《CNS Neuroscience & Therapeutics》：Integrative Transcriptomics and Machine Learning Identify Temporal Stress Signatures and Astrocytic Neurocan Associated With Hypothalamic Injury
编辑推荐：
背景：应激相关的神经功能障碍呈动态演变，但区分应激阶段的分子标志物仍然有限。本研究旨在表征下丘脑时序转录组变化，并识别用于应激阶段区分的分子特征。
方法：研究人员对小鼠应激后下丘脑进行全转录组测序。整合差异表达、时序聚类、共表达网络分析和机器学习，以识别应激相
背景：应激相关的神经功能障碍呈动态演变，但区分应激阶段的分子标志物仍然有限。本研究旨在表征下丘脑时序转录组变化，并识别用于应激阶段区分的分子特征。
方法：研究人员对小鼠应激后下丘脑进行全转录组测序。整合差异表达、时序聚类、共表达网络分析和机器学习，以识别应激相关的mRNA和miRNA特征。通过RT-qPCR和单核RNA测序验证候选标志物。进一步通过蛋白质补充、周围神经网络分析、行为测试和调控网络分析评估Ncan功能。
结果：mRNA表现出强时序敏感性，捕获了阶段特异性转录重塑，而miRNA主要反映应激状态而非持续时间。一个六mRNA特征（Ncan, Mt2, Nab2, Ptch1, Catspere1/Catspere2）精确区分对照组、急性应激和慢性应激（准确率1.000），而一个11-miRNA特征稳健分类应激状态（准确率0.944）。两个特征均通过RT-qPCR和嵌套交叉验证得到验证，准确率分别为0.898和0.890。Ncan持续排名最高，主要在星形胶质细胞中表达，被应激渐进性下调，其补充恢复了PNN并减轻了抑郁样行为。虚拟Ncan敲除破坏了应激网络，Ctcf被预测为其上游调控因子。
结论：本研究识别了不同的应激阶段和应激状态转录组特征，并强调星形胶质细胞Ncan作为候选生物标志物，可能通过调节PNN稳态参与应激诱导的神经损伤。
研究背景与科学问题
应激是机体应对环境挑战的适应性反应，然而长期应激会破坏下丘脑-垂体-肾上腺（hypothalamic-pituitary-adrenal, HPA）轴功能，诱发神经炎症和代谢紊乱，并促进抑郁症、焦虑症及神经退行性疾病的发生发展。准确区分应激阶段对于早期干预至关重要，但目前评估手段主要依赖行为测试和皮质醇、促肾上腺皮质激素释放激素（CRH）等内分泌指标，这些指标易受昼夜节律波动影响，且提供的脑特异性病理变化信息有限。下丘脑作为HPA轴的中枢调控器，协调着应激反应，但其在应激进展过程中的动态分子重塑机制仍不清楚。此外，传统差异表达分析受限于高维数据和较差的泛化能力，而机器学习方法很少被应用于时序应激分层或结合实验验证。因此，亟需建立具有时间分辨率和分子稳定性的客观生物标志物。
研究方法概述
研究人员利用雄性C57BL/6N小鼠（7-8周龄）建立束缚应激模型（每日6小时），分为对照组、急性应激组（3天）和慢性应激组（14天），每组15只小鼠用于全转录组测序，另取12只小鼠（每组3只）用于单核RNA测序（snRNA-seq）。关键技术包括：全转录组测序（Illumina平台）、Mfuzz时序聚类分析、加权基因共表达网络分析（WGCNA）、多层机器学习特征选择（随机森林RF、LASSO回归、ElasticNet递归特征消除RFE、XGBoost）及九种分类模型构建、RT-qPCR独立验证、snRNA-seq细胞定位、FITC标记的紫藤凝集素（FITC-WFA）染色评估PNN完整性、重组Ncan蛋白脑室内注射、scTenifoldKnk虚拟基因敲除分析及pySCENIC转录因子调控网络推断。
研究结果
3.1 不同RNA类别区分应激时长与应激状态的转录组特征差异
全转录组测序显示，mRNA在下丘脑应激过程中表现出最强的组间分离能力，可清晰区分对照组、3天和14天应激组；miRNA对应激条件有中等区分度；而lncRNA和circRNA组间重叠显著，辨别能力有限。结果表明mRNA对应激时长分辨率最优，miRNA更适于区分应激状态。
