specyficzność typu komórki tissuedecoder: Heatmaps matrycy podpisu AT21 pokazującej (a) przewidywanie składu typu komórki z CIBERSORT z at21 signature matrix, (B) znormalizowana ekspresja wybranych konwencjonalnych markerów z literatury i (C) znormalizowana ekspresja przewidywanych markerów pierwotnych. Wspólny xaxis powyżej rysunku oznacza próbki używane do adnotacji typów komórek z macierzy sygnatur AT21. CellMaDe i CIBERSORT są trenowane z matrycą at21 signature, dlatego (A, C) są optymalnymi wynikami dla obu technik, podczas gdy (B) reprezentuje moc separacji konwencjonalnych markerów na matrycy at21 signature. Zielone pola oznaczają dla każdego typu komórki (kolumny) wiersz z odpowiadającym mu znacznikiem.

w celu przetestowania dekonwolucji opartej na Cibersort z matrycą podpisu AT21, wykorzystaliśmy niezależny wieloplatformowy (różne platformy mikromacierzy Affymetrix) zestaw danych walidacyjnych, pokazując, że nasze podejście prawidłowo zapewnia najwyższe wartości procentowe dla odpowiedniego izolowanego typu komórki dla wszystkich badanych typów komórek w zestawie danych walidacyjnych (dodatkowe rys. S1C).

średni szacunkowy odsetek wyizolowanych komórek wynosi 69,2% dla podskórnych adipocytów, 57,1% dla ASCs, 89,9% dla komórek B, 84.8% dla limfocytów T CD4+, 71,0% dla limfocytów T CD8+, 62,0% dla komórek NK i 90,5% dla monocytów. Przewiduje się, że frakcja CD14+ tkanki tłuszczowej (monocyty/makrofagi) składa się głównie z makrofagów (25,4%), mieloidalnych komórek dendrytycznych (24,4%) i monocytów (18,1%). Odchylenie od optymalnych wyników w oparciu o same dane referencyjne (rys. 3A) można wyjaśnić różnicami między platformami między walidacją a zestawami danych referencyjnych (zestaw danych walidacyjnych i zestaw danych referencyjnych zostały hybrydyzowane z dwoma różnymi mikrocząsteczkami Affymetrix).

cellmade primary and secondary markers

następnie scharakteryzujemy matrycę sygnaturową, badając, które geny są w niej wbudowane, i porównując ich swoistość typu komórkowego do konwencjonalnie stosowanych markerów typu komórkowego, stosując kryteria markerów pierwszorzędowych i drugorzędowych (Eqs. 1 i 2 w dziale metody). Doprowadziło to do uszeregowania wszystkich sond obecnych na tablicy zgodnie z ich podstawowymi i drugorzędnymi wynikami kryterium. Na Rys. 2B, pokazujemy 10 najlepszych genów mających najwyższy wynik kryterium pierwotnego i wtórnego z czterech typów komórek-a mianowicie ASC, limfocytów T CD8+, makrofagów i podskórnych adipocytów – i wskazujemy ich lokalizację komórkową zgodnie z terminologią ontologiczną genu (dla wszystkich 21 typów komórek patrz uzupełniające Fig. S2, Dane Uzupełniające S3). Wszystkie geny obecne w macierzy sygnatur AT21 są oznaczone pogrubioną czcionką, co pokazuje, że algorytm CIBERSORTA wybiera głównie kombinację drugorzędowych markerów (kryterium wyboru genów CIBERSORTA jest porównywalne z naszym drugorzędowym kryterium markerów), podczas gdy markery pierwotne i konwencjonalne nie zawsze są zawarte w macierzy sygnatur.

