7 种器官和组织的公开单核数据与单细胞数据整合，观察能否重现相关血管细胞状态。这里核对的是细胞分类和分子特征。

作者将后续高分辨率空间检测、人源体外系统和药物筛选列为进一步功能验证的方向，以检验图谱提出的候选细胞群及其药物作用。