时空脑转录组学研究揭示了主要神经精神疾病中的风险基因热点区域

《Communications Biology》:Spatiotemporal brain transcriptomics reveal risk gene hot-spots in major neuropsychiatric disorders

【字体: 大 中 小 】 时间:2026年05月14日 来源:Communications Biology 5.1

编辑推荐:

  摘要 大脑发育受到动态基因表达程序的引导,这些程序在不同脑区和发育阶段中有所不同。尽管已经识别出许多与神经精神障碍相关的风险基因,但这些基因发挥作用的时空背景仍不清楚。在这里,我们利用来自人脑的批量和单细胞转录组数据,展示了包括自闭症、注意力缺陷多动障碍、强迫症、重度抑郁症、

  摘要
大脑发育受到动态基因表达程序的引导,这些程序在不同脑区和发育阶段中有所不同。尽管已经识别出许多与神经精神障碍相关的风险基因,但这些基因发挥作用的时空背景仍不清楚。在这里,我们利用来自人脑的批量和单细胞转录组数据,展示了包括自闭症、注意力缺陷多动障碍、强迫症、重度抑郁症、双相情感障碍、精神分裂症、癫痫、阿尔茨海默病和帕金森病在内的15种神经精神特征的基因组范围风险基因的时空表达模式。我们识别出了特定于特征的时空富集模式,从而将这些障碍分类为产前和产后富集的组别,这与已知的疾病发病年龄相吻合。结合脑成像数据集和基因共表达网络分析,进一步揭示了神经精神风险中的突触发育和功能以及早期大脑发育过程中的RNA处理。这些发现提供了一个系统层面的框架,将遗传风险与神经发育和神经解剖学背景联系起来。

引言
神经精神障碍通常在特定的发育窗口期表现出来,这表明基因表达的时间对于这些疾病的发病机制起着关键作用。基因组学的进步促进了与各种精神和神经系统疾病相关的广泛基因组范围风险基因集的识别。然而,这些风险基因单独作用时往往只有轻微到中等的效应,它们以加性或交互的方式参与疾病机制。这些疾病的复杂性强调了理解风险基因集表达的时空动态如何影响疾病机制和临床特征的重要性。对转录组时空动态的全面分析可以揭示大脑成熟和区域特化的解剖学和发育模式,提供对其内在分子机制的更深入见解,并指出潜在的神经精神风险“热点”。先前的研究强调了风险基因的时间表达模式与多基因神经精神障碍发病年龄之间的相关性。然而,风险基因表达的广泛时空模式——这些基因在发育过程中何时、何地以及与哪些细胞类型共表达——及其在区分不同神经精神障碍中的作用仍较少被探索。本研究旨在通过调查从数据驱动的、无假设的基因组范围研究中得出的与多种神经精神特征(包括智商(IQ)、自闭症谱系障碍(ASD)、注意力缺陷多动障碍(ADHD)、图雷特综合征(TS)、强迫症(OCD)、神经性厌食症(ANO)、神经质、恐慌障碍、重度抑郁症(MDD)、双相情感障碍(BIP)、精神分裂症(SZ)、癫痫、阿尔茨海默病(AD)和帕金森病(PD)相关的风险基因集的时空表达模式,来填补这一知识空白。我们假设这些时空表达模式不仅与关键临床特征(如发育时间和症状特征)相关,还为在分子水平上区分神经精神障碍提供了框架。通过量化风险基因集的表达富集,即相对于背景基因表达在特定脑区、发育阶段和细胞类型中的过度代表,我们试图识别可能反映这些障碍易感时期和位置的神经元和发育“热点”。

为了回答这些问题,我们系统地研究了主要神经精神特征的风险基因集的时空表达模式。通过将基因组范围遗传研究与来自发育中和成人脑的批量和单细胞转录组数据相结合,我们检查了风险基因在脑区、发育阶段和细胞类型中的分布情况。我们进一步利用大规模神经成像数据将这些表达模式与疾病相关的脑结构改变联系起来,并识别出与特定功能途径和神经精神风险相关的时空共表达基因模块。这些分析共同揭示了遗传风险的共享和特定于疾病的时空特征,并提供了对主要神经精神障碍背后的神经发育机制的见解。

研究方案
该研究采用多层次生物信息学方法来探索多基因神经精神障碍的神经发育机制和潜在的治疗靶点(图1)。使用里程碑式的基因组范围关联研究(GWAS)、外显子测序(ES)和类似的无假设关键风险基因数据库来识别与神经精神特征相关的多基因风险基因(补充表1)。将BrainSpan发育人脑项目的RNA-seq数据、Allen人类脑图谱(AHBA)微阵列数据和单细胞RNA-seq数据整合到分析流程中。跨时空转录组的基因集表达富集分析识别了不同神经精神障碍的风险基因表达的关键模式。风险基因的时空表达模式将这些基因与疾病相关的脑区、神经回路、发病年龄和诊断类别联系起来。为了进一步验证这些关联,我们利用Enhancing Neuro Imaging Genetics through Meta Analysis(ENIGMA)联盟关于主要神经精神障碍的汇总统计信息,支持了风险基因集表达富集与疾病相关脑结构改变之间的相关性。最后,基于加权基因共表达网络分析(WGCNA)的回归模型揭示了共表达基因模块在何时、何地以及哪种细胞类型中上调并富集了神经精神风险基因。同时,模块基因富集的基因本体论(GO)术语暗示了潜在的致病分子机制,最终确定了潜在的时空特异性分子机制、生物标志物和治疗靶点。

图1:分析工作流的示意图。

为了表征与15种主要神经精神特征相关的风险基因集的时空表达和富集模式,我们整合了多个转录组数据集和分析方法。a BrainSpan发育RNA-seq数据用于评估脑区和发育阶段的基因集表达动态。b AHBA微阵列数据补充了BrainSpan数据,提供了空间分辨的成人脑表达谱型。c ENIGMA神经成像汇总统计信息用于检查基因表达与脑结构改变之间的相关性。d 精选的标志性风险基因数据库为分析提供了特定于特征的基因集。e 基于基因集过度表达的分析识别了跨特征的时空富集表达模式。f 相关性分析将风险基因表达与ENIGMA衍生的脑结构变化联系起来。g 时空富集谱型揭示了风险基因过度表达与特征特异性发病年龄和致病回路之间的收敛性,使得15种特征可以聚类为三个不同的组别。h 基于WGCNA的线性回归和富集分析识别了与疾病相关脑区、细胞类型和发育窗口相关的共表达基因模块。i 模块基因的功能富集分析突出了特定于疾病的生物过程和候选治疗靶点。j 发育和成人单细胞转录组数据用于表征风险基因富集模块的细胞背景。图(a)中的大脑发育示意图改编自Mingfeng Li等人在《科学》杂志(362, eaat7615, 2018)上发表的文章的图形摘要。本文中重新使用该插图的许可得到了相应作者Nenad Sestan的批准。图(b, d–h, j)中的插图是在https://BioRender.com创建的。AHBA Allen人类脑图谱、ENIGMA Enhancing Neuro Imaging Genetics through Meta-Analysis联盟、RNA-seq RNA测序、WGCNA加权基因共表达网络分析、GWAS基因组范围关联研究、ES外显子测序、IQ智商、ASD自闭症谱系障碍、ADHD注意力缺陷多动障碍、TS图雷特综合征、OCD强迫症、ANO神经性厌食症、MDD重度抑郁症、BIP双相情感障碍、SZ精神分裂症、AD阿尔茨海默病、PD帕金森病。