3.2 急性和慢性应激期间mRNA与miRNA调控程序的时序分化
差异表达分析发现，3天和14天应激组分别鉴定出376和416个差异表达基因（DEGs）。KEGG通路富集显示，早期应激主要涉及脂质代谢和炎症通路，而长期应激优先富集于类固醇激素生物合成和视黄醇代谢，提示进行性神经内分泌失调。相比之下，miRNA的表达在各应激阶段更为保守，主要共享神经元信号通路如轴突导向、MAPK和Wnt信号。
3.3 时序共表达网络识别应激进展相关转录模块
Mfuzz聚类识别出两个mRNA簇（Cluster 8和11）呈现持续上调，与DEGs交集获得11个核心时序表达基因；两个miRNA簇（Cluster 11和12）呈现持续上/下调，获得16个核心差异miRNA。WGCNA进一步鉴定出MEbrown和MElightcyan模块与应激进展呈显著负相关，主要富集于代谢重编程通路。
3.4 机器学习整合鉴定紧凑型mRNA特征实现稳健应激分层
通过RF（保留296个候选基因）和LASSO（保留26个基因）整合获得304个候选基因。九种机器学习算法评估后，ElasticNet-RFE和XGBoost优化得到一个六基因特征（Ncan, Mt2, Nab2, Ptch1, Catspere2/Catspere1）。基于该特征的分类模型在所有算法中保持优异性能，SHAP分析一致确认Mt2、Ncan和Ptch1为主要贡献者。
3.5 miRNA特征稳健区分应激状态但时间分辨率有限
miRNA三分类模型无法可靠区分3天和14天应激组，故转为二分类（对照vs.应激）。经特征降维后获得11-miRNA特征，RBF核SVM模型表现最佳。SHAP分析显示mmu-miR-144-3p贡献最大。
3.6 RT-qPCR验证核心mRNA和miRNA特征
RT-qPCR数据重建的机器学习模型中，高斯朴素贝叶斯取得最佳性能，嵌套交叉验证证实模型稳健性。Ncan在多个模型中始终为最重要特征。miRNA二分类模型中，ExtraTrees表现最优，mmu-miR-672-5p等为主要贡献者。
3.7 Ncan优先富集于星形胶质细胞并参与应激相关PNN重塑
snRNA-seq揭示Ncan、Mt2和Ptch1主要富集于星形胶质细胞，其中Ncan在急性和慢性应激后均持续下调。GO分析将Ncan关联至细胞外基质组织和透明质酸结合。应激显著降低下丘脑PNN完整性，伴随Ncan表达下降。重组Ncan蛋白脑室内给药恢复Tenascin C、Aggrecan和Hapln1等主要PNN组分，并减轻应激诱导的抑郁样行为。scTenifoldKnk虚拟敲除显示应激增加Ncan网络扰动，受影响基因富集于突触组织。pySCENIC鉴定Ctcf为Ncan潜在上游转录调控因子。
讨论与结论
本研究的核心发现是mRNA和miRNA的功能分化：mRNA因直接反映转录活性而具备优越的时序分辨率，从早期脂质代谢和炎症向长期类固醇激素合成的通路转变揭示了HPA轴持续激活下的进行性神经内分泌失调；miRNA则作为转录后缓冲器维持网络稳定性，其相关通路高度保守。通过整合时序聚类、共表达网络和多层机器学习，研究建立了六基因mRNA特征（准确率1.000）和11-miRNA特征（准确率0.944），并经RT-qPCR独立验证。Ncan在所有候选标志物中最稳定且在多个模型中排名最高，其星形胶质细胞来源的下调导致PNN完整性破坏，外源补充可恢复PNN组分并缓解抑郁样行为。网络分析揭示Ctcf-Ncan调控轴在星形胶质细胞介导的PNN稳态中的潜在作用。
结论：本研究系统表征了下丘脑在应激进展中的转录组重塑，揭示了mRNA和miRNA在应激阶段与应激状态区分中的不同角色，建立了稳健的转录组分类器，并确定Ncan为跨机器学习模型的最具信息量生物标志物。星形胶质细胞Ncan在应激中被持续下调，其补充可恢复周围神经网络完整性并减轻抑郁样行为。这些发现为应激进展的分子机制提供了新见解，表明Ncan可能成为应激相关神经损伤的有前景的生物标志物和潜在治疗靶点。
