MétaCan
Menu
← Retour à la cohorte
Enregistrement W4410273664 · doi:10.1164/ajrccm.2025.211.abstracts.a5278

Single-cell Analysis Reveals Somatic Mutation Accumulation, Loss of Differentiation, and Increased Transcriptional Entropy in Aged Human Lungs

2025· article· en· W4410273664 sur OpenAlexaff
Ruben De Man, J.D. Cala Garcia, Taylor Adams, F. Nekola, B.J. Moss, A.R. Waich, Roberto Rangel, Seth Anderson, John E. McDonough, Micha Sam Brickman Raredon, Xiting Yan, Iván O. Rosas, Naftali Kaminski

Notice bibliographique

RevueAmerican Journal of Respiratory and Critical Care Medicine · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésSomatic cellMedicineMutationGermline mutationGeneticsCell biologyCancer researchGeneBiology

Résumé

récupéré en direct d'OpenAlex

Abstract RATIONALE: Age is a major risk factor for lung disease. Accumulation of somatic mutations has been implicated in both aging and cellular senescence. Somatic mutations can affect transcriptional stability by mechanisms including affecting gene-regulatory networks and generating aberrant transcripts. We sought to examine the role of somatic mutations in the development of age-related lung dysfunction. METHODS: Single-cell RNAseq was performed on lung tissue cores from healthy donors (32 samples, 11-72 years, 21M/11F). Following standard pre-processing and cell type annotation, mutations were called using SComatic with the default parameters. Mutation burden was calculated by dividing the number of mutations by the number of callable sites. We calculated transcriptional entropy as a means to quantify loss of cell differentiation or phenotype. This was modeled using K-L divergence, with raw count data for each cell being compared to a uniform reference distribution. RESULTS: Our scRNAseq dataset consisted of 199,400 cells, which were clustered annotated to 25 distinct cell types. Mutation burden was positively correlated with age (r=0.28, p<0.001). Globally, the top genes correlated with mutation burden included ubiquitin ligase genes (AMBRA1, ANAPC1, SEL1L, USP25, USP33) and DNA damage response genes (RAD50, PRKDC). Notably, mutation burden also correlated with expression of senescence marker CDKN2A (r=0.48, p<0.05). In capillary endothelial cells, mutation burden was correlated with decreased expression of cell type differentiation markers (Il7R, VIPR1, FCN3), and mitochondrial genes. Similarly, in AT2 cells, mutation burden was associated with reduced expression of differentiation markers (SFTPC) and increased expression of chromatin organization (H2AFJ, ACTL6A) and damage repair genes (MACROD1, RAD17, BCCIP). Transcriptional entropy was increased with aging in most cell types, except for lymphocytes and myeloid cell types [Fig A]. The greatest age-associated difference in transcriptional entropy occurred in gCap cells (p<0.05) and AT2 cells (p<0.05). Finally, transcriptional entropy was strongly positively correlated with mutation burden (r=0.51, p<0.05) [Fig B]. CONCLUSIONS: Our analysis suggests that somatic mutation accumulation is associated with heterogenous transcriptional changes in different cell types, including loss of differentiation markers and increased transcriptional entropy. This process may contribute to phenotypic changes that predispose to age-related lung disease.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,301
Écart entre enseignants0,288 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Respiratory and Critical Care Medicine→Même sujetCancer Genomics and Diagnostics→Travaux en français237 207→