Genuttrycksbaserad dekonvolution av fettvävnadsprover med användning av AT21 signaturmatris

AT21 signaturmatrisen utvecklades med syftet att bestämma cellens sammansättning av fettvävnadsprover. Den består av celltypsspecifika uttrycksprofiler av 1872 mikroarrayprober från 21 celltyper. 1872-proberna valdes för att optimera signaturmatrisens förmåga att skilja mellan olika celltyper, vilket återspeglas genom att minimera informationsöverlappningen mellan celltyper (implementeras via en minimering av tillståndsnumret, se kompletterande metoder).

i Fig. 2A vi visar korrelationerna av signaturer mellan de olika celltyperna, vilket avslöjar höga korrelationer mellan relaterade celltyper, såsom subkutana och perikardiala adipocyter, eller mesenkymala stam/stromala celler, kondrocyter, osteoblaster och fettstam/stromala celler (ASCs). Mot bakgrund av dessa höga korrelationer mellan vissa celltyper bestämde vi oss för att undersöka förmågan hos vårt tillvägagångssätt att skilja mellan liknande celltyper med följande två strategier. Först tillämpar vi dekonvolutionsmetoden på själva referensdatasetet, vilket resulterar i en tydlig skillnad mellan celltyper (Fig. 3A) som en positiv kontroll, för att visa att den föreslagna metoden verkligen kan identifiera rena cellsignaturer från referensdatasetet tydligt. Vi visar också i samma figur (Fig. 3B, C) det normaliserade uttrycket av konventionella markörer och cellmade förutspådde primära markörer för jämförelse från celltyperna i referensdatasetet. Figuren visar jämförelsen i termer av celltypsspecifikt normaliserat uttryck av konventionella markörer vs CellMaDe förutspådda markörer för varje celltyp. För det andra utför vi deconvolutionanalys med en uppsättning 779 fettvävnadsprover (kompletterande Data S2) från fyra olika fettvävnadsdepåer (SAT, OAT, PAT och EAT) och kontrollerar hur väl resultaten överensstämmer med litteraturens kropp. Denna andra analys visar att fettvävnadsproverna förutspås ha i genomsnitt 14,5% ASCs, medan summan av de tre relaterade celltyperna (mesenkymala stam/stromala celler, osteoblaster och kondrocyter) ligger under 1% i genomsnitt, vilket avslöjar vår förmåga att korrekt skilja mellan dessa celltyper (kompletterande Fig. S4). Dessutom har 95% av SAT-proverna en perikardiell adipocytpoäng på 0% och en genomsnittlig subkutan adipocytpoäng på 74%, medan OAT -, EAT-och PAT-prover för det mesta förutspås ha fler perikardiala adipocyter än subkutana adipocyter, även om skillnaden är mindre tydlig. Detta avslöjar den tydliga skillnaden mellan subkutana adipocyter och adipocyter från andra fettdepåer i närheten av inre organ, vilket kan detekteras med den föreslagna metoden.

Celltypsspecificitet av TissueDecoder: värmekartor av AT21 signaturmatris som visar (a) celltypssammansättning förutsägelse från CIBERSORT med AT21 signaturmatris, (B) det normaliserade uttrycket av utvalda konventionella markörer från litteraturen och (C) det normaliserade uttrycket av cellmade förutspådda primära markörer. Den vanliga xaxis ovanför figuren betecknar de prover som används för att kommentera celltyper från at21-signaturmatrisen. CellMaDe och CIBERSORT tränas båda med AT21-signaturmatris, därför är (A,C) optimala resultat för båda teknikerna medan (B) representerar separationskraften hos konventionella markörer på AT21-signaturmatrisen. Gröna rutor anger för varje celltyp (kolumner) raden med motsvarande markör.