假设早期和晚期表达富集的控制基因集显示了预期的时空富集模式
为了验证使用风险基因集的时空表达模式来推断关键致病“热点”——从而估计各种神经精神障碍的发病高峰年龄和易感脑区——我们使用了正控制和负控制。作为正控制,我们选择了预期会显示阶段特异性富集的风险基因集,例如从胎儿或成人脑组织中识别出的数量性状位点相关基因。作为负控制,我们使用了具有不同样本大小的随机生成的基因集。如补充图1a所示,基因集表达富集分析显示,与IQ相关的风险基因以及在胎儿脑组织中预期富集的风险基因在产前发育期间表现出显著的表达富集。相比之下,来自PsychENCODE第一阶段综合分析的风险基因集——主要基于成人脑转录组——在成年期显示出峰值富集(补充数据1)。相比之下,随机生成的基因集没有表现出一致的空间或时间表达富集模式。这些控制分析共同支持了我们的方法在从基因表达数据中捕捉疾病相关时空富集特征的有效性。

风险基因集的发育表达富集模式与主要神经精神障碍的发病高峰年龄一致
为了探索风险基因集表达富集的发育动态与15种特征对应的发病高峰年龄之间的关系,我们按从早期到晚期的发育阶段对所有BrainSpan样本进行了排序,并根据它们的发病高峰年龄进行了排列。如图2a所示,基因组范围无偏风险基因集在脑发育过程中表现出逐渐延迟的表达富集——从早期产前阶段到中年——与发病高峰年龄的增加相关(补充数据2)。也就是说,表现出早期风险基因表达富集的特征往往具有较年轻的发病高峰年龄(图2d)。这一趋势表明这些障碍和特征的发病机制具有加性或交互性的多基因贡献。与先前的研究一致,大多数早发性精神障碍——包括ASD、ADHD、TS和神经质——显示出相对早期的风险基因表达富集。相比之下,晚发性神经系统疾病如AD、PD和癫痫显示出明显的延迟富集模式(图2a)。正如预期的那样,层次聚类显示,来自不同数据集或同一疾病的不同映射策略的风险基因集通常聚集得非常接近(补充图1b)。这项分析还清楚地分离了主要在产前表达的风险基因集和主要在产后表达的风险基因集(补充图1b, c)。值得注意的是,产前簇富含精神障碍和神经发育相关特征(例如IQ、神经质),而产后簇由具有双峰发病年龄或神经退行性特征的神经系统疾病和精神疾病组成(例如OCD、精神分裂症和MDD)。有趣的是,来自外显子测序(SZes)和GWAS(SZgw)的精神分裂症风险基因集显示出不同的发育轨迹(图2a)。具体来说,SZgw显示出主要的产后富集,而SZes显示出在产前到婴儿早期(1岁之前)的相对富集,这与证据一致,即SZ中的罕见外显子变异与早期神经发育中断和较早的发病年龄更强烈相关。然后,我们合并了不同研究和基因映射方法为每种特征识别的风险基因集(SZ除外,因为它由于疾病异质性被分为SZgw和SZes),以生成15个整合的风险基因集富集谱型进行对比。总体而言,15个合并的基因集产生的聚类模式与使用单个基因集观察到的模式相当(图2b和补充数据3)。这一观察结果得到了另外五种特征(ADHD-、BIP-、OCD-、AD-和PD-)的额外风险基因集的高度一致聚类的支持,包括最近发表的基因组范围研究结果(补充图2)。

