SenCat Atlas kartiert Seneszenz in 14 menschlichen Zelltypen – kein universeller Marker gefunden
Ein wegweisendes multiomisches Katalogwerk mit über 30 Seneszenzmodellen enthüllt konservierte Signalwege, jedoch keinen universellen Einzelmarker – und ermöglicht ein ML-gestütztes Seneszenz-Scoring.
Zusammenfassung
Forscher am NIH National Institute on Aging haben SenCat entwickelt – einen umfassenden multiomischen Atlas der zellulären Seneszenz, der Transkriptome und Proteome über 14 primäre menschliche Zelltypen und mehr als 30 seneszenzauslösende Bedingungen hinweg kartiert. Trotz erschöpfender Analyse wurde kein einzelner RNA- oder Proteinmarker gefunden, der universell in allen seneszenten Zellen erhöht war. Es zeigten sich jedoch gemeinsame Signalwege – darunter p53, NF-κB, EMT, Apoptose und Hypoxie-Signalwege –, was darauf hindeutet, dass Seneszenz auf konservierte Schadensreaktions- und Gewebereparaturprogramme konvergiert, selbst wenn sich die spezifischen Moleküle unterscheiden. Ein maschinelles Lernframework leitete anschließend gewichtete Seneszenz-Scores ab, die seneszente von nicht-seneszenten Zellen sowohl in menschlichen als auch in Mausdatensätzen zuverlässig unterschieden – sowohl auf Bulk- als auch auf Einzelzell-Ebene. SenCat stellt eine bedeutende neue Ressource für die Alternsforschung dar und ermöglicht eine genauere Erkennung, Bewertung und Untersuchung seneszenter Zellen über verschiedene Gewebe und Spezies hinweg.
Detaillierte Zusammenfassung
Zelluläre Seneszenz — der Zustand irreversibler Zellzyklusarretierung, begleitet vom seneszenzassoziierten sekretorischen Phänotyp (SASP) — spielt in der Biologie eine doppelte Rolle: Sie ist vorteilhaft bei der Wundheilung und der embryonalen Entwicklung, aber schädlich, wenn seneszente Zellen sich abnormal ansammeln und chronische Entzündungen, Fibrose und altersbedingte Pathologien antreiben. Trotz jahrzehntelanger Forschung fehlte dem Fachgebiet ein umfassender molekularer Referenzkatalog, der verschiedene Zelltypen und Seneszenzauslöser abdeckt. Das SenCat-Projekt wurde entwickelt, um diese kritische Lücke durch groß angelegtes, kontrolliertes multiomisches Profiling zu schließen.
Das Forschungsteam des NIA Intramural Research Program erstellte Profile von 14 primären menschlichen Zelltypen, darunter zwei Fibroblasten-Typen (WI-38 Lunge, BJ Haut), zwei Epitheltypen (HSAEC, HEKn), zwei Endotheltypen (HCAEC, HUVEC), mesenchymale Stammzellen aus dem Knochenmark, vaskuläre glatte Muskelzellen, Skelettmyoblasten, periphere mononukleäre Blutzellen, Präadipozyten, Osteoblasten, Astrozyten und Melanozyten. Jeder Zelltyp wurde mehreren Seneszenzparadigmen unterzogen: chemotherapieinduziert (CTIS), durch ionisierende Strahlung induziert (IRIS), durch oxidativen Stress induziert (OSIS) und onkogeninduzierte Seneszenz (OIS), was zu über 30 verschiedenen Seneszenzmodellen führte. Die Seneszenz wurde streng bestätigt mithilfe von BrdU-Inkorporationsassays, SA-β-Galaktosidase-Aktivität und der Expression kanonischer Marker einschließlich p16, p21, IL6, GDF15 und LMNB1 — mit strikten Anforderungen, dass ein minimaler Zelltod eintritt.
Der zentrale und möglicherweise bedeutendste Befund war das vollständige Fehlen eines universellen Seneszenzmarkers sowohl auf RNA- als auch auf Proteinebene. Selbst innerhalb eines einzelnen Zelltyps reduzierte die Erhöhung der Anzahl analysierter Seneszenzparadigmen die Liste der gemeinsamen Marker zunehmend — wobei direkte DNA-schädigende Wirkstoffe (Chemotherapie und ionisierende Strahlung) nur etwa 50 % ihrer hoch- oder herunterregulierten Marker gemeinsam hatten. Entscheidend ist, dass zwar CDKN1A (p21) und GDF15-mRNAs zu den 20 am weitesten verbreiteten erhöhten Transkripten zählten, ihre entsprechenden Proteine jedoch nicht unter den 20 häufigsten gemeinsamen erhöhten Proteinen erschienen, was eine wichtige post-transkriptionelle Diskordanz offenbart. LMNB1 war bemerkenswerterweise auf RNA- und Proteinebene als herunterregulierter Marker konsistent. Die transkriptomisch-proteomische Überlappung innerhalb eines bestimmten Zelltyps überschritt 20 % nicht, was die regulatorische Komplexität auf mehreren Ebenen unterstreicht.