bredvid dessa utvärderingar använde vi en oberoende plattformsoberoende valideringsdataset (olika Affymetrix microarray-plattformar) för att testa CIBERSORT-baserad deconvolution med at21-signaturmatrisen, vilket visar att vårt tillvägagångssätt korrekt ger högsta procentsatser för respektive isolerad celltyp för alla testade celltyper i valideringsdatasetet (kompletterande Fig. S1C).

de genomsnittliga uppskattade procentsatserna för den isolerade celltypen är 69, 2% för subkutana adipocyter, 57, 1% för ASCs, 89, 9% för B-celler, 84.8% för CD4 + T-celler, 71,0% för CD8 + T-celler, 62,0% för NK-celler och 90,5% för monocyter. CD14 + – fraktionen av fettvävnaden (monocyter/makrofager) förutspås bestå huvudsakligen av makrofager (25, 4%), myeloida dendritiska celler (24, 4%) och monocyter (18, 1%). Avvikelsen från de optimala resultaten baserat på själva referensdata (Fig. 3A) kan förklaras av plattformsoberoende skillnader mellan validerings-och referensdataset (valideringsdataset och referensdataset har hybridiserats till två olika Affymetrix-mikroarrayer).

CellMaDe primära och sekundära markörer

därefter karakteriserar vi vidare signaturmatrisen genom att undersöka vilka gener som ingår i den och genom att jämföra deras celltypsspecificitet med den för konventionellt använda celltypmarkörer med användning av primära och sekundära markörkriterier (Eqs. 1 och 2 i avsnittet metoder). Detta har resulterat i en rangordning av alla sonder som finns på matrisen enligt deras primära och sekundära kriteriepoäng. I Fig. 2B, vi visar de 10 bästa generna som har den högsta primära och sekundära kriteriepoängen från fyra celltyper – nämligen ASCs, CD8+ T – celler, makrofager och subkutana adipocyter-och anger deras cellulära plats enligt gen ontologiska termer (för alla 21 celltyper se kompletterande Fig. S2, Kompletterande Uppgifter S3). Alla gener som finns i at21-signaturmatrisen är markerade med fetstil, vilket visar att CIBERSORT-algoritmen huvudsakligen väljer en kombination av sekundära markörer (CIBERSORTS genvalskriterium är jämförbart med vårt sekundära markörkriterium), medan primära markörer och konventionella markörer inte alltid ingår i signaturmatrisen.

detta står i kontrast till klassiska markörbaserade tillvägagångssätt såsom immunohistokemi, som är starkt beroende av celltypsspecificiteten hos en enda (primär) markör. Icke desto mindre uttrycks konventionella markörer såsom CD68 för makrofager också i andra celltyper, såsom monocyter, plasmacytoid dendritiska celler10 och i mindre grad även i fibroblaster och endotelceller11, 12,vilket också indikeras av dess relativt låga primära kriteriepoäng (Fig. 2B). Vi föreslår därför att de primära markörerna som identifierats av CellMaDe bekräftas ytterligare experimentellt innan de klargörs som alternativa markörer för celltyperna i fettvävnaden.

för CD8 + T-celler, Den konventionellt använda markören (kluster av differentiering 8B; CD8B) identifieras som den starkaste primära markören, vilket inte var särskilt överraskande. Kluster av differentiering 4 (CD4) är emellertid inte särskilt specifikt för CD4+ T-celler, vilket framgår av dess vanliga uttryck i andra hematopoietiska celltyper såsom monocyter eller makrofager (Fig. 3b, kompletterande Fig. S2). Detta är också anledningen till att CD4 i flödescytometri endast används efter identifiering av CD3+ cellpopulation (T-celler) för att identifiera CD4+ T-celler. Dendrocyten uttryckt sju transmembranprotein (DCSTAMP) identifieras som en mycket specifik primärmarkör för makrofager enligt vår analys. I Fig. 3C vi observerar att det höga uttrycket av DCSTAMP är begränsat till en delmängd av makrofagproverna, vilket kan belysa dess specificitet till en delmängd av makrofager, t.ex. makrofagjättliknande celler, som föreslagits av tidigare studier13. För ASCs är den identifierade primära markören EEA1 inte särskilt slående. För denna celltyp föreslår vi att man använder en kombination av sekundära markörer som implementeras i flödescytometri grindstrategier såväl som i CIBERSORT-algoritmen.