图2:风险基因表达的发育动态与发病高峰年龄的关系。

替代文本可能使用AI生成。在产前和产后富集的障碍组分别用红色和蓝色的虚线框标出。平滑线图展示了风险基因集的时间表达动态,突出了产前和产后富集障碍之间的不同发育轨迹。对于产前富集的特征,标准化r值在早期发育阶段达到峰值,而产后富集的障碍则在出生后表现出最大的表达富集。大多数精神障碍或特征——除了强迫症(OCD)、重度抑郁症(MDD)和精神分裂症谱系障碍(SZGW)——都显示出风险基因表达的产前富集。值得注意的是,MDD和SZGW的风险基因在产后发育过程中表现出两个明显的峰值,这表明存在多个易感窗口。这九个总结的发育阶段是通过将移动平均滤波器(窗口大小=3)应用于原始的11个BrainSpan时间点来生成的。点图显示了移动平均r值达到峰值的发育阶段与15个特征发病年龄峰值之间的关系。一个明显的趋势是,那些在产前就表现出风险基因表达富集的特征,其发病年龄峰值更年轻。对于癫痫和OCD,发病年龄峰值是通过平均其早期和晚期的峰值来估算的,分别为33岁[(6+60)/2]和18.9岁[(12.8+24.9)/2]。尽管越来越多的证据表明,由罕见外显子变异引起的SZ可能比主要由常见GWAS变异引起的SZ具有更早的发病年龄,但目前还缺乏这一亚组的明确发病年龄峰值。因此,在本研究中,SZ的发病年龄峰值保守地设定为与SZGW相同,即20.5岁。GWAS全基因组关联研究、ES外显子测序、IQ智商、ASD自闭症谱系障碍、ADHD注意力缺陷多动障碍、TS图雷特综合征、OCD强迫症、ANO神经性厌食症、MDD重度抑郁症、BIP双相情感障碍、SZes精神分裂症外显子测序、SZgw精神分裂症GWAS、AD阿尔茨海默病、PD帕金森病。15个特征的平滑发育动态揭示了不同障碍之间的不同发育轨迹和峰值富集时期。所有产前富集的障碍的风险基因表达都在产前达到峰值,而所有产后富集的障碍则在出生后达到峰值(图2c,d)。有趣的是,精神障碍在儿童期(第6-7阶段)表现出风险基因表达的减少,其中OCD的表现更类似于神经系统疾病(图2a,c)。此外,MDD和SZgw都显示出双峰的风险基因表达峰值(围产期和青少年/年轻成年期),这可能反映了两个敏感的发育窗口,在这些窗口中环境因素可能产生影响(图2c)。神经精神风险基因集的空间富集模式涉及与疾病相关的大脑区域和回路。为了便于直接比较不同障碍在主要大脑结构中的空间富集模式,我们将所有BrainSpan样本从前到后以及从皮质到皮下区域进行了排列,如图3所示。在所有15个特征中,风险基因集的富集模式在皮质样本中的跨特征相似性高于皮下样本,这一点通过图3b中的基于相关性的分析得到了支持。图3:神经精神风险基因集的空间富集模式涉及与疾病相关的大脑区域和回路。这张图片的替代文本可能是使用AI生成的。全尺寸图像:BRAINSPAN大脑区域从前到后以及从皮质到皮下结构进行了排序。在每个区域内,样本按照从早期到晚期的发育阶段进行了排序。热图颜色表示Z分数排序的双列相关系数,反映了风险基因集表达在样本间的相对富集(红色)或减少(蓝色)。潜在的热点区域最初是通过视觉检查富集模式来识别的,并通过将每个结构与额叶皮质参考进行定量验证来进一步确认(另见补充图3)。与额叶皮质相比,显示出显著更高富集的结构用对应于结构颜色图例的彩色矩形标记。层次聚类将15个特征分为产前和产后两组(与图2相同)。在每组内,风险基因集在皮质亚区域显示出大致相似的富集模式(如黑色矩形所示),而皮下结构则显示出特定于障碍的轮廓——在OCD、ADHD、恐慌障碍以及神经质和MDD等情绪相关特征中最为明显。相比之下,IQ和ASD的风险基因在皮下区域的富集相对较少。值得注意的是,小脑成为OCD、AD和PD的另一个热点区域。b相关矩阵基于皮质样本(右上三角)和皮下样本(左下三角)中的富集模式展示了15个特征之间的关系。皮质样本在产前和产后组中表现出相对较高的内部一致性,如上下面板中的黑色三角形所示。经过Bonferroni校正后仍然具有统计学显著性的成对相关性用星号标记(PBonferroni<0.05:*;PBonferroni<0.01:**;PBonferroni<0.001:***)。GWAS全基因组关联研究、ES外显子测序、IQ智商、ASD自闭症谱系障碍、ADHD注意力缺陷多动障碍、TS图雷特综合征、OCD强迫症、ANO神经性厌食症、MDD重度抑郁症、BIP双相情感障碍、SZes精神分裂症外显子测序、SZgw精神分裂症GWAS、AD阿尔茨海默病、PD帕金森病。15个特征的平均发育动态揭示了不同障碍之间的不同发育轨迹和峰值富集时期。所有产前富集障碍的风险基因表达都在产前达到峰值,而所有产后富集障碍则在出生后达到峰值(图2c,d)。有趣的是,精神障碍在儿童期(第6-7阶段)表现出风险基因表达的减少,其中OCD的表现更类似于神经系统疾病(图2a,c)。此外,MDD和SZgw都显示出双峰的风险基因表达峰值(围产期和青少年/年轻成年期),这可能反映了两个敏感的发育窗口,在这些窗口中环境因素可能产生影响(图2c)。神经精神风险基因集的空间富集模式涉及与疾病相关的大脑区域和回路。为了便于直接比较不同障碍在主要大脑结构中的空间富集模式,我们将所有BrainSpan样本从前到后以及从皮质到皮下区域进行了排列,如图3所示。在所有15个特征中,风险基因集的富集模式在皮质样本中的跨特征相似性高于皮下样本,这一点通过图3b中的基于相关性的分析得到了支持。图3:神经精神风险基因集的空间富集模式涉及与疾病相关的大脑区域和回路。这张图片的替代文本可能是使用AI生成的。全尺寸图像:BRAINSPAN大脑区域从前到后以及从皮质到皮下结构进行了排序。在每个区域内,样本按照从早期到晚期的发育阶段进行了排序。热图颜色表示Z分数排序的双列相关系数,反映了风险基因集表达在样本间的相对富集(红色)或减少(蓝色)。潜在的热点区域最初是通过视觉检查富集模式来识别的,并通过将每个结构与额叶皮质参考进行定量验证来进一步确认(另见补充图3)。与额叶皮质相比,显示出显著更高富集的结构用对应于结构颜色图例的彩色矩形标记。层次聚类将15个特征分为产前和产后两组(与图2相同)。在每组内,风险基因集在皮质亚区域显示出大致相似的富集模式(如黑色矩形所示),而皮下结构则显示出特定于障碍的轮廓——在OCD、ADHD、恐慌障碍以及神经质和MDD等情绪相关特征中最为明显。相比之下,IQ和ASD的风险基因在皮下区域的富集相对较少。值得注意的是,小脑成为OCD、AD和PD的另一个热点区域。b相关矩阵基于皮质样本(右上三角)和皮下样本(左下三角)中的富集模式展示了15个特征之间的关系。皮质样本在产前和产后组中表现出相对较高的内部一致性,如上下面板中的黑色三角形所示。经过Bonferroni校正后仍然具有统计学显著性的成对相关性用星号标记(PBonferroni<0.05:*;PBonferroni<0.01:**;PBonferroni<0.001:***)。GWAS全基因组关联研究、ES外显子测序、IQ智商、ASD自闭症谱系障碍、ADHD注意力缺陷多动障碍、TS图雷特综合征、OCD强迫症、ANO神经性厌食症、MDD重度抑郁症、BIP双相情感障碍、SZes精神分裂症外显子测序、SZgw精神分裂症GWAS、AD阿尔茨海默病、PD帕金森病。与上述空间比较一致,使用额叶皮质作为参考的区域内定量分析揭示了主要大脑结构中的特定于障碍的富集模式(补充图3和补充数据4)。值得注意的是,ADHD的风险基因在顶叶和颞叶皮质、丘脑和纹状体中的表达富集显著高于额叶皮质。同样,恐慌障碍的风险基因在神经节隆起(GE)、纹状体和杏仁核中的富集显著增加。这些模式与丘脑在注意力过程中的已知作用,以及杏仁核、纹状体和GABA能中间神经元在情绪调节和唤醒中的作用相一致19,20,21。这些结果支持了现有的神经生物学理论,即丘脑功能障碍与ADHD有关,以及杏仁核和GABA能神经元在恐慌障碍中的作用21,22。此外,纹状体越来越多地被认为是焦虑相关回路中的关键节点23,24,可能表明ADHD和恐慌障碍在情绪处理机制上存在共同的紊乱25,26。对于OCD,风险基因集在纹状体、丘脑和小脑中显著过表达——这与皮质-纹状体-丘脑-皮质(CSTC)回路模型一致27。最近的神经影像学研究强调了OCD中小脑和CSTC回路之间的异常微结构和功能连接28,进一步证实了我们的发现。在神经质、恐慌障碍和MDD的杏仁核中观察到了额外的富集“热点”,这是这些障碍病理生理学中一直涉及的关键区域29,30。相比之下,IQ、ASD、TS和SZ的风险基因集在皮下区域没有表现出明显的表达富集,而是在某些障碍中显示出丘脑、纹状体和小脑的相对减少,这表明这些障碍的发病机制主要起源于皮质。风险基因集的时空富集模式区分了神经精神障碍亚组。考虑到疾病风险基因表达的时空富集模式作为一种中间表型,可以根据共享的发育和解剖特征对神经精神障碍进行分层,从而促进跨障碍比较和综合分析。为了分别表征主要神经精神障碍之间的空间和时间关系,我们对代表所有BrainSpan样本中风险基因表达富集的Z分数排序的双列相关系数进行了主成分分析(PCA)。这项分析包含了所有15个特征,并能够识别出捕捉风险基因表达共享时间和空间变化的正交成分(图4,补充图4和补充数据5)。图4:基于风险基因集的时空富集模式的15个神经精神特征的主成分分析。这张图片的替代文本可能是使用AI生成的。全尺寸图像:对所有BrainSpan样本中15个风险基因集的Z分数排序的双列相关系数进行了主成分分析(PCA)。散点图显示了15个特征在由时间(PC1)和空间(PC4)主成分定义的空间中的分布。PC1和PC4上的位置反映了特征特定表达富集的相似性,具有相似时空模式的特征聚集在一起。b散点图展示了每个主成分解释的方差比例。条形图的高度代表每个成分解释的总方差的百分比(Y轴),按贡献度递减的顺序排列(X轴)。c-e相关分析检查了PC与15个特征中的时空富集变量之间的关联。Y轴表示按每个时空类别分组的样本的平均Z分数排序的双列相关系数。红线表示线性回归拟合,阴影带表示95%的置信区间。Spearman相关系数(R)和未校正的P值显示出来。PC1与产后富集、PC2与晚期婴儿期富集以及PC4与小脑富集的显著关联在FDR校正后用星号标记(PFDR<0.01:**;PFDR<0.001:***)。PC主成分、Cor相关、IQ智商、ASD自闭症谱系障碍、ADHD注意力缺陷多动障碍、TS图雷特综合征、OCD强迫症、ANO神经性厌食症、MDD重度抑郁症、BIP双相情感障碍、SZes精神分裂症外显子测序、SZgw精神分裂症GWAS、AD阿尔茨海默病、PD帕金森病。PC1和PC2所代表的时间维度有效地将15个特征分为产前和产后两组(图4和补充图4a)。PC1主要反映了风险基因富集的全球性产前到产后对比(图4c),而PC2捕捉到了从产晚期相对较低的表达到晚期婴儿期表达增加的快速围产期动态(图4d)。如癫痫、PD、MDD和SZgw等障碍在PC2上有明显的负荷,这与图2a-c中观察到的显著围产期表达变化一致。相比之下,空间成分PC4与小脑富集强烈相关(图4e;补充图4b)。以额叶皮质为参考,OCD、AD和PD的风险基因在小脑中的富集相对较高,而ADHD、IQ、恐慌障碍、SZgw和癫痫在小脑中的富集相对较低,这表明小脑的参与仅限于一部分神经精神和神经退行性障碍。对15个原始风险基因集进行的额外PCA,以及结合最近发布的GWAS结果的五个更新的风险基因数据集,验证了15个特征的总体时空聚类模式(补充图2b-d)。然而,对于风险基因集相对较小的障碍(如OCD和ADHD),聚类结果可能会受到基因组成的影响。总体而言,时间和空间的PCA维度根据它们各自风险基因集的共享时空表达模式划分了生物学上有意义的神经精神障碍亚组。时空富集模式,而不是共享的风险基因,驱动了特征的分类。为了排除特征聚类是由跨数据集的共享风险基因驱动的可能性,我们使用成对Jaccard相似性测试量化了15个特征之间的基因集重叠。如补充图5a-c所示,同一簇内的特征(如SZes、ASD、ANO、TS和ADHD在“产前”簇中)显示出最小的基因重叠。总体而言,15个特征之间的成对Jaccard相似性较低,其中MDD和神经质之间的相似性最高(J=0.15)(补充图5c,d和补充数据6)。同一时空簇内的其他特征,包括SZgw、AD、PD和癫痫在“产后”组中,彼此之间的相似性通常低于与“产前”簇中的特征相似性,这加强了聚类反映了表达动态的收敛性而不是共享的遗传结构。使用ENIGMA脑形态测量评估风险基因表达模式的生物学相关性。为了进一步评估风险基因集的时空表达富集模式的生物学相关性,我们检查了它们与ENIGMA联盟的元分析结构脑改变的关联。从六个成人捐赠者的AHBA微阵列数据集中提取了总共231个解剖学定义的大脑区域。其中,37个区域与ENIGMA摘要数据重叠,并被保留用于可视化和相关分析。八个可用ENIGMA神经精神障碍的风险基因表达富集模式被投影到FreeSurfer脑模板上(图5a-d,i-l和补充数据7)。值得注意的是,ASD、ADHD和BIP的风险基因在新皮质中表现出广泛的表达富集。相比之下,SZ和MDD的风险基因在枕叶皮质中表现出相对更强的富集——特别是在舌区和楔区。此外,皮下结构显示出明显的特定于障碍的模式。例如,纹状体(包括壳核、尾状核和伏隔核)优先富集了与强迫症(OCD)相关的风险基因,而海马体则富集了与自闭症谱系障碍(ASD)、双相情感障碍(BIP)、精神分裂症(SZes)和癫痫相关的风险基因。图5显示了ENIGMA脑区中风险基因集的空间富集情况及其与主要精神疾病相关的MRI衍生的结构改变之间的关联。该图像的替代文本可能是使用人工智能生成的。全尺寸图像显示,共有37个脑区在AHBA微阵列数据集和ENIGMA工具箱的解剖结构之间被手动提取并对齐,以进行相关性分析。这些疾病按照空间富集模式相似性进行排序,以便相邻展示。对于每种疾病:a ASD(自闭症谱系障碍)、b ADHD(注意力缺陷多动障碍)、c BIP(双相情感障碍)、d 癫痫、i SZgw(精神分裂症广谱型)、j SZes(精神分裂症紧张型)、k MDD(重度抑郁症)和l OCD(强迫症),通过将秩-双序列相关系数值投影到FreeSurfer脑模板上来可视化风险基因表达的区域富集模式。颜色越暖表示风险基因集的富集程度越强。对于每种疾病,富集值最高的两个脑区被标记为“热点”区域,这些区域在分析的37个区域中表现出最大的秩-双序列相关系数。ASD、ADHD和BIP的风险基因在皮层中广泛富集,而SZ和MDD的风险基因主要在枕叶皮层富集,特别是在舌回和楔叶区域。皮下结构显示出特定于疾病的富集模式——例如,纹状体中的壳核和伏隔核强烈富集了OCD风险基因,而海马体则富集了SZes和癫痫的风险基因。通过Spearman相关性分析研究了区域风险基因富集与ENIGMA元分析中的脑结构改变(由d_icv索引)之间的关系。红线代表拟合的线性模型,阴影区域表示拟合的95%置信区间。经过FDR校正后仍显著的关联(PFDR < 0.05)用星号标记。观察到BIP(R = –0.48,PFDR = 0.024)的显著负相关,以及ASD(R = –0.34,PFDR = 0.057)、m SZgw(R = –0.33,PFDR = 0.057)和n SZes(R = –0.36,PFDR = 0.054)的额外负趋势,表明这些区域的风险基因富集程度越高,其体积减少越明显。相比之下,f ADHD(R = 0.44,PFDR = 0.027)和p OCD(R = 0.37,PFDR = 0.054)显示出正相关或边缘正相关。AHBA(Allen Human Brain Atlas)、ENIGMA(通过元分析增强神经影像遗传学研究)、IQ(智商)、ASD(自闭症谱系障碍)、ADHD(注意力缺陷多动障碍)、TS(图雷特综合征)、OCD(强迫症)、ANO(神经性厌食症)、MDD(重度抑郁症)、BIP(双相情感障碍)、SZes(精神分裂症广谱型)、SZgw(精神分裂症紧张型)、AD(阿尔茨海默病)、PD(帕金森病)等术语在文中出现。

