banner

Notizia

Jul 29, 2023

Analisi cellulare comparativa della corteccia motoria nell'uomo, nel marmoset e nel topo

Natura volume 598, pagine 111–119 (2021)Citare questo articolo

Accessi 46k

115 citazioni

157 Altmetrico

Dettagli sulle metriche

Una correzione dell'autore a questo articolo è stata pubblicata il 22 marzo 2022

Questo articolo è stato aggiornato

La corteccia motoria primaria (M1) è essenziale per il controllo motorio volontario ed è funzionalmente conservata in tutti i mammiferi1. Qui, utilizzando la profilazione trascrittomica ed epigenomica ad alto rendimento di oltre 450.000 singoli nuclei negli esseri umani, nelle scimmie marmoset e nei topi, dimostriamo una composizione cellulare ampiamente conservata di questa regione, con somiglianze che rispecchiano la distanza evolutiva e sono coerenti tra il trascrittoma e l'epigenoma. Le identità molecolari conservate del nucleo dei tipi di cellule neuronali e non neuronali ci consentono di generare una classificazione consensuale tra specie di tipi di cellule e di dedurre proprietà conservate di tipi di cellule tra specie. Nonostante la conservazione generale, tuttavia, sono evidenti molte specializzazioni specie-dipendenti, comprese differenze nelle proporzioni dei tipi cellulari, nell'espressione genica, nella metilazione del DNA e nello stato della cromatina. Pochi geni marcatori del tipo cellulare sono conservati tra le specie, rivelando un breve elenco di geni candidati e meccanismi regolatori responsabili delle caratteristiche conservate dei tipi cellulari omologhi, come le cellule lampadario GABAergiche. Questa classificazione trascrittomica consensuale ci consente di utilizzare patch-seq (una combinazione di registrazioni di patch-clamp di cellule intere, sequenziamento dell'RNA e caratterizzazione morfologica) per identificare le cellule Betz corticospinali dello strato 5 nei primati non umani e negli esseri umani e per caratterizzare le loro cellule altamente fisiologia e anatomia specializzate. Questi risultati evidenziano le robuste basi molecolari della diversità dei tipi cellulari in M1 tra i mammiferi e indicano i geni e i percorsi regolatori responsabili dell’identità funzionale dei tipi cellulari e dei loro adattamenti specie-specifici.

I metodi trascrittomici ed epigenomici unicellulari si sono rivelati efficaci nel chiarire la composizione cellulare dei tessuti cerebrali complessi a partire dai modelli di espressione genica e dai meccanismi regolatori sottostanti2,3,4,5,6. Nella neocorteccia del topo e dell'uomo, diversi tipi di cellule neuronali e non neuronali possono essere definiti2,3,5,7 dai loro distinti profili trascrizionali e dalle regioni di cromatina accessibile o di metilazione del DNA (DNAm)4,8, e possono essere allineati tra specie3,9,10,11 sulla base di questi profili. Studi come questi hanno dimostrato la fattibilità dello studio quantitativo dell'evoluzione dei tipi cellulari, ma presentano dei limiti: diverse regioni corticali sono state profilate nell'uomo e nei topi; diversi insiemi di trascrizioni sono stati catturati con saggi su singola cellula e singolo nucleo; e gli studi trascrittomici ed epigenomici sono stati per lo più condotti in modo indipendente.

La corteccia motoria primaria (M1, nota anche come MOp nei topi) è una regione ideale con cui affrontare domande sull'evoluzione cellulare nei roditori e nei primati. M1 è essenziale per il controllo motorio fine ed è funzionalmente conservato in tutti i mammiferi1. La regione dello strato 5 (L5) del carnivoro e del primate M1 contiene neuroni corticospinali "gigantocellulari" specializzati (cellule Betz nei primati12,13,14,15,16) con proprietà di potenziale d'azione distintive che supportano un'elevata velocità di conduzione17,18, 19. Alcune cellule Betz fanno sinapsi direttamente con i motoneuroni spinali, a differenza dei neuroni corticospinali dei roditori, che fanno sinapsi indirettamente tramite interneuroni spinali20. Queste osservazioni suggeriscono che le cellule Betz possiedono meccanismi intrinseci adattati alla specie per supportare una comunicazione rapida che dovrebbe riflettersi nelle loro firme molecolari. Per esplorare la conservazione evolutiva e la divergenza dei tipi di cellule M1 e i loro meccanismi regolatori molecolari sottostanti, abbiamo analizzato i dati trascrittomici ed epigenomici a nucleo singolo provenienti da topo, marmoset, macaco e M1 umano.

Per caratterizzare la diversità molecolare dei neuroni M1 e delle cellule non neuronali, abbiamo applicato saggi trascrittomici a nucleo singolo (sequenziamento di RNA SMART-seq v4 (SSv4) basato su piastre e sequenziamento di RNA di cromo v3 (Cv3) basato su goccioline) e saggi epigenomici (sequenziamento di RNA sequenziamento del nucleo metilcitosina 2 (snmC-seq2) e accessibilità della cromatina a nucleo singolo e sequenziamento dell'espressione dell'RNA messaggero (SNARE-seq2)) su campioni M1 isolati da cervelli umani, marmoset e topi (Dati estesi Fig. 1a-d); abbiamo anche applicato Cv3 a M1 L5 dal cervello di macaco. I singoli nuclei sono stati dissociati da tutti gli strati combinati o da singoli strati (nel caso dei test SSv4 umani) e ordinati utilizzando il marcatore neuronale NeuN per arricchire l'input cellulare a circa il 90% di neuroni e il 10% di cellule non neuronali (Dati estesi Fig. 1e). I set di dati dei topi sono riportati in un documento complementare5. Il rilevamento mediano dei geni neuronali negli esseri umani è stato più elevato quando abbiamo utilizzato SSv4 (7.296 geni) rispetto a Cv3 (5.657 geni), in parte a causa della profondità di lettura 20 volte maggiore, e il rilevamento è stato inferiore negli uistitì (4.211) e nei topi ( 5.046) quando si utilizza Cv3 (Dati estesi Fig. 1f–m).

1) and marmoset (q < 0.05 and log-transformed fold change > 1) DARs passing an upper quantile AUC cutoff. For clusters of accessible chromatin and RNA in humans, we selected up to the top 100 DARs on the basis of log-transformed fold change values (accessible chromatin, q < 0.01 and log-transformed fold change > 1; RNA, q < 0.05 and log-transformed fold change > 1). Averaged accessibility values by cell grouping were then calculated, scaled (trimming values to a minimum of 0 and a maximum of 5), and visualized using the ggHeat plotting function (SWNE package)./p>

CONDIVIDERE