fallet med subkutana adipocyter verkar vara liknande eftersom den primära markören CMA1 inte heller är särskilt slående. Detta kan emellertid tillskrivas det faktum att perikardiala adipocyter också är en del av referensmatrisen. Därför fokuserar det primära kriteriet i detta fall inte bara på att skilja adipocyter från andra celltyper, utan också på att skilja adipocyter från två olika depåer. Därför inkluderade vi en ytterligare analys genom att slå samman alla adipocyter i referensmatrisen tillsammans för att bestämma primära markörer för adipocyter. De tre primära markörerna som identifierades för adipocyter i denna analys var SPARCL1, ADIPOQ och THRSP.

för ytterligare utvärdering av de identifierade toppprimärkarkörerna jämförde vi deras uttryck i en mer omfattande oberoende dataset bestående av 394 anatomiskt kommenterade vävnadsprofiler (kompletterande Fig. S3, Kompletterande Metoder). Sex av de 21 primära markörerna är fullständigt validerade, definierade som visar det högsta uttrycket i den föreslagna celltypen, nämligen CALCRL för endotelceller, SPTA1 för erytroblaster, CD8B för CD8+ T-celler, MS4A1 för B-celler, PRSS33 för eosinofiler och DCSTAMP för makrofager. Tolv markörer valideras delvis, identifieras som bland de fem bästa av de 394 anatomiskt kommenterade vävnadsuttrycksprofilerna eller uttrycks endast på en högre nivå i celltyper som inte är relaterade till fettvävnad, såsom myocyter eller neuroner. Endast tre markörer validerades inte, nämligen EEA1 för ASCs, RGS5 för glatta muskelceller och PF4V1 för blodplättar, den senare på grund av frånvaron av blodplättar i valideringsdatasetet för PF4V1, vilket förhindrade dess korrekta utvärdering.

slutligen använde vi den oberoende valideringsdatasetet för att utvärdera den diskriminerande kraften hos de identifierade primära markörerna. Resultaten av denna analys presenteras i kompletterande Fig. S1 och kompletterande Data S2, som visar att de primära markörerna uttrycks och kan skilja mellan celltyper i valideringsdatasetet, med undantag för CMA1 för subkutana adipocyter och EEA1 för ASCs (kompletterande Fig. S1B).

kontextualisering av fynd – en litteraturöversikt

som nästa steg i utvärderingen har vi sammanställt kvantitativa litteraturrapporter om sammansättning av mänsklig fettvävnadscellstyp för att jämföra uppskattningarna av vår deconvolutionsmetod för 1119 SAT-prover (616 mikroarray och 503 RNA-Seq-dataset) och 51 OAT-prover till de rapporterade procentsatserna i litteraturen.

först sökte vi efter några rapporter i litteraturen som kvantifierade andelen adipocyter i fettvävnaden. Denna sökning avslöjade en rad uppskattningar från ~93% 14, ~70%15,16 Och ~15% 17, vilket potentiellt kan förklaras av skillnader i provbehandling (t.ex. avlägsnande av blodkärl) och räkningsmetoder (t. ex. histologi vs. cellisolering, olika markörer). Mycket nyligen uppskattade Glastonbury och kollegor adipocytfraktionen i två subkutana fettvävnads-RNA-Seq-dataset på populationsnivå (TwinsUK, n = 766 och genotyp-Vävnadsuttrycksprojektet , n = 326) genom att uppskatta de relativa proportionerna av fyra distinkta celltyper (adipocyter, makrofager, CD4 + T-celler och mikrovaskulära endotelceller). Deras uppskattning för medianprocenten av adipocyter är 62% för gtex och 82% TwinsUK-studie18.

