![image.png](https://developer.qcloudimg.com/http-save/yehe-11125847/00be6466ebca4b5eb823e157de72c961.png)

**省流版：**
> **核心结论**：胎儿心外膜里有 **migratory fibroblast-like EPDC 状态**，富集 angiogenesis/EMT/ECM 基因模块和 WNT-FGF 分泌程序；健康成人心外膜基本只剩 mesothelial 状态，EPDC 样群体几乎消失，功能上更偏 immune/stress response。好消息是：hESC-derived epicardium 更像胎儿心外膜，这解释了它为什么能帮助心肌修复。

---
## 1. 研究背景：为什么关心心外膜？
心外膜（epicardium）在心脏发育和再生里非常关键：发育期能 EMT 形成 EPDCs，分泌 WNT/FGF/PDGF 等因子，促进血管生成和心肌成熟；斑马鱼和新生哺乳动物损伤后，心外膜会重新激活。但成人心外膜通常静息，损伤后反应也不够强。

问题是：**成人人类心外膜到底比胎儿丢了什么？**
作者把成人与胎儿人类心脏 scRNA/snRNA 数据整合，专门分析了 epicardium 的状态差异。

---

## 2. 数据与规模
- 胎儿：7个健康胎儿心脏，8-12周；10× scRNA-seq；QC后有**47,473**个细胞。
- 成人：Heart Cell Atlas， 来自6个健康供者D2-D7；筛选/QC后有**190,515**cell/nuclei进入候选。
- **分层抽样**后用于整合：成人**29,779**，胎儿**30,889**。
- 共同基因：**27,956**。
- 最终低分辨聚类：10大类；高分辨亚聚类：56个；再逐级整合。

![image.png](https://developer.qcloudimg.com/http-save/yehe-11125847/d0bfaf661c40c0b1839d6c63d01b0229.png)
::: center  
胎儿/成人样本来源、分层抽样后整合、低分辨聚类与 epicardial cell 数量。
:::

他们比较了三个 epicardial subclusters：

- **Epicardium_FB-like**：胎儿特异，近似 transient EPDC，表达 epicardial markers 同时高表达 DCN/COL1A1/POSTN/TWIST1/SPARC，TBX18 较低。
- **Epicardium_Mesothelial**：成人/胎儿共有，是成人主要保留状态。
- **Epicardium_Proliferating**：偏胎儿，表达 CENPF/HMGB2 等细胞周期基因。

![image.png](https://developer.qcloudimg.com/http-save/yehe-11125847/9b55f3ea27891e06a7073388a703591a.png)
::: center 
19 个 cluster、胎儿/成人比例。
:::

结论：**成人不是完全没有 epicardium，而是缺少 fetal EPDC-like regenerative state。**

---

## 3. 核心发现：aging 让 epicardium 从促血管新生转向免疫应答

作者对 epicardial cells 单独做基因共表达模块，得到 A–F 模块。
其中最关键两个模块为：
- **Module A：成人/免疫应激模块**
	代表基因 HP、SLPI、PLA2G2A。胎儿早期 commitment 约 13%，成人可升到 44%。说明成人心外膜并非单纯沉默，而是更偏 immune/external stimulus response。
- **Module D：胎儿 EPDC/再生血管新生模块**
	富集 angiogenesis、blood vessel development、cell migration、ECM organization、EMT/wound repair。胎儿 EPDC-rich states 的 commitment 可到 33–42%，成人 mesothelial 只有 4–12%。
![image.png](https://developer.qcloudimg.com/http-save/yehe-11125847/e8a8d5fb7c10ea67651190074506f618.png)
这就是全文最有价值的点：**aging-associated loss 不是单个 marker 消失，而是一整个 regenerative angiogenic program 丢失。**

---

## 4. Marker与信号轴
作者建立了 epicardial marker library。比较稳定的 pan-epicardial marker 是 **UPK3B**，还有 ITLN1、MSLN、KRT19、WT1、BNC1 等。
胎儿 epicardium 高表达且成人缺失/降低的再生相关基因包括：
- WNT 调节：**SFRP2、SFRP5**
- WNT ligand：**WNT2B**
- RSPO/LGR 轴：**RSPO1**
- FGF：**FGF9**
- 还有 CXCL14、COL9A3、CA9、TNNT1、MGP、SPARC、POSTN、DCN、TWIST1、SLIT3、NRP2 等。

成人更偏：HP、HAS1、SLPI、ALOX15、RBP4，以及 TNF/IL15/IL6/CCL2/CXCL1 这类免疫炎症通讯。
CellPhoneDB 结果也很漂亮：胎儿 epicardium 对 endocardial/venous endothelial/neuronal 的 predicted communication 明显增加；关键轴包括 **NRP2–VEGF、WNT2B–FZD4、RSPO1–LGR4、TGFB3**。更重要的是，成人心脏仍然能接收一些胎儿 epicardial signals，提示问题主要在成人 epicardium 的“输出端”丢失，而不是靶细胞完全失敏。

