01一、文章信息
发表杂志名称：Nature Communications
中文标题：通过单细胞转录组学结合 SenePy 揭示细胞衰老的细胞类型特异性图谱
英文标题：Unveiling the cell-type-specific landscape of cellular senescence through single-cell transcriptomics using SenePy
影响因子：15.7
发表日期：2025 年 2 月 22 日
01二、研究概述
细胞衰老细胞会随机体衰老、应激暴露或疾病进展在多数组织中积累，但因细胞衰老特征和表型在不同细胞类型与组织中差异显著，其识别颇具挑战。作者团队开发了一种分析算法，可定义多种细胞类型和组织中细胞衰老的细胞类型特异性及通用特征，利用 72 个小鼠和 64 个人类加权单细胞衰老转录组特征构建了 SenePy 评分平台。该平台对体内细胞衰老的重现效果优于体外衰老研究得出的特征，能绘制健康衰老及肿瘤发生、炎症、心肌梗死等多种疾病背景下衰老细胞积累的动态变化，还可描述体内细胞衰老的细胞类型特异性，有望助力识别调控细胞衰老和疾病进展的基因。
01三、研究结果
（一）Figure 1：已知细胞衰老标志物具有细胞类型特异性且难以表征体内细胞衰老
作者先在全面的小鼠和人类单细胞图谱中检测已确定的细胞衰老标志物表达，以明确其随年龄的动态变化及细胞类型特异性。对于小鼠数据，采用包含 1 - 30 月龄 19 种组织 32.8 万个细胞的 Tabula Muris Senis 资源；人类数据则来自 7 项研究，涵盖 1 - 92 岁个体的 37 种组织共 160 万个细胞。作者将近期发表的 SenMayo 衰老相关基因集（125 个基因）与自编的细胞衰老基因集（人类 108 个、小鼠 110 个）合并，建立含 181 个人类和 184 个小鼠经实验验证的细胞衰老标志基因 panel，该 panel 与 SenMayo 有显著重叠且包含许多独特基因。为评估这些标志物与小鼠细胞类型特异性及通用机体衰老基因的重叠情况，作者将其与一项从 Tabula Muris Senis 中识别出 76 个细胞类型特异性特征和 1 个通用衰老特征（330 个基因）的研究对比，发现仅 Cd9、Ctnnb1、Jun 这 3 个细胞衰老标志物存在于通用机体衰老特征中，且这种重叠或由随机因素导致，被广泛认可的细胞衰老通用特异性标志物编码基因 Cdkn2a 未出现在任何细胞特异性机体衰老特征中，76 个细胞特异性衰老特征中仅 15 个富集了细胞衰老标志基因 panel 中的基因，且这种细胞类型特异性富集与已知细胞衰老动态无关，与群体特异性增殖呈负相关，与细胞周期评分无相关。这表明通用细胞衰老特征可能被细胞异质性掩盖，细胞亚群间的差异表达不适于提取细胞衰老特异性标志物，而 Tabula Muris Senis 中表达特定细胞衰老相关基因的细胞比例随年龄显著增加，说明该比例是识别动态细胞衰老基因更有效的指标。接着，作者分析了小鼠和人类数据集中所有组织和细胞类型中细胞衰老标志物随年龄的动态变化（以阳性细胞比例衡量），发现 Cdkn2a、Cxcl13 等广泛使用的细胞衰老标志物虽随年龄整体表达细胞比例增加，但对特定组织和细胞类型有倾向性，如人类面部皮肤中年轻个体就有一定水平的 CDKN2A + 细胞，且随年龄大幅增加；而 CDKNIA 等其他重要细胞衰老标志物在年轻和年老小鼠及人类中表达更具组成性。