Proteome modulation by opposite inotropic drugs in human engineered cardiac tissue revealed by topology-driven cross-modal integration

人类的心脏是一个不知疲倦的泵，是一块每天大约跳动十万次的肌肉。为了维持这种节奏，心脏依赖于一套复杂的内部蛋白质机制，这些蛋白质负责收缩、传递信号并产生能量。当科学家想要测试新药或了解心脏疾病时，他们经常转向工程化心脏组织。这些是在实验室中培育出的活体心肌细胞三维团块，旨在模拟真实人类心脏的行为。它们提供了一种观察药物如何改变心跳强度，并同时观察细胞内部发生变化的方法。然而，将肌肉的可见运动与其数千种蛋白质的不可见变化联系起来一直是一个难题。传统方法通常将物理运动和分子数据视为两个独立的故事，很难观察它们是如何相互影响的。

在一项新的研究中，研究人员通过利用人类干细胞培育工程化心脏组织，并使用两种截然不同的药物进行处理：一种是使心脏跳动更强力的肾上腺素，另一种是已知会削弱心脏的化疗药物阿霉素。他们测量了心跳的力量，然后分析了组织内部的蛋白质，以观察细胞如何做出反应。为了理解海量的数据，团队使用了一种称为拓扑数据分析的数学方法。这种方法不是将数据强行塞入简单的图表，而是观察信息中的整体形状和连接，从而允许研究人员一次性绘制出药物、肌肉强度和蛋白质变化之间的关系图。

实验始于一批在实验室中培育直至形成微小跳动组织的类人心脏细胞。研究人员将这些组织分为几组。一些保持原样，一些加入了无害的溶剂，一组接受了肾上腺素处理，另一组接受了阿霉素处理。二十四小时后，他们测量了每块组织收缩的力度。正如预期的那样，接受肾上腺素处理的组织收缩力更强，而接受阿霉素处理的组织则变得更弱。在测量完这些力量后，研究人员立即冻结了组织，以捕捉其蛋白质的快照。他们在每个样本中识别出超过七千个不同的蛋白质组，创建了一张关于细胞内部发生了什么的详细分子图谱。

为了理解这数千种蛋白质如何与心跳强度相关联，团队构建了一个统一的网络模型。想象一下，数据不是一份数字列表，而是一个景观，其中每个点代表一个组织样本。在这个景观中，研究人员根据蛋白质水平和心跳强度对样本进行定位。这创建了一个连接的地图，具有相似行为和分子特征的组织会聚集在一起。这张地图清晰地根据所接受的药物对组织进行了分类。接受肾上м素处理的组织聚集在一个以高强度为特征的区域，而接受阿霉素处理的组织则聚集在完全不同的、以低强度为特征的区域。未处理的组织位于中间，表明药物已将心肌细胞推向了不同的分子状态。

通过检查地图中的连接，研究人员发现了哪些特定的蛋白质驱动了这些变化。他们发现，与强力心跳相关的蛋白质（如在肾上腺素作用下看到的蛋白质）与能量产生以及细胞内被称为线粒体的“动力工厂”中构建新蛋白质的机制密切相关。相比之下，当心脏被阿霉素削弱时，蛋白质的变化呈现出近乎相反的模式。药物导致了这些能量和蛋白质构建过程与心脏功能之间的关联发生了逆转。虽然正向药物加强了能量产生与肌肉力量之间的联系，但负向药物破坏了这种联系，这表明心脏的收缩能力与其管理能量和维持内部蛋白质平衡的能力深度相关。

这项研究并未证明这些蛋白质变化导致了心脏跳动变强或变弱，但它展示了两者之间存在强烈的直接关联。研究人员指出，仅仅看到蛋白质的变化并不意味着该蛋白质变得更加活跃，而仅仅意味着它的含量发生了变化。然而，这种模式的清晰度表明，能量稳态和线粒体健康是心脏应对药物反应的核心。这种看待数据的新方式——将物理功能和分子组成视为一个统一且相互关联的系统——为理解复杂的生物学反应提供了强大的工具。它让科学家能够观察到药物如何改变活体组织的宏观全景，从孤立的事实转向理解整个系统。这种方法可以通过揭示心脏跳动背后隐藏的分子故事，帮助开发更好的药物并理解心脏疾病。