därefter koncentrerade vi oss på studier som bestämde fraktioner av icke-adipocyter19 och inkluderade 25 originalstudier i vår granskning. De kvantitativa resultaten av cellfraktioner extraherade från dessa studier presenteras i Fig. 4 och kompletterande Data S4 (se kompletterande metoder för metodologiska detaljer). Rapporterade cellantal för makrofager varierar kraftigt, allt från genomsnittliga räkningar på mindre än 1% av de totala cellerna i vissa studier upp till i genomsnitt 27% av de totala cellerna i en annan studie. Dessa ganska stora skillnader mellan studierna kan uppstå på grund av flera faktorer, inklusive (i) faktiska biologiska skillnader mellan de analyserade proverna, (ii) lokal anrikning av makrofager (t. ex. i kronliknande strukturer) som specifikt påverkar resultat med låga totala cellantal som immunohistokemi, (iii) tekniska skillnader mellan de använda metoderna och markörerna och (iv) skillnader i Provhantering och analysprotokoll (t.ex. fluorescensavbrott, utnyttjade antikroppar). Det är viktigt att notera att specifikt rapporterar vissa immunhistokemistudier mycket höga makrofagantal (Fig. 4A). Dessutom kan det finnas vissa skillnader på grund av rapporterade enheter i olika studier, eftersom de två studierna med högsta makrofagprocent (medelvärden på 27% och 26% makrofager) är de enda som rapporterar i ’makrofager per totalt antal kärnor’. Vi har tidigare visat att immunhistokemistudier från vävnadsskivor kan vara partiska på grund av beroende av observationer från tvärsnitt (tunna vävnadsskivor)20. Därför kan det hävdas att tvärsnittet specifikt för adipocyter kan täcka delar av lipiddroppen, men inte kärnan, vilket resulterar i systematiska skillnader mellan räkningsmetoder.

granskning av Fettvävnadscellsammansättning i jämförelse med våra resultat med CIBERSORT (i grönt). Visad är medelvärdet (punkter), minsta och maximala (pilar) procent av totala celler (beräknat enligt antaganden och formler som anges i tilläggsmetoderna) för fem olika celltyper – makrofager (a), ASCs (B), CD4+ T-celler (C), CD8+ T-celler (D) och endotelceller (e). Färgen anger den metod som används för cellräkning som anges i legenden. De grå prickarna och pilarna i (A) är våra resultat där makrofagpoängen och monocytpoängen har lagts samman. Det visas som en jämförelse, eftersom makrofagmarkörerna CD68, HAM56 och CD14 också fläckar monocyter. Den grå pricken i (B) representerar summan av ’supra adventitial-adiposa stromalceller’ (svart prick i samma rad) och ’endotelceller’, som utmärkte sig i respektive studie, men är sannolikt båda täckta i ’adiposa stam/stromal cell’ poäng från vår AT21 signaturmatris. På vänster sida av varje tomt anges hänvisningarna till de studier från vilka resultaten togs (se kompletterande Data S4) och de använda markörerna. För ASCs och endotelceller användes en kombination av markörer (se kompletterande Data S4). En stjärna kopplad till studiereferensbrevet indikerar att studiedeltagaren hade ett genomsnittligt kroppsmassindex över 35. Det ingår i figuren eftersom det har rapporterats att makrofagfrekvensen ökar hos personer med svår fetma.

för att utvärdera det potentiella inflytandet av biologiska skillnader mellan studiedeltagare, särskilt med avseende på deras fetma status, markerade vi alla studier som involverade personer med ett genomsnittligt kroppsmassindex över 35 (svår fetma) med en stjärna (Fig. 4A). Förhållandet mellan fetma status och makrofagantal har studerats i flera artiklar, rapporterar ökade makrofagantal med ökande fetma i vissa, men inte alla studier21,22,23,24,25,26. Icke desto mindre kan fetma-statusen inte förklara den observerade mångfalden mellan rapporterade makrofagprocentandelar i vår litteraturöversikt (Fig. 4A).