Spearman相关性分析显示,特定疾病风险基因的区域富集与区域结构改变(由d_icv索引)之间存在显著正相关(ADHD:R = 0.44,PFDR = 0.027),OCD也显示出边缘正相关(R = 0.37,PFDR = 0.054),表明风险基因富集程度较高的区域在病例中倾向于表现出体积增加。相比之下,BIP(R = –0.48,PFDR = 0.024)显示出显著负相关,表明BIP风险基因富集程度较高的区域表现出更大的体积减少。此外,ASD(R = –0.34,PFDR = 0.057)、SZgw(R = –0.33,PFDR = 0.057)和SZes(R = –0.36,PFDR = 0.054)的负相关未达到FDR显著性阈值,但显示出一致的趋势效应。MDD和癫痫未发现显著关联(PFDR > 0.1)。这些结果表明,风险基因表达的空间“热点”与宏观脑结构改变之间的关系是特定于疾病的,某些情况显示出累积性的结构脆弱性,而其他情况则表现出正相关或无相关,可能反映了更多功能介导的效应。重要的是,AHBA中的成人脑组织富集模式与BrainSpan数据集中多个发育阶段的富集模式不同。这种差异强调了整合发育时间和区域特异性的时空分析的价值,因为仅使用横断面成人数据可能会忽略主要在特定发育窗口期间发挥致病作用的风险基因。这种时间特异性也可能部分解释了为什么某些疾病未观察到区域风险基因富集与脑体积改变之间的显著关联。

我们应用WGCNA(weighted gene co-expression network analysis)到BrainSpan转录组数据集上,以识别跨发育阶段和脑区的共表达基因模块。最初识别出41个共表达模块(见补充图6和补充数据8),其中32个模块表现出显著的空间或时间表达富集(定义为在线性回归模型中至少有一个虚拟变量的B值 > 0.05),并保留下来进行后续分析(见补充数据9)。值得注意的是,具有不同时空表达特征的模块在不同精神疾病中表现出不同的富集模式(见补充图7和补充数据10)。在对每个疾病的41个模块进行假发现率(FDR)校正后,共有6个模块在8个特征中显示出显著富集。鉴于模块大小的显著差异(如补充图7c所示,范围从56到3030),较大的模块往往具有更强的统计显著性,而较小的模块偶尔表现出较高的比值比(OR),但并不总是达到显著性。因此,解释富集结果时综合考虑了效应大小(OR)和统计显著性,而不仅仅是依赖P值。重要的是,允许WGCNA中使用较小的模块大小可能有助于检测功能特定和生物学上连贯的基因集,为识别可能与精神疾病风险相关的分子途径提供补充信息。直接比较最小模块大小为40和120的模块发现,大多数模块形成了具有高度相似时空表达模式和风险基因富集的对,表明核心共表达结构在参数设置中基本保持不变(见补充图7-9)。然而,最小模块大小的选择确实影响了特定模块的疾病风险基因富集。例如,最初在最小模块大小为40时被识别为与AD风险相关的ME模块,在最小模块大小增加到120时,根据基因功能注释和时空富集模式,对应于ME yellow模块(见补充数据11)。然而,在这种参数设置下,ME yellow不再显著富集AD风险基因,而是显示出与OCD风险基因的更强关联。有趣的是,尽管某些模块(如royalblue和plump1)在海马体或丘脑中表现出明显的富集,但它们在所检查的15种精神疾病特征中并未显示出与风险基因的显著富集,这表明这些模块可能代表的是特定于区域的生理或稳态功能的分子网络,而不是直接参与精神疾病的机制。此外,空间虚拟变量的参考水平(丘脑与新皮层)并未影响观察到的时空动态(见补充图10)。这些观察进一步支持了我们发现的稳健性,并表明所识别的模块反映了真实的生物学组织,而不是对模块大小选择的敏感性。

为了进一步表征这些时空模块的细胞背景,我们检查了模块基因在不同发育阶段的线性回归模型中的表达富集情况(见补充图11和补充数据12)。这项分析揭示了模块之间的不同细胞类型特异性表达富集模式,反映了相对于参考值的标准化表达水平的差异。此外,由胶质细胞富集和成人神经元富集的模块之间观察到的不同细胞类型富集模式使用来自成人人脑的额外单细胞转录组数据集独立复制(见补充图12和补充数据13),进一步支持了这些发现的稳健性。为了进一步优先考虑生物学上相关的模块,我们根据P值选择了每个特征中风险基因富集最强的16个模块(见图6c)。然后,将这些模块与单细胞转录组富集谱整合起来,构建了一个综合地图,链接了疾病的空间、时间和细胞维度(见图6a-c)。

为了进一步优先考虑生物学上相关的模块,我们关注了在每个特征中风险基因富集最强的16个模块。这些模块是根据P值排名的前三个模块(见图6c)。使用线性回归模型评估了脑区和发育阶段(编码为虚拟变量)对ME表达水平的影响。将年轻成年期的丘脑设为参考类别,并将其纳入模型截距,从而代表了每个模块的基线表达。通过将相应的B系数加到截距上来计算其他区域和发育阶段的预测ME表达水平,从而识别每个模块的时空表达峰值(“热点”)。只有那些在15种疾病中都显示出前3个显著风险基因富集的模块被保留下来在热图中显示。在这些模块中,仅显示了模块-时空变量组合的绝对回归系数|B| ≥ 0.05且经过FDR校正后的P值 < 0.05的情况,红色表示模块基因表达的富集,蓝色表示缺乏。y轴上的模块按照它们从WGCNA层次聚类中得出的特征基因相似性距离进行排序。值得注意的是,四个模块(M9、M10、M14和M16)与多种精神疾病风险显著相关。使用线性回归模型评估了共表达模块的细胞类型关联,其中模块基因的平均表达水平根据来自单细胞转录组数据的个别细胞类型指标进行回归。回归系数(B值)反映了模块与特定细胞类型之间的关联方向和幅度。在每个模块内分别对每个细胞类型进行了FDR校正。仅显示了|B| ≥ 0.05且FDR校正后的P值 < 0.05的ME-细胞类型对;因此,热图中的所有瓷砖都代表统计上显著的关联。c气泡图显示了每个特征的模块级风险基因富集情况,根据P值选择了每个特征的前三个模块。气泡的大小表示OR值,颜色渐变表示?log10(FDR)的幅度。所有原始41个WGCNA检测到的模块的P值都经过了FDR校正(PFDR < 0.05:*;PFDR < 0.01:**;PFDR < 0.001:***)。突出显示了具有代表性时空富集模式及其与精神疾病风险相关性的模块,用根据各自模块着色的虚线矩形表示。a-c综合了疾病的空间、时间和细胞维度,突出了优先参与精神疾病风险的细胞类型特异性共表达模块。d-h对Glia-enriched模块(M1-5)的功能注释进行了突出显示,这些模块涉及BP(生物过程)、CC(细胞成分)和MF(分子功能)等与精神疾病相关的术语。每个类别中的前三个GO术语是根据0.05的q值阈值确定的。WGCNA加权基因共表达网络分析;ME模块特征基因,BP生物过程,CC细胞成分,MF分子功能,GO基因本体论,FDR假发现率,Tha丘脑,IntN抑制性神经元,ExN兴奋性神经元,IPC中间前体细胞,OPC少突胶质细胞前体细胞,Oligo少突胶质细胞,Tans过渡细胞,NEP神经上皮前体细胞,Ex兴奋性神经元,In抑制性神经元,IQ智商,ASD自闭症谱系障碍,ADHD注意力缺陷多动障碍,TS图雷特综合征,OCD强迫症,ANO神经性厌食症,MDD重度抑郁症,BIP双相情感障碍,SZes精神分裂症广谱型,SZgw精神分裂症紧张型,AD阿尔茨海默病,PD帕金森病。

值得注意的是,具有独特时空和细胞类型特异性表达模式的顶级模块在多种精神疾病中表现出多效性和收敛效应(见图6和图7)。如图6所示,在成年胶质细胞类型中显著富集的模块(M1-M5)在晚期产前和/或早期儿童阶段优先出现。这些模块可能反映了参与胶质细胞成熟、突触生成和修剪、髓鞘形成以及血脑屏障发育的胶质相关基因的功能特化(见图6d-h)。相比之下,主要在成人兴奋性和抑制性神经元中富集的模块(M6-M11)在不同脑区域表现出明显的空间过度代表,表明在不同解剖结构中具有不同的功能特异性(见补充图13)。相比之下,在产前阶段(M12–M16)过度表达的模块在胎儿细胞中显示出显著的富集,反映了与突触生成和前体细胞中的表观遗传修饰相关的活跃大脑发育(补充图14)。图7:共表达模块在主要神经精神疾病中的多效性和多基因效应。该图像的替代文本可能是使用AI生成的。全尺寸图像。四个共表达模块与多种主要神经精神疾病表现出多效性和多基因关联。模块M16在早期至中期产前发育期间广泛过度表达,与多种特征显著相关,包括智商(IQ)、自闭症谱系障碍(ASD)、神经质、重度抑郁症(MDD)、精神分裂症(SZes)和分裂型精神分裂症(SZgw)。M16的功能注释显示其在染色质组织和表观遗传调控方面的富集,表明这些疾病具有共同的早期发育起源。相比之下,M14在早期至中期产前发育期间主要在新皮层中表达,并与ASD和IQ显著相关。“前脑发育”和“突触组织”途径的富集表明这些表型具有时空特异性机制。M10在围产期和成年神经元中富集,其功能与突触组织和信号传导相关。它与IQ、MDD和SZgw显著相关,表明突触形成和稳定在这些疾病的病理生理学中起作用。最后,M9与产后MDD、SZgw和癫痫显著相关,在成年丘脑神经元中富集。其相关基因功能与突触信号传导有关,暗示这些情况下可能存在信息传递和整合的缺陷。基于语义相似性的多效性基因本体(GO)生物过程可视化是使用REVIGO生成的。在生成的气泡图中,每个气泡的颜色强度代表?log??转换后的P值(颜色越深表示显著性越高),而气泡大小反映了UniProt数据库中GO术语的频率,较大的气泡对应更广泛、更一般的术语,较小的气泡对应更具体的术语。气泡之间的线条表示GO术语之间的语义相似性,线条越粗表示相似性越强。GE神经节隆起(GE ganglionic eminence)、CB小脑(CB cerebellum)、Exp表达(Exp expression)、IQ智商(IQ intelligence quotient)、ASD自闭症谱系障碍(ASD autism spectrum disorders)、MDD重度抑郁症(MDD major depressive disorder)、SZes精神分裂症(SZes schizophrenia)、SZgw分裂型精神分裂症(SZgw schizophrenia)外显子测序(SZgw schizophrenia exome sequencing)。