Trotz des Fehlens universeller Einzelmarker deckte die Pathway-Analyse mithilfe der Hallmark-Gensatzdatenbank eine konservierte Biologie auf. Pathways, die in nahezu jedem Zelltyp robust verstärkt waren, umfassten p53-Signalgebung, epithelial-mesenchymale Transition (EMT), NF-κB-Aktivierung, Apoptoseregulation und Hypoxieantwort — was seneszente Zellen als schadenreagierende Einheiten einordnet, die an Gewebereparatur und metabolischer Umprogrammierung beteiligt sind. Diese Pathway-Konservierung galt auch dann, wenn sich spezifische molekulare Effektoren zwischen Zelltypen und Auslösern unterschieden.
Um diesen Katalog in praktische Werkzeuge zu übersetzen, wendete das Team maschinelles Lernen an, um gewichtete Seneszenz-Scores zu entwickeln, die transkriptomische und proteomische Merkmale integrieren. Diese ML-verfeinerten SenCat-Signaturen unterschieden zuverlässig seneszente von nicht-seneszenten Zuständen in unabhängigen menschlichen und Mausdatensätzen, sowohl in Bulk- als auch in Einzelkern-RNA-seq-Auflösung. Die Validierung in Doxorubicin-behandelten Mauslungen und -nieren zeigte, dass SenCat-Marker dynamische, zelltypspezifische Muster der Ansammlung seneszenter Zellen im Zeitverlauf erfassten. Die Ressource wurde zudem in snRNA-seq-Daten natürlich gealterter Mausgewebe und Bulk-Proteomik-Datensätzen aus mehreren Organen validiert. Eine begleitende Studie zeigt außerdem, dass die proteomische Komponente von SenCat die senotyptypspezifische Biomarker-Entdeckung im menschlichen Plasma unterstützen kann, was auf zukünftige klinische Anwendungen im Seneszenzmonitoring hindeutet.
Wichtigste Erkenntnisse
- No single RNA or protein marker was universally elevated across all 14 human cell types and 30+ senescence models — confirming and quantifying a long-suspected gap in the field
- Within a single cell type, shared markers declined progressively as additional senescence paradigms were added; even two direct DNA-damaging agents (chemotherapy vs. ionizing radiation) shared only ~50% of their upregulated or downregulated markers
- Transcriptomic-proteomic overlap for senescence markers within any cell type did not exceed 20%, revealing extensive post-transcriptional regulation of the senescent state
- CDKN1A (p21) and GDF15 mRNAs ranked in the top 20 most broadly elevated transcripts, but their proteins were not in the top 20 shared elevated proteins; LMNB1 was consistently downregulated at both RNA and protein levels
- Pathway analysis identified five pathways conserved across nearly all cell types: p53 signaling, EMT, NF-κB activation, apoptosis regulation, and hypoxia response — despite heterogeneous individual markers
- ML-derived SenCat signatures successfully scored senescence in independent human and mouse datasets at both bulk and single-cell levels, including in doxorubicin-treated mouse lungs and kidneys and naturally aged mouse tissues
- Cell type was the primary driver of transcriptomic and proteomic expression clustering — surpassing tissue/lineage origin or differentiation stage — emphasizing cell-identity over trigger as the dominant context for senescent phenotypes
Methodik
Die Studie erstellte Profile von 14 primären menschlichen Zelltypen über mehr als 30 Seneszenz-Paradigmen mittels RNA-Sequenzierung für die Transkriptomik und Massenspektrometrie für die Proteomik, wobei seneszente Zellen mit proliferierenden Zellen oder Leervektor-Kontrollen verglichen wurden. Die Seneszenz wurde mithilfe von BrdU-Inkorporation (Zellzyklusarrest), SA-β-Galaktosidase-Aktivität und der Expression kanonischer Marker (p16, p21, IL6, GDF15, LMNB1) validiert, wobei Bedingungen, die zu signifikantem Zelltod führten, strikt ausgeschlossen wurden. Die Pathway-Anreicherungsanalyse wurde anhand der Hallmark-Gensatzdatenbank durchgeführt, und ein Machine-Learning-Framework wurde eingesetzt, um gewichtete Seneszenz-Scores abzuleiten, die in unabhängigen Maus-snRNA-seq- und Bulk-Proteomik-Datensätzen validiert wurden. Zu den statistischen Schwellenwerten gehörte ein log2-Fold-Change-Grenzwert von ≥0,585 (entspricht einer 1,5-fachen Veränderung) für die Markerbestimmung.
Studienlimitierungen
Der Katalog basiert ausschließlich auf primären In-vitro-Zellmodellen, die die mikroumgebungsbedingte Komplexität der Seneszenz in lebendem Gewebe möglicherweise nicht vollständig abbilden. Obwohl die ML-Signaturen in Mausdatensätzen und unabhängigen humanen Daten validiert wurden, sind die artenübergreifende Generalisierbarkeit sowie die Leistungsfähigkeit in spezifischen humanen Krankheitskontexten noch nicht systematisch untersucht worden. Die Studie befasst sich nicht mit der zeitlichen Dynamik des seneszenten Phänotyps über die verwendeten Profilierungszeitpunkte hinaus, und die Autoren weisen darauf hin, dass die geringe transkriptomisch-proteomische Konkordanz (<20 %) weitere mechanistische Untersuchungen zur post-transkriptionellen Regulation bei Seneszenz erforderlich macht.
Hat dir diese Zusammenfassung gefallen?
Erhalte die neueste Longevity-Forschung jede Woche in deinen Posteingang.
E-Mail-Adresse zum Abonnieren eingeben: