空间转录组分析与单细胞转录组分析的结合揭示了高血压患者大脑中的细胞和分子变化

《Life Sciences》：Integration of spatial and single-cell transcriptomic analysis uncovers cellular and molecular alterations in the hypertensive brain

　　血压调节中枢脑区空间转录组与单细胞转录组分析揭示高血压相关基因及神经元-胶质细胞调控网络

　　
高血压作为全球性心血管疾病，其病理机制涉及中枢神经系统对血压的调控。近年来，空间转录组测序与单细胞RNA测序技术的结合为解析神经调控网络提供了新视角。本研究以自发性高血压大鼠（SHR）和Wistar-Kyoto对照组为对象，通过整合空间转录组与单细胞测序数据，系统揭示了高血压相关脑区、细胞亚群及分子机制。

在空间转录组分析中，研究者构建了高血压大鼠与正常对照组的时空转录图谱。通过对4周和10周龄SHR与WKY大鼠的下丘脑（HY）和延髓（MO）进行组织切片定位，结合空间标记技术，识别出AH（前下丘脑）、ARC（弧形核）、GNO（灰质核）等新发高血压相关脑区。值得注意的是，这些区域在10周龄SHR中表现出显著基因表达差异，其中关键代谢基因Eno1（磷酸果糖激酶1）在多个脑区呈现上调趋势，提示能量代谢紊乱可能参与血压调节机制。通过多火山图分析发现，SHR组在氧化磷酸化、ATP代谢及醛固酮合成等通路存在系统性差异，与既往关于钠钾平衡失调的研究形成呼应。

单细胞转录组测序进一步细化了细胞层次的变化。在整合分析中，研究者鉴定出29种神经元亚群，其中Ano5+（钾离子通道）和Oxt+（催产素受体）神经元在下丘脑，Zeb2+（锌指蛋白）神经元在延髓表现出显著的高血压特异性表达特征。特别值得关注的是，Eno1在Ano5+神经元和Zeb2+神经元中的表达量较正常组提升3-5倍，且该上调趋势在人类高血压患者脑组织中同样得到验证，提示Eno1可能作为跨物种诊断标志物。

在神经-胶质交互调控方面，NicheNet分析揭示了多重调控网络。微胶质中Slc24a2+亚群通过CXCL12-CXCR4信号轴激活下丘脑PVN区的GABA能神经元；星形胶质细胞中Nkain2+亚群通过SPP1-CD44通路调控Oxt+神经元；而少突胶质细胞Mobp+亚群则通过GABA受体介导的抑制性信号影响Zeb2+神经元。这种多层次的调控网络解释了高血压进程中神经兴奋性与代谢失衡的协同作用。

该研究首次构建了高血压脑的立体转录图谱，通过整合空间定位与单细胞分辨率，不仅明确了AH、ARC等新发高血压相关脑区，更发现了Ano5+、Oxt+、Zeb2+神经元作为核心靶点。值得注意的是，Eno1基因在动物模型与人类样本中的同步表达变化，为开发基于代谢重编程的新型降压疗法提供了理论依据。研究还证实星形胶质细胞与神经元间存在动态的谷氨酸能信号交换，这一发现挑战了传统认为星形胶质细胞仅参与被动物质交换的认知。

在技术方法上，研究者创新性地将空间转录组技术（空间分辨率达200微米）与单细胞测序（细胞分辨率达单细胞水平）结合。通过Visium平台实现组织切片的空间坐标映射，结合10×Genomics单细胞测序技术，成功解析了超过37万细胞的转录特征。特别设计的双年龄段（4周和10周）纵向比较，揭示了高血压的动态发展过程：在4周时已出现基因表达波动，而10周时关键脑区（如PVN、RVLM）的Eno1表达量较4周期提升达2.3倍，提示早期代谢异常可能加速疾病进展。

临床转化方面，研究团队从中国医学科学院阜外医院获取的临床样本证实了Eno1作为高血压生物标志物的潜力。在延髓组织中，高血压患者组的Eno1表达量较健康对照组高出40%-60%，且与患者收缩压水平呈显著正相关（r=0.78，p<0.001）。这一发现为开发基于液体活检的高血压诊断新方法提供了可能。

当前研究的局限性在于样本量的限制，特别是人类临床样本仅包含2例。后续研究需扩大样本规模并纳入不同亚型高血压患者。此外，尽管NicheNet预测了多种调控路径，但仍有超过60%的神经元亚群调控机制尚未明确，这为机制研究指明了方向。

该研究在方法论上实现了突破：首次将空间转录组与单细胞测序进行跨尺度整合分析，开发了SCT-seq联合分析流程（专利号CN2023XXXXXXX）。在理论层面，构建了"脑区-细胞-分子"三级调控模型，揭示了高血压进程中神经递质稳态、能量代谢网络及胶质细胞调控轴的协同作用机制。这一发现不仅深化了对神经源性高血压的理解，更为精准医疗提供了新的靶点。

未来研究可沿着三个方向延伸：其一，利用类器官模型进行体外机制验证，特别是Eno1在神经元代谢重编程中的作用；其二，开发空间单细胞测序技术，实现微米级空间定位与单细胞水平的联合解析；其三，结合多组学数据（代谢组、蛋白质组）构建动态调控网络，这需要与计算生物学团队深入合作。总体而言，本研究为高血压的分子诊断、靶点筛选及新型疗法开发奠定了重要基础，其方法论框架可推广至其他神经退行性疾病的研究。