Деконволюционная оценка соотношения быстрых и медленных транскриптомных профилей и клеточного состава скелетных мышц человека по данным CAGE-seq
https://doi.org/10.60043/2949-5938-2025-3-82
Аннотация
Представлен вычислительный метод для оценки клеточного состава образцов скелетной мышцы человека по данным CAGE-seq с использованием деконволюции. Подход позволяет оценить относительный вклад профилей экспресии, ассоциированных с быстрым и медленным фенотипами, без гистологической классификации. Входными данными служили транскриптомные профили CAGE, позволяющие точно определить уровень экспрессии и точку инициации транскрипции в промоторе. Для определения пропорций клеточных компонентов применяли метод деконволюции MuSiC с использованием данных секвенирования отдельных ядер мышц из проекта Heart Cell Atlas. На основе полученных оценок определен порог бинарного разделения по доле быстрых мышечных волокон (10%), показавший устойчивые характеристики (AUC = 0,934 и 0,828 для двух схем аннотации). Дальнейший анализ показал, что состав волокон и связанные с ним профили экспрессии отличаются между различными анатомическими группами мышц. Эти различия легли в основу функциональной аннотации, выявившей обогащение по биологическим процессам, связанным с развитием, специализацией мышечной ткани и возможными ассоциациями с патологией. Метод обеспечивает количественную, автоматизированную и воспроизводимую оценку спектра скоростных фенотипов скелетных мышц, открывая путь к стандартизации транскриптомного профилирования в фундаментальных и прикладных задачах.
Об авторах
Ш. Р. НизамовРоссия
Низамов Шамиль Ринатович — аспирант, Высшая школа биологии, кафедра зоологии и общей биологии
420008, г. Казань, ул. Кремлевская, д. 18
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
А. И. Билялов
Россия
Билялов Айрат Ильдарович — к.м.н., научный сотрудник
121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5;
111123, г. Москва, Новогиреевская ул., д. 1, корп. 1;
450054, г. Уфа, проспект Октября, д. 71
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Н. С. Филатов
Россия
Филатов Никита Сергеевич — младший научный сотрудник
121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5;
450054, г. Уфа, проспект Октября, д. 71
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Р. М. Девятияров
Россия
Девятияров Руслан Мансурович — биоинформатик
420008, г. Казань, ул. Кремлевская, д. 18;
121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5;
450054, г. Уфа, проспект Октября, д. 71;
113-8421, Токио, Япония;
117292, г. Москва, ул. Дмитрия Ульянова, д. 11
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Е. И. Шагимарданова
Россия
Шагимарданова Елена Ильясовна — к.б.н., старший научный сотрудник
121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5;
143026, г. Москва, Западный административный округ, Можайский район, Инновационный центр Сколково, Большой бул., д. 30, стр. 1
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Г. Р. Газизова
Россия
Газизова Гузель Рашитовна — старший научный сотрудник, Научный центр «Регуляторная геномика»
420008, г. Казань, ул. Кремлевская, д. 18;
117513, Москва, ул. Островитянова, д. 1, стр. 10
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Ю. П. Сергеева
Россия
Сергеева Юлия Петровна — научный сотрудник, Научный центр «Регуляторная геномика»
420008, г. Казань, ул. Кремлевская, д. 18
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
С. С. Бровкин
Россия
Бровкин Сергей Сергеевич — травматолог-ортопед, Отделение ортопедии и сложной травмы
111123, г. Москва, Новогиреевская ул., д. 1, корп. 1
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Д. Ю. Шестаков
Россия
Шестаков Дмитрий Юрьевич — к.м.н., заведующий отделением ортопедии и сложной травмы
111123, г. Москва, Новогиреевская ул., д. 1, корп. 1
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Н. А. Бодунова
Россия
Бодунова Наталья Александровна — к.м.н., руководитель Центра персонализированной медицины
111123, г. Москва, Новогиреевская ул., д. 1, корп. 1
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
О. А. Гусев
Россия
Гусев Олег Александрович — к.б.н., заведующий лабораторией функциональной нейрогеномики
121205, г. Москва, вн.тер.г. муниципальный округ Можайский, тер. Инновационного центра Сколково, ул. Нобеля, д. 5;
113-8421, Токио, Япония;
117513, Москва, ул. Островитянова, д. 1, стр. 10
Конфликт интересов:
Авторы заявляют об отсутствии конфликта интересов.