作者还检测了 60 种小鼠和 50 种人类细胞类型中细胞衰老标志物的动态变化，发现两种物种中所有细胞衰老标志物的图谱按组织和细胞类型分层时均高度异质，1540 个细胞类型成对组合中仅 58 个显示出显著的细胞衰老标志基因重叠，同一组织的细胞最可能有显著标志物重叠，不同组织的成纤维细胞在衰老细胞标志物图谱上虽有一定重叠但无统计学富集。在人类细胞类型中，CCL4 是随年龄动态变化细胞类型数量最多的标志物，但也仅在 36%（18/50）的测试细胞类型中动态变化；小鼠中 Ccl5 和 Ccl8 最具通用性，但也仅在 33% 的细胞类型中动态变化；CDKN2A 在人类和小鼠中都是富集度较高的细胞衰老标志物，却分别仅在 26% 的人类细胞类型和 32% 的小鼠细胞类型中动态变化。综上，不存在适用于所有组织和细胞类型的通用细胞衰老标志基因集，每种组织中的每种细胞类型都会通过独特的转录途径进入细胞衰老状态，同时该研究也绘制了已知细胞衰老标志物在不同生物、组织和细胞中的适用性。
（二）Figure 2：通过单细胞转录组学算法从头推导细胞类型特异性特征
作者开发了一种无偏倚计算方法，用于识别不同小鼠和人类细胞群体中潜在的细胞衰老特征，这些特征来自涵盖广泛机体年龄的 43 种小鼠细胞类型和 45 种人类细胞类型。作者利用衰老细胞随机体年龄增长而积累但仍占少数群体这一已有生物学知识，识别每种细胞类型内的动态基因。通过选定基因和细胞的二值化阳性矩阵，构建基因网络，其中基因枢纽可能在相同细胞中表达，去除与枢纽无关联的基因（这些基因可能代表噪声或随机过程，随机体年龄增长而增加但与细胞衰老无直接关联）。部分细胞类型在网络分析过程中包含多个分离为子网络的不同特征，最终获得 72 个小鼠和 64 个人类潜在的细胞衰老细胞类型特征，这些特征既包含基因，也包含表明基因与同一特征内其他基因相关程度的值。细胞类型特征高度异质，但已知的细胞衰老标志物在特定细胞类型中富集（虽方式不一致），且这些特征对已知细胞衰老标志物的富集率高于通过差异表达分析获得的基因集。重要的是，在 Tabula Muris Senis 中，相同组织的细胞间更可能发现相似的基因表达特征（超几何检验 FDR < 0.05），同一组织细胞的特征平均余弦相似度（0.09）高于不同组织细胞特征的平均余弦相似度（0.04），不过也存在例外情况，如多种组织中存在的细胞类型的特征可能具有高度相似性，例如小鼠肺中的衰老成纤维细胞与气管中的衰老成纤维细胞特征最相似，且是所有小鼠衰老细胞类型特征中相似度最高的一对，而来自所有组织的成纤维细胞特征之间相似性并无统计学显著性。尽管整体特征高度异质，但许多细胞类型特征包含重叠基因，小鼠细胞类型特征对中 40%（368/903）具有显著的超几何重叠，而使用已建立标志物时仅 4%（58/1540）有此重叠。基于基因谱，细胞类型特征彼此聚类明显，但不与机体衰老特征聚类。这些观察结果表明，作者推导的特征尽管高度不同，但共享一些潜在的遗传特征，且可能代表真正的体内细胞衰老程序，因此作者开发了开源的 SenePy Python 软件包，根据单细胞中这些细胞衰老特征基因的表达对单细胞进行评分。
（三）Figure 3：同一细胞类型中存在不同模式和表型的细胞衰老