För jämförelse bedömde vi skillnader mellan studier i våra analyser (endast SAT), vilket visar relativt stabila resultat, vilket indikerar en bättre standardisering trots biologiska skillnader mellan studiedeltagare och potentiella skillnader i provhantering mellan olika laboratorier (kompletterande Fig. S5). Även med RNA-Seq-nivådata för att utföra deconvolution resulterade i en lägre varians än de rapporterade studierna från litteraturen (Fig. 4, Kompletterande Fig. S6).

jämfört med litteraturrapporterna ligger den uppskattade mängden makrofager från vår analys i den nedre änden av spektrumet, med i genomsnitt 1,3% av de totala cellerna för 616 SAT-proverna (median på 0,8%, IQR: 0,03% -1,8%) och 1,2% av de totala cellerna för 51 OAT-proverna (median på 1,2%, IQR: 0,4% -1,8%). När vi tittar på ytterligheterna bekräftar våra resultat att det finns ett stort utbud av makrofagkomposition med upp till 25% makrofager i mycket sällsynta fall.

för att redogöra för det potentiella inflytandet av monocyter, som också uttrycker markörerna som används i litteraturstudierna (CD14, CD68 och HAM56), rapporterar vi också de kombinerade fraktionerna av makrofager och monocyter från vår AT21-CIBERSORT-strategi. Detta uppgår till i genomsnitt 1,5% makrofager/monocyter i SAT-prover och 4,3% makrofager / monocyter i OAT-prover, vilket ger våra uppskattningar i närheten av de medelvärden som rapporterats i litteraturen.

mängden ASC (medelvärde 14,8% i SAT och 15,7% i OAT), CD4+ T-celler (medelvärde 0,9% i SAT och 0.4% i OAT), CD8+ T-celler (medelvärde på 0,5% både i SAT och OAT) och endotelceller (medelvärde på 0,7% i SAT och 1,8% i OAT) uppskattade av vårt tillvägagångssätt är väl i linje med litteraturrapporterna (Fig. 4B-E). I likhet med makrofager visar litteraturrapporter om ASC-kvantiteter stora variationer (Fig. 4B). Vi har identifierat tre skäl som förklarar denna variation. Först använder tre av litteraturstudierna (studier s, t och v – se kompletterande Data S4) fettvävnad från fettsugningsaspirater, som är förorenade med blod17, vilket resulterar i lägre relativa fraktioner av ASC i SVF. För det andra skiljer vissa studier mellan endotelprogenitorer och supra-adventitiala fettstamceller (t.ex. studier u och v), medan andra (inklusive vår studie) inte räknar eventuellt båda subpopulationerna som ASCs. I synnerhet när man lägger till de två subpopulationerna i studien av Zimmerlin27, den resulterande genomsnittliga fraktionen av 13,9% (grå punkt i Fig. 4B) ligger nära våra uppskattade resultat. För det tredje varierar det totala cellutbytet och stam/stromalcellsprocenten mycket beroende på metoden som används för isolering av SVF28, 29,vilket potentiellt kan förklara de mycket låga siffrorna som rapporterats av Viardot och kollegor30 (studie m).

det finns flera celltyper såsom plasmacytoid dendritiska celler, neutrofiler eller eosinofiler för vilka vi inte kunde hitta några resultat i litteraturen och därmed rapporterar vi deras frekvens i den mänskliga fettvävnaden för första gången. Vissa celltyper såsom blodplättar och erytroblaster ingår huvudsakligen som en kontroll i at21-signaturmatrisen, vilket möjliggör identifiering av närvaron av blod i proverna.