jest to w przeciwieństwie do klasycznych metod opartych na markerach, takich jak immunohistochemia, które w dużej mierze opierają się na swoistości typu komórkowego pojedynczego (pierwotnego) markera. Niemniej jednak, konwencjonalne markery, takie jak CD68 dla makrofagów, ulegają ekspresji również w innych typach komórek, takich jak monocyty, plazmacytoidowe komórki dendrytyczne10,a w mniejszym stopniu także w fibroblastach i komórkach śródbłonka11, 12, na co wskazuje również stosunkowo niski wynik kryterium pierwotnego (Fig. 2b). Dlatego proponujemy główne markery zidentyfikowane przez CellMaDe, które mają być dalej potwierdzane eksperymentalnie, zanim zostaną wyjaśnione jako alternatywne markery dla typów komórek w tkance tłuszczowej.

dla limfocytów T CD8+, konwencjonalnie stosowany marker (Klaster różnicowania 8B; CD8B) jest identyfikowany jako najsilniejszy główny marker, co nie było zbyt zaskakujące. Jednak Klaster różnicowania 4 (CD4)nie jest bardzo specyficzny dla limfocytów T CD4+, co pokazuje jego powszechna ekspresja w innych typach komórek krwiotwórczych, takich jak monocyty lub makrofagi (Fig. 3b, dodatkowe rys. S2). Jest to również powód, dla którego w cytometrii przepływowej CD4 stosuje się dopiero po identyfikacji populacji komórek CD3+ (limfocytów T) w celu identyfikacji limfocytów T CD4+. Dendrocyt ekspresji siedmiu białka Transmembrany (DCSTAMP) jest zidentyfikowany jako bardzo specyficzny główny marker dla makrofagów według naszej analizy. Na Rys. 3C obserwujemy, że wysoka ekspresja DCSTAMP jest ograniczona do podzbioru próbek makrofagów, co może podkreślać jego specyficzność wobec podzbioru makrofagów, np. makrofagów olbrzymich, jak sugerują wcześniejsze badania13. W przypadku ASCs zidentyfikowany główny marker EEA1 nie jest zbyt uderzający. W przypadku tego typu komórek proponujemy użycie kombinacji drugorzędowych markerów, które zostały zaimplementowane w strategiach bramkowania cytometrii przepływowej, a także w algorytmie CIBERSORT.

przypadek podskórnych adipocytów wydaje się być podobny jak główny marker cma1 również nie jest zbyt uderzający. Można to jednak przypisać temu, że adipocyty osierdziowe są również częścią matrycy referencyjnej. Stąd podstawowe kryterium nie w tym przypadku koncentruje się nie tylko na odróżnieniu adipocytów od innych typów komórek, ale także na odróżnieniu adipocytów od dwóch różnych składów. Dlatego włączyliśmy dodatkową analizę poprzez połączenie wszystkich adipocytów w matrycy referencyjnej w celu określenia pierwotnych markerów dla adipocytów. Trzy główne markery zidentyfikowane dla adipocytów w tej analizie były SPARCL1, ADIPOQ, i THRSP.

w celu dalszej oceny zidentyfikowanych górnych markerów pierwotnych porównaliśmy ich ekspresję w bardziej obszernym niezależnym zbiorze danych składającym się z 394 anatomicznie opisywanych profili ekspresji tkanek (Fig. S3, Metody Uzupełniające). Sześć z 21 głównych markerów jest w pełni zwalidowanych, zdefiniowanych jako wykazujące najwyższą ekspresję w proponowanym typie komórki, a mianowicie CALCRL dla komórek śródbłonka, SPTA1 dla erytroblastów, CD8B dla komórek T CD8+, MS4A1 dla komórek B, PRSS33 dla eozynofilów i DCSTAMP dla makrofagów. Dwanaście markerów jest częściowo zwalidowanych, zidentyfikowanych jako jeden z pięciu najlepszych z 394 anatomicznie opisywanych profili ekspresji tkanek lub wyrażanych na wyższym poziomie tylko w typach komórek, które nie są związane z tkanką tłuszczową, takich jak miocyty lub neurony. Tylko trzy markery nie zostały zwalidowane, a mianowicie EEA1 dla ASCs, RGS5 dla komórek mięśni gładkich i PF4V1 dla płytek krwi, ten ostatni z powodu braku płytek w zestawie danych walidacyjnych dla PF4V1, uniemożliwiając jego właściwą ocenę.

wreszcie, wykorzystaliśmy niezależny zestaw danych walidacyjnych do oceny siły dyskryminacyjnej zidentyfikowanych górnych markerów pierwotnych. Wyniki tej analizy przedstawiono na rysunku uzupełniającym. S1 i dane uzupełniające S2, wykazujące, że główne markery są wyrażone i są w stanie rozróżnić typy komórek w zestawie danych walidacyjnych, z wyjątkiem cma1 dla podskórnych adipocytów i EEA1 dla ASCs (dodatkowe rys. S1B).

