主动脉瘤单细胞转录组的系统性分析与探索

doi:10.3969/j.issn.1674-8115.2025.06.008

主动脉瘤单细胞转录组的系统性分析与探索

张星语, 李若谷^,

上海市胸科医院，上海交通大学医学院附属胸科医院心内科，上海 200030

Systematic analysis and exploration of single-cell transcriptomes in aortic aneurysm

ZHANG Xingyu, LI Ruogu^,

Department of Cardiology, Shanghai Chest Hospital, Shanghai Jiao Tong University School of Medicine, Shanghai 200030, China

通讯作者: 李若谷，主任医师，博士；电子信箱：13564565961@163.com。

编委: 吴洋

收稿日期: 2024-11-15 接受日期: 2025-03-17 网络出版日期: 2025-06-28

Corresponding authors: LI Ruogu, E-mail:13564565961@163.com.

Received: 2024-11-15 Accepted: 2025-03-17 Online: 2025-06-28

作者简介 About authors

张星语（1998—），男，博士生；电子信箱：xinggue@sjtu.edu.cn。。

摘要

目的·利用单细胞RNA测序（single-cell RNA sequencing，scRNA-seq）技术探究主动脉瘤（aortic aneurysm，AA）的单细胞图景。方法·通过系统性检索高通量基因表达数据库（Gene Expression Omnibus，GEO），收集所有符合纳入标准的数据集。使用R语言和Seurat软件包分析AA组织与正常对照组织的细胞构成占比变化；使用CellChat软件包通过细胞受体-配体对的基因表达水平评估细胞间相互作用；使用AUCell软件包依据SenMayo Senescence基因集进行细胞衰老程度评分并进行对比；通过将单细胞转录数据模拟为普通转录组数据，对周细胞进行差异基因筛选及基因通路富集分析。结果·共纳入9组数据集，经质量控制及合并后获得104 570个细胞的RNA计数数据，其中对照组48 311个、AA组56 259个。细胞被划分为19个簇，被注释为14种细胞类型。与对照组相比，AA组的周细胞比例显著降低（P<0.001），而单核/巨噬细胞和树突状细胞的数量占比显著上升（P=0.020，P=0.045）。此外，AA组细胞相互作用多于对照组，但血管平滑肌细胞参与的相互作用减少，周细胞与自身相互作用的强度亦有所降低。对照组特有的细胞相互作用有5种，AA组特有的细胞相互作用有13种，其中相对信息流量最大的相互作用是SPP1。除脂肪细胞外，AA组其余细胞种类的衰老评分均显著升高（均P<0.001），衰老阳性细胞数量明显增加（P<0.001），其中成纤维细胞占比最大。周细胞差异表达基因分析结果显示，AA组相比对照组有185个基因表达上调、151个表达下调，上调幅度最大的基因为Spp1。趋化因子活动通路及CXC趋化因子受体结合通路等促炎作用通路显著富集。结论·AA组织中的细胞构成发生显著变化，细胞间相互作用增强，细胞衰老程度上升，Spp1是关键基因。