Referensdataset med celltyper isolerade från fettvävnad

För ytterligare verifiering av AT21-dekonvolutionsresultaten jämförde vi dem med dekonvolutionen baserat på AT4-signaturmatrisen bestående av fyra cellfraktioner isolerade från fettvävnad.

för att utesluta skillnader i studiepopulation och vävnadsprovtagningsförfaranden (samtidigt som skillnader i celltypsgranularitet, referensprover och utförande av plattformsanalys) använde vi ex-vivo-referensen för att dekonvolvera 779 fettvävnadsprover från Affymetrix Human U133 Plus 2.0-array som vi analyserade med vår AT21-signaturmatris tidigare. De resulterande cellprocenten (kompletterande Fig. S7) ligger i ett liknande intervall som de resultat som erhållits med användning av AT21 som referens (även om monocyt/makrofagprocentandelar är lite högre) och korrelerar rimligt bra med dem, vilket avslöjar Spearman-och Pearson-korrelationer mellan 0,41 och 0,87 (kompletterande Fig. S8). Ändå visar vår analys att val av celltyper och deras ursprung kan ha potentiell inverkan på detaljnivån i resultaten även om den totala fördelningen bevaras.

För ytterligare utvärdering av vår deconvolutionsmetod använde vi denna ex – vivo-referens för att deconvolve prover bestående av stromal vaskulär fraktion av fettvävnad (även från dataset GSE80654), vilket avslöjade en celltypsfördelning av 53% stam/stroma celler, 27% monocyter/makrofager, 19% andra leukocyter och 1% adipocyter i genomsnitt (se kompletterande Fig. S9) från n = 6 individer av totalt n = 10. Uppgifterna för de återstående fyra individerna var inte tillgängliga. Flödescytometriresultaten rapporterade något olika medelvärden på 62% stam / stromaceller, 13% monocyter/makrofager, 12% andra leukocyter, 3% endotelceller, ~10% ospecificerade), trots att de kommer från den större provstorleken på n = 10 individer i den ursprungliga studien31. Båda resultaten bekräftar den höga mängden stam / stromala celler i fettvävnad och (efter Enhetsomvandling från celler i SVF till celler i fettvävnad – se metoder) är rimligt lik våra genomsnittliga resultat som tillämpar AT21 på fettvävnad, när man överväger skillnaderna i studiepopulation, fettvävnadsprovtagningsmetoder och granularitet av celltypskillnad (4 mot 21 celltyper).

jämförelse av fyra fettvävnadsdepåer

därefter jämför vi celltypsammansättningen av fyra fettvävnadsdepåer (SAT, OAT, PAT och EAT) genom att rapportera deras genomsnittliga celltypsammansättning (Fig. 5, detaljerad i kompletterande Fig. S4). Detta indikerar att SAT har den högsta andelen adipocyter (74%) följt av OAT (66.4%), EAT (59.5%) och PAT (59.4%), medan EAT och PAT har mycket fler immunceller (20.8% respektive 20.9%) jämfört med OAT (9.8%) och SAT (7.4%). Dessutom är OAT den rikaste källan till stam / stromalceller (17.2% jämfört med 14.9% för SAT, 14.1% för EAT och 12,4% för PAT).

Beräknad procentandel av celltyper per fettdepåer: (a) cirkeldiagram som visar den totala celltypsfördelningen av olika fettvävnadsdepåer (subkutan – n = 616, omental – n = 51, perikardial – n = 66 och epikardial – N = 46) i termer av fyra huvudarketyper av celler i fettvävnad (immunceller, stam / stromala celler, adipocyter och andra). B) stapeldiagram som visar den detaljerade fördelningen av immuncellsfacket från varje fettvävnadsdepå. Alla värden är medelvärden för de analyserade proverna från respektive depå.

dessa resultat måste tolkas med försiktighet på grund av skillnader i antal och egenskaper hos personer från vilka proverna samlades in. Tillgången till EAT och PAT är starkt begränsad på grund av deras fysiologiska läge och provtagningsförfarandets invasiva karaktär. Därför togs PAT-prover från 66 patienter (ålder: 66 8 år) med kranskärlssjukdom (CAD)32 och EAT-proverna togs från 11 nyfödda (6 till 24 dagar gamla), 28 spädbarn (40 dagar till 1 år gamla) och 7 barn (2 till 7 år) med medfödd hjärtsjukdom (CHD)33.