由于细胞群体暴露于多种应激源和信号，可能存在多种独立的细胞衰老模式。作者观察到多个细胞类型特征由相关基因枢纽组成，这些枢纽在网络分析过程中会聚类。在 43 种具有推导细胞类型特征的小鼠细胞类型中，25 种包含通过 Louvain 算法分离的多个基因子网络簇，形成 72 个总特征，其中 36 个基因子网络簇在已知细胞衰老标志物中显著富集，这些子网络簇被称为枢纽；45 种人类细胞类型中，15 个特征由多个枢纽组成。多个基因特征枢纽可能代表同一细胞类型内具有不同动态变化和基因表达模式的细胞衰老模式。总体而言，老年细胞中衰老异常细胞的数量更多，但部分细胞类型的枢纽具有不同的动态变化，例如老年小鼠舌角质形成细胞包含两个具有不同动态变化的枢纽，且均在已建立的细胞衰老标志基因中富集。基因富集分析表明，表达这些不同枢纽的细胞具有不同的表型和功能作用，其中一个舌角质形成细胞枢纽更具促炎性，主要富集免疫细胞趋化、细胞因子和 TNF 信号通路（典型的衰老相关分泌表型），作者将其称为 “A 型” 衰老；另一个 “B 型” 枢纽富集先天免疫过程和通常响应病原体刺激的通路（如 NOD 样受体信号通路），这表明不同的细胞衰老模式会驱动不同的炎症通路，并可能对无菌性炎症产生不同影响。这两个舌角质形成细胞基因枢纽与舌基底细胞的基因特征最相似，进一步强调了组织背景对细胞衰老模式的重要性，且它们还与多种组织和细胞类型的其他枢纽相似（要么表现为 A 型要么表现为 B 型衰老枢纽，而非两者兼具），说明这种多模式并非舌角质形成细胞特有。作者使用 SenePy 根据这些 A 型和 B 型特征对舌角质形成细胞进行评分，发现特征特异性 SenePy 评分分布中异常细胞（>μ + 3σ）的数量随机体年龄增长而显著增加，表明老年小鼠舌中衰老角质形成细胞数量多于年轻小鼠。随后，作者检查了三种不同组织的衰老成纤维细胞，以确定不同背景下相似细胞类型的细胞衰老特征，小鼠心脏、肺和气管的成纤维细胞各有两个不同的细胞衰老特征枢纽，大多数成纤维细胞枢纽特征遗传相似性低且余弦距离高，而肺和气管细胞中存在成对相似性最高的衰老细胞基因枢纽，这可能是因为呼吸系统中的空间 proximity 和功能导致相似的细胞衰老表型，功能上这些相似枢纽共享炎症反应、细胞因子信号传导和免疫细胞趋化等常见生物学过程，气管枢纽还独特且高度富集 B 细胞信号传导和中性粒细胞活化相关基因。用 SenePy 对成纤维细胞群体评分时，它们表现出不同的时间动态，所有细胞群体在年轻小鼠中都有少量衰老细胞，老年小鼠中衰老细胞数量急剧增加，衰老细胞比例在 18 - 24 月龄间增幅最大，且使用气管和肺中最相似枢纽识别的细胞在 24 月龄小鼠中具有相似的时间动态和几乎相同的高衰老细胞比例，心脏和肺中的衰老成纤维细胞群体尽管基因和本体论距离较大，但也遵循相似的动态。综上，即使在相同细胞群体中也存在多种细胞衰老模式，且这些模式在时间和表型上均不同。
（四）Figure 4：细胞特异性特征具有独特性但共享常见应激反应和炎症通路
作者探究推导的细胞衰老标志物在基因和本体论上的共性，以确定是否存在通用细胞衰老特征。为考虑细胞类型采样偏差和批次效应，作者建立统计模型来确定特征中过度表达的基因（无需这些基因存在于每个特征中）。虽无基因存在于所有特征中，但许多基因在所有特征中的出现频率显著高于随机预期。在 9645 个特征联合基因中，作者识别出 635 个在特征中统计上过度表达的通用基因（FDR p < 0.01），43 个小鼠特征中，29 个基因的流行率超过 25%（n≥12，FDR p ≤3.1×10^-10），其中最常见的基因是 Hbaa1，存在于 60%（28/43）的特征中（FDR p <8.6×10^-13），而编码 p16 的 Cdkn2a 虽也在数据中过度表达，但仅存在于 12 个特征中（FDR p =3.1×10^-10）。