Kontekstualizacja wyników – przegląd literatury

jako kolejny etap oceny, zebraliśmy ilościowe raporty literaturowe dotyczące składu komórek ludzkiej tkanki tłuszczowej w celu porównania szacunków naszego podejścia do dekonwolucji dla 1119 próbek SAT (616 mikromacierzy i 503 RNA-Seq datasets) i 51 próbek owsa z opisanymi wartościami procentowymi w literaturze.

najpierw szukaliśmy jakichkolwiek raportów w literaturze określających procentowy udział adipocytów w tkance tłuszczowej. Badania te ujawniły szereg szacunków z ~93% 14, ~70% 15,16 i ~15% 17, które potencjalnie można wyjaśnić różnicami w przetwarzaniu próbek (np. usuwanie naczyń krwionośnych) i metodach liczenia (np. histologia vs izolacja komórek, różne markery). Niedawno Glastonbury i współpracownicy oszacowali frakcję adipocytów w dwóch zbiornikach danych RNA-Seq podskórnej tkanki tłuszczowej na poziomie populacji (TwinsUK, n = 766 i projekt ekspresji genotypu-tkanki , n = 326), szacując względne proporcje czterech różnych typów komórek (adipocytów, makrofagów, komórek T CD4 + i mikro-naczyniowych komórek śródbłonka). Ich oszacowanie dla mediany odsetka adipocytów wynosi 62% dla badania GTEx i 82% Twinsuk18.

następnie skoncentrowaliśmy się na badaniach oznaczających frakcje nie-adipocytów19 i włączyliśmy do naszego przeglądu 25 oryginalnych badań. Wyniki ilościowe frakcji komórkowych wyekstrahowanych z tych badań przedstawiono na Fig. 4 oraz dane uzupełniające S4 (szczegółowe informacje dotyczące metodologii znajdują się w metodach uzupełniających). Liczba komórek w przypadku makrofagów znacznie się różni, od średniej liczby mniejszej niż 1% wszystkich komórek w niektórych badaniach do średniej liczby 27% wszystkich komórek w innym badaniu. Te dość duże różnice między badaniami mogą wynikać z kilku czynników, w tym (i) rzeczywistych różnic biologicznych między analizowanymi próbkami, (ii) lokalnego wzbogacania makrofagów (np. w strukturach koronopodobnych), które szczególnie wpływają na wyniki z niską całkowitą liczbą komórek, taką jak immunohistochemia, (iii) różnice techniczne między wykorzystywanymi metodologiami i markerami oraz (iv) różnice w obsłudze próbek i protokołach analizy (np. odcięcia fluorescencyjne, wykorzystane przeciwciała). Ważne jest, aby zauważyć, że w szczególności, niektóre badania immunohistochemiczne raport bardzo wysokie liczby makrofagów (rys. 4a). Ponadto mogą występować pewne różnice ze względu na zgłaszane jednostki w różnych badaniach, ponieważ dwa badania z najwyższymi odsetkami makrofagów (średnie 27% i 26% makrofagów) są jedynymi raportującymi w „makrofagach na całkowitą liczbę jąder”. Wykazaliśmy wcześniej, że badania immunohistochemiczne z plasterków tkanek mogą być stronnicze ze względu na poleganie na obserwacjach z przekrojów (cienkich plasterków tkanek)20. Dlatego można argumentować, że w szczególności dla adipocytów przekrój może obejmować części kropli lipidowych, ale nie jądro, co powoduje systematyczne różnice między metodami liczenia.