Список литературы
1. Schiaffino S, Reggiani C. Fiber types in mammalian skeletal muscles. Physiol Rev. 2011;91:1447–1531. DOI: 10.1152/physrev.00031.2010
2. Nijssen J, Comley LH, Hedlund E. Motor neuron vulnerability and resistance in amyotrophic lateral sclerosis. Acta Neuropathol. 2017;133(6):863–885. DOI: 10.1007/s00401-017-1708-8
3. Scaricamazza S, Salvatori I, Ferri A, Valle C. Skeletal muscle in ALS: an unappreciated therapeutic opportunity? Cells. 2021;10(3):525. DOI: 10.3390/cells10030525
4. Khurana TS, Prendergast RA, Alameddine HS, Tome FM, Fardeau M, Arahata K, et al. Absence of extraocular muscle pathology in Duchenne’s muscular dystrophy: role for calcium homeostasis in extraocular muscle sparing. J Exp Med. 1995;182:467–475. DOI: 10.1084/jem.182.2.467
5. Titova A, Nikolaev S, Bilyalov A, Filatov N, Brovkin S, Shestakov D, et al. Extreme tolerance of extraocular muscles to diseases and aging: why and how? Int J Mol Sci. 2024;25:4985. DOI: 10.3390/ijms25094985
6. Petrany MJ, Swoboda CO, Sun C, Chetal K, Chen X, Weirauch MT, et al. Single-nucleus RNA-seq identifies transcriptional heterogeneity in multinucleated skeletal myofibers. Nat Commun. 2020;11:6374. DOI: 10.1038/s41467-020-20063-w
7. De Micheli AJ, Spector JA, Elemento O, Cosgrove BD. A reference single-cell transcriptomic atlas of human skeletal muscle tissue reveals bifurcated muscle stem cell populations. Skelet Muscle. 2020;10:19. DOI: 10.1186/s13395-020-00236-3
8. Lai Y, Ramírez-Pardo I, Isern J, An J, Perdiguero E, Serrano AL, et al. Multimodal cell atlas of the ageing human skeletal muscle. Nature. 2024;629(8010):154–164. DOI: 10.1038/s41586-024-07348-6
9. Lindholm ME, Huss M, Solnestam BW, Kjellqvist S, Lundeberg J, Sundberg CJ. The human skeletal muscle transcriptome: sex differences, alternative splicing, and tissue homogeneity assessed with RNA sequencing. FASEB J. 2014;28(10):4571–4581. DOI: 10.1096/fj.14-255000
10. Horwath O, Envall H, Röja J, Emanuelsson EB, Sanz G, Ekblom B, et al. Variability in vastus lateralis fiber type distribution, fiber size, and myonuclear content along and between the legs. J Appl Physiol. 2021;131(1):158–173. DOI: 10.1152/japplphysiol.00053.2021
11. Dahmane R, Djordjevic S, Simunic B, Valencic V. Spatial fiber type distribution in normal human muscle: histochemical and tensiomyographical evaluation. J Biomech. 2005;38(12):2451–2459. DOI: 10.1016/j.jbiomech.2004.10.020
12. Hintz CS, Coyle EF, Kaiser KK, Chi MM-Y, Lowry OH. Comparison of muscle fiber typing by quantitative enzyme assays and by myosin ATPase staining. J Histochem Cytochem. 1984;32(6):655–660. DOI: 10.1177/32.6.6202737
13. Vikne H, Strøm V, Pripp AH, Gjøvaag T. Human skeletal muscle fiber type percentage and area after reduced muscle use: a systematic review and meta-analysis. Scand J Med Sci Sports. 2020;30(8):1298–1317. DOI: 10.1111/sms.13675
14. Leek JT, Scharpf RB, Corrada Bravo H, Simcha D, Langmead B, Johnson WE, et al. Tackling the widespread and critical impact of batch effects in high-throughput data. Nat Rev Genet. 2010;11(10):733–739. DOI: 10.1038/nrg2825
15. Van de Casteele F, Van Thienen R, Horwath O, Van der Stede T, Van Leemputte M, De Groote L, et al. Muscle fiber typing technologies: agreement between immunohistochemistry and single fiber SDS-PAGE in human skeletal muscle. Physiol Genomics. 2024;56(5):189–201. DOI: 10.1152/physiolgenomics.00196.2024
