《Biological Psychiatry: Cognitive Neuroscience and Neuroimaging》：Validating gene-brain-behavior associations in autism: A replication study
编辑推荐：
专业摘要翻译：
背景：自闭症（autism）以临床特征、神经影像及遗传图谱的异质性为特征。为阐明多层级异质性，Buch等人（2023）在自闭症脑影像数据交换库（Autism Brain Imaging Data Exchange, ABIDE）中识别出具有生物
专业摘要翻译：
背景：自闭症（autism）以临床特征、神经影像及遗传图谱的异质性为特征。为阐明多层级异质性，Buch等人（2023）在自闭症脑影像数据交换库（Autism Brain Imaging Data Exchange, ABIDE）中识别出具有生物学意义的亚组。然而，ABIDE因回顾性整合的多中心采集方案而包含非生物学来源的变异。为区分生物学变异与中心相关变异并检验这些亚组的稳健性，研究人员评估了其发现在一个深度表型化、前瞻性采集的自闭症数据集（EU-AIMS LEAP）中的复制程度。
方法：研究纳入来自LEAP队列的270名自闭症参与者（7.5–30.3岁；73%男性）及216名非自闭症参与者（6.9–31岁；63.4%男性）。在功能连接（functional connectivity）与三项临床指标（言语智商[verbal IQ, VIQ]、自闭症诊断观察量表-2[Autism Diagnostic Observation Schedule-2, ADOS-2]社交情感[social affect, SA]及受限/重复行为[restricted/repetitive behavior, RRB]）之间进行正则化典型相关分析（regularized canonical correlation analysis, RCCA）。随后，基于典型变量（canonical variates）通过层次聚类识别的亚组，以行为、功能连接模式及基因富集分析进行表征。
结果：四个自闭症亚组中的三个表现出与原研究一致的行为特征。三个亚组共享更强的丘脑-皮层连接，而全部四个亚组均表现出涉及默认模式网络（default mode network, DMN）、突显网络（salience network, SN）、视觉及感觉运动网络的独特连接模式。这些亚组特异性连接模式进一步与自闭症相关及注意力缺陷多动障碍（attention deficit hyperactivity disorder, ADHD）相关基因集相关联。跨预处理流程，亚组分配部分保留。亚组2（全面受影响行为）与亚组4（社交困难较少但受限行为较多）保留了更一致的行为特征及连接改变，而亚组1与亚组3对具体预处理步骤更为敏感。
结论：这四个亚组表现出部分一致的行为特征、连接改变及遗传模式，拓展了对自闭症多层级异质性的理解。
论文解读文章
一、研究背景与问题
自闭症谱系障碍（autism spectrum disorder, autism）是一种以社交互动差异及受限/重复行为为特征的神经发育疾病。尽管具有共享的核心诊断特征，自闭症的临床表现高度异质：个体在症状严重程度、语言能力、智力水平及共病情况上差异显著。这种变异不仅体现在临床特征上，也反映于神经影像发现及遗传图谱中，共同构成自闭症的多层级异质性。
为解析这种异质性，亚型分型方法被日益广泛应用。典型做法是基于临床量表或影像特征通过聚类方法识别自闭症亚组，并在互补领域进行验证。然而，仅靠外部验证并不能保证所识别亚组的稳健性、可靠性及可解释性。跨独立样本的复制为亚组稳定性提供了更强证据，因为采样差异会直接影响所得亚组特征。
在遗传层面，大量常见、罕见遗传及新生变异已被关联至自闭症。影像转录组学分析也已将艾伦人脑图谱（Allen Human Brain Atlas, AHBA）的基因表达与自闭症的功能及结构改变联系起来。然而，遗传、神经生物学及行为特征如何协同贡献于多层级异质性仍知之甚少。
Buch等人（2023）利用ABIDE数据集，通过正则化典型相关分析（RCCA）识别出三个潜在脑-行为维度，并基于此通过层次聚类确定了四个具有不同基因-脑-行为关联的自闭症亚组。然而，ABIDE是一个回顾性整合的数据集，其多中心采集方案差异可能引入非生物学变异，掩盖目标生物学变异。因此，在一个能最小化此类混杂并更好捕捉自闭症异质性的独立数据集中验证这些发现至关重要。
