基于跨膜蛋白标志物筛选与免疫分离神经元特异性细胞外囊泡（EVs）的候选标志物研究

细胞外囊泡（EVs）存在于生物体液中，可能作为非侵入性监测脑细胞的生物标志物，但分离细胞类型特异性EVs仍具挑战性。研究人员在此提出一种基于蛋白表面标志物对神经元和胶质细胞来源EVs进行免疫分离的方法。研究人员首先根据基因表达和EV蛋白质组数据，选择适合作为细胞类型特异性EV标志物的跨膜蛋白。研究人员开发了高纯度EV分离方法，并对人脑脊液（CSF）和血浆中EVs所存在的蛋白进行系统编目。随后，研究人员通过计算识别用于分离神经元、星形胶质细胞、少突胶质细胞和小胶质细胞来源EVs的细胞类型特异性候选标志物。利用针对若干预测神经元特异性蛋白的超灵敏免疫分析，研究人员确认一个标志物NRXN3存在于CSF和血浆的EVs上。最后，研究人员开发了高效EV免疫分离方法，并将其应用于分离NRXN3⁺ EVs。该工作为分离细胞类型特异性EVs提供了通用方法学，推进了利用EVs研究脑疾病的目标。

研究背景：EVs由所有细胞释放进入生物体液，携带供体细胞的RNA转录本和蛋白，是生物标志物的重要来源，有望提供来自难以获取组织或器官的分子信息。批量分离血浆或其他生物体液中的总EVs并分析，不能区分这些货物来源的细胞类型；测量特定细胞类型来源EVs的货物，则可能非侵入性反映该细胞状态。原理上，可利用针对EVs上跨膜蛋白标志物的抗体进行免疫分离。由于脑组织活检受限，分离神经元或其他脑细胞来源EVs尤其有用，可揭示炎症、神经退行性和神经精神疾病等多种神经系统疾病。既往多项研究采用针对L1CAM的抗体免疫分离神经元来源EVs，但研究人员此前显示L1CAM在血浆和CSF中以游离蛋白存在而不与EVs相关，提示需要其他候选标志物。NCAM1、GluR2以及较新的ATP1A3、MAP1B和APLP1也被提出，但其在EVs上的存在尚未用能区分EV蛋白与污染游离蛋白的分离方法验证。为此，研究人员开发选择细胞类型特异性EV标志物的通用框架，并应用于神经元特异性EVs分离：评估人蛋白是否含跨膜结构域、是否神经元特异、是否存在于生物体液EVs；开发高纯度EV分离方法建立人CSF和血浆EVs参考蛋白质组；基于bulk和单细胞参考基因表达图谱筛选候选标志物；验证NRXN3存在于EVs；开发高效特异EV免疫分离方法并分离NRXN3⁺ EVs。该研究发表于《Nature Neuroscience》，为细胞类型特异性EVs分离提供通用方法学，推进利用EVs研究脑疾病的目标。

关键技术方法：研究人员采用混合模式树脂（MMR）浆法高纯度分离EVs，并与尺寸排阻色谱（SEC）或双模式色谱（DMC）联用；对EVs进行质谱蛋白质组学分析以建立人CSF和血浆EV参考蛋白谱；利用GTEx、Brain RNA-Seq及SCimilarity分析的scRNA-Seq数据评估跨膜蛋白的细胞类型/组织特异性；以单分子阵列（Simoa）超灵敏免疫分析验证候选标志物；开展EV成像、密度梯度离心（DGC）及免疫分离优化。人CSF/血浆样本来源包括BioIVT、BioChemed Services和Brigham and Women’s Hospital Crimson Biomaterials Collection Core Facility；帕金森病（n=8）与健康对照（n=7）血浆来自Harvard Biomarkers Study 2.0。

