ALS/ALS-FTD研究里，TDP-43几乎是绕不开的病理核心。真正难的问题并不是"它重不重要"，而是：TDP-43病理到底落在哪些细胞类型上？
这篇文章用单核多组学、TDP-43病理核分选和空间映射，把这个问题拆到了细胞类型和RNA加工事件层面。
读这篇先看这条主线：ALS/ALS-FTD运动皮层中的TDP-43病理主要影响特定兴奋性神经元，并且不同神经元亚型产生的转录和cryptic exon异常并不相同。
核心线索：本文通过10x Multiome单核RNA+ATAC、FANS-seq分选TDP-43Low神经元和空间转录组映射，把ALS/ALS-FTD中的TDP-43病理定位到一组选择性脆弱的兴奋性神经元状态。
文献信息
| 项目 | 内容 |
|---|---|
| 标题 | Multi-modal dissection of cell-type specific TDP-43 pathology in the motor cortex |
| 中文理解 | 本文整合单核RNA、单核ATAC、TDP-43病理核分选和空间转录组映射，解析ALS/ALS-FTD运动皮层中TDP-43病理主要影响哪些神经元类型，以及这些细胞中产生怎样的转录和RNA加工异常。 |
| 期刊 | Nat. Commun. |
| 发表时间 | 2026年3月9日 |
| 研究方向 | ALS/ALS-FTD、TDP-43病理、运动皮层、单核多组学、神经退行性疾病 |
| 核心资源/队列 | 人类死后初级运动皮层、多队列ALS/ALS-FTD样本、FANS-seq病理核分选数据 |
| 样本量/数据规模 | 30例ALS、20例ALS-FTD、32例对照；单核多组学超过18万个高质量细胞核 |
| DOI | 10.1038/s41467-026-69944-6 |
| PMID | 41803120 |
| PMCID | PMC12982666 |
| 数据/代码 | EGA、Zenodo、GitHub |
这篇文章解决了什么问题？
TDP-43从细胞核丢失并在胞质异常聚集，是ALS和ALS-FTD中非常典型的病理事件。过去研究已经知道TDP-43异常会影响RNA剪接、隐秘外显子纳入、可变多聚腺苷酸化和轴突相关基因。
但仍然有一个关键问题没有被充分拆开：TDP-43病理是不是均匀影响所有神经元？
这篇文章的设计价值就在这里。作者不是只比较疾病组和对照组的差异表达，而是进一步用流式分选TDP-43Low神经元核，直接把病理状态和细胞类型联系起来。
这样一来，文章回答的不只是"ALS/ALS-FTD运动皮层发生了什么改变"，而是更具体地回答：哪些神经元真正承载了TDP-43病理？这些细胞中出现了哪些细胞类型特异性分子后果？
文章摘要
作者基于人类死后初级运动皮层，构建了一个包含单核RNA-seq和单核ATAC-seq的多组学图谱，并结合FANS-seq分选TDP-43Low与TDP-43High神经元，直接比较TDP-43病理相关细胞状态。
研究发现，TDP-43病理主要影响兴奋性皮层神经元，尤其包括L2-L3 LINC00507-FREM3、L3-L5 RORB-LNX2、L3-L5 RORB-ADGRL4、L6 THEMIS-LINC00343以及L5 FEZF2-NTNG1相关神经元。
在分子层面，TDP-43Low神经元表现出明显的转录异常和RNA加工异常，包括cryptic exon inclusion和可变多聚腺苷酸化改变。经典事件如STMN2、KALRN、ELP1和MARK3相关异常也在数据中得到观察。
更重要的是，这些异常不是所有神经元共享一套程序，而是在不同兴奋性神经元类型中影响不同基因集。
分析策略
这篇文章的分析路线可以压缩成四个层次：
- 单核多组学建图：在同一细胞核中同时获得RNA表达和ATAC开放信息。
- 层级细胞注释：把运动皮层细胞拆分为兴奋性神经元、抑制性神经元和胶质细胞亚型。
- 病理核直接分选：用TDP-43信号区分TDP-43Low和TDP-43High神经元。
- 机制整合：联合DEG、cryptic exon、APA、染色质开放和空间映射解释病理选择性。
这套设计的关键不在于"多做了几个组学"，而在于每个模态都有明确分工：RNA看表达状态，ATAC看调控背景，FANS-seq看病理细胞，空间映射看皮层层级，RNA加工分析看TDP-43核功能丢失后的直接后果。
材料与方法
| 模块 | 内容 |
|---|---|
| 研究对象 | 人类死后初级运动皮层，主要为Brodmann area 4 |
| 疾病分组 | ALS、ALS-FTD、C9ORF72相关ALS-FTD和神经系统正常对照 |
| 样本规模 | 30例ALS、20例ALS-FTD和32例对照相关样本 |
| 多组学平台 | 10x Genomics Multiome，同时获得单核RNA表达和ATAC开放信息 |
| 病理分选 | NeuN、TDP-43和DAPI标记，流式分选TDP-43Low与TDP-43High神经元核 |