二、研究内容与意义
本研究将紧密匹配Buch等人分析流程的方法应用于纵向欧洲自闭症项目（Longitudinal European Autism Project, LEAP）——一个深度表型化、前瞻性采集的自闭症与非自闭症参与者队列，包含MRI、行为及遗传数据。研究旨在回答三个问题：其一，能否通过RCCA复制先前发现的脑-行为维度；其二，能否在LEAP中复制四个自闭症亚组；其三，若能复制，能否复制各亚组中先前发现的基因-脑-行为关联。复制这些发现将提供对原论文的独立验证，并进一步增进对自闭症多层级异质性的理解。
三、关键技术方法
研究纳入LEAP第一波数据，最终样本含486名参与者（270名自闭症、216名非自闭症），年龄6.9至31岁。排除标准包括：脑室极大及解剖覆盖不足（n=31）、少于180个体积（n=9）、头部运动过度（n=63；平均框架位移>0.7mm或最大框架位移>1个体素大小3.8mm）。临床指标采用与Buch等人相同的四项：ADOS-2总严重度校准严重度评分（CSS）、社交情感CSS、受限/重复行为CSS及言语智商。缺失临床数据采用非参数极端随机树回归模型的迭代轮询插补框架处理。
静息态功能磁共振成像（rsfMRI）预处理后，使用264区划加13个额外区域共277个10mm半径球形区域构建功能连接矩阵，剔除信噪比低的区域后保留243个区域。采用L2正则化RCCA（岭惩罚）识别功能连接与行为之间的低维表征，通过1000次交叉验证（训练集95%、测试集5%）评估维度显著性，并使用Nadeau与Bengio方差校正的单侧校正重采样配对t检验。基于三个脑典型变量对训练样本进行余弦距离平均链接层次聚类，评估2至7簇的聚类性能与稳定性，采用匈牙利方法对齐1000次复制的参与者分配并采用共识分配。功能连接组差异分析以年龄、性别、全量表智商、中心及平均框架位移为协变量，采用FDR校正（p<0.05）及偏eta平方效应量。敏感性分析包括混合模型归一化功能连接、三个年龄组分层分析及原论文预处理流程重复。基因相关分析采用AHBA数据集，通过偏最小二乘回归（PLSR）分解基因表达矩阵，以基因矩阵为预测变量、功能连接差异t值之和为响应变量，对解释最大方差比例的基因成分进行基因集富集分析（GSEA）及蛋白质-蛋白质相互作用（PPI）分析，并通过文本挖掘分析关联亚组特异性蛋白质网络与行为。
四、研究结果
（一）LEAP中的脑-行为映射
RCCA分析中，三个脑-行为维度（典型变量）均统计显著（CV1: r=0.062, p=0.047；CV2: r=0.227, p=0.001；CV3: r=0.101, p=0.029）。CV1对受限/重复行为呈强负载荷（loading=-0.79），对社交情感呈中等负载荷（loading=-0.43），对言语智商呈中等正载荷（loading=0.45）。CV2与言语智商正载荷（0.56）及受限行为正载荷（0.44）相关，与社交情感负载荷（-0.52）相关。CV3对社交情感载荷最高（0.63），对言语智商中等载荷（0.56）。功能连接载荷方面，CV1高分（反映较少自闭症行为）与皮层网络-皮层下区域（杏仁核、海马）功能连接增强、小脑-皮层下区域及默认模式网络内部及与其他皮层网络连接减弱相关。CV2高分与颞中回-前额叶区域连接减弱及腹外侧前额叶-感觉运动及听觉网络连接减弱相关。CV3高分主要与视觉网络-腹外侧前额叶及脑岛连接增强、默认模式网络-突显网络连接增强相关。部分功能连接载荷模式与ABIDE结果一致：CV1与默认模式网络内部及与其他皮层网络连接负相关，视觉网络-颞极及视觉-感觉运动连接正相关；CV3中突显网络（前扣带皮层、腹外侧前额叶、脑岛）与视觉网络正相关。
（二）LEAP中的四个自闭症亚组
与Buch等人一致，四簇解在LEAP自闭症参与者中亦为最优。四簇解的重采样稳定性中等（中位调整兰德指数[ARI]=0.24，中位归一化互信息[NMI]=0.30），33.7%参与者在超过70%复制中分配到共识亚组。四个亚组规模为：亚组1（71人）、亚组2（77人）、亚组3（76人）、亚组4（46人）。三个亚组（亚组1、2、4）的自闭症行为模式与原研究相似，亚组3的言语智商除外。亚组2在多个领域呈现自闭症特征，包括更多社交困难、受限行为及较低言语智商（最低CV1得分）。亚组1表现出最佳言语能力（高于平均言语智商），但具有中等水平的刻板行为及社交困难（最高CV3得分）。亚组3与亚组4表现出社交困难与受限行为的不平衡：亚组3受限行为较少而社交困难中等（最低CV2得分），亚组4社交困难较少而受限行为高于平均（最高CV2得分）。
