学术研究报告：SSREAD——阿尔茨海默病的单细胞与空间RNA测序数据库

第一作者及机构
本研究由Cankun Wang（美国俄亥俄州立大学生物医学信息学系）、Diana Acosta（俄亥俄州立大学神经科学系）、Megan McNutt（生物医学信息学系）等共同完成，通讯作者为Hongjun Fu和Qin Ma。研究成果于2024年发表在*Nature Communications*（DOI: 10.1038/s41467-024-49133-z）。

学术背景

研究领域与动机
阿尔茨海默病（Alzheimer’s disease, AD）是一种全球范围内最常见的神经退行性疾病，患者超过5700万，但目前缺乏有效疗法。近年来，单细胞RNA测序（scRNA-seq）、单核RNA测序（snRNA-seq）和空间转录组学（Spatial Transcriptomics, ST）技术的发展为解析AD的细胞异质性和空间分子机制提供了新工具。然而，现有数据分散且缺乏整合分析平台，阻碍了跨研究比较。为此，研究团队开发了SSREAD（Single-cell and Spatial RNA-seq Database for Alzheimer’s Disease），旨在整合AD相关的单细胞与空间转录组数据，提供标准化分析流程和用户友好的交互界面。

科学问题与目标
1. 数据整合需求：现有AD数据库（如SCREAD、SCAD-brain）仅聚焦单细胞数据，缺乏空间转录组数据的系统性整合。
2. 分析工具缺口：AD研究需多维度分析（如细胞类型特异性差异基因、空间可变基因、细胞互作等），但现有工具分散且操作复杂。
3. 研究目标：构建首个同时涵盖scRNA-seq、snRNA-seq和ST数据的AD专用数据库，支持跨样本、跨条件的整合分析。

研究流程与方法

1. 数据收集与注释
- 数据来源：从公共数据库（如SingleCellPortal、GEO、Synapse）收集67项scRNA/snRNA-seq研究（1,053样本，7,332,202细胞）和18项ST研究（381样本）。
- 标准化处理：样本按物种（人/鼠）、性别、脑区（如海马、前额叶皮层）、疾病状态（AD/对照）、Braak分期等注释，确保元数据一致性。

2. 数据库架构与功能开发
- 分析模块：
- 单细胞数据分析：细胞聚类、差异表达基因（Differentially Expressed Genes, DEGs）、细胞类型特异性标记基因、细胞比例分析。
- 空间转录组分析：空间域注释、spot解卷积（使用CARD算法）、空间可变基因（Spatially Variable Genes, SVGs）识别（基于SpaGCN算法）。
- 整合分析：跨数据集比较（如性别/区域特异性DEGs）、功能富集分析（Reactome/GO）、基因调控网络推断（基于DeepMAPS）。
- 技术亮点：
- MAPLE算法：多样本空间聚类工具，识别样本间共享或特有的空间亚群。
- RESEPT：深度学习框架，用于空间组织结构的高精度划分。

3. 用户界面与可访问性
- 采用Koa.js和Nuxt框架构建交互式网页（https://bmblx.bmi.osumc.edu/ssread/），支持实时数据可视化与在线分析。
- 提供标准化数据格式（.h5ad、.h5seurat），兼容Seurat和Squidpy等工具。

主要研究结果

1. 空间亚群揭示AD的细胞异质性
- 案例研究：分析人脑颞中回（MTG）的ST数据（样本st01101对照 vs. st01103 AD），发现AD样本中皮质第5-6层的空间域边界模糊（图3b），与既往研究中AD相关tau蛋白聚集区域一致。
- DEGs与通路：AD样本中，第4/5/6层共有8个上调DEGs（如DEPP1/PGC-1α），其表达降低与AD线粒体功能障碍相关。免疫相关通路（如FCGR激活）显著下调，提示AD晚期炎症反应减弱（图3g）。

2. 单细胞与空间数据的整合分析
- 细胞类型解卷积：利用Seattle AD脑细胞图谱（SEA-AD）对ST样本进行spot解卷积，发现AD中少突胶质细胞和星形胶质细胞比例变化（图4j, l）。
- 跨区域差异：整合前额叶皮层（PFC）数据后，发现68个小胶质细胞DEGs在MTG和PFC中保守（如APOE、TREM2），但MTG的转录变化更显著，反映区域特异性易感性（图4h）。

3. 性别特异性分子特征
- 细胞组成差异：女性AD患者少突胶质细胞、星形胶质细胞和小胶质细胞比例更高（图5b）。
- 小胶质细胞DEGs：男性AD中Y染色体基因（如UTY）上调，女性AD中XIST（X染色体失活基因）上调（图5e）。神经发生通路在女性AD中激活，而在男性中抑制（图5h-j），提示性别特异性治疗靶点。

结论与价值

科学意义
1. 数据资源：SSREAD是首个整合AD单细胞与空间转录组数据的平台，覆盖样本量、分析维度远超现有数据库（如SCAD-brain）。
2. 方法创新：开发MAPLE、RESEPT等工具，支持多样本空间分析与深度学习驱动的组织架构解析。
3. 生物学发现：揭示AD中空间层特异性转录变化、性别差异及小胶质细胞状态转换，为机制研究提供新方向。

应用前景
- 精准医学：性别与区域特异性DEGs可为个性化治疗提供靶点。
- 工具扩展：未来计划纳入更多神经退行性疾病（如帕金森病）数据，拓展数据库适用范围。

研究亮点

1. 全面性：整合277个scRNA/snRNA-seq和381个ST数据集，支持跨技术、跨物种分析。
   
2. 创新算法：MAPLE和DeepMAPS实现多样本空间聚类与调控网络推断。
   
3. 用户友好性：提供“一键式”分析流程，降低生物信息学门槛。
   
4. 生物学启示：首次系统揭示AD中性别与空间层分子差异，推动机制研究。
   

其他价值
- 开源代码（GitHub）与实时服务器状态监测（https://ssread.statuspage.io/），保障数据可重复性与平台稳定性。
- 定期更新计划（每6个月），持续纳入最新数据。

（全文约2000字）