trots skillnader i åldern för EAT-och PAT-givare är sammansättningen av immuncellarketypen i EAT och PAT anmärkningsvärt lik varandra samtidigt som den skiljer sig mycket från SAT-och OAT-prover. Detta indikerar robustheten i våra resultat såväl som den bevarade naturen hos celltypsammansättningen i dessa två fettvävnadsdepåer som omger hjärtat.dessutom rapporterar vi fraktionerna av klassiskt betecknade” adaptiva ” immunceller, inklusive B-celler, CD8+ och CD4+ T-celler, infiltrerade i EAT och PAT. Dessa adaptiva immunceller är berikade i EAT och PAT (högre i PAT än i EAT) jämfört med SAT-och OAT-depåer, vilket sannolikt kan bero på ursprunget för de analyserade proverna från patienter med CAD eller CHD, som tidigare rapporterats för CD8+ T-celler34. Vårt resultat stöds också av Mazurek och colleagues35, som jämförde uttrycket av cytokiner i både EAT och SAT hos patienter som genomgår koronar bypass-transplantat och fann att EAT är en källa till flera inflammatoriska mediatorer.

en mer detaljerad jämförelse av SAT och OAT utfördes på studien av Hardy et al. 2011 (dataset GSE20950), där båda depåer var tillgängliga från samma individer25. Denna analys avslöjade ett ökat neutrofilinnehåll I SAT (även efter korrigering för multipel testning) och ökat mesenkymalt stam/stromalcell och glatt muskelcellinnehåll i OAT (Fig. 6A). Undersökning av cellmade-härledda markörer för neutrofiler (CYP4F3) såväl som för perikardiala adipocyter (C7) och subkutana adipocyter (CMA1) bekräftade den signifikanta skillnaden mellan SAT och OAT i dessa celltyper (även efter justering för multipel testning).

Fettvävnadskomposition över fenotypiska egenskaper: (a) värmekarta som visar signifikant över (Röd) / under (blå) representerad celltyp över olika kategorier baserade på på Z-poängen (anger antalet standardavvikelser varje grupp är borta från den andra). Endast signifikanta resultat (okorrigerad p < 0.05) är färgade. Stjärnor märka resultat som förblir betydande efter korrigering för flera tester. Bönplottorna som visar (B) Alla signifikanta celltyper och (C) ASCs och subkutana adipocyter (inte detekterade som signifikanta), för den tyngre vs smalare tvilling, ojämn studie. Y-axeln beskriver skillnader i uppskattade cellfraktioner mellan den tyngre och smalare tvillingen inom ett tvillingpar.

celltypsammansättning över fenotypiska egenskaper

slutligen jämförde vi fettvävnadscelltypsammansättningen mellan individer med olika fenotypiska egenskaper, såsom olika kön, ålder, kroppsmassindex (BMI) och olika stadier av typ 2-diabetesutveckling. Dessutom inkluderade vi interventionsstudier som undersökte effekten av kaloribegränsning eller resveratrol intag på SAT-celltypsammansättning. Resultaten av dessa analyser visas i Fig. 6 och mer detaljerat i kompletterande Fig. S10 och kompletterande Data S5.

vi upptäckte signifikanta skillnader i SAT-cellsammansättning mellan män och kvinnor, vilket indikerar att det finns högre mängder plasmacytoid dendritiska celler, CD4+ T-celler, blodplättar och kondrocyter hos kvinnor, medan män har fler CD8+ T-celler, fibroblaster och endotelceller. I synnerhet var skillnaderna i CD4 + och CD8+ T-celler signifikanta även efter korrigering för multipel testning men detekterades inte baserat på enskilda etablerade eller Celltillverkade markörer. När det gäller ålder upptäckte vi bara ett signifikant resultat, vilket indikerar en högre mängd fibroblaster med ökande ålder.