功能连接差异方面，与ABIDE及LEAP均一致的可复制发现包括：亚组2-4较非自闭症组表现出丘脑-皮层连接持续增强，而亚组1未见此模式。亚组2表现出脑干（腹侧被盖区[VTA]）-皮层下区域（杏仁核、海马）连接增强。亚组1与亚组2表现出颞中回-视觉网络及视觉-感觉运动区域连接减弱。亚组4仅表现出突显网络-颞中回及突显网络-视觉网络连接减弱。LEAP特异性改变包括：亚组1与亚组4小脑-运动、听觉、视觉网络连接增强；亚组2默认模式网络内部及默认模式网络-突显网络连接增强、杏仁核-多个皮层网络连接减弱；亚组1默认模式网络-额顶网络连接增强；亚组3默认模式网络-杏仁核、海马连接增强。
（三）四个亚组的转录组模式
与ABIDE发现类似，多个自闭症相关基因集在排序基因列表中显著富集。自闭症上调基因在亚组1、2、3的正向加权基因中富集，自闭症下调基因在所有亚组的负向加权基因中富集，提示自闭症上调基因高表达与下调基因低表达可能共同构成这些亚组与非自闭症组间更多功能连接差异的基础。非精神科基因集除免疫相关疾病（中枢神经系统自身免疫及骨关节炎，自闭症常见躯体共病）外未见富集。其他神经精神基因集中，ADHD相关基因集在亚组1、2、3的负向加权基因中富集，发声学习相关基因集在亚组4中富集。多个突触信号、免疫信号及蛋白质翻译基因集亦富集，但LEAP与ABIDE的富集得分仅呈弱相关。
（四）四个亚组的PPI网络
亚组1包含两个与DNA损伤反应及蛋白质代谢相关的网络。亚组2与亚组4亦与蛋白质代谢相关。亚组3与翻译调控及应激相关反应相关。文本挖掘分析中，亚组4相关基因表现出比社交情感关键词更高比例的受限/重复行为关键词，与其受限行为较多而社交困难较少的特征一致；亚组3相关基因则呈现相反模式，与其社交困难较多一致。
五、讨论与结论
三个亚组（亚组2-4）表现出丘脑-皮层连接增强，与Buch等人发现一致。丘脑在整合感觉输入至皮层、协调整体皮层活动中起关键作用。自闭症中的丘脑皮层过度连接可能反映延迟或不成熟的神经发育，导致感觉及认知表型持续存在。亚组1表现出视觉-突显网络连接增强，与其最高CV3得分一致；亚组4则表现出该连接减弱。亚组2表现出默认模式网络内部及与其他网络连接增强，可能贡献于“网络隔离”，限制复杂社会功能所需的动态跨网络交互。亚组3与亚组4沿CV2维度分化，颞中回-腹外侧前额叶及颞中回-海马连接与CV2得分负相关，亚组4较亚组3在这些区域间连接更弱。亚组3的言语智商模式相对ABIDE发现发生反转，但两研究中的言语智商箱线图均跨越零值，表明该指标未与队列均值明确分离，稳定性有限。
与临床载荷一致及行为特征相似相比，样本外功能连接载荷及功能连接改变的重叠较少，可能原因包括：fMRI数据采集及处理流程变异大于临床评估；脑-行为映射的“多对一”性质，即相同临床表型可能源于多种不同神经配置；复制标准受样本量、预处理流程及协变量影响。亚组相关蛋白质通路未与原研究一致，未在高受限行为亚组中识别血清素能通路，也未在高社交困难亚组中识别催产素通路，可能因基因富集分析捕捉整体关联而PPI分析基于更窄的亚组特异性基因子集，分子结果应谨慎解读。
研究局限性包括：运动伪影预处理及协变量调整与原研究不同；自闭症样本量虽与原研究相当但可能不足以检测稳定脑-行为关联，先前工作提示可靠脑-行为维度所需最小样本-特征比约为50；AHBA转录组图谱基于六名24-57岁成人供体死后组织，基因表达谱可能无法充分捕捉发育性LEAP队列的生物学异质性；未来研究可扩展至同时整合基因、脑及行为信息的多模态方法；纵向评估对评价亚组稳定性及发育效应至关重要。
结论：研究在临床特征方面复制了四个自闭症亚组中的三个，其中亚组2与亚组4在跨处理流程中表现出更大一致性。这种一致性指群体水平特征，不意味着稳定的个体亚组成员身份。四个亚组中部分功能连接改变及相关基因集一致，但识别出不同蛋白质通路。亚组2与亚组4均观察到更强的丘脑皮层功能连接，亚组2表现出较低的视觉-感觉运动及视觉-颞中回连接，亚组4表现出较低的突显网络-视觉及突显网络-颞中回连接。亚组1与亚组3对预处理变化更为敏感。这些发现展示了对原研究的部分复制，并进一步推进了对自闭症亚组间复杂基因-脑-行为关联的理解。