przegląd składu komórkowego tkanki tłuszczowej: przegląd piśmiennictwa opisanego składu komórkowego tkanki tłuszczowej w porównaniu z naszymi Wynikami przy użyciu CIBERSORT (na Zielono). Pokazany jest średni (kropki), minimalny i maksymalny (strzałki) procent wszystkich komórek (obliczony zgodnie z założeniami i wzorami określonymi w metodach uzupełniających) dla pięciu różnych typów komórek – makrofagów (a), ASCs (B), komórek T CD4+ (C), komórek T CD8+ (D) i komórek śródbłonka (E). Kolor określa metodę wykorzystywaną do zliczania komórek zgodnie z legendą. Szare kropki i strzałki w (A)to nasze wyniki, w których dodano punktację makrofagów i punktację monocytów. Jest to pokazane jako porównanie, ponieważ markery makrofagów CD68, HAM56 i CD14 również plamią monocyty. Szara kropka w (B) reprezentuje sumę „komórek Supra adventicial-adipose stromal cells” (czarna kropka w tym samym rzędzie) i „komórek progenitorowych śródbłonka”, które zostały wyróżnione w odpowiednim badaniu, ale prawdopodobnie oba są objęte wynikiem „adipose stem/stromal cell” z naszej matrycy at21 signature matrix. Po lewej stronie każdego wykresu podane są odniesienia do badań, z których uzyskano wyniki (patrz dane uzupełniające S4) oraz wykorzystane markery. Dla komórek ASCs i śródbłonka zastosowano kombinację markerów (patrz dane uzupełniające S4). Gwiazda dołączona do listu referencyjnego badania wskazuje, że średni wskaźnik masy ciała uczestnika badania wynosił powyżej 35. Jest on uwzględniony w rysunku, ponieważ doniesiono, że częstość makrofagów jest zwiększona u osób z ciężką otyłością.

w celu oceny potencjalnego wpływu różnic biologicznych między uczestnikami badania, zwłaszcza w odniesieniu do ich otyłości, oznaczyliśmy wszystkie badania z udziałem osób o średnim wskaźniku masy ciała powyżej 35 (otyłość ciężka) gwiazdką (rys. 4a). Związek między otyłością a liczbą makrofagów został zbadany w kilku artykułach, w niektórych, ale nie we wszystkich badaniach21 odnotowano wzrost liczby makrofagów wraz ze wzrostem otyłości,22,23,24,25,26. Niemniej jednak, status otyłości nie może wyjaśnić obserwowanej różnorodności między zgłaszanymi procentami makrofagów w naszym przeglądzie literatury (rys. 4a).

dla porównania oceniliśmy różnice między badaniami w naszych analizach (tylko SAT), wykazując stosunkowo stabilne wyniki, co wskazuje na lepszą standaryzację pomimo różnic biologicznych uczestników badania i potencjalnych różnic w obchodzeniu się z próbkami między różnymi laboratoriami (dodatkowe rys. S5). Nawet użycie danych na poziomie RNA-Seq do przeprowadzenia dekonwolucji spowodowało mniejszą wariancję niż w badaniach przedstawionych w literaturze (Fig. 4, Dodatkowe Rys. S6).

w porównaniu do doniesień z literatury, szacowana ilość makrofagów z naszej analizy znajduje się na dolnym końcu spektrum, ze średnią 1,3% całkowitych komórek dla 616 próbek SAT (mediana 0,8%, IQR: 0,03% -1,8%) i 1,2% całkowitych komórek dla 51 próbek owsa (mediana 1,2%, IQR: 0,4% -1,8%). Patrząc na skrajności, nasze wyniki potwierdzają, że istnieje duży zakres składu makrofagów z maksymalnie 25% makrofagów w bardzo rzadkich przypadkach.