值得注意的是,一些模块在多种细胞类型中显示出比较表达富集(图6b)。M14中的基因在胎儿新皮层中达到峰值,同时在胎儿静息细胞和成年新皮层神经元中也显示出强烈富集,支持了成年新皮层神经元身份的早期发育特化的观点。同样,M2和M3在星形胶质细胞和中间神经元中也显示出显著富集,表明星形胶质细胞和GABA能中间神经元亚群之间存在共同的功能模式或发育起源。在富含胶质细胞的模块中,M1和M4在晚期产前和幼儿期主要在内皮细胞(Endo)、小胶质细胞(microglia)、星形胶质细胞(astrocytes)和少突胶质细胞前体细胞(OPCs)中过度表达(图6a, b)。这两个模块都与阿尔茨海默病(AD)风险显著相关(图6c)。GO分析显示M1和M4在细胞外基质(ECM)组织和免疫反应等功能方面富集(图6d, g和补充数据14),这与最近关于AD前额叶皮层中内皮细胞、星形胶质细胞和少突胶质细胞功能失调的发现一致。同样,M2和M3在星形胶质细胞和中间神经元中富集,主要在晚期产前和幼儿期表达,与细胞粘附、迁移和GABA能突触形成功能相关(图6e, f)。这些模块与恐慌障碍风险有边际关联,支持异常迁移和GABA能中间神经元的功能整合有助于恐慌障碍病理生理学的假设。相比之下,M5是一个在少突胶质细胞中显著富集的模块,在成年丘脑和纹状体中表达峰值,并与轴突髓鞘形成功能相关(图6h),与ADHD遗传风险有边际关联。这一发现支持了髓鞘形成缺陷和白质异常可能是ADHD发病机制和持续性的基础。至于富含成年神经元和胎儿神经元的共表达模块,两者都与多种神经精神疾病显著相关,特别是M9-10、M14和M16(图6a–c和7)。在模块中,M9在成年和晚期婴儿期兴奋性神经元中富集,与MDD、SZgw和癫痫显著相关,与BIP有边际关联(PFDR=0.097)。M9内的基因功能主要与突触信号传导相关,表明这些疾病中可能存在信息传递和整合的缺陷(补充图13)。相比之下,另一个多效性模块M10主要从产中期到婴儿期富集,与突触组织和信号传导功能相关。M10与IQ、MDD和SZgw显著相关,与ASD有边际关联(PFDR=0.076),表明突触形成和稳定在这些疾病的病理生理学中可能起作用。相比之下,M14和M16在多个皮质和皮下区域在早期发育阶段表现出明显表达。值得注意的是,M14在胎儿新皮层的静息细胞中表现出强烈富集,并在成年兴奋性神经元中保持高水平富集(图6b)。与M14相关的GO术语包括“前脑发育”和“突触组织”(图7,补充图14),突显了智力障碍(ID)、ASD和SZgw(图6c和补充图9b)观察到的前额叶皮层缺陷的共同发育起源和功能趋同。相比之下,M16在GE和脑小脑中表现出胎儿表达升高,与染色质结构和表观遗传修饰功能相关,可能代表了多种精神疾病病理生理学中的共同早期胎儿发育缺陷,包括IQ、ASD、神经质、MDD和SZ(图6,补充图14)。相比之下,M12(在补充图9和14中将ME设置为120时对应于ME brown)在神经质和MDD相关风险基因中富集,在GE的最早发育阶段表达峰值,表明抑郁和气质特征可能根植于GE中的前体细胞增殖和迁移过程。

有趣的是,PD风险基因在丘脑模块M7-9中优先富集,在早期发育阶段和成年期都观察到表达升高(图6a, c),突显了丘脑回路在整个生命周期中对PD易感性的潜在参与。M7-9的富集GO术语包括“Ach受体”、“肽受体”和“突触传递”(补充图13),与PD的丘脑功能和病理生理学一致。我们进一步探讨了这些模块中富集的京都基因与基因组百科全书(KEGG)途径。16个模块中有11个在KEGG途径中显示出显著(q值FDR<0.05)富集(补充图15和补充数据15)。最显著的途径是“细胞周期”,在M12中富集,M12还富集了神经质风险基因和细胞周期相关GO术语(补充图14)。

由于缺乏人类新生儿的高分辨率全脑基因表达数据,我们检查了来自新世界灵长类动物——新生狨猴的原位杂交(ISH)数据,以评估在共表达模块中识别的代表性基因的空间表达情况,这些模块富含神经精神风险。如补充图16所示,与ADHD相关的基因FOXP2(来自M8)在丘脑中表达最强,与其在感觉运动和认知整合中的已知作用一致。此外,M5模块基因PLP1在丘脑和少突胶质细胞中过度表达,在新生狨猴脑的白质中表现出显著表达,并在6个月大时显著上调,表明其可能参与ADHD的发病机制。其他例子包括与神经质相关的基因PAX6和KDM3A(均来自M12),在GE、海马体、杏仁核和小脑中表现出富集表达(补充图17)。同样,富含皮层的M14基因SYT6(与OCD相关)和SATB1(与ASD相关)主要在大脑皮层中表达(补充图18)。代表性的M16 ASD风险基因ADNP和SZes风险基因SRRM2在新生狨猴脑中广泛表达,与M16的时空表达谱一致(补充图19)。这些来自新生狨猴的高分辨率全脑ISH数据为通过WGCNA和回归分析识别的疾病相关时空“热点”提供了独立验证。此外,这些模块/风险基因在细胞分辨率上的独特空间表达谱提供了对疾病发病机制涉及的脑结构的全面概述,包括先前研究中可能被忽视的区域。