---

## 5. hESC-EPI为什么有效？
作者用 hESC-EPI 分化时间序列做 scRNA-seq，再用成体/胎儿 in vivo 数据训练 random forest 分类。发现 hESC-EPI 的 PODXL+/BNC1+ branch 更 predicted as epicardium_meso/FB-like；TCF21+/THY1+ branch 更偏 fibroblast-like。并且 hESC-EPI 中 angiogenic module D 随分化上升，接近胎儿 epicardium；成人 immune module A 基本缺失。

所以 hESC-EPI 的治疗价值可以理解为：**它保留了 fetal-like epicardial regenerative program，而不是 adult-like quiescent/immune state。**

---

## 6. 方法干货：他们怎么做 fetal/adult 多 sc/snRNA 分层整合？
这部分我觉得很值得借鉴，尤其是处理 rare cell type 时。

![image.png](https://developer.qcloudimg.com/http-save/yehe-11125847/06256cc72d389fb69cb747cd944c904e.png)
::: center  
分层和分阶段subsampling的策略
:::

### 6.1 原则：先平衡，再整合
不能直接把胎儿+成人的所有细胞直接扔进 Seurat/Harmony，因为 cardiomyocyte/endothelial/immune 会淹没 rare epicardium；scRNA 和 snRNA、donor、apex/base 也会形成混杂。
作者分两步：
1. **抽样前分层**：按 stage/donor/source/region/cell_state 或 fetal cluster 平衡；
2. **整合时分层**：先 donor 内部 source 桥接，再 fetal donors 合并，最后 adult into fetal。
---

### 6.2 胎儿QC
胎儿数据质量较低，尤其红细胞污染。
保留标准：
- UMI：1,000–15,000
- genes：> 400
- mitochondrial fraction：< 15%

双细胞：Scrublet，expected doublet rate = 0.06。
红细胞识别：用
`HBB, HBG1, HBG2, HBM, HBA2, HBA1, HBQ1, ALAS2`
做 two-compartment Gaussian mixture model，分出 RBC compartment；胎儿先内部整合聚类，若某 cluster 中 >50% 来自 RBC compartment，则整群删除。Extended Data 还提到胎儿测序深度更高，后续 downsample 到约 15k UMIs，使 complexity 关系更接近成人。

---

### 6.3 成人分层抽样
成人已有 Heart Cell Atlas `cell_state`。他们先筛 选出D2–D7：至少含 3 个 `meso` annotated cells，保证 rare mesothelial/epicardium 不是偶然出现。
然后用一个自定义分层抽样算法：
- 对每个 stratum K，大小 N_K，设目标采样量 x；
- 若 N_K < x，全取；
- 若 N_K ≥ x，在该 stratum 内按 donor 循环无放回抽样，直到 n_k > x。

成人参数大致是：
- cells：`x_cells = 597`
- nuclei：`x_nuclei = 597`
- 最后合并 cells/nuclei，平衡 source/donor/cell_state，再压到与 Meso barcode 相当的规模：`x_adult = 717`

逻辑是：不让任何 `cell_state` 过大，同时保留 rare mesothelial/epicardial 信号。注意，这里的 597/717 是论文针对该 Heart Cell Atlas 成人数据和 mesothelial/epicardium 丰度设定的经验参数，不应机械套到其他数据。换数据集时应以 rare target population 数量为锚重新设定。

---

### 6.4 胎儿分层抽样
胎儿没有现成可靠 `cell_state`，所以作者先做胎儿内部整合：
- 每个胎儿样本 LogNormalize / Scale；
- Seurat RPCA integration；
- PCA；
- FindNeighbors on integrated distances；
- Louvain：`k = 20`, `resolution = 0.5`；
- 得到 21 个 fetal stratification clusters。

然后用 canonical epicardial markers 找 putative epicardium：WT1/TCF21/BNC1/MSLN/UPK3B/KRT19/RARRES2 等，得到约 **1,598** 个 putative fetal epicardial cells。注意：**这些 epicardial cells 全保留**，再从 21 个 fetal clusters 里按 donor 均抽，使最终胎儿的细胞量量接近成人，得到 adult/fetal 约 29,779/30,889。