在其他已知细胞衰老标志物中，多个 Bcl2 家族基因（常见的衰老细胞清除靶点）在数据中过度表达，且与 Hba - a1 一起，血红蛋白亚基 Hba - a2、Hbb - b1 和 Hbb - b2 也属于这些最具代表性的基因（尽管上游分析中无红细胞）。作者还测试了在多种组织中存在的细胞类型（如内皮细胞、成纤维细胞或巨噬细胞）是否有自身细胞类型特异性特征，所有成纤维细胞特征中存在 14 个共同基因（FDR p =2.3×10^-14），内皮细胞特征中无所有特征共有的基因，但 Cdkn2a 等基因在统计上过度表达（FDR p =9.2×10^-8），巨噬细胞特征中也有基因过度表达（FDR p =1.1×10^-7），但无所有巨噬细胞特征共有的基因。在所有小鼠特征中过度表达的基因（FDR p <0.05）富集于多种参与炎症、免疫、细胞因子信号传导和趋化的生物学过程，已知的细胞衰老驱动因子 NF - kappa B 信号通路也在富集通路中（KEGG，BH 校正 p =1.3×10^-5），但 43 个特征中仅 9 个单独富集 NF - kappa B 信号通路，说明其远非通用。为测试可能活跃的转录因子，作者检测特征中基因启动子的转录因子结合富集情况，发现最普遍富集的结合基序是 RREB1，在 43 个特征中的 38 个中富集，此外还有 46 个其他转录因子在超过一半的小鼠特征中富集。小鼠通用 SenePy 特征与 Zhang 等人从 Tabula Muris Senis 中识别的 330 个小鼠全局衰老基因无重叠（超几何检验 p =2.3×10^-5），但与已知的细胞衰老标志物有显著重叠（超几何检验 p =1.4×10^-13），而通过差异表达获得的全局衰老特征则无此重叠，这支持了细胞衰老与机体衰老不同的早期观察结果。在人类细胞中，仅 3 个基因（基质金属蛋白酶 9（MMP9）、肌球蛋白轻链 9（MYL9）和整合膜蛋白 2C（ITM2C））存在于超过 25% 的人类细胞衰老特征中（FDR p 值分别为 8.1×10-8、5.0×10-7、5.0×10^-7），其中 MMP9 是已知的 SASP 成分且存在于作者自编的细胞衰老标志物集中，相比之下，CDKN2A 仅存在于 45 个特征中的 9 个中，但仍高于随机预期（FDR p =3.4×10^-4），人类细胞类型 SenePy 特征中存在 734 个过度表达的基因（FDR p <0.01），该通用特征中的基因富集于先天免疫和其他生物学通路。当单独测试特征时，最常富集的通路包括中性粒细胞介导的免疫、血小板脱颗粒、细胞因子信号通路以及其他炎症和免疫通路（与 SASP 一致）。两种物种细胞类型特征中最通用的基因和活跃通路具有一些共同特征，小鼠和人类细胞类型特征中富集的共同基因有 46 个，与随机预期相比仅略有过度表达（超几何检验 p =0.09），表明物种间基因水平的一致性较低，CDKN2A、CXCR2 和 CCL3 是唯一属于先前确定的细胞衰老标志物的共同基因。然而，物种间通路一致性较高，两组共同基因都富集于 32 个共同通路（如 NF - kappa B 信号通路、AGE - RAGE 信号通路和趋化因子信号通路），且小鼠特征中前 20 个最常富集的转录因子中有 8 个也在人类特征中常富集。综上，尽管作者从头推导的细胞类型特征高度异质，但它们富集于已知的细胞衰老表型，且在细胞类型和物种间具有一定共性。