16. Li H, Durbin R. Fast and accurate long-read alignment with Burrows–Wheeler transform. Bioinformatics. 2010;26(5):589–595. DOI: 10.1093/bioinformatics/btp698
17. Kim D, Paggi JM, Park C, Bennett C, Salzberg SL. Graph-based genome alignment and genotyping with HISAT2 and HISAT-genotype. Nat Biotechnol. 2019;37(8):907–915. DOI: 10.1038/s41587-019-0201-4
18. Kouno T, Moody J, Kwon ATJ, Shibayama Y, Kato S, Huang Y, et al. C1 CAGE detects transcription start sites and enhancer activity at single-cell resolution. Nat Commun. 2019;10(1):360. DOI: 10.1038/s41467-018-08126-5
19. RIKEN. ZENBU Wiki: OSCtable (n.d.). https://zenbu-wiki.gsc.riken.jp/zenbu/wiki/index.php/OSCtable [Accessed October 6, 2025]
20. Heart Cell Atlas. Heart Cell Atlas v1: Cells of the adult human heart (n.d.). https://www.heartcellatlas.org/v1.html [Accessed October 6, 2025]
21. Litviňuková M, Talavera-López C, Maatz H, Reichart D, Worth CL, Lindberg EL, et al. Cells of the adult human heart. Nature. 2020;588(7838):466–472. DOI: 10.1038/s41586-020-2797-4
22. Li Y, Ma Q, Shi X, Yuan W, Liu G, Wang C. Comparative transcriptome analysis of slow-twitch and fast-twitch muscles in Dezhou donkeys. Genes (Basel). 2022;13(9):1610. DOI: 10.3390/genes13091610
23. Robin X, Turck N, Hainard A, Tiberti N, Lisacek F, Sanchez J-C, Müller M. pROC: an opensource package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics. 2011;12:77. DOI: 10.1186/1471-2105-12-77
24. Chen Y, Chen L, Lun ATL, Baldoni P, Smyth GK. edgeR v4: powerful differential analysis of sequencing data with expanded functionality and improved support for small counts and larger datasets. Nucleic Acids Res. 2025;53(2):gkaf018. DOI: 10.1093/nar/gkaf018
25. Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141
26. Wu T, Hu E, Xu S, Chen M, Guo P, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. The Innovation. 2021;2(3):100141. DOI: 10.1016/j.xinn.2021.100141
27. Forrest ARR, Kawaji H, Rehli M, Baillie JK, de Hoon MJL, Haberle V, et al. A promoter-level mammalian expression atlas. Nature. 2014;507(7493):462–470. DOI: 10.1038/nature13182
28. intus SS, Akberdin IR, Yevshin I, Makhnovskii P, Tyapkina O, Nigmetzyanov I, et al. Genome-wide atlas of promoter expression reveals contribution of transcribed regulatory elements to genetic control of disuse-mediated atrophy of skeletal muscle. Biology. 2021;10(6):557. DOI: 10.3390/biology10060557
29. Andersson R, Gebhard C, Miguel-Escalada I, Hoof I, Bornholdt J, Boyd M, et al. An atlas of active enhancers across human cell types and tissues. Nature. 2014;507(7493):455–461. DOI: 10.1038/nature12787
30. Noguchi S, Arakawa T, Fukuda S, Furuno M, Hasegawa A, Hori F, et al. FANTOM5 CAGE profiles of human and mouse samples. Sci Data. 2017;4:170112. DOI: 10.1038/sdata.2017.112
31. Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956
32. Murach KA, Dungan CM, Kosmac K, Voigt TB, Tourville TW, Miller MS, et al. Fiber typing human skeletal muscle with fluorescent immunohistochemistry. J Appl Physiol. 2019;127(6):1632–1639. DOI: 10.1152/japplphysiol.00624.2019
33. Baguet A, Everaert I, Hespel P, Petrovic M, Achten E, Derave W. A new method for non-invasive estimation of human muscle fiber type composition. PLoS One. 2011;6(7):e21956. DOI: 10.1371/journal.pone.0021956