这项研究的发现揭示了风险基因表达的时空动态及其对理解神经精神疾病的重要意义。我们的分析表明,全基因组风险基因集的时空表达模式不仅反映了这些疾病的时间发作,还作为不同神经精神疾病组的区分特征和病理生理学推断。在神经精神疾病风险基因中观察到的时空表达富集模式强调了发育时机和区域特异性在疾病发病机制中的重要性。与先前的研究一致,我们的结果证实了早期发作年龄的特征,如IQ、ADHD和ASD,在产前表现出风险基因的富集。相比之下,晚期发作的疾病,如癫痫、PD和AD,在产后表现出基因表达富集。基于时空基因表达的产前和产后富集疾病之间的区分支持了神经发育和神经退行性疾病具有不同转录动态的假设。值得注意的是,某些疾病(如MDD和SZ)的风险基因集时空表达富集动态表现出双重峰值,对应于不同的易感阶段。此外,从产前到成年的OCD风险基因表达富集延长与临床观察到的该疾病的双峰发作峰值一致,表明不同的病理机制可能在不同的发育阶段起作用。重要的是,我们还观察到在产前和产后富集的疾病组中,风险基因表达在晚期婴儿期出现趋同增加。这一时期的特点是几个共表达模块(ME blue、ME darkorange和ME skyblue3)中的基因表达升高,这些模块富集了多种疾病的风险基因(尽管由于样本量小而不显著)。这些模块与突触组织、信号传导和调节过程功能相关,表明这一阶段神经发育途径的广泛参与。因此,晚期婴儿期似乎代表了一个过渡性和高度可塑的发育窗口,在此期间多种疾病相关的基因和途径在多种细胞类型中同时活跃。这种趋同可能有助于解释为什么其他不同的神经精神疾病的遗传风险因素在这一时期表现出重叠的表达模式,可能有助于共享的脆弱性和多效性效应。总之,这些发现强调了将时间动态整合到神经精神疾病模型中的重要性,因为关注基因表达的动态窗口可能揭示风险汇聚、早期检测和针对性干预的关键时期。我们的研究揭示了疾病特异性的但空间分布的风险基因表达“热点”,与已知的神经生物学机制一致,同时也反映了神经精神疾病的多基因和网络级特性。例如,ADHD风险基因在丘脑和纹状体中表现出显著的增加表达富集,这些区域与注意力和感觉运动整合有关。同样,OCD风险基因在CSTC回路中优先富集,与已建立的OCD病理生理学模型一致。杏仁核作为情感相关疾病(如神经质、MDD和恐慌障碍)中风险基因表达的关键部位,支持其在情感处理异常中的作用。有趣的是,不同皮质亚区域在大多数15种特征中显示出一致的风险基因表达模式,可能表明这些疾病具有广泛的病理和跨模态缺陷,ADHD除外,它在颞叶和顶叶皮层中表现出更高的风险基因表达,这与脑成像研究的结果一致,这些研究在ADHD儿童中发现了纹状体、额叶、颞叶和顶叶区域的异常。这些发现表明,基因表达的空间特异性可能为了解特定疾病的潜在神经回路及其在病理生理学中的作用提供关键见解。观察到同一疾病的不同风险基因集通常紧密聚集,这种时空相似性不能通过共享的风险基因来解释,这支持了基于这种时空表达富集模式的疾病区分和比较的稳健性。此外,同一疾病的风险基因集(如精神分裂症)在产前和产后富集类别中的聚集表明存在复杂的多阶段病理机制。使用ENIGMA MRI数据集验证我们的发现进一步强调了时空基因表达分析的转化潜力。风险基因表达模式与大脑结构变化之间的相关性表明,这些“热点”可以作为疾病检测、监测和治疗的生物标志物。例如,自闭症谱系障碍(ASD)、双相情感障碍(BIP)和精神分裂症中MRI结构变化与风险基因表达之间的负相关,突显了在关键发育时期针对这些神经回路进行干预的潜力。单细胞转录组分析进一步揭示了神经精神特征中明显的细胞类型特异性富集模式,强调了疾病易感性的不同细胞基础。阿尔茨海默病(AD)风险基因在胶质细胞中富集,这与神经炎症和胶质功能障碍在AD病理学中的核心作用一致。恐慌障碍风险基因在星形胶质细胞和抑制性神经元中选择性富集,这与它们与一个上调的基因表达(GE)模块的关联相符。此外,帕金森病(PD)风险基因在丘脑相关模块中富集,这支持了长期以来将丘脑异常与PD病理生理学联系起来的证据。基因共表达网络分析进一步表明,在特定发育窗口期破坏不同的生物过程可能增加疾病风险。在胎儿早期发育期间,GE中与细胞周期相关的通路富集表明早期神经发育失调可能在神经质中起作用。相比之下,一个在围产期过度表达的模块富含AD风险基因,其特征是补体级联和ECM-受体相互作用通路,这两者都与AD有关。显著的围产期免疫相关功能激活表明,早期生命中的免疫成熟和小胶质细胞激活可能会使大脑在以后的生活中更容易出现过度炎症反应和认知储备减少。多个神经精神障碍中富集的风险基因模块集中在兴奋性神经元上,尤其是在孕早期到中期以及成年期。这些模块在功能上与突触过程、前脑发育和转录调控相关。越来越多的遗传和功能证据表明,突触功能障碍——特别是在兴奋性神经元回路中——是主要神经精神障碍的共性机制,包括IQ、ASD、BIP、重度抑郁症(MDD)、SZ和癫痫。最后,本研究中观察到的风险基因集和富集生物通路的独特时空表达谱可能为精准医疗方法提供信息。治疗策略可以集中在在易感发育窗口期调节特定区域的基因表达或神经活动上,从而可能减缓疾病进展。

然而,也应承认一些局限性。一些风险基因集——如ADHD、OCD和恐慌障碍的风险基因集——规模相对较小,这可能会限制统计功效。此外,共表达模块的识别在一定程度上受到WGCNA参数选择的影响,特别是最小模块大小,这可能会影响模块组成和下游富集结果。最后,在风险基因集富集分析中,所有疾病易感基因都被赋予了相同的权重。因此,这种方法没有强调高效应风险基因的潜在不成比例的贡献,也没有捕捉到可能不同地影响疾病风险的基因或异构体特异性效应。未来的研究需要利用更精细的分析框架和更高分辨率的数据集来解决这些局限性。

总之,我们的发现表明,风险基因集的时空共表达不仅与神经精神障碍的发病相关,还为它们的分化和发病机制提供了关键见解。这些结果突显了利用时空基因表达模式作为生物标志物和治疗靶点的潜力,为推进主要精神障碍的诊断和治疗提供了额外的途径。

**方法**

- **大脑时空转录组中风险基因集的表达富集分析**
- **为15种特征整理全基因组风险基因**
为了避免本研究中基因集时空表达富集分析的偏差,只包括了来自数据驱动的、无假设的全基因组关联/测序研究或类似数据库的风险基因。仔细研究了最新发布的关于IQ、10种精神障碍(包括ASD、ADHD、TS、OCD、ANO、神经质、恐慌障碍、MDD、BIP和精神分裂症(SZgw)、3种神经系统疾病(包括AD、PD)以及癫痫的GWAS,以及ASD和精神分裂症的外显子测序研究,以整理每种特征的无偏全基因组风险基因集(补充表1)。对于其中一些研究,选择了具有不同基因映射策略或标准的多个风险基因集,以比较它们的时空表达模式。而对于跨特征的总体比较,将相同特征的不同映射策略的风险基因集合并成一个涵盖15种特征的泛风险基因集。因此,我们可以直接比较它们的风险基因时空表达模式。

- **发育中人脑转录组数据的准备**
从Allen研究所获得了完整的RNA测序数据集。该数据集包含了来自42个尸检供体的26个解剖学定义的大脑区域的524个转录组谱型,这些供体包括男性和女性,涵盖了从怀孕8周(PCW)到中年(大约40岁)的发育阶段,并代表了不同的种族背景。有关样本收集、测序协议和质量控制程序的详细信息可在技术白皮书中找到。为了消除表达矩阵中的重复,通过平均它们的RPKM值来去重具有重复名称的基因,最终得到包含47,808个独特基因的数据集用于下游分析。

- **成人脑转录组数据的准备**
AHBA提供了成人脑的高分辨率转录组谱型。该数据集包含了来自6个神经典型成年供体的样本,年龄范围从24岁到57岁。转录组谱型来自3702个空间分辨的样本,覆盖了231个解剖学定义的大脑区域。Allen研究所使用多步骤流程进行了数据预处理和标准化,以纠正阵列特异性偏差、批量效应和解剖相关变异性。对于下游分析,选择了每个样本中20,737个独特RefSeq基因的最大表达值。为了生成个体间的平均转录组图谱,将所有3702个样本级别的表达谱型汇总,并使用R(v4.3.0)计算每个基因的平均表达值。然后评估了每个大脑区域内风险基因集的表达富集,并手动将区域与ENIGMA定义的解剖区域匹配,以便进行跨模型相关性分析。