（五）Figure 5：衰老细胞随机体年龄积累的细胞特异性动态
作者使用 SenePy 确定年轻和年老生物不同细胞群体中衰老细胞的比例，总体而言，小鼠和人类中被识别为衰老细胞的数量和比例均随年龄显著增加，但表现出明显的细胞倾向性和动态变化。在测试的小鼠细胞中，老年时胰腺腺泡细胞的衰老细胞比例最高，其次是气管和成纤维细胞。在具有明显细胞衰老特征的 45 个人类测试细胞群体中，48 - 58 岁年龄组的皮肤毛囊细胞衰老细胞百分比最高；肺 II 型 pneumocytes 的衰老细胞比例居第二，在 68 - 77 岁患者中达到 11% 以上。然而，人类细胞中不同患者间存在时间异质性，例如 58 岁年龄组患者的心肌细胞衰老比例为 7.6%，而 68 岁年龄组患者仅为 0.4%，这种老年患者心脏细胞衰老比例较低的不同模式在除脂肪细胞外的所有其他心脏细胞类型中都存在，表明患者特异性差异是组织内细胞衰老的重要驱动因素。在年轻个体（40 - 60 岁）中，心脏细胞类型中衰老细胞比例最高的始终是淋巴样细胞；相反，在大多数 60 岁以上捐赠者的实体组织细胞类型中，衰老细胞比例大幅增加，特别是一名 68 岁患者的心肌细胞和成纤维细胞具有极高的细胞衰老评分，但在测试的最年老心脏中，除淋巴细胞外，所有细胞类型的衰老细胞比例都相对较低。SenePy 预测的细胞群体中衰老细胞比例与相应群体的增殖潜力无相关性，令人惊讶的是，大肠肠上皮细胞等增殖群体随年龄增长衰老细胞比例增加极少，这一点得到 Cdkn2a + 肠上皮细胞数量随年龄无明显变化以及增殖群体中 Ckdn2a + 细胞无相关性的证实。同样，作者未观察到群体水平端粒酶表达与计算的衰老负荷之间存在负相关，这表明体外细胞衰老的已知驱动因素 —— 端粒磨损，可能不是生物体内细胞衰老的主要驱动因素。
（六）Figure 6：SenePy 比已建立的标志物更稳健地识别体内真实细胞衰老
作者利用 p16-Cre-tdTomato 报告小鼠的单细胞 RNA-seq 数据（p16 + 细胞会发出红色荧光）进行验证。首先对 tdTomato + 和 tdTomato - 肾细胞进行差异表达分析，发现 tdTomato + 细胞中差异丰富的 mRNA 富集于本研究推导的肾上皮细胞特征，且该肾上皮细胞特征的富集程度高于先前定义的基因集或由 AI 模型 GPT-4 生成的细胞衰老基因 panel（“senGPT”，含 100 个基因）。使用肾特异性特征通过 SenePy 评分时，细胞分布出现明显偏移，而使用心脏内皮细胞枢纽评分时无此偏移。同样，分析 SenePy 肝脏特征发现，tdTomato + 肝细胞中更丰富的 mRNA 对 SenePy 的肝脏枯否细胞特征的富集程度高于其他任何基因集，这些数据表明 SenePy 的细胞衰老特征及推导的评分能够识别 p16 + 细胞。
作者还检测了 SenePy 特征识别衰老细胞清除治疗引起的转录变化，以及在多种体内外模型中诱导细胞衰老的实验条件下转录变化的能力。小鼠肺部经治疗性衰老细胞清除后下调的基因，富集于多个 SenePy 肺或气道特异性特征，且 SenePy 特征的富集程度高于不依赖细胞类型的基因集。尽管由于数据可用性限制，SenePy 没有特定的骨骼肌细胞衰老特征，但小鼠肌肉组织经衰老细胞清除治疗后下调的 mRNA 仍富集于多个 SenePy 特征（包括一个肌细胞特征）。在辐射诱导人内皮细胞衰老的模型中，多个 SenePy 内皮细胞特征在辐射后更丰富的 mRNA 中富集，但在体外环境中，SenePy 相对于其他基因集的优势有所减弱。在培养的衰老成纤维细胞体外模型中，SenePy 的表现更差，这些数据表明 SenePy 能重现体内细胞衰老，而主要通过先前体外实验获得的基因集则无法做到。