关键词： 主动脉瘤 ; 单细胞测序 ; 细胞通信 ; 细胞衰老

Abstract

Objective ·To explore the single-cell landscape of aortic aneurysm (AA) utilizing single-cell RNA sequencing (scRNA-seq) technology. Methods ·A systematic search of the Gene Expression Omnibus (GEO) was conducted to collect all datasets meeting the inclusion criteria. Changes in the percentage of cellular composition of AA tissues versus normal control tissues were analyzed using R language and the Seurat package. Cell-cell interactions were assessed by gene expression levels of cellular receptor-ligand pairs using the CellChat package. Cellular senescence was scored and compared based on the SenMayo Senescence gene set using the AUCell package.Single-cell transcriptional data were simulated as traditional transcriptome data for differential gene screening and gene pathway enrichment analysis of pericytes. Results ·A total of nine datasets meeting the criteria were included. After quality control and merging, RNA count data for 104 570 cells were obtained, comprising 48 311 in the control group and 56 259 in the AA group. Cells were categorized into 19 clusters and annotated into 14 cell types. Compared with the control group, the proportion of pericytes in the AA group significantly decreased (P<0.001), while the proportions of monocytes/macrophages and dendritic cells increased (P=0.020, P=0.045). The number of intercellular interactions in the AA group was markedly higher than that in the control group; however, yet the interactions involving smooth muscle cells decreased, and the interaction intensity among pericytes diminished. There were 5 unique intercellular interactions in the control group and 13 unique interactions in the AA group, with the interaction involving SPP1 showing the highest relative information flow. Except for adipocytes, all cell types in the AA group exhibited significantly higher senescence scores (P<0.001), with an overall increase in the number of senescent cells (P<0.001), predominantly fibroblasts. Differential expression analysis of pericytes showed 185 upregulated genes and 151 downregulated genes in the AA group, with Spp1 exhibiting the highest upregulation. Pro-inflammatory pathways related to chemokine activity and CXC chemokine receptor binding were significantly enriched. Conclusion ·The cellular composition in AA tissues undergoes significant alterations, characterized by an increase in intercellular interactions and elevated levels of cellular senescence, with Spp1 identified as a key gene.

Keywords： aortic aneurysm (AA) ; single-cell RNA sequencing (scRNA-seq) ; cell communication ; cell senescence

PDF (4469KB) 元数据多维度评价相关文章导出 EndNote| Ris| Bibtex 收藏本文

本文引用格式

张星语, 李若谷. 主动脉瘤单细胞转录组的系统性分析与探索. 上海交通大学学报(医学版)[J], 2025, 45(6): 735-744 doi:10.3969/j.issn.1674-8115.2025.06.008

ZHANG Xingyu, LI Ruogu. Systematic analysis and exploration of single-cell transcriptomes in aortic aneurysm. Journal of Shanghai Jiao Tong University (Medical Science)[J], 2025, 45(6): 735-744 doi:10.3969/j.issn.1674-8115.2025.06.008

主动脉瘤（aortic aneurysm，AA）是一种危及生命的心血管疾病，其特征是主动脉壁永久性扩张，超过正常值50%^［1］。由于缺乏药物治疗方法，且有形成夹层、破裂出血的风险，AA给临床工作带来巨大挑战^［2］。AA的病理生理过程涉及主动脉壁内多种细胞多样的相互作用，包括血管平滑肌、成纤维细胞、内皮细胞、免疫细胞等^［3］。然而，其具体发病机制仍不明确，目前尚无成熟的预防手段。在分子与细胞层面进行进一步探究，有助于发现、预防及治疗AA的潜在靶点。

单细胞RNA测序（single-cell RNA sequencing，scRNA-seq）是研究心血管疾病机制的重要工具之一，其能够剖析复杂的细胞图谱，并识别与疾病关联的细胞种类、细胞亚群以及细胞特异性的关键基因^［4］。近年来，scRNA-seq已用于研究AA的细胞组成与基因表达图谱，揭示了AA发展过程的关键细胞和基因^［5］。既往研究主要关注AA中免疫细胞、平滑肌细胞及内皮细胞等细胞的功能和数量变化^［6］。有研究指出，在人类腹主动脉瘤（abdominal aortic aneurysm，AAA）中，T细胞数量显著上升，且平滑肌细胞和各免疫细胞群体之间的受配体相互作用显著增加^［7］；在小鼠AAA中，血管平滑肌细胞亚群的组成与健康对照小鼠显著不同，高表达CD68、CXCL1、IL1R1等促炎因子的平滑肌细胞占比上升^［8］。

scRNA-seq在带来大量信息的同时也有其局限性，不同的scRNA-seq结果可能有较大的异质性，不同的研究者对于特定细胞种类的重视程度亦有差异。并且，尚无研究对所有公开的AA组织单细胞RNA测序数据进行综合分析。本研究系统性地收集了目前所有公开的小鼠AA单细胞转录组测序数据并进行整合及详尽分析，以期得到不同样本中共同的分子特征，为AA的病理生理机制提供更全面的信息。

