새로운 기술이 크로스를 드러낸다

이전 이미지 다음 이미지

수십 년간의 기초 과학 및 약물 발견 연구 이후, 알츠하이머병은 최소한의 치료적 진전만으로도 여전히 불가해하고 치료 불가능한 상태로 남아 있습니다. 그러나 Nature Neuroscience의 새로운 리뷰 기사에서 MIT 과학자들은 단일 세포 프로파일링의 새로운 연구 기능을 사용함으로써 이 분야가 알츠하이머병을 설명하고 이에 대해 의미 있는 일을 수행할 수 있는 강력한 잠재력을 갖춘 오랫동안 추구해온 통찰력을 빠르게 달성했다고 썼습니다. 예를 들어, 저자들은 이 새로운 증거를 분석함으로써 질병의 혼란이 5가지 주요 뇌 세포 유형 각각의 세포 기능 또는 "경로"의 5가지 주요 영역에 수렴된다는 것을 보여줍니다.

단일 세포 프로파일링 기술은 DNA에서 전사되는 RNA 수준과 같은 개별 세포의 유전적 활동에 대한 포괄적인 측정을 생성하여 뇌 생물학에서 세포의 기능과 역할, 그리고 질병의 병리학을 평가할 수 있습니다. . 단일 세포 프로파일링 기술은 개인의 대부분의 모든 세포에 존재하는 DNA를 분류하는 게놈 서열 분석을 뛰어넘어 각 세포가 공통 명령 세트를 어떻게 고유하게 활용하는지 밝혀냅니다. 알츠하이머병을 연구하면서 과학자들은 단일 세포 프로파일링을 사용하여 독특한 유형의 뉴런, 소교세포, 성상교세포 등 다양한 뇌 세포가 건강한 뇌에서 어떻게 행동하는지와 비교하여 질병에서 어떻게 다르게 행동하는지 확인했습니다.

기사에서 MIT 뇌 및 인지과학과 박사과정 학생 Mitch Murdock과 MIT의 Picower 학습 및 기억 연구소 및 뇌 노화 이니셔티브 소장인 Picower 교수 Li-Huei Tsai는 다음과 같이 썼습니다. 단일 세포 프로파일링 연구 결과는 다음과 같습니다. 이 질병의 끔찍한 영향은 복잡하고 광범위하며, 5가지 주요 세포 유형 각각에서 교란되는 5가지 경로가 있는 것으로 보입니다. 그들은 이러한 경로를 조사하면 귀중한 질병 바이오마커를 생성하고 치료 개입을 위한 의미 있는 목표를 얻을 수 있다고 썼습니다.

뉴런, 소교세포, 성상교세포, 희소돌기아교세포, 희소돌기아교세포 전구세포의 각 경로에 대해 Tsai와 Murdock은 단일 세포 연구에서 발견된 유전자 조절의 구체적인 차이를 확인했습니다. 이 차이는 알츠하이머 환자의 뇌나 건강한 쥐 모델의 뇌에서 유의하게 발생합니다. 대조 샘플.

예를 들어, Tsai와 Murdock은 뇌 전두엽 피질의 다양한 세포에서 발현이 다양한 방식으로 변경되는 지질 처리에 밀접하게 관여하는 12개 이상의 유전자를 강조합니다. 또 다른 예를 들어, 그들은 다섯 가지 세포 유형 모두에서 서로 다른 유전자의 발현이 변화했음에도 불구하고 DNA 복구에 장애가 있음을 보여주었습니다.

Murdock과 Tsai는 Nature Neuroscience에 "취약한 세포 유형과 이를 발생시키는 분자 프로그램을 식별함으로써 치료적 개입이 비정상적인 세포 궤적을 되돌릴 수 있습니다"라고 썼습니다. "많은 전사 변화가 세포 유형에 따라 다르지만 이러한 변화는 궁극적으로 새로운 치료 전략의 표적이 될 수 있는 세포 유형 전반의 공유 신호 경로에 수렴될 수 있습니다."

확실히 저자들은 단일 세포 기술을 개선 및 개선하고 새로운 관련 기회를 활용하는 데 있어 아직 해야 할 일이 많다고 지적합니다. 이 논문은 시퀀싱을 위해 뇌에서 세포를 채취하는 위치, 누구로부터, 어떤 조건에서 세포를 채취하는지를 포함하여 유효한 단일 세포 프로파일링 결과를 생성하는 데 신중하게 고려해야 하는 여러 가지 문제를 지적합니다. 더욱이, 유전자 발현의 변화가 어떻게 생물학에 필연적으로 영향을 미치는지 보여주는 것이 항상 간단한 것은 아니며, 예를 들어 변경된 염증 경로를 표적으로 삼는 특정 개입이 치료법으로서 안전하고 효과적인 것으로 입증되는지 여부를 아는 것은 더욱 어렵습니다.

한편 미래 방향에는 분석을 위해 세포를 제거하는 대신 뇌 내에 위치한 세포의 유전자 전사를 측정하는 "공간 전사체학"을 더 많이 활용하는 것이 포함될 수 있습니다. 다양한 질병과 인구통계학적 차이를 완전히 설명할 수 있도록 더 많은 인간 샘플을 포함하도록 연구를 확장해야 합니다. 저자는 데이터 세트를 공유하고 통합해야 하며, 얼마나 잘 겹치는지 여부를 더 잘 이해하려면 인간과 마우스 샘플 간의 더 나은 비교가 필요하다고 썼습니다.