w celu uwzględnienia potencjalnego wpływu monocytów, które również wyrażają markery wykorzystywane w badaniach literaturowych (CD14, CD68 i HAM56), zgłaszamy również połączone frakcje makrofagów i monocytów z naszego podejścia AT21-CIBERSORT. Wynosi to średnio 1,5% makrofagów / monocytów w próbkach SAT i 4,3% makrofagów / monocytów w próbkach owsa, co zbliża nasze szacunki do średnich wartości podawanych w literaturze.

ilość ASCs (średnio 14, 8% W SAT i 15, 7% w owsie), limfocytów T CD4+ (średnio 0, 9% W SAT i 0.4% w owsie), limfocyty T CD8+ (średnio 0,5% zarówno w SAT jak i owsie) oraz komórki śródbłonka (średnio 0,7% W SAT i 1,8% w owsie) oszacowane przez nasze podejście jest zgodne z opisami w literaturze (Fig. 4B-E). Podobnie jak makrofagi, doniesienia literaturowe o ilościach ASC wykazują duże różnice (rys. 4B). Zidentyfikowaliśmy trzy powody wyjaśniające tę zmienność. Po pierwsze, trzy z badań literaturowych (badania s, t I v – patrz dane uzupełniające S4) wykorzystują tkankę tłuszczową z aspiratów liposukcji, która jest zanieczyszczona krwią17, co skutkuje niższymi względnymi frakcjami ASCs w SVF. Po drugie, niektóre badania rozróżniają między śródbłonkowymi komórkami progenitorowymi i nadprzyrodzonymi komórkami macierzystymi (np. badania u I v), podczas gdy inne (w tym nasze badanie) nie, prawdopodobnie zaliczając obie subpopulacje jako ASC. Warto zauważyć, że sumując dwie subpopulacje w badaniu Zimmerlin27, otrzymany średni ułamek 13,9% (szara kropka na Fig. 4B) jest zbliżony do naszych szacowanych wyników. Po trzecie, Całkowita wydajność komórek i odsetek komórek macierzystych/zrębowych różnią się znacznie w zależności od metody stosowanej do izolacji SVF28,29, co może potencjalnie wyjaśnić bardzo niskie liczby zgłaszane przez Viardot i kolegi30 (badanie m).

istnieje kilka typów komórek, takich jak plazmacytoidowe komórki dendrytyczne, neutrofile lub eozynofile, dla których nie mogliśmy znaleźć żadnych wyników w literaturze i dlatego po raz pierwszy informujemy o ich częstości w ludzkiej tkance tłuszczowej. Niektóre typy komórek, takie jak płytki krwi i erytroblasty, są głównie włączane jako kontrola w matrycy AT21, co pozwala na identyfikację obecności krwi w próbkach.

zbiór danych referencyjnych z typami komórek wyizolowanymi z tkanki tłuszczowej

w celu dalszej weryfikacji wyników dekonwolucji AT21 porównaliśmy je z dekonwolucją opartą na macierzy sygnaturowej AT4 składającej się z czterech frakcji komórkowych wyizolowanych z tkanki tłuszczowej.

aby wykluczyć różnice w badanej populacji i procedurach pobierania próbek tkanek (zachowując różnice w ziarnistości typu komórki, próbkach referencyjnych i przeprowadzając analizę krzyżową), użyliśmy odniesienia ex-vivo do dekonwolucji próbek tkanki tłuszczowej 779 z tablicy Affymetrix Human U133 Plus 2.0, którą wcześniej analizowaliśmy za pomocą naszej matrycy sygnatur AT21. Uzyskane wartości procentowe komórek (dodatkowe rys. S7) znajdują się w podobnym zakresie, jak wyniki uzyskane przy użyciu AT21 jako odniesienia (chociaż procent monocytów/makrofagów jest nieco wyższy) i korelują z nimi dość dobrze, ujawniając korelacje Spearmana i Pearsona między 0,41 a 0,87 (dodatkowe rys. S8). Niemniej jednak nasza analiza pokazuje, że wybór typów komórek i ich pochodzenia może mieć potencjalny wpływ na poziom szczegółowości wyników, chociaż ogólny rozkład jest zachowany.