这一步很关键：rare target population 宁可 oversample，也不能在整合前丢失。

---

### 6.5 integration groups 与 sample tree

抽样后合并 raw UMI counts，定义 **24 个 integration groups**，即 `cell_source × donor` 的唯一组合。比如 adult cells D3、adult nuclei D3、fetal apex F2、fetal base F2 都拆开；F5 因 pilot 处理和测序平台不同，单独成组。
每个 group 单独：
```r
NormalizeData()
FindVariableFeatures()
ScaleData()
RunPCA()
```
anchor features 不是普通 variable genes，而是至少在 25% integration groups 中 variable 的基因，最终确定 **2,806 anchor genes**。
然后用 RPCA 找 anchors，并用自定义 hierarchical sample tree 做 IntegrateData：
1. donor-matched 内部桥接：adult nuclei → adult cells；fetal base → fetal apex；
2. fetal donors 之间整合；
3. adult data integrate into fetal data。

```r
anchors <- FindIntegrationAnchors(
  object.list = objs,
  anchor.features = anchor_genes,
  reduction = "rpca"
)

integrated <- IntegrateData(
  anchorset = anchors,
  sample.tree = custom_tree
)
```
整合后重新 Scale/PCA/UMAP/Louvain：低分辨 `resolution = 0.1`, `k = 20`，得 10 大类；再对每个大类 subcluster 到 56；最后按生物学相似性逐级聚合回多分辨率注释。后文 epicardial subtypes 主要用 resolution 2 的 19 clusters。

---

## 7. 我觉得最值得借鉴的几点
- rare cell type 研究不要直接全量整合，先做 stratum × donor 分层抽样；
- scRNA/snRNA 不要硬混，先 donor-matched source bridging；
- 胎儿可作为 reference，因为包含更多 immature/transition states；
- integrated assay 用来聚类/可视化，marker/DE 一定要回到 RNA assay 的 log-normalized counts；
- CellPhoneDB 单独用 CPM log2 表达，不要拿 integrated expression 直接跑细胞通讯。

---

## 8. 局限
- 成人是健康非损伤心脏，不能等同 MI 后再激活 epicardium；
- 偏关联/预测，缺少人源功能 gain/loss 证明；
- 平衡抽样利于状态发现，但不适合直接估计真实组织比例；
- 成人免疫/炎症程序增强，提示再生不只是“加 fetal signals”，也可能要调免疫时相。

---
## 9. 总结
这篇论文把成人心外膜的“不再生”具体化成了可操作的转录组清单：
**缺 EPDC-like state，缺 module D angiogenic/EMT program，缺 SFRP2/SFRP5/WNT2B/RSPO1/FGF9/TGFB3 等分泌信号；同时转向 HP/SLPI/PLA2G2A 免疫应激状态。**
如果用一句再生医学的话概括：
**不是让成人心外膜“活过来”那么简单，而是要把它从 immune-responsive quiescent mesothelium 推回 fetal EPDC-like pro-angiogenic state。**

感谢大家！今天的分享就到这里啦。撒花🌼
最近笔者在做多个数据集的subsample与整合，所以会经常分享这部分的内容。另外如果有朋友有相关经验，还请不吝赐教哦~ ；）

核心结论：胎儿心外膜里有 migratory fibroblast-like EPDC 状态，富集 angiogenesis/EMT/ECM 基因模块和 WNT-FGF 分泌程序；健康成人心外膜基本只剩 mesothelial 状态，EPDC 样群体几乎消失，功能上更偏 immune/stress response。好消息是：hESC-derived epicardium 更像胎儿心外膜，这解释了它为什么能帮助心肌修复。

【文献分享】成人心脏为什么不再生？这篇 Nat Cardiovasc Res 把“心外膜 aging”拆到了单细胞状态层面｜附 sc/snRNA 分层整合流程

文献分享：胎儿心外膜里有 migratory fibroblast-like EPDC 状态，富集 angiogenesis/EMT/ECM 基因模块和 WNT-FGF 分泌程序；健康成人心外膜基本只剩 mesothelial 状态，EPDC 样群体几乎消失，功能上更偏 immune/stress response。

其他

胎儿心外膜富含EPDC样促血管新生状态，表达SFRP2/WNT2B/FGF9等再生信号；成人心外膜转向免疫应激，丢失促血管生成程序。hESC来源心外膜保留胎儿样特征，利于心肌修复。分层抽样整合策略为稀有细胞类型研究提供方法参考。

代码解释

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

【文献分享】成人心脏为什么不再生？这篇 Nat Cardiovasc Res 把“心外膜 aging”拆到了单细胞状态层面｜附 sc/snRNA 分层整合流程-腾讯云开发者社区-腾讯云

【文献分享】成人心脏为什么不再生？这篇 Nat Cardiovasc Res 把“心外膜 aging”拆到了单细胞状态层面｜附 sc/snRNA 分层整合流程

【文献分享】成人心脏为什么不再生？这篇 Nat Cardiovasc Res 把“心外膜 aging”拆到了单细胞状态层面｜附 sc/snRNA 分层整合流程

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