1 资料与方法

1.1 数据采集和检索策略

AA的scRNA-seq数据集均来自高通量基因表达数据库（Gene Expression Omnibus，GEO；http：//www.ncbi.nlm.nih.gov/geo）。检索策略为（"aneur*" OR "aneurism" OR "aneurysm"） AND （"single cell" OR "singlecell" OR "single-cell" OR "scrna" OR "single neuc*" OR "single-neuc*" OR "snrna" OR "singleneuc*"），检索时间为2024年6月。数据集入选标准：①样本种属来源为小鼠。②对主动脉及 AA组织样本进行了scRNA-seq。③在同一项研究中同时包含 AA组及正常对照组。为保证各个数据集基因背景可比、细胞构成无偏倚，设定以下排除标准：①在进行测序前对样本细胞进行了特异性分选。②样本来源小鼠有其他与 AA建模无关的基因型背景。

1.2 单细胞数据的读取及质控

通过R语言（v4.4.1）和Seurat软件包（v5.0）^［9］进行数据读取，将从GEO下载的每个数据文件读取后生成单独的Seurat对象，再将各个单独的Seurat合并为一个包含所有数据文件的Seurat对象。根据数据集说明，分别将来自AA造模小鼠个体的样本文件标注为model组别，来自对照小鼠个体的样本标注为control组别。然后，通过标准质控流程，将表达基因数小于200或大于8 000的细胞剔除，将少于10个细胞表达的基因剔除。考虑小鼠AA组织繁多，部分细胞可能处于病理状态，为得到更全面的细胞图景，将线粒体基因百分比大于20的细胞剔除。

1.3 单细胞数据的缩放、标准化、整合、降维及聚类

使用SCTransform数据包（v2.0）对单细胞数据进行缩放、标准化处理。SCTransform方法利用负二项回归的Pearson残差为每个基因单独拟合参数，再将具有相似平均丰度的基因的信息汇集在一起，以改善参数估计的稳健性^［10-11］。随后，使用Harmony软件包去除批次效应，整合所有数据集。Harmony将细胞投影到一个共享的嵌入空间（embedding）中，根据细胞自身的转录特性对细胞进行分组，以同时解决样本的生物个体差异干扰和实验批次干扰^［12］。最后，遵循常规流程使用主成分分析（principal components analysis，PCA）、统一流形逼近与投影（uniform manifold approximation and projection，UMAP）进行降维聚类。

1.4 细胞类型注释

通过Seurat软件包的FindAllMarker函数计算各个细胞簇的高变异差异表达基因，取每个细胞簇排名前50的高变异差异表达基因，联合使用SingleR软件包^［13］、GPTCelltype软件包^［14］和ACT数据库^［15］进行细胞类型注释。

1.5 细胞间通信分析

利用CellChat（v2.0）软件包进行细胞通信分析^［16-17］。依据CellChat文档说明，将经过质控、标准化、降维聚类和细胞注释的Seurat对象按照组别进行拆分，得到对照组（control）与AA组（model），在此基础上分别创建CellChat对象。使用CellChatDB.mouse数据库作为参考，分别计算各组对应的CellChat对象的细胞通信数量和细胞通信概率，推断细胞通信网络，以及各细胞群的主要细胞通信通路。将各CellChat对象的计算结果合并，分析组间差异，并进行可视化。

1.6 细胞衰老评分

采用AUCell软件包对基因集进行评分。评分大于0.14，定义为衰老阳性，并以SenMayo Senescence基因集作为参考基因集。AUCell软件包通过基因集富集分析（Gene Set Enrichment Analysis，GSEA）的方法，以单独的细胞为对象评估基因集在某一细胞内的富集程度^［18］。SenMayo Senescence基因集是一个可靠的用于评估细胞衰老的基因集^［19］，红细胞不表达相关基因，未纳入该基因集分析。