w celu dalszej oceny naszego podejścia do dekonwolucji, użyliśmy tego „odniesienia ex-vivo” do próbek dekonwolucyjnych składających się z zrębowej frakcji naczyniowej tkanki tłuszczowej (również z zestawu danych GSE80654), ujawniając rozkład typu komórkowego 53% komórek macierzystych/zrębowych, 27% monocytów/makrofagów, 19% innych leukocytów i średnio 1% adipocytów (patrz dodatkowe Fig. S9) od n = 6 osób z całkowitej liczby n = 10. Dane dotyczące pozostałych czterech osób nie były dostępne. Wyniki cytometrii przepływowej wykazały nieco różne średnie wartości 62% komórek macierzystych/zrębowych, 13% monocytów/makrofagów, 12% innych leukocytów, 3% komórek śródbłonka, ~10% nieokreślonych), pomimo że pochodzą z większej próbki N = 10 osobników w pierwotnym badaniu. Oba wyniki potwierdzają dużą ilość komórek macierzystych / zrębowych w tkance tłuszczowej i (po konwersji jednostek z komórek w SVF do komórek w tkance tłuszczowej – patrz metody) są racjonalnie podobne do naszych średnich wyników stosowania AT21 do tkanki tłuszczowej, biorąc pod uwagę różnice w badanej populacji, metody pobierania próbek tkanki tłuszczowej i ziarnistość rozróżnienia typu komórki (4 vs.21 typy komórek).

porównanie czterech magazynów tkanki tłuszczowej

następnie porównujemy skład typu komórkowego czterech magazynów tkanki tłuszczowej (SAT, OAT, PAT i EAT), zgłaszając ich średni skład typu komórkowego (rys. 5, Szczegółowe na Rys. uzupełniającym. S4). Oznacza to, że SAT ma najwyższy odsetek adipocytów (74%), a następnie owsa (66,4%), EAT (59,5%) i PAT (59,4%), podczas gdy EAT i PAT mają znacznie więcej komórek odpornościowych (odpowiednio 20,8% i 20,9%) w porównaniu do owsa (9,8%) i SAT (7,4%). Ponadto owies jest najbogatszym źródłem komórek macierzystych/zrębowych (17,2% w porównaniu do 14,9% dla SAT, 14.1% W przypadku jedzenia i 12,4% w przypadku PAT).

szacowany procent typów komórek na skład tkanki tłuszczowej: (a) Wykres kołowy pokazujący ogólny rozkład typów komórek różnych magazynów tkanki tłuszczowej (podskórnie – N = 616, omental – N = 51, pericardial – N = 66 i epicardial – N = 46) pod względem czterech głównych archetypów komórek w tkance tłuszczowej (komórki odpornościowe, komórki macierzyste / zrębowe, adipocyty i inne). B) wykresy prętowe pokazujące szczegółowy rozkład przedziału komórek odpornościowych z każdego depozytu tkanki tłuszczowej. Wszystkie wartości są średnią analizowanych próbek z odpowiedniego składu.

wyniki te należy interpretować ostrożnie ze względu na różnice w liczbie i cechach osób, od których pobrano próbki. Dostęp do jedzenia i PAT jest poważnie ograniczony ze względu na ich fizjologiczne położenie i inwazyjny charakter procedury pobierania próbek. Dlatego próbki PAT pobrano od 66 pacjentów (wiek: 66 ± 8 lat) z chorobą wieńcową (CAD)32 i próbki EAT pobrano od 11 noworodków (w wieku od 6 do 24 dni), 28 niemowląt (w wieku od 40 dni do 1 roku) i 7 dzieci (w wieku od 2 do 7 lat) z wrodzoną chorobą serca (CHD)33.

pomimo różnic w wieku dawców EAT i PAT, skład archetypu komórek odpornościowych w EAT i PAT jest niezwykle podobny do siebie, a jednocześnie bardzo różni się od próbek SAT i OAT. Wskazuje to na solidność naszych wyników, jak również na zachowaną naturę składu typu komórkowego w tych dwóch magazynach tkanki tłuszczowej otaczających serce.