研究结果：
1. 细胞类型特异性EV标志物筛选的通用框架（General framework for cell type-specific EV marker selection）：研究人员提出候选标志物需满足存在于目标生物体液EVs、为跨膜蛋白、相对其他细胞类型在目标细胞特异表达三个条件，并据此建立高纯度EV分离/蛋白质组和基于bulk与scRNA-Seq的计算流程。
2. 用于蛋白质组学的高纯度EV分离方法开发（Development of a high-purity EV isolation method for proteomics）：研究人员开发MMR浆法，利用Capto Core 700珠捕获游离蛋白，CSF可一步、血浆经SEC后两步去除白蛋白并保留四跨膜蛋白CD9、CD63、CD81；Simoa显示较SEC提高EV纯度100倍以上，L1CAM随MMR增加而消失。
3. 使用MMR浆法对人血浆和CSF EVs的质谱分析（Mass spectrometry of EVs from human plasma and CSF using MMR slurry）：对pooled CSF/plasma EVs质谱建立参考EV蛋白质组，CSF检测2,104种蛋白、血浆检测1,862种；个体样本亦分析，血浆SEC后MMR较SEC单独检测蛋白数增加四倍。
4. 基于基因表达的神经元特异性EV标志物候选筛选（Gene expression-based selection of neuron-specific EV marker candidates）：用Brain RNA-Seq和GTEx的tau>0.7筛选出165个神经元/脑特异性跨膜蛋白；用SCimilarity分析>2,200万细胞、399项研究，以归属分数>0.001得到405个神经元特异基因，其中180个含跨膜域，63个与bulk数据重叠。
5. 星形胶质细胞、少突胶质细胞和小胶质细胞EV标志物候选的基因表达筛选（Gene expression-based selection of EV marker candidates for astrocytes, oligodendrocytes and microglia）：同一流程得到星形胶质细胞bulk 38/scRNA-Seq 90/重叠17，少突胶质细胞21/88/7，小胶质细胞3/30/2个跨膜蛋白候选。
6. 将EV蛋白质组数据纳入细胞类型特异性EV标志物候选选择（Incorporating EV proteomic data into selection of cell type-specific EV marker candidates）：将跨膜、细胞类型特异和EV蛋白组存在三者交集，bulk得28个、scRNA-Seq得41个、两者共13个神经元特异性EV候选；并分析个体蛋白组和其他CSF/血浆质谱数据以优先已检测候选，亦评估GPI锚定蛋白。
7. 使用Simoa验证神经元特异性EV标志物（Validation of neuron-specific EV markers using Simoa）：基于抗体可用性测试SLC12A5、SLC32A1、NRXN3；在iNGN神经元EVs、CSF和血浆SEC早期组分中检测到NRXN3；SLC12A5未检测到，SLC32A1仅在iNGN神经元EVs早期组分峰值。
8. 评估NRXN3在CSF和血浆EVs上的存在（Assessing the presence of NRXN3 on CSF and plasma EVs）：用个体样本SEC、DGC、多种抗体ELISA/流式/蛋白免疫印迹和荧光成像验证；36份CSF/血浆样本均检测到四跨膜蛋白捕获的NRXN3⁺颗粒；血浆约4%四跨膜蛋白阳性颗粒为NRXN3⁺；帕金森病与对照类似；另一scRNA-Seq数据确认NRXN3在神经元亚型高表达。
9. NRXN3与其他候选标志物的比较（Comparison of NRXN3 to other candidate markers）：ATP1A3符合特异性指标但未在pooled生物体液质谱中检测到；APLP1脑特异但非神经元特异；Simoa未在血浆SEC/DGC EV组分检测到ATP1A3，APLP1见于EV和非EV组分；成像中L1CAM、ATP1A3、APLP1、NRXN3四者仅NRXN3高于同型对照背景。
10. 使用细胞培养基富集EVs优化EV免疫分离（Optimization of EV immuno-isolation using EVs enriched from cell culture media）：在K562 CD81模型系统优化抗体偶联、珠和抗体量比等，获得高效特异免疫分离；在iNGN神经元EVs与iPSC EVs混合且神经元EV比例低至1:10时仍特异捕获神经元EVs。
11. 无需预先EV纯化从人CSF和血浆免疫分离EV亚群（Immuno-isolation of EV subsets from human CSF and plasma without previous EV purification）：对CSF和血浆直接免疫分离CD9、CD63、CD81，第一/第二次免疫沉淀（PD1/PD2）比较及Simoa流穿液显示高效特异，几乎完全耗竭目标蛋白。
12. NRXN3⁺ EVs的免疫分离（Immuno-isolation of NRXN3⁺ EVs）：用优化方法从CSF和血浆免疫分离NRXN3⁺ EVs，拉下组分富集、流穿液耗竭，优于同型对照和抗GFP非特异抗体；SEC预富集后亦特异，进一步验证NRXN3存在于EVs。

讨论部分总结：该工作提供系统框架，包括从基因表达和EV蛋白质组数据识别候选标志物、验证候选标志物存在于EVs以及优化EV免疫分离方法。MMR浆法可从临床相关体积CSF一步纯化EVs，血浆经SEC/DMC后纯度约提高100倍，适合高通量蛋白质组分析和临床样本生物标志物发现；计算流程可随Human Cell Atlas扩展并修改参数以寻找神经元亚型标志物。免疫分离协议在血浆和CSF有无预富集下均有效，适合分离占比较小的细胞类型特异性EVs。NRXN3仍需进一步验证：其可变剪接和可溶性isoforms要求确认用于免疫分离的表位是否仅位于EV结合形式；建议进行免疫金电镜和超分辨成像；需验证不同疾病状态和年龄、血脑屏障通透性差异、EV拓扑、神经元来源货物富集、减少非特异结合及蛋白酶/RNase处理，货物量需经验确定。

研究结论翻译：对神经元特异性EVs的分子货物进行谱分析，为更好理解神经退行性变或其他疾病状态下的脑病理提供了令人兴奋的机会，尤其若血浆可作为来源，则可用于早期疾病检测。研究人员在本工作中引入的资源和框架是朝着这一目标迈出的实质性步骤。此外，该工作广泛适用于识别和验证其他细胞类型和器官的细胞类型特异性EV标志物。研究人员设想，这将促成在健康和疾病中非侵入性读取细胞状态的新方法。