- **统计和可重复性**
使用Mann-Whitney U检验(一种常用的非参数统计方法)来评估风险基因集在转录组中的表达富集情况。简而言之,从去重后的表达矩阵中按排名对RPKM值进行排序,较高的排名表示相对表达富集。对于每个转录组,风险基因集中的基因被映射到排名列表中并视为风险组,而其余基因作为非风险对照组。为了量化富集程度,计算了Rank-Biserial相关系数(r),这是一个非参数效应大小指标,范围从-1到1。该系数表示从风险组中随机选择的基因具有比从对照组中随机选择的基因更高的表达排名的概率。计算了每个r的单侧P值,并通过FDR在样本间进行了校正。为了比较不同特征的风险基因表达的时空富集模式,对每个风险基因集的样本级r值进行了Z分数标准化。然后使用R包“ComplexHeatmap”(v2.17.0)对标准化值进行聚类,以可视化大脑区域和发育阶段的共享或独特表达“热点”。然后将相同特征的不同映射策略的风险基因集合并,生成一个涵盖15种特征的统一(泛)风险基因集,以验证使用单个基因集观察到的聚类模式。此外,使用了来自最新出版物的5种特征的最新风险基因集来复制分析。

- **所有在本研究中使用的转录组数据集都是独立处理和分析的,没有进行跨数据集合并或联合标准化。相反,分别对每个数据集应用了一致的基因集富集框架,并在数据集间比较了结果以进行验证。发育中单细胞转录组中不同共表达模块的富集在成人单细胞数据集中部分得到了复制。**

- **ENIGMA结构变化与疾病风险基因富集的相关性**
从ENIGMA Toolbox摘要统计(https://enigma-toolbox.readthedocs.io/en/latest/pages/04.loadsumstats/index.html)获得了与主要神经精神障碍相关的结构MRI改变。为了实现跨模态整合,基于AHBA解剖参考和先前发布的映射,手动建立了ENIGMA定义的大脑区域与AHBA微阵列样本之间的解剖对应关系。ENIGMA数据集中左右半球的结构性测量值被平均,以生成每个区域的统一值。由于侧脑室是非实质性和非功能性的特征,因此被排除在外。共保留了37个具有明确跨图谱对应关系的脑区域用于相关性分析。为了量化风险基因集表达富集(r)与结构改变(d_icv)之间的关系,在37个区域进行了Spearman相关性分析。为了空间可视化,使用Python包enigmatoolbox.plotting和matplotlib(Python 3.12)将匹配脑区域的r值投影到FreeSurfer平均表面(fsaverage5)脑模板上。

- **加权基因共表达网络(WGCNA)分析**
使用R包WGCNA(v1.72-1)从BrainSpan发育转录组构建了基因共表达模块。移除了表达量低(所有样本中的总RPKM<10)的基因。通过基于样本间表达距离的层次聚类识别并排除了异常样本,样本树图的切割高度为100,000。对于剩余的26,598个基因,在521个合格样本中计算了成对皮尔逊相关系数。使用7的软阈值功率来实现近似无尺度拓扑(R2>0.85)。使用blockwiseModules函数构建了带符号的加权基因共表达网络。使用平均链接层次聚类(1-TOM)创建了网络树状图。使用Dynamic Tree Cut算法检测基因模块,最小模块大小为40或120,每个模块由其模块特征基因(ME)总结,定义为其表达矩阵的第一主成分。

- **WGCNA模块的时空表达建模**
为了表征共表达模块的时空表达模式,使用ME表达作为因变量拟合了线性回归模型。大脑区域和发育阶段使用虚拟变量编码作为分类预测因子,得到了11个空间和11个时间指标。每个变量组中的一个类别被指定为参考水平并纳入模型截距。丘脑和年轻成年期分别被选为空间和时间变量的参考水平,因为年轻成年期代表了BrainSpan数据集中相对成熟的发育阶段,而丘脑是一个具有相对平衡表达的中央连接皮下结构。重要的是,参考类别的选择不影响回归系数之间的相对差异或时空表达模式的识别,而只决定了模型参数的解释。通过将相应的回归系数与截距相加,获得了每个空间或时间类别的预测ME表达水平,从而直观地可视化了相对时空表达模式。

- **细胞类型特异性的模块基因表达模式**
使用类似的线性回归框架评估了WGCNA模块的细胞类型特异性表达模式,该框架应用于单细胞转录组数据。发育中和成人脑单细胞转录组数据来自PsychENCODE联盟门户(http://resource.psychencode.org),包括来自PEC(Developmental)和Lake等人的发育数据,以及来自PEC(Adult)和Lake等人的成人数据。所有单细胞和单核转录组数据都由PsychENCODE联盟使用标准化的第二阶段处理流程生成和处理,然后公开发布。这些流程包括原始读数处理、对齐、质量控制和生成基因级表达矩阵。这些统一处理的数据集确保了每个资源内部的一致性。发育数据集包含了来自4249个单个细胞的15,086个基因的TPM值,涵盖了35个注释的细胞类型,这些细胞来自胎儿(5-20 PCW)和成人新皮质脑组织。对于下游分析,首先对所有基因的表达值进行了Z分数标准化。然后识别了属于每个WGCNA共表达模块的基因,并在每个细胞中分别计算了分配给每个模块的基因的平均表达值,从而得到了用于回归分析的细胞-模块表达矩阵。

- **成人数据集包含了来自27,412个个体脑细胞的17,176个基因的UMI计数。对于成人数据集,使用R包edgeR(v3.43.8)将原始UMI计数转换为每百万计数(CPM),然后进行了log2(x+1)转换和Z分数标准化。模块级别的平均表达水平是使用与发育数据集相同的程序在每个细胞内计算得出的。对于回归建模,细胞类型被编码为虚拟变量。成年“神经元”和“Ex1”分别被用作发育数据集和成年数据集的参考类别。由于在模型拟合之前表达数据已经进行了Z分数标准化,因此回归系数(B值)代表了每种细胞类型与参考类别之间的平均模块表达的标准化差异,从而便于在模块和细胞群体之间进行直接比较。对于每种细胞类型,所有WGCNA模块中的回归系数对应的P值都使用Benjamini–Hochberg FDR程序进行了调整。

**模块基因中的风险基因富集**
使用Fisher精确检验评估了每个WGCNA模块中与15种神经精神特征相关的风险基因集的富集情况。为了在保持疾病特异性推断的同时控制多重检验,FDR校正是在每个疾病内的各个模块中分别应用的,调整了来自Fisher精确检验的P值。

**WGCNA模块基因的功能分析**
通过WGCNA识别的模块基因使用KEGG和GO数据库进行了功能富集分析。分析使用R包clusterProfiler(v4.9.3)进行,q值截断为0.05。最小和最大的基因集大小分别设置为3和500个。每个类别(生物过程(BP)、细胞组分(CC)和分子功能(MF)中的前三名GO术语使用条形图进行了可视化。对与神经精神障碍相关的16个共表达模块中的基因进行了KEGG通路富集分析。富集分析使用clusterProfiler R包中的compareCluster函数进行,显著性阈值设为q<0.05。为了进一步探索生物过程类别中富集GO术语之间的关系,使用了REVIGO生成基于语义相似性的可视化结果。

**狨猴大脑中代表性模块/风险基因的ISH数据**
来自我们Marmoset Gene Atlas(https://gene-atlas.brainminds.jp/)的新生狨猴和6个月大狨猴大脑中代表性模块/风险基因的ISH数据。简要来说,狨猴大脑被切成28微米的厚度,每个探针收集了60个间隔为196微米的冠状切片。其中,选择了20个间隔为588微米的切片,以单细胞分辨率全面捕捉目标基因的全脑空间表达模式。

**报告摘要**
有关研究设计的更多信息,请参阅与本文链接的Nature Portfolio报告摘要。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号