ponadto zgłaszamy frakcje klasycznie oznaczonych „adaptacyjnych” komórek odpornościowych, w tym komórek B, komórek T CD8+ i CD4+, infiltrowanych Do EAT i PAT. Te adaptacyjne komórki odpornościowe są wzbogacone w EAT i PAT (wyższe w PAT niż w EAT) w porównaniu do magazynów SAT i OAT, co może być prawdopodobnie spowodowane pochodzeniem analizowanych próbek od pacjentów z CAD lub CHD, jak opisano wcześniej dla limfocytów T CD8+ 34. Nasze odkrycie jest również poparte przez Mazurek i kolegi35, którzy porównali ekspresję cytokin zarówno w EAT, jak i SAT u pacjentów poddawanych pomostowaniu tętnic wieńcowych i stwierdzili, że EAT jest źródłem kilku mediatorów zapalnych.

bardziej szczegółowe porównanie SAT i OAT przeprowadzono na badaniu Hardy et al. 2011 r. (zbiór danych GSE20950), w którym oba magazyny były dostępne od tych samych indywidualnych25. Analiza ta wykazała zwiększoną zawartość granulocytów obojętnochłonnych w SAT (również po korekcie do wielokrotnych testów) oraz zwiększoną zawartość komórek mezenchymalnych macierzystych/zrębowych i mięśni gładkich w owsie (Fig. 6a). Badanie markerów pochodzenia komórkowego dla neutrofili (CYP4F3), a także dla adipocytów osierdziowych (C7) i adipocytów podskórnych (cma1) potwierdziło istotną różnicę między SAT a owsem w tych typach komórek (również po dostosowaniu do wielokrotnych testów).

skład tkanki tłuszczowej w różnych cechach fenotypowych: (a) Mapa cieplna pokazująca znaczący typ komórki powyżej (czerwony)/poniżej (niebieski) w różnych kategoriach na podstawie wyniku z (oznacza liczbę odchyleń standardowych każda grupa jest oddalona od drugiej). Tylko znaczące wyniki (nieskorygowane p < 0.05) są barwione. Gwiazdy oznaczają wyniki, które pozostają znaczące po korekcie dla wielu testów. Wykresy fasoli pokazujące (B) wszystkie istotne typy komórek i (C) ASCs i podskórne adipocyty (nie wykryte jako znaczące), dla cięższego vs szczuplejszego bliźniaka, niezgodnego badania. Oś y opisuje różnice w szacowanych frakcjach komórkowych pomiędzy cięższym i szczuplejszym bliźniakiem w obrębie pary bliźniaczej.

skład typu komórkowego między cechami fenotypowymi

wreszcie porównaliśmy skład typu komórkowego tkanki tłuszczowej między osobami o różnych cechach fenotypowych, takich jak inna płeć, wiek, wskaźnik masy ciała (BMI) i różne etapy rozwoju cukrzycy typu 2. Ponadto uwzględniliśmy badania interwencyjne badające wpływ ograniczenia kalorycznego lub spożycia resweratrolu na skład typu komórek SAT. Wyniki tych analiz przedstawiono na Fig. 6 i bardziej szczegółowo na rysunku uzupełniającym. S10 i dane uzupełniające S5.

wykryliśmy znaczące różnice w składzie komórek SAT między samcami i samicami, wskazując, że u samic występuje większa ilość plazmacytoidowych komórek dendrytycznych, limfocytów T CD4+, płytek krwi i chondrocytów, podczas gdy u samców występuje więcej limfocytów T CD8+, fibroblastów i komórek śródbłonka. W szczególności, różnice w limfocytach T CD4+ i CD8 + były znaczące również po korekcji dla wielu testów, ale nie zostały wykryte w oparciu o pojedyncze ustalone lub pochodzące od komórek markery. W odniesieniu do wieku wykryliśmy tylko jeden znaczący wynik, wskazujący na większą ilość fibroblastów wraz z wiekiem.