随后，作者在 p16 Cre ERE2 -tdTomato 肝细胞中测试了编码 p16 ink4a 和 p21 cip1 的基因作为标志物的适用性，发现仅有 8% 的 p16 高表达细胞（由 tdTomato 指示）可检测到 Cdkn2a RNA（编码 p16 的基因），这可能是由于单细胞测序中基因缺失，或 Cdkn2a 在大多数衰老细胞中的表达具有暂时性；而另一个重要的细胞衰老标志物 Cdkn1a（编码 p21 的基因）在 tdTomato + 和 tdTomato - 细胞中均大量存在，其二元表达无法作为有效指标，因为它在非衰老细胞中也普遍表达。这些数据表明，仅依赖 p16、p21 等已知细胞衰老基因是不够的，尤其是在单细胞转录组学中，受限于低单细胞分辨率、基因缺失和不依赖标志物的细胞衰老程序。
为进一步进行体内验证，作者分析了癌基因诱导衰老小鼠模型中流式分选的衰老肝细胞 RNA 数据（Chan 等人通过表达 NRAS 诱导小鼠肝细胞衰老，在 12 天和 30 天收获峰值衰老期的肝细胞，同时在 218 天收获肿瘤和健康组织）。细胞从 mV（mVenus）对照根出发，遵循多条细胞衰老伪时间轨迹。SenePy 小鼠肝细胞特征由两个不同的枢纽（肝细胞 0 和肝细胞 1）组成，且这两个枢纽都与不同的伪时间轨迹高度相关，支持单一细胞类型可具有多种细胞衰老表型的观点。SenePy 通用特征评分与全局伪时间显著相关，而使用传统细胞衰老标志物和 SenMayo 基因集评分的细胞与细胞衰老伪时间的关联较弱。SenePy 评分与肝细胞标志物白蛋白的表达呈负相关，这可能是由于细胞衰老导致细胞特性降低。与对照相比，衰老肝细胞的 SenePy 评分更高，且与传统细胞衰老标志物评分相比，SenePy 评分在 12 天时平均增加 4.3 倍、30 天时平均增加 4.1 倍，而传统标志物评分在 12 天时无增加，30 天时仅增加 1.3 倍。这些结果表明，SenePy 的细胞特异性特征及其推导的通用特征能稳健地重现小鼠肝细胞中的体内细胞衰老。
作者还测试了另一种评分方法 scDRS（能够处理 SenePy 特征中的网络中心性权重），发现 SenePy 的默认二值化方法和归一化方法均与 scDRS 评分高度相关。scDRS 识别出的 FDR p 值小于 0.05 的细胞，与所有测试的 SenePy 异常值阈值识别的细胞有显著重叠；SenePy 较高阈值识别的细胞与 scDRS 识别的细胞重叠度高，但随着 SenePy 识别细胞数量相对于 scDRS 减少，Jaccard 指数降低，这表明较高阈值可能对衰老细胞更具特异性，但敏感性较低。SenePy 的默认二值化方法与其归一化计数方法识别的细胞高度重叠，且两者与 scDRS 识别的细胞也高度重叠。三种方法均检测到衰老细胞数量随年龄增加而出现类似增长，在 p16 报告细胞中，三种方法对 tdTomato + 细胞的评分均显著高于 tdTomato - 细胞，目前 scDRS 方法已作为额外的评分方式整合到 SenePy 软件包中。