34. Van de Casteele F, Van Thienen R, Horwath O, Apró W, Van der Stede T, et al. Does one biopsy cut it? Revisiting human muscle fiber type composition variability using repeated biopsies in the vastus lateralis and gastrocnemius medialis. J Appl Physiol. 2024;137(5):1341–1353. DOI: 10.1152/japplphysiol.00394.2024
35. Kohn TA, Myburgh KH. Electrophoretic separation of human skeletal muscle myosin heavy chain isoforms: the importance of reducing agents. J Physiol Sci. 2006;56(5):355–360. DOI: 10.2170/physiolsci.RP007706
36. Tikunov BA, Sweeney HL, Rome LC. Quantitative electrophoretic analysis of myosin heavy chains in single muscle fibers. J Appl Physiol. 2001;90(5):1927–1935. DOI: 10.1152/jappl.2001.90.5.1927
37. Avila Cobos F, Alquicira-Hernandez J, Powell JE, Mestdagh P, De Preter K. Benchmarking of cell type deconvolution pipelines for transcriptomics data. Nat Commun. 2020;11(1):5650. DOI: 10.1038/s41467-020-19015-1
38. Rubenstein AB, Smith GR, Raue U, Begue G, Minchev K, Ruf-Zamojski F, et al. Single-cell transcriptional profiles in human skeletal muscle. Sci Rep. 2020;10(1):229. DOI: 10.1038/s41598-019-57110-6
39. Dos Santos M, Backer S, Saintpierre B, Izac B, Andrieu M, Letourneur F, et al. Single-nucleus RNA-seq and FISH identify coordinated transcriptional activity in mammalian myofibers. Nat Commun. 2020;11(1):5102. DOI: 10.1038/s41467-020-18789-8
40. Newman AM, Liu CL, Green MR, Gentles AJ, Feng W, Xu Y, et al. Robust enumeration of cell subsets from tissue expression profiles. Nat Methods. 2015;12(5):453–457. DOI: 10.1038/nmeth.3337
41. Lexell J, Henriksson-Larsén K, Sjöström M. Distribution of different fibre types in human skeletal muscles. 2. A study of cross-sections of whole m. vastus lateralis. Acta Physiol Scand. 1983;117(1):115–122. DOI: 10.1111/j.1748-1716.1983.tb07185.x
42. Zhang MY, Zhang WJ, Medler S. The continuum of hybrid IIX/IIB fibers in normal mouse muscles: MHC isoform proportions and spatial distribution within single fibers. Am J Physiol Regul Integr Comp Physiol. 2010;299(6):R1582–R1591. DOI: 10.1152/ajpregu.00402.2010
43. Blemker SS, Brooks SV, Esser KA, Saul KR. Fiber-type traps: revisiting common misconceptions about skeletal muscle fiber types with application to motor control, biomechanics, physiology, and biology. J Appl Physiol. 2024;136(1):109–121. DOI: 10.1152/japplphysiol.00337.2023
Рецензия
Для цитирования:
Низамов Ш.Р., Билялов А.И., Филатов Н.С., Девятияров Р.М., Шагимарданова Е.И., Газизова Г.Р., Сергеева Ю.П., Бровкин С.С., Шестаков Д.Ю., Бодунова Н.А., Гусев О.А. Деконволюционная оценка соотношения быстрых и медленных транскриптомных профилей и клеточного состава скелетных мышц человека по данным CAGE-seq. Регенерация органов и тканей. https://doi.org/10.60043/2949-5938-2025-3-82
For citation:
Nizamov Sh.R., Bilyalov A.I., Filatov N.S., Deviatiiarov R.M., Shagimardanova E.I., Gazizova G.R., Sergeeva I.P., Brovkin S.S., Shestakov D.Yu., Bodunova N.A., Gusev O.A. Deconvolution-based assessment of fast and slow transcriptomic components and cellular composition of human skeletal muscles using CAGE-seq data. Регенерация органов и тканей. (In Russ.) https://doi.org/10.60043/2949-5938-2025-3-82
JATS XML