| 数据整合 | scVI用于RNA表达整合，peakVI用于ATAC分析，WNN用于多模态联合聚类 |
| 差异分析 | pseudo-bulk DESeq2、MAST、differential accessibility和peak-gene linkage |
| RNA加工分析 | regtools、Leafcutter分析cryptic exon，DaPars分析APA |
| 空间定位 | 利用公开LIBD人类皮层空间转录组数据进行细胞类型层级映射 |
| 数据共享 | EGA原始数据、Zenodo处理后数据、GitHub分析代码 |
研究结果
单核多组学图谱覆盖ALS/ALS-FTD运动皮层主要细胞状态
作者首先构建了人类初级运动皮层单核多组学图谱。样本包括散发性ALS、散发性ALS-FTD、C9ORF72相关ALS-FTD和对照，疾病样本均经过TDP-43病理确认。
经过质量控制后，研究获得超过18万个高质量细胞核，并在同一细胞核水平同时检测RNA表达和染色质开放。这为后续判断疾病转录变化、调控区域变化和病理相关细胞类型提供了统一坐标系。
这一部分的意义是：后面的TDP-43病理分析不是孤立做分选，而是可以回到完整运动皮层细胞图谱中定位。
运动皮层细胞被解析为14类主要细胞类型
基于RNA表达、ATAC开放和经典marker基因，作者将高质量细胞核进一步注释为14类主要细胞类型，其中包括10类神经元和4类胶质细胞。
兴奋性神经元中，文章重点关注LINC00507、RORB、THEMIS和FEZF2等标记定义的皮层投射神经元状态；抑制性神经元则包括PVALB、SST、VIP、LAMP5等经典亚型。
这一步很重要，因为ALS/ALS-FTD中的神经元脆弱性往往不是"所有神经元一起坏掉"，而是与特定皮层层级、投射类型和细胞状态有关。
空间映射把转录细胞类型放回皮层层级
为了给单核细胞类型增加空间解释，作者利用公开人类皮层空间转录组数据，将不同转录组细胞类型映射到皮层层级。
结果显示，LINC00507相关兴奋性神经元主要对应L2/3层，RORB相关兴奋性神经元对应L3-L5层，THEMIS和FEZF2相关群体更多指向L5/6深层皮层。
这个空间映射让后续结果更容易解释：当TDP-43Low神经元富集于某些兴奋性神经元亚型时，可以进一步联系到运动皮层层级结构和投射神经元选择性脆弱性。
ALS-FTD运动皮层的转录扰动更广泛
作者分别比较ALS与对照、ALS-FTD与对照之间的转录差异。结果显示，ALS-FTD中的差异表达基因数量明显更多，提示合并FTD表型时运动皮层转录异常更广泛。
在细胞类型层面，兴奋性神经元尤其突出，特别是L2/3和L3-L5相关兴奋性神经元。ALS和ALS-FTD共享差异基因的方向高度一致，但ALS-FTD改变范围更大。
这提示ALS与ALS-FTD可能共享部分运动皮层疾病程序，但ALS-FTD具有更强的皮层转录扰动。
染色质开放变化为转录异常提供调控层解释
在ATAC层面，作者分析疾病相关差异开放区域，并构建peak-gene关联。研究发现，大量疾病相关差异表达基因可以连接到附近或远端染色质开放变化。
文章报告了大量显著peak-gene关联，提示ALS/ALS-FTD中的一部分表达异常伴随顺式调控区域开放状态变化。
这里的重点是：疾病差异表达并不只是一个基因列表，它可以进一步追溯到调控区域、细胞类型和潜在转录调控背景。
TDP-43Low神经元通过FANS-seq被直接捕获
为了更直接研究TDP-43病理，作者使用NeuN标记神经元核，再根据核内TDP-43信号强弱分选TDP-43High和TDP-43Low神经元。
TDP-43Low代表核内TDP-43信号降低，更接近TDP-43病理相关状态。作者随后对这些分选细胞核进行单核RNA测序，并映射回前面的多组学图谱。
结果显示，TDP-43Low神经元主要富集在兴奋性神经元中，而不是均匀分布在所有神经元类型里。
这一步把"病理阳性细胞"从组织切片层面的观察，推进到了可测序、可注释、可比较的单细胞层面。
TDP-43病理对应广泛转录异常和RNA加工异常
比较TDP-43Low和TDP-43High神经元后，作者识别出大量病理相关差异表达基因，并检测到TDP-43核功能丢失相关的RNA加工异常。
数据中观察到多个经典TDP-43相关事件，包括STMN2 cryptic exon、KALRN cryptic exon，以及ELP1、MARK3相关可变多聚腺苷酸化异常。
这说明FANS-seq捕获到的TDP-43Low神经元确实具有TDP-43功能异常后的分子特征，而不只是免疫信号强弱差异。
不同兴奋性神经元承担不同TDP-43分子后果
进一步拆分兴奋性神经元亚型后，作者发现TDP-43相关差异基因和cryptic exon事件具有明显细胞类型特异性。
受影响较明显的细胞类型包括：
- L2-L3 LINC00507-FREM3 intratelencephalic neurons
