Die Einzelzell- und Einzelkern-Transkriptomik hat in den vergangenen Jahren unser Verständnis des menschlichen Skelettmuskels grundlegend verändert. Gleichzeitig blieb ein zentrales Problem bestehen: Unterschiedliche Studien verwenden unterschiedliche Protokolle, Plattformen und Zelltyp-Annotationen. Dadurch lassen sich Ergebnisse nur eingeschränkt miteinander vergleichen. Eine neue Arbeit in eBioMedicine versucht nun, genau diese Lücke zu schließen und liefert einen integrierten Referenzatlas des menschlichen Skelettmuskels.
Wir führten hierfür Daten aus sieben öffentlich verfügbaren Single-Cell- und Single-Nucleus-RNA-Sequenzierungsstudien zusammen. Nach standardisierter Qualitätskontrolle umfasste der Datensatz rund 122.000 Zellen und mehr als 630.000 Zellkerne von insgesamt 88 gesunden erwachsenen Personen. Damit entstand ein gemeinsamer Referenzraum, in dem 17 wesentliche Zellpopulationen des Skelettmuskels abgebildet werden konnten – von Immun- und Gefäßzellen über fibro-adipogene Vorläuferzellen bis hin zu Muskelstammzellen und den verschiedenen Myofaserpopulationen.
Besonders wichtig ist dabei die Kombination von Single-Cell- und Single-Nucleus-Sequenzierung. Während klassische scRNA-seq vor allem mononukleäre Zellpopulationen erfasst, sind reife Muskelfasern aufgrund ihrer Größe und ihres multinukleären Aufbaus damit nur schwer zugänglich. Die snRNA-seq ermöglicht dagegen die Analyse einzelner Myonuklei und damit auch eine detaillierte Untersuchung der eigentlichen Muskelfasern. Gleichzeitig zeigen die Daten deutlich, dass beide Verfahren unterschiedliche Transkripte unterschiedlich gut erfassen. Ein Marker, der in Single-Cell-Daten hervorragend funktioniert, muss daher in Single-Nucleus-Daten nicht zwangsläufig gleich gut funktionieren.
Genau hier liegt eine wesentliche Stärke des Atlas: Es wurde nicht einfach bekannte Marker übernommen, sondern systematisch gewebespezifische und methodenspezifische Marker identifiziert. Das ist relevant, weil etablierte automatische Annotationstools wie SingleR oder CHETAH bei spezialisierten Muskelpopulationen teilweise überraschend schlecht abschnitten. So wurden myogene Populationen in einzelnen Analysen sogar Zelltypen wie Astrozyten zugeordnet. Die Arbeit zeigt damit eindrücklich, dass breit angelegte Referenzdatenbanken für hochspezialisierte Gewebe nicht immer ausreichend sind.
Aus dem Atlas entstand deshalb auch ein frei verfügbares webbasiertes Annotationstool. Forschende können dort eigene Markerlisten eingeben und mit den Referenzdaten des Muskelatlas vergleichen. Gerade für neue Single-Cell- oder Single-Nucleus-Datensätze könnte dies helfen, Zellpopulationen konsistenter zu benennen und Ergebnisse zwischen verschiedenen Studien besser vergleichbar zu machen.
Neben dieser infrastrukturellen Funktion liefert der Atlas aber auch neue biologische Erkenntnisse. Ein besonders interessantes Beispiel betrifft die fibro-adipogenen Progenitorzellen, kurz FAPs. Diese mesenchymalen Vorläuferzellen spielen eine zentrale Rolle bei Muskelregeneration, Fibrose und pathologischem Remodeling. In der Analyse erwies sich NOVA1 als überraschend spezifischer Marker dieser Population. Das ist bemerkenswert, weil NOVA1 bislang vor allem als neuronales RNA-bindendes Protein und Regulator des alternativen Spleißens bekannt war.
Dabei konnten wir die NOVA1-Expression nicht nur auf RNA-Ebene zeigen, sondern auch immunhistochemisch in Muskelbiopsien bestätigen. Im Vergleich mit klassischen FAP-Markern zeigte sich dabei ein interessantes Bild: Decorin war auf Transkriptebene besonders sensitiv, eignete sich aufgrund seiner extrazellulären Lokalisation jedoch weniger gut zur Identifikation einzelner Zellen in der Immunfluoreszenz. PDGFRA war sehr spezifisch, markierte aber nur einen Teil der Population. NOVA1 lag gewissermaßen dazwischen und ermöglichte eine vergleichsweise klare Darstellung einzelner FAPs. Zusätzlich zeigte die Analyse von Co-Expressionsnetzwerken eine Verbindung von NOVA1 mit Signalwegen des RNA-Spleißens und der Translationsregulation. Ob NOVA1 tatsächlich eine funktionelle Rolle bei FAP-Aktivierung, Regeneration oder Fibrose spielt, bleibt allerdings offen und muss experimentell untersucht werden.
Ein zweiter Schwerpunkt der Arbeit liegt auf der myogenen Differenzierung. Durch die große Zahl analysierter Myonuklei konnten die Autoren die Entwicklung von ruhenden Muskelstammzellen über frühe Differenzierungsstadien bis hin zu reifen Typ-I- und Typ-II-Muskelfasern modellieren. Dabei zeigte sich, dass TNNT1 und TNNT3 besonders interessante Marker darstellen. Während klassische Myosin-Schwerketten wie MYH7, MYH1 oder MYH2 vor allem reife Fasertypen kennzeichnen, waren die Troponin-Gene bereits entlang früherer Differenzierungsstadien aktiv. TNNT1 charakterisierte dabei die Typ-I-, TNNT3 die Typ-II-Linie. Damit könnten diese Marker künftig hilfreich sein, um die Entwicklung unterschiedlicher Muskelfasertypen über längere Differenzierungsabschnitte hinweg zu verfolgen.
Der Atlas hat gleichzeitig klare Grenzen. Er basiert überwiegend auf gesundem adultem Muskel und bildet deshalb pathologische Zellzustände beispielsweise bei Myositiden, Muskeldystrophien oder altersbedingten Veränderungen nur unzureichend ab. Gerade bei der Anwendung auf entzündlich veränderten Muskel zeigten sich bereits Populationen, die sich nicht eindeutig dem gesunden Referenzatlas zuordnen ließen. Zudem handelt es sich bei vielen der neu identifizierten molekularen Programme zunächst um Assoziationen. Funktionelle Experimente und räumliche Verfahren wie Spatial Transcriptomics werden notwendig sein, um daraus mechanistische Modelle abzuleiten.
Dennoch schafft die Arbeit eine wichtige Grundlage für die Muskelbiologie. Statt jedes neue Single-Cell-Projekt mit einer eigenen Nomenklatur zu beginnen, steht nun ein integrierter Referenzrahmen zur Verfügung, an dem neue Datensätze ausgerichtet werden können. Besonders interessant wird daher der nächste Schritt sein: Krankheits- und Altersdatensätze systematisch gegen diesen gesunden Referenzatlas zu projizieren. Dann könnte aus einer zunächst überwiegend deskriptiven Karte zunehmend ein Werkzeug werden, mit dem sich krankheitsspezifische Zellzustände, Regenerationsprogramme und therapeutisch relevante Veränderungen im Muskel präziser erkennen lassen.