Vi inkluderar fyra jämförelser relaterade till BMI, nämligen (i) ett kontinuerligt förhållande mellan BMI och cellfraktioner i SAT, (ii) en jämförelse av SAT-cellkomposition i konkordanta monozygotiska tvillingar (tyngre vs. smalare tvilling, bisexuell BMI < 3 kg/m2), (iii) samma i dishordanta monozygotiska tvillingar (tyngre vs. smalare tvilling, bisexuell BMI > 3 kg/m2) och (IV) en jämförelse av havrecellkomposition hos överviktiga vs magra barn. Den första jämförelsen indikerar att BMI är positivt korrelerat med mängden monocyter, myeloid dendritiska celler, blodplättar, osteoblaster, kondrocyter och ASC i SAT, medan korrelationen med subkutana adipocyter är negativ. Inga signifikanta skillnader detekteras mellan konkordanta tvillingar, medan disharmoniska tvillingar skiljer sig signifikant i mängden CD4 + T-celler, erytroblaster, osteoblaster (alla högre i tyngre tvillingar) såväl som B-celler (högre i smalare tvillingar) (Fig. 6B). I synnerhet finns det en tendens till högre mängder ASCs och lägre mängder adipocyter i tyngre tvillingar (Fig. 6C), som stöder respektive betydande resultat i kontinuerlig association med BMI. Däremot detekteras inte några andra fynd av den kontinuerliga föreningen med BMI i tvillingstudien, vilket kan hänföras till potentiella förvirrande effekter (ålder, kön eller andra faktorer) i den kontinuerliga föreningen.

bristen på några signifikanta resultat i jämförelsen av lean vs. överviktiga barn beror främst på begränsad kraft eftersom studien endast omfattar totalt 11 prover (5 överviktiga och 6 magra barn).

Vi gjorde sex jämförelser relaterade till diabetes, glukostolerans eller insulinresistens. Tre av dem (nedsatt glukostolerans mot normal glukostolerans i SAT; diabetes mellitus mot nedsatt glukostolerans i SAT; och insulinresistent mot känslig i OAT) visade inga statistiskt signifikanta resultat. Jämförelsen av SAT-celltypsammansättning i insulinresistent vs. känsliga individer avslöjade en signifikant ökning av glatta muskelceller hos insulinresistenta individer. SAT av personer med diabetes mellitus innehåller fler monocyter och färre eosinofiler än hos normala glukostoleranta människor, enligt vår analys, medan OAT av sjukligt överviktiga människor visar skillnader i myeloid dendritiska celler, eosinofiler (både högre hos personer med diabetes) och kondrocyter (högre hos personer utan diabetes).

Vi hittade inga bevis för att kaloribegränsning eller resveratrol-tillskott väsentligt förändrar fettvävnadscelltypsammansättningen.

intressant, en inkluderad studie rapporterar också makrofagprocentandelar som bestäms av immunohistokemistry25 (GSE20950). De visar makrofagfrekvenser för 11 HAVREPROVER (av 20 studiedeltagare) från insulinkänsliga och insulinresistenta personer, med ett genomsnittligt makrofaginnehåll på 1,8% (efter enhetskonvertering till % av de totala cellerna), vilket snyggt matchar vår uppskattning av 1.495% i genomsnitt av alla 20 deltagare (urvalskriterier för de 11 proverna för immunhistokemi ingick inte i studiebeskrivningen). De rapporterar dessutom en signifikant koppling mellan HOMA-IR och makrofaginnehåll hos dessa 11 personer, vilket vi delvis bekräftar med gränsvärde (p-värde på 0, 054) för en jämförelse av insulinresistenta kontra insulinkänsliga personer hos alla 20 studiedeltagare.