1.7 主要细胞亚群的差异基因筛选及基因通路富集分析

使用Seurat软件包的Subset函数提取目标细胞群，利用Pseudobulk函数将单细胞转录组测序数据转换为模拟的普通转录组测序数据，经DESeq2软件包^［20］计算得到结果，定义其中P<0.05且|log₂FC|>0.5的基因为差异表达基因。使用ClusterProfiler软件包^［21-22］，以基因本体论（Gene Ontology，GO）^［23］为参考，通过GSEA方法进行富集分析。

2 结果

2.1 单细胞数据检索和采集结果

通过检索GEO数据库，共获得30组数据集。精读各个数据集描述说明文档后，有21组被排除：2组数据集的样本是颅内动脉瘤而非AA，2组数据集来源于人而非小鼠，4组数据集进行了单细胞染色质可及性测序而非单细胞转录组测序，7组数据集在单细胞测序前对样本细胞进行了特异性分选，6组数据集的样本来源小鼠有其他与AA建模无关的基因型背景。最终，共有9组符合要求的数据集被纳入（图1A、表1）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1 AA scRNA-seq数据集筛选及整合

Note： A. Dataset screening flowchart. B. Cell numbers in each group. C/D. UMAP diagram of distribution of cells before (C) and after (D) Harmony integration.

Fig 1 Screening and integration of AA scRNA-seq datasets

表1 各数据集的造模方法、取材时间及测序平台

Tab1 Induction method， harvest time point and sequencing platform of each dataset

Method for AA model establishment	Harvest time point/d	Sequencing platform	GSE number
ApoE knockout + angiotensin Ⅱ infusion	28	Illumina HiSeq 4000	GSE141732
ApoE knockout + angiotensin Ⅱ infusion	7	Illumina NovaSeq 6000	GSE233625
ApoE knockout + angiotensin Ⅱ infusion	28	Illumina NovaSeq 6000	GSE221789
ApoE knockout + angiotensin Ⅱ infusion	7	Illumina NovaSeq 6000	GSE213735
ApoE knockout + angiotensin Ⅱ infusion	28	Illumina HiSeq 4000	GSE141726
ApoE knockout + angiotensin Ⅱ infusion	28	Illumina HiSeq 4000	GSE186865
Paravascular CaCl₂ injection	4	Illumina NovaSeq 6000	GSE164678
Paravascular elastase injection	14	Illumina HiSeq 4000	GSE152583

新窗口打开| 下载CSV

2.2 单细胞数据读取、质控及整合

数据文件按常规方法进行读取、合并、质控，最终共得到104 570个细胞的转录组计数数据；其中对照组（control）48 311个，AA组（model）56 259个（图1B）。

采用SCTransform方法对数据进行标准化、缩放及中心化操作，再通过Harmony方法将来自不同数据集和组别的数据去除批次效应后完成整合（图1C、D）。

2.3 单细胞降维聚类及分群注释

UMAP降维可视化结果显示，104 570个细胞被分为19个簇（图2A），被注释为14个细胞群，分别为血管内皮细胞（endothelial cell，Endo）、成纤维细胞（fibroblast，Fibro）、血管平滑肌细胞（vascular smooth muscle cell，VSMC）、周细胞（pericyte，Peri）、树突状细胞（dendritic cell，DC）、单核/巨噬细胞（macrophage，Mφ）、淋巴细胞（lymphocyte，Lympho）、中性粒细胞（neutrophil）、神经细胞（neuron）、胶质细胞（glial cell， Glial）、间皮层细胞（mesothelial cell，Meso）、脂肪细胞（adipocyte，Adipo）、血小板（platelet）与红细胞（erythrocyte，Erythro）（图2B、图3）。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2 scRNA-seq数据降维聚类及细胞注释结果

Note： A. UMAP plot of clustering distribution of cell subpopulations. B.UMAP plot of the distribution of cell subpopulations after annotation.

