近日，电子科技大学生命学院生物信息学团队针对2型糖尿病进展过程中胰岛风险细胞的异常扰动解析问题，使用涵盖2型糖尿病不同进展阶段的大规模胰岛单细胞转录组测序数据，基于可解释性分析框架scRiskCell识别与量化受疾病扰动影响的细胞类型特异性胰岛风险细胞。scRiskCell从细胞内在转录特征出发，建立细胞表达状态与供体疾病程度之间的关联，为糖尿病早期预警与临床动态监测提供了新思路。相关成果于6月24日发表于iMeta。

2型糖尿病（T2D）作为一种典型的代谢紊乱疾病，其主要特征为胰岛素分泌功能障碍。在疾病发展过程中，患者通常会经历一个关键的糖尿病前期（preT2D）阶段——此时血糖水平虽未达到临床诊断标准，但已显著高于正常范围，并伴随着胰岛β细胞对葡萄糖刺激的胰岛素分泌反应逐渐减弱。这一阶段犹如站在疾病发展的十字路口，若不及时干预，大多数患者最终会发展为典型的糖尿病。尽管目前已有大量关于糖尿病分子机制的研究，但糖尿病前期向典型糖尿病转变的具体驱动机制的认知仍然有限。

为解决上述问题，研究团队开发了scRiskCell，这是一个基于机器学习的计算框架，能够识别胰岛中的细胞类型特异性风险细胞（包括稀有的ε细胞），从而揭示糖尿病进展机制及罕见细胞类型的潜在作用。

通过严格的样本内和跨样本评估，团队证明scRiskCell能够在不同队列中稳健地检测出真正受疾病扰动的风险细胞，即使在低丰度细胞群体中也能实现，同时有效排除了技术和供体背景造成的混杂干扰。该框架不仅能够量化糖尿病连续疾病进程中（从正常血糖到糖尿病前期，进一步到糖尿病）风险细胞比例的动态变化，还能识别疾病进展过程中驱动β细胞功能障碍的关键转录程序。与基于供体水平的传统分析方法相比，scRiskCell显著提高了对疾病相关基因表达变化的检测灵敏度，同时为解析糖尿病进程中基因调控网络（GRN）的动态重编程提供了新的见解。

相关论文信息：https://doi.org/10.1002/imt2.70060