图 衰老细胞鉴定模型的构建及应用流程

　　在国家自然科学基金“免疫力数字解码“重大研究计划项目（批准号：92374207）等资助下，北京大学定量生物学中心/生命科学联合中心的韩敬东教授团队在细胞衰老轨迹与调控机制研究方面取得突破，研究成果以“单细胞衰老鉴定揭示了衰老的异质性、轨迹和调节因素（Single-cell senescence identification reveals senescence heterogeneity, trajectory, and modulators）”为题，于2024年4月10日发表在《细胞代谢》（Cell Metabolism）杂志，论文链接：https://doi.org/10.1016/j.cmet.2024.03.009。

　　细胞衰老在众多疾病中起着关键作用，但目前针对细胞衰老的研究存在缺乏通用衰老细胞标志物、传统鉴定方法的检测局限性等问题。针对上述挑战，研究团队开发了基于机器学习的SenCID（Senescent Cell Identification）算法，从人体单细胞转录组数据中精确识别衰老细胞，评估衰老程度。SenCID将细胞分为六种“衰老ID”（SIDs），不同SIDs细胞在衰老基线、细胞干性、基因功能以及对衰老裂解响应等方面差异较大；SenCID结合轨迹重构算法在人体组织的单细胞数据基础上重建了正常个体衰老、慢性疾病和新冠感染等不同生理病理状态下的细胞衰老轨迹；SenCID还被应用于单细胞基因扰动技术的转录组数据，鉴别出可以推动或抑制细胞衰老的基因扰动因子；为推动细胞衰老机理、细胞衰老干预研究奠定基础。