Fig 2 Dimension reduction clustering and cell annotation results of scRNA-seq data

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3 各细胞群的特征基因气泡图

Fig 3 Bubble plot of marker genes of each cluster

根据细胞注释结果，分别计算对照组和AA组各样本中细胞群的占比并进行比较，结果显示单核/巨噬细胞及树突状细胞占比在AA组显著上升（P=0.020，P=0.045），而周细胞占比在AA组显著降低（P<0.001）。AA进展的特征是慢性炎症、细胞外基质降解和血管重塑，这些细胞数量占比的变化提示了免疫系统与血管壁成分在AA病理生理过程中的关键作用（图4）。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4 细胞数量占比的组间比较

Note： ^①P<0.001, ^②P=0.020, ^③P=0.045.

Fig 4 Intergroup comparison of cell percentages

2.4 细胞通信分析结果

在 AA病理变化过程中，不同细胞种类间存在着丰富的信息交流及相互作用。通过CellChat软件包对数据进行细胞间相互作用分析，推算出AA组的细胞间相互作用较对照组增多（5 211和4 331），而2组的总体相互作用强度相似（图5A）。血管平滑肌细胞、成纤维细胞、周细胞等细胞种类与其他细胞的相互作用较为活跃。AA组与对照组相比，绝大多数细胞种类参与的细胞相互作用数量均有所上升，而血管平滑肌细胞参与的部分细胞相互作用数量下降（图5B）。周细胞与自身相互作用的强度在AA组下降（图5C）。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5 细胞间相互作用的组间比较

Note： A. Number and strength of inferred interactions in both groups. B. Differential number of interactions between the groups. Red arrows indicate a increased number of interactions in the AA group, and blue arrows indicate a decrease. C. Differential interaction strength between the groups. Red arrows indicate increased interaction strength in the AA group, and blue arrows indicate decreased strength. D. Overall information flow of each signaling pathway in both groups. E. Signaling changes of pericytes in the AA group compared to the control group.

Fig 5 Intergroup comparison of cell-cell interactions

为进一步比较2组细胞间相互作用的差异，计算每种细胞相互作用的整体信息流，该信息流是每个条件中所有细胞群体之间的通信概率之和。绝大多数相互作用在对照组和AA组中都存在，有5种相互作用仅存在于对照组，分别为ncWNT、PTPR、趋化蛋白（chemerin）、NOTCH和KLK，提示了这些相互作用在AA中具有潜在的保护性；而有13种相互作用仅存在于AA组，分别为DEHAS、血管内皮生长因子（VEGF）、抵抗素（resistin）、UNC5、WNT、脂联素（adiponectin）、ADGRL、前列腺素（prostaglandin）、OSM、FLRT、表皮生长因子（EGF）、GDF和SPP1，提示了这些相互作用潜在的致病性（图5D）。

由于周细胞数量占比在AA组中显著下降，且与自身相互作用的强度也明显下降，进一步探究其参与的细胞间相互作用的变化。通过计算周细胞所参与的细胞间相互作用在2组间的差异，发现胶原蛋白（collagen）、纤连蛋白（FN1）、层粘连蛋白（laminin）等相互作用，其内向和外向的作用强度在AA组中均降低，提示周细胞在AA中的细胞外基质相关功能、细胞与胞外基质相互作用和细胞间黏附等细胞功能减弱。这可能导致细胞外基质总量减少、稳定性下降，与其他血管壁细胞黏附力下降，增加细胞脱落和血管变薄风险，同时血管壁功能受损，加剧血管扩张和破裂的风险。而SPP1的内向作用强度在AA组中升高，与整体信息流的结果吻合（图5E）。