- L3-L5 RORB-LNX2 intratelencephalic neurons
- L3-L5 RORB-ADGRL4 intratelencephalic neurons
- L6 THEMIS-LINC00343 intratelencephalic neurons
- L5 FEZF2-NTNG1 extratelencephalic neurons
有意思的是，STMN2和KALRN等cryptic exon事件在不同兴奋性神经元中表现并不完全一致。
换句话说，TDP-43病理在不同神经元中产生的分子后果并不是同质化的，而是带有明确细胞类型背景。
疾病转录异常与TDP-43病理异常部分重叠
最后，作者把ALS/ALS-FTD疾病差异表达、TDP-43Low相关差异表达和ATAC差异开放结果进行整合。
结果显示，疾病相关转录异常和TDP-43病理相关转录异常存在显著重叠，但两者并不完全等同。文章报告了373个重叠基因，提示TDP-43病理是ALS/ALS-FTD转录扰动的重要组成部分，但不能解释全部疾病变化。
通路层面，TDP-43相关差异基因富集于轴突导向等过程，EPHA3、EPHA4、EPHA6等基因同时连接到染色质开放层面的异常。
这为理解运动皮层神经元网络、轴突连接和TDP-43病理之间的关系提供了新的分子入口。
方法和临床转化怎么看
方法借鉴：这篇文章最值得学习的是"病理状态驱动的单细胞分析"。很多疾病单细胞研究只做病例组和对照组比较，容易得到一批泛化的DEG；而这篇先用TDP-43Low锁定病理相关神经元，再回到细胞图谱里解释它们的身份。
迁移路线：如果换到其他神经退行性疾病，也可以参考类似设计：先建立单核多组学图谱，再用病理蛋白、磷酸化标记、包涵体标记或细胞损伤标记进行分选，最后比较病理阳性和阴性细胞的转录、调控和RNA加工差异。
临床落点：这类研究短期内不一定直接形成诊断工具，但能帮助定义更精确的治疗靶细胞。比如STMN2、KALRN、EPHA家族和深层兴奋性神经元相关程序，未来可以作为机制验证、药物干预或疾病分层研究的候选方向。
注意边界：死后脑组织单核数据更适合解释病理和细胞类型特异性，不能直接等同于早期诊断标志物。后续仍需要纵向样本、体液标志物、诱导神经元模型和干预实验来连接临床应用。
总结
这篇文章用人类ALS/ALS-FTD运动皮层样本，构建了单核RNA+ATAC多组学图谱，并通过FANS-seq直接捕获TDP-43Low神经元。
它的主要结论可以概括为三点：
- ALS/ALS-FTD运动皮层中，TDP-43病理主要影响特定兴奋性神经元；
- TDP-43Low神经元存在细胞类型特异性的转录异常、cryptic exon和APA改变；
- 疾病转录异常与TDP-43病理异常显著相关，但两者并不完全重合。
这篇给出的答案是：理解ALS/ALS-FTD中的TDP-43病理，不能只看一个蛋白或一组差异基因，而要把病理阳性神经元、皮层层级、RNA加工异常和染色质调控背景放在同一个框架里分析。
参考文献
Ruf WP, Kühlwein JK, Meier L, Brockmann SJ, LeeBae J, Sadri-Vakili G, Yilmazer-Hanke D, Petri S, Thal DR, Grozdanov V, Danzer KM. Multi-modal dissection of cell-type specific TDP-43 pathology in the motor cortex. Nat Commun. 2026;17:2406. doi: 10.1038/s41467-026-69944-6.
- PMC: https://pmc.ncbi.nlm.nih.gov/articles/PMC12982666/
- PubMed: https://pubmed.ncbi.nlm.nih.gov/41803120/
- DOI/Nature: https://doi.org/10.1038/s41467-026-69944-6
- EGA study: https://ega-archive.org/studies/EGAS50000001562
- Multi-omic raw dataset: https://ega-archive.org/datasets/EGAD50000002240
- FANS-seq raw dataset: https://ega-archive.org/datasets/EGAD50000002243
- Processed multi-omic data: https://zenodo.org/records/18370646
- Processed FANS-seq data: https://zenodo.org/records/18371193
- Code: https://github.com/DanzerLab/Ruf_et_al_2026