免疫细胞是人体免疫系统的重要组成部分。作为人体最重要的防线之一，免疫细胞种类繁多。对免疫细胞的分析有助于深入了解人体的免疫机制，对于理解人类生物学和生物医学研究具有重要意义。例如外周血细胞类型的比例可以作为疾病的诊断指标，如单核细胞与淋巴细胞的比例、相对单核细胞比例和淋巴细胞丰度。

目前，单细胞测序已被用于免疫学研究，例如分析免疫细胞的不同系统性红斑狼疮和体外病毒感染的谱系特异性免疫性状，以及检测与全基因组关联研究变异相关的细胞类型特异性表达数量性状位点（eQTL）。但现有研究大多集中在欧洲人群，人群和基因组数据多样性严重缺乏。免疫学研究的样本代表性不足可导致疾病诊断标准、疾病机制分析及药物研发产生偏差，因此构建一个全面的、具有人群多样性的免疫细胞参考图谱非常重要。

近日，来自新加坡、韩国、日本的国际研究团队绘制了首个亚洲人群免疫细胞多样性图谱AIDA，这是一个基于多群体单细胞RNA测序（scRNA-seq）的健康人免疫细胞参考图谱，填补了亚洲人群免疫多样性研究的空白，将促进大人群队列免疫研究及精准医学发展。

研究亮点：

1.构建了一个包含多个亚洲国家不同健康人群的免疫细胞图谱。

2.发现参与者自我报告的种族、遗传祖先、性别和年龄普遍影响免疫细胞的细胞和分子特征，这些影响包括不同种群间邻近细胞的丰度差异，以及与疾病风险、发病机制和诊断相关的细胞群和基因差异。

3.发现非亚洲人群中代表性不足的影响细胞群特异性基因表达的功能变异（eQTL），为研究疾病相关位点提供了背景。

主要研究内容及结果

研究团队收集了来自5个亚洲国家（新加坡（华裔、马来西亚裔、印度裔）、印度、日本、韩国、泰国）7个群体619名参与者及6名对照个体的血液样本（图1）。通5 ' scRNA-seq、B细胞受体测序（BCR-seq）、T细胞受体测序（TCR-seq）和基因分型对样本中的外周血单核细胞（PBMC）进行分析，最终获得了1,265,624个高质量的循环免疫细胞，构建了免疫细胞的scRNA-seq图谱。这些细胞可分为8种主要免疫细胞类型：B细胞、CD34+造血干细胞和祖细胞（HSPC）、髓细胞、自然杀伤细胞（NK）、浆细胞、浆细胞样树突状细胞（pDC）、血小板和T细胞（图2）。

图1.参与者情况、样本处理、试验方案和基因型数据的主成分分析。

在性别、年龄和自我报告种族与细胞类型比例的关系分析中，发现pDC比例随着年龄的增长而下降，B细胞在女性中更丰富，NK细胞比例在男性中较高。此外，环境和生活方式等因素也可能导致表型变异，例如新加坡马来西亚裔B细胞比例较高，泰国个体的骨髓细胞、单核细胞比例较低，新加坡印度裔个体的NK细胞较少，韩国参与者的T细胞比例较低。这些差异也得到了独立队列的验证。因此研究团队认为，在确定诊断基线时，考虑患者自我报告种族的因素也很重要。

scRNA-seq可以高分辨率表征差异细胞群。研究团队利用这一特点发现了比上述8个主要细胞类型分析更细粒度的趋势。虽然B细胞在女性个体中更丰富，但深入分析发现这一趋势并不均匀，以幼稚B细胞尤为明显。此外，与年轻个体相比，年龄≥50岁的个体中CD8+ T初始细胞均被耗尽。

图2：年龄、性别和自我报告种族的影响

研究还对三种广泛的细胞群B细胞、pDC细胞和髓细胞，以及先天淋巴细胞（ILC）、NK细胞和T细胞进行了更细粒度的细胞特性分析，发现了罕见的细胞亚型，如dnT（占所有细胞的0.04%）、cDC1（0.04%）和非典型B35（0.4%），证明了该免疫细胞图谱的高分辨率。

在针对新加坡参与者的分析中，多种细胞亚型的比例与年龄显著相关，CD4+ T细胞毒性细胞的比例随着年龄的增长而增加，CD4+ T细胞毒性细胞的丰度在超级百岁老人中增加。但总体而言，参与者自我报告种族、遗传祖先和性别比年龄、BMI或吸烟更能解释细胞亚型比例的差异。

研究还发现自我报告种族与不同细胞亚型比例相关，并经过了独立队列的验证。新加坡马来西亚裔个体IGHMlo记忆B细胞比例更高，泰国个体cDC2细胞比例较低，而韩国参与者的调节性T（Treg）细胞比例要低得多。研究人员在数据整合后使用不同的算法重新聚类和重新注释细胞时，也观察到类似的结果。

那么参与者自我报告种族、年龄和性别之间的相互作用可能影响免疫细胞亚型比例吗？研究团队基于这一假设也进行了分析，通常男性中的CD16+ NK细胞比例较高，但该特征在泰国参与者中不存在，这提示了细胞类型特异性差异激素活性或性染色体基因调控的可能性。与新加坡华裔个体相比，韩国参与者和新加坡马来西亚裔个体的CD4+ T幼稚细胞比例随着年龄的增加而急剧下降。

研究人员利用MiloR对邻近细胞进行了差异丰度检测，发现男性中大多数邻近幼稚B细胞被耗尽，大量邻近CD16+ NK细胞被富集；在老年个体中，邻近细胞在CD16+单核细胞中富集，在pDC和CD8+ T初始细胞中耗尽。以上发现的性别、年龄和自我报告种族差异仅在邻近细胞丰度水平上可见，而不是在细胞亚型的分辨率上。

图3.人类多样性的邻近细胞特征

通过对20种细胞亚型进行pseudobulk eQTL分析，研究鉴定出11431个独特基因在一个细胞亚型（eGene）中至少有一个顺式eQTL，每个细胞亚型发现的eGene数量与相应亚型分析的个体数量相关。进一步将AIDA的eQTL与非洲、美洲和欧洲的队列研究进行比较，发现31.6% eQTL在上述人群中至少有一种是低频率或罕见的，但在东亚和南亚人群中许多是常见的；2.24% eQTL在欧洲群体中完全不存在；6.94% eQTL为低频或罕见的，表明了研究不同人群对于表征人类相关遗传变异的重要性。

最后，该研究对AIDA eQTL与免疫相关疾病GWAS亚洲队列进行了共定位分析，涉及20种细胞亚型。在所有主要细胞群和多种疾病的共定位分析中，研究人员发现了许多群体特异性变异。总之，AIDA eQTL能够对位点、基因、细胞亚型和细胞背景进行优先排序，用于变异分析和注释，包括群体特异性变异。

图4.eQTL分析将特定人群与性状相关的位点联系起来。

结 语

该研究建立了亚洲健康人群免疫细胞多样性图谱AIDA，分析了人类多样性与免疫表型细胞和分子变异的关系，包括细胞类型比例、邻近细胞丰度和细胞类型特异性基因表达谱。研究结果证明了人类多样性的不同维度都会影响细胞和分子表型。因此，最大程度利用人类多样性分析将有助于确定与疾病风险和表型变异相关的更广泛的遗传关联，进而获得更加准确的结论。

论文原文：

Kian Hong Kock, Le Min Tan, Kyung Yeon Han,et al. Asian diversity in human immune cells. Cell, 2025. 

https://www.cell.com/cell/fulltext/S0092-8674(25)00202-8