2.5 细胞衰老评分

使用AUCell软件包进行细胞衰老评分（图6A）。分别统计每个细胞种类的细胞衰老评分，结果显示，AA组与对照组相比，除脂肪细胞外，其余细胞种类在AA中的细胞衰老评分均显著上升（均P<0.001，图6B）。衰老阳性细胞数量在AA组中明显增加（P<0.001），其中占比较高的为成纤维细胞、单核/巨噬细胞和淋巴细胞（图6C）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6 SenMayo senescence细胞衰老评分

Note： A. Senescence-positive threshold determination based on the SenMayo senescence score. B. Comparison of SenMayo senescence scores for each cell type between the two groups. C. Number of senescence-positive cells of each cell type in both groups. ^①P<0.001.

Fig 6 SenMayo senescence score of cells

2.6 关键细胞群的差异表达基因与富集分析

由于周细胞数量占比在AA组中显著下降，进一步对该细胞群进行差异表达基因筛选与富集分析。提取周细胞的数据并将其转换为模拟的普通转录组数据，通过比较AA组与对照组，筛选得到336个差异基因，其中185个上调、151个下调。上调幅度最大的基因分别是Spp1、Igfbp2和Vcam1，其中Spp1的上调与细胞通信分析结果吻合（图7A）。GSEA富集分析结果提示，富集最显著的通路是趋化因子活动通路、CXC趋化因子受体结合通路、基质金属蛋白酶抑制剂活动通路、第二类主要组织相容性复合体（MHC Ⅱ）分子复合物结合通路、寡糖结合通路和血小板衍生生长因子结合通路（图7B）。这些通路均有直接或间接的促炎作用，提示周细胞的炎症活动与AA病理生理过程密切相关。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7 周细胞的差异表达基因筛选与富集分析

Note： A. Volcano plot of gene expression changes in the AA group compared to the control group. B. GSEA plot of the top enriched pathways.

Fig 7 Screening and enrichment analysis of differentially expressed genes in pericytes

3 讨论

本研究系统性收集、整合了目前在GEO上可公开获取的AA的所有scRNA-seq数据，并进行了较为全面的分析。AA是一种复杂的疾病，有众多分子、细胞参与其病理生理过程，包括scRNA-seq在内的各种高通量生物技术手段为探明这种过程提供了有力的工具^［24］。

既往研究认为，AA中的细胞构成发生明显变化，主要是免疫细胞，尤其是巨噬细胞的大量浸润，以及成纤维细胞的过度增殖等^［25-26］，表现为这些细胞数量的增加。本研究结果显示，单核/巨噬细胞和树突状细胞在AA组中的占比显著升高，与既往研究结果相符。成纤维细胞的占比也明显升高，但差异不具有统计学意义，可能是多样本整合后更严格的数据标准化与统计校正导致。除此之外，周细胞的数量占比明显下降，提示该细胞可能也参与到AA的病理生理过程中。

细胞通信能够影响细胞分化、组织稳态和疾病状态下的免疫反应等。AA中的各种细胞间存在复杂、多样的细胞间相互作用，但目前对其了解仍然有限。本研究发现AA组细胞相互作用关系的数量显著高于对照组，且有13种特有的相互作用，其中相对信息流量最大的相互作用是SPP1。既往有研究^［1］认为，SPP1是在氯化钙AA模型中上调最显著的相互作用。而本研究综合了目前所有可公开获取的AA单细胞转录组测序数据，提示SPP1相互作用关系在AA中的上调可能有更大的普适性。