（七）Figure 7：SenePy 预测严重疾病中细胞衰老负荷升高
作者提出 SenePy 可应用于数据集以量化疾病中的细胞衰老负荷，首先利用 SenePy 分析 19 名死于 COVID-19 患者和 7 名年龄匹配对照者的单细胞 RNA-seq 肺数据集。对照和 COVID-19 患者肺部均存在衰老细胞，但 COVID-19 患者的衰老肺上皮细胞数量明显增加，且 COVID-19 死亡率与衰老肺上皮细胞比例增加显著相关，这些衰老肺上皮细胞存在于 AT1、AT2 和一般气道上皮细胞群体中。而免疫细胞、成纤维细胞、内皮细胞等非上皮细胞的细胞衰老比例与 COVID-19 死亡率无显著关联，部分死亡患者多种细胞类型的衰老细胞负荷均相对较高。
接着，作者利用 SenePy 对心肌梗死后小鼠时空分辨转录组学数据进行评分，使用先前推导的小鼠心脏枢纽特征对空间分辨位点进行评分，发现对照心脏中也存在衰老位点，这与早期观察到的年轻生物体内存在基础水平细胞衰老的结论一致（由于空间分辨位点包含多个单细胞，无法确定这些数据中单个衰老细胞的数量）。第 7 天衰老负荷高的位点比例最高，但由于样本量小（n≤3），该变化无统计学显著性。作者观察到心肌梗死后，衰老负荷高的位点与心脏纤维化之间存在强烈的空间关联，衰老样位点与表达 Col1a1（纤维化标志物，非 SenePy 特征中的基因）的心脏区域高度共定位，这种相关性在心肌梗死后 7 天变得明显，而在对照心脏或心肌梗死后不久的心脏中未观察到。用于评分位点的 8 个枢纽对总细胞衰老负荷的贡献具有不同的时间模式，内皮细胞枢纽在第 1 天贡献最高，之后持续下降直至第 14 天；肌细胞枢纽的评分在第 7 天从基线水平大幅上升，随后又下降；其他细胞衰老基因程序则未受心肌梗死影响。
此外，作者观察到衰老负荷高的空间分辨位点之间存在强烈的空间自相关，9 个样本中仅 1 个（第 14 天样本）的衰老样位点无高度显著的空间聚集性，且该样本中衰老位点与 Col1a1 的关联度低，总细胞衰老负荷也最低。为进一步研究衰老细胞聚集现象并验证其在其他组织中的普遍性，作者利用小鼠大脑炎症损伤前后的空间转录组学数据，发现对照大脑中衰老样位点数量少，而经 LPS 处理的小鼠大脑中细胞衰老特征增强，且衰老样位点存在高度显著的聚集性。这些数据表明，在多种体内系统中，衰老细胞更可能在邻近区域被发现。
本研究针对细胞衰老研究中缺乏组织和细胞特异性标志物、通用细胞衰老特征难以建立的问题，采用无偏倚的大数据方法，整合并分析小鼠和人类跨组织、跨年龄的大规模单细胞 RNA 测序数据集，以定义体内细胞衰老的异质性。研究开发了识别细胞类型特异性细胞衰老特征的算法，利用 p16 ink4a 报告小鼠模型数据集及其他转录组学数据集验证方法有效性，最终生成开源 Python 软件包 SenePy。通过 SenePy，研究绘制了不同生物（小鼠和人类）、不同组织和细胞类型在衰老及疾病（如 COVID-19、心肌梗死）背景下细胞衰老的动态变化和异质性，发现不存在适用于所有组织和细胞类型的通用细胞衰老标志基因集，同一细胞类型可通过多种模式进入衰老状态且具有不同表型和时间动态，同时识别出物种间保守的细胞衰老核心通路及物种特异性标志物。此外，验证结果表明 SenePy 比传统细胞衰老标志物更能稳健识别体内真实细胞衰老，可作为研究体内细胞衰老的重要工具，为进一步探索细胞衰老在疾病中的作用及开发针对性治疗策略提供了关键资源和方法支持。