zaliczamy cztery porównania związane z BMI, a mianowicie (i) ciągłą zależność BMI z frakcjami komórkowymi w SAT, (ii) porównanie składu komórkowego SAT u konkordantnych bliźniąt monozygotycznych (cięższy vs.szczuplejszy twin, ∆BMI< 3 kg/m2), (iii) to samo u niezgodnych bliźniąt monozygotycznych (cięższy vs. szczuplejszy twin, ∆BMI< 3 kg/m2),>

3 kg / m2) oraz (IV) porównanie składu komórkowego owsa u dzieci otyłych i chudych. Pierwsze porównanie wskazuje, że BMI jest dodatnio skorelowane z ilością monocytów, mieloidalnych komórek dendrytycznych, płytek krwi, osteoblastów, chondrocytów i ASCs w SAT, podczas gdy korelacja z podskórnymi adipocytami jest ujemna. Nie wykryto istotnych różnic pomiędzy bliźniakami konkordanckimi, podczas gdy bliźniaki niezgodne różnią się znacząco ilością limfocytów T CD4+, erytroblastów, osteoblastów (wszystkie wyższe u cięższych bliźniąt), a także limfocytów B (wyższe u szczuplejszych bliźniąt) (Fig. 6b). W szczególności, istnieje tendencja do większych ilości ASCs i mniejszych ilości adipocytów w cięższych bliźniaków (Fig. 6C), wspierając odpowiednie znaczące odkrycie w ciągłym związku z BMI. W przeciwieństwie do tego, niektóre inne wyniki ciągłego związku z BMI nie są wykrywane w badaniu bliźniaczym, które można przypisać potencjalnym efektom zakłócającym (wiek, płeć lub inne czynniki) w ciągłym związku.

brak jakichkolwiek istotnych wyników w porównaniu lean vs. otyłe dzieci wynika głównie z ograniczonej mocy, ponieważ badanie obejmuje tylko w sumie 11 próbek (5 otyłych i 6 chudych dzieci).

dokonaliśmy sześciu porównań związanych z cukrzycą, tolerancją glukozy lub insulinoopornością. Trzy z nich (upośledzona tolerancja glukozy w porównaniu z normalną tolerancją glukozy w SAT; cukrzyca w porównaniu z upośledzoną tolerancją glukozy w SAT; oraz insulinooporny w porównaniu z wrażliwym w owsie) nie wykazały żadnych statystycznie istotnych wyników. Porównanie składu komórek typu SAT u opornych na insulinę vs. osoby wrażliwe wykazały znaczny wzrost komórek mięśni gładkich u osób opornych na insulinę. SAT osób z cukrzycą zawiera więcej monocytów i mniej eozynofilów niż u osób normalnie tolerujących glukozę, zgodnie z naszą analizą, podczas gdy owies osób chorobliwie otyłych wykazuje różnice w mieloidalnych komórkach dendrytycznych, eozynofilach (oba wyższe u osób z cukrzycą) i chondrocytach (wyższe u osób bez cukrzycy).

nie znaleźliśmy żadnych dowodów na to, że ograniczenie kalorii lub suplementacja resweratrolem znacząco zmienia skład komórek tkanki tłuszczowej.

Co ciekawe, w jednym z badań odnotowano również procenty makrofagów określone przez immunohistochemistry25 (GSE20950). Pokazują częstotliwości makrofagów dla 11 próbek owsa (z 20 uczestników badania) od osób wrażliwych na insulinę i odpornych na insulinę, ze średnią zawartością makrofagów 1,8% (po konwersji jednostkowej do % wszystkich komórek), co ładnie pasuje do naszego oszacowania 1.495% jako średnia spośród wszystkich 20 uczestników (kryteria wyboru 11 próbek do badań immunohistochemicznych nie zostały uwzględnione w opisie badania). Ponadto zgłaszają znaczący związek między HOMA-IR a zawartością makrofagów u tych 11 osób, co częściowo potwierdzamy z granicznym znaczeniem (wartość p 0,054) dla porównania osób insulinoopornych z osobami wrażliwymi na insulinę u wszystkich 20 uczestników badania.