老化与阿尔茨海默病等神经退行性疾病和认知能力下降显著相关。尽管大脑老化涉及复杂的分子和细胞变化，但我们对其在空间背景下的理解仍然有限。过去的研究提供了有关年龄相关脑变化的宝贵见解，但缺乏全面的空间时间分辨率。高通量空间组学有望揭示老化过程中的细胞相互作用，但目前的研究要么侧重于空间方面，要么侧重于时间方面，而不能兼顾两者。迫切需要先进的计算工具来分析空间组学数据，从而更深入地了解老化过程中特定细胞类型的变化和相互作用。
斯坦福大学和UCLA的研究人员创建了一个涵盖420万个成年小鼠脑细胞的空间解析单细胞转录组图谱，这些细胞来自成年期的20个不同年龄点。他们还研究了诸如运动和部分重编程等年轻化干预措施的效果。他们利用这一图谱开发了空间老化时钟——机器学习模型，用于识别转录组老化模式、年轻化和疾病。他们的研究发现，T细胞对邻近细胞有促老化效应，而神经干细胞则对周围组织有年轻化影响。这些见解突显了罕见细胞类型在大脑老化中的重要影响，并为抗衰老疗法提供了潜在目标。
该研究构建了一个全面的单细胞转录组图谱，涵盖了420万个成年小鼠脑细胞，这些细胞来自成年期的20个不同年龄点。这使得研究人员能够创建空间老化时钟——经过训练的机器学习模型，用于识别不同脑区域和细胞类型的老化、年轻化和疾病相关的转录组特征。该方法还考虑了稀有细胞群体，提高了大脑中与年龄相关变化的精度。通过利用这些空间时钟，研究人员能够检测与老化过程相关的特定细胞类型的模式，从而详细理解大脑生物学中的年龄相关变化。
此外，深度学习方法被用于研究特定细胞类型在老化和年轻化中的作用。研究发现，T细胞随着年龄的增长渗入大脑并对邻近细胞产生促老化影响，而神经干细胞则对周围组织产生年轻化效应。这些发现与特定的分子介质相关联，表明针对某些细胞类型可能有效对抗组织老化。这突显了治疗策略的潜力，即通过调节老化大脑中的细胞相互作用来促进年轻化并减少年龄相关衰退。
该研究通过对成年小鼠大脑进行详细的时空分析，使追踪不同区域和细胞类型的基因表达变化成为可能。开发的空间老化时钟可用于评估干预措施对老化和疾病过程的影响，达到单细胞分辨率。作者强调需要进一步研究以理解细胞邻近效应背后的机制，特别是在神经元中。他们建议需要进行更深入的研究，包括功能测定和更深层次的成像，以充分阐明T细胞和神经干细胞如何影响大脑老化及潜在的治疗策略。
(全文结束)
