Lungengewebe-Atlas verknüpft zelltypspezifische Altersmuster mit vorhergesagtem biologischem Alter
In Einzelzell- und räumlichen Daten aus menschlichem Lungenparenchym berichten die Autoren zelltypspezifische Altersassoziationen, darunter weniger Makrophagen-Subtypen und mehr T-Zellen mit dem Alter, und nutzen maschinelles Lernen zur Vorhersage des biologischen Lungenalters. [1]
Automatische Zusammenfassung · nicht redaktionell geprüft
Die Kernaussagen
Die Analyse nutzte Einzelzell- und räumliche Transkriptomdaten aus 184 bzw. 70 menschlichen Lungenparenchym-Proben. [1]
Mit zunehmendem Alter berichtet das Abstract einen Rückgang der Proliferation von Alveolarzellen, der autokrinen WNT-Signalgebung und von Stammzellmerkmalen. [1]
Maschinelles Lernen wurde genutzt, um das biologische Lungenalter vorherzusagen und mögliche Biomarker für Lungenaltern und Krankheitsrisiko zu identifizieren. [1]
Die Quelle auf einen Blick
- Studientyp / Format
- Abstract einer Transkriptom-Analyse mit Einzelzell- und räumlichen Daten sowie maschinellem Lernen
- Population / Kontext
- Menschliche Lungenparenchym-Proben, zudem ältere Lungen- und Blutproben erwähnt
- Grundlage der Zusammenfassung
- Studienabstract
- Original veröffentlicht
- 15. Juli 2026
Lungenparenchym-Proben mit Einzelzell- und räumlichen Daten
Das Abstract beschreibt eine Analyseplattform, die auf Einzelzell- und räumliche Transkriptomdaten aus 184 bzw. 70 menschlichen Lungenparenchym-Proben angewendet wurde. Die Autoren geben an, dass Altern die Lungenfunktion beeinflusst und ältere Erwachsene für Atemwegserkrankungen anfällig macht, die zellulären und molekularen Mechanismen des Lungenalterns aber nicht vollständig verstanden sind. Die Plattform diente der Untersuchung von Zellzusammensetzung, Genexpressionsmodulen und regulatorischen Veränderungen, die mit mehreren Merkmalen des Lungenalterns verknüpft sind.
Beleg [1]
Altersassoziierte Verschiebungen bei Alveolarzellen, Makrophagen und T-Zellen
Die Ergebnisse zeigen zelltypspezifische Altersassoziationen von Seneszenzmarkern. Mit zunehmendem Alter berichtet das Abstract einen Rückgang der Proliferation von Alveolarzellen, der autokrinen WNT-Signalgebung und von Stammzellmerkmalen. Bei myeloiden Zellen beschreibt es eine globale Verringerung von Makrophagen-Subtypen sowie einen Anstieg mitochondrialer Dysfunktion und entzündlicher Signalgebung. Im Gegensatz dazu nehmen T-Zellen im Lungenparenchym mit dem Alter zu und zeigen in älteren Lungen- und Blutproben erhöhte Interferon-Gamma-Expression, zytotoxische Aktivität und Erschöpfung, was die Autoren als Hinweis auf altersassoziierte Immunfunktionsstörung werten.
Beleg [1]
Myeloid-T-Zell-Interaktion und maschinell geschätztes Lungenalter
Zellinteraktions- und räumliche Analysen zeigen eine aberrante Interaktion zwischen myeloiden Zellen und T-Zellen, die zu erhöhter Chemotaxis und Aktivierung von T-Zellen führt. Schließlich nutzen die Autoren maschinelles Lernen, um das biologische Lungenalter vorherzusagen und mögliche Biomarker für Lungenaltern und Krankheitsrisiko zu identifizieren. Das Abstract berichtet nicht, wie genau diese Vorhersage war, wie das vorhergesagte Alter validiert wurde oder ob die beschriebenen Assoziationen kausale Mechanismen widerspiegeln.
Beleg [1]
Was sich daraus ableiten lässt – und was nicht
Dies ist ein Abstract; der Volltext wurde nicht geprüft. Das Abstract berichtet Assoziationen aus Transkriptomdaten und belegt weder Kausalität noch Vorhersagegenauigkeit oder klinischen Nutzen.
Grundlage: Studienabstract. Volltext, Tabellen und ergänzende Daten wurden nicht geprüft.
Quelle & Belegstellen
Xu K, Kim GS, Bhagwat A, Meimand SE, Venkat VV, Pham G, Zhang J, Abdul-Ghafar J, Bairakdar MD, Dolasia K, Sahasrabudhe IR, Klausner A, Chen Y, Nguyen TT, Giotti B, Brody R, Kim SJ, Kathiriya JJ, Puleston DJ, Lee PJ, Tsankov AM. · europepmc.org · 15. Juli 2026