细胞衰老与AA有紧密的联系。既往传统分子生物学研究^［27］结果表明，AA组织与细胞均表现出明显的细胞衰老，且随着病程进展，衰老程度加重。通过干预细胞衰老，能够延缓AA的病程^［28-29］。本研究利用SenMayo Senescence基因集在单细胞分辨率下计算细胞衰老评分，发现衰老阳性细胞数量在AA组中显著上升。既往对AA的研究中，血管内皮细胞、平滑肌细胞的衰老受到了较多的关注^［30-31］。本研究发现，在衰老细胞中，成纤维细胞的占比最高。这一结果可能反映了成纤维细胞在衰老过程中发挥的重要作用。成纤维细胞是动脉壁的重要组成部分，其功能与细胞外基质的合成和重塑密切相关。在AA发病过程中，成纤维细胞可能会积累多种与衰老相关的分子特征，如细胞周期停滞、分泌表型改变以及代谢功能的改变。因此，探究成纤维细胞的衰老能够为全面理解AA中的细胞衰老提供新的视角。

通过将单细胞转录组测序数据转换为模拟的普通转录组测序数据，本研究还分析了周细胞的差异表达基因，其中上调最显著的是Spp1。Spp1基因编码骨桥蛋白（osteopontin，OPN），这种蛋白最初在成骨细胞中被发现，而后又发现巨噬细胞、成纤维细胞等其他种类的细胞也能够表达OPN^［32］。OPN有潜在的促炎作用，具有细胞因子、趋化因子和信号转导等功能。有多项研究指出OPN参与多种心血管疾病的发生与发展^［33］。就AA而言，OPN敲除小鼠能够减轻血管紧张素Ⅱ诱导的AA形成，且巨噬细胞被认为是OPN的主要来源^［34-35］。因此，OPN可能是一个防治AA的靶点。然而，OPN的来源细胞多种多样，在scRNA-seq技术问世前，难以精确评判OPN的来源分布。本研究结果提示，免疫细胞以外的其他细胞来源的OPN值得进一步探索。

本研究尚有一些局限性。首先，尽管本研究收集了所有在GEO上可公开获取的AA scRNA-seq数据，但细胞总数仍然不多，有待进一步补充收集。其次，scRNA-seq仍然是一种处于发展过程中的技术，无法可靠地检测低丰度转录本，不能反映细胞在组织中的空间位置，且无法根据细胞表面分子对细胞进行分群。这些问题可能导致scRNA-seq的分析结果与其他高通量技术如流式细胞术、蛋白质组学等检测技术的结果不一致。最后，本研究的主要结果有待体内、体外实验进一步验证，如构建多种细胞特异性Spp1敲除（如周细胞、成纤维细胞、巨噬细胞等）小鼠并进行AA造模，以研究Spp1在不同细胞类型中的功能及其在病理过程中的具体作用，或利用空间转录组以及流式质谱等前沿方法进一步分析来自患者的AA标本。此外，还可以进一步通过分子生物学手段探究Spp1在各条炎症通路中的具体作用机制，探索其靶点潜质。

综上所述，本研究系统性收集并分析了AA的scRNA-seq数据，进行了较为全面的分析，为阐释AA病理生理学机制提供了新的切入点，为AA的防治策略研究提供了依据。

作者贡献声明

张星语负责研究设计、数据获取与分析、论文写作，李若谷负责选题、论文审阅及修改。所有作者均阅读并同意了最终稿件的提交。

AUTHOR's CONTRIBUTIONS

ZHANG Xingyu was responsible for research design, data acquisition and analysis, and paper writing. LI Ruogu was responsible for research topic selection, paper review, and revision. Both authors have read the last version of paper and agreed to the submission of the final manuscript.

利益冲突声明

所有作者声明不存在利益冲突。

COMPETING INTERESTS

All authors disclose no relevant conflict of interests.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

YANG H, DEROO E, ZHOU T, et al. Deciphering cell-cell communication in abdominal aortic aneurysm from single-cell RNA transcriptomic data[J]. Front Cardiovasc Med, 2022, 9: 831789.

[本文引用: 2]

[2]

BONTEKOE J, LIU B. Single-cell RNA sequencing provides novel insights to pathologic pathways in abdominal aortic aneurysm[J]. Front Cardiovasc Med, 2023, 10: 1172080.