《Molecular Psychiatry》：Identification of hub genes involved in early-onset schizophrenia: from genetic susceptibility to predicted regulated gene expression
编辑推荐：
尽管精神分裂症（schizophrenia, SZ）具有较高遗传力，但其大部分遗传结构仍未得到解释，而早发性SZ可能代表一种遗传学上更为同质的亚型。研究人员检验了遗传调控表达风险评分（genetically regulated expression risk
尽管精神分裂症（schizophrenia, SZ）具有较高遗传力，但其大部分遗传结构仍未得到解释，而早发性SZ可能代表一种遗传学上更为同质的亚型。研究人员检验了遗传调控表达风险评分（genetically regulated expression risk scores, GeRS），以识别与早发性SZ相关的基因网络并表征其生物学功能。研究基于来自多发家系（223例早发性和372例晚发性）及单发家系（按性别和起病年龄匹配）的患者基因型数据，依据两个转录组参考面板构建的单核苷酸多态性（single-nucleotide polymorphism, SNP）-表达预测模型估计SZ-GeRS；这两个参考面板分别来源于精神障碍个体的背外侧前额叶皮质（dorsolateral prefrontal cortex, DLPFC）组织，以及普通人群的脑皮质组织。面板特异性GeRS利用转录组范围关联研究（transcriptome-wide association study, TWAS）推导的效应值进行构建，并采用固定效应Meta分析框架加以整合。随后，研究人员通过对经验性推导的共表达簇内基因进行聚合，构建基于模块的SZ-GeRS，并进一步结合网络分析鉴定枢纽基因，同时开展功能映射以推断其生物学背景。在13个共表达模块中，Meta分析发现早发性SZ与模块10 GeRS（M10sub-GeRS）之间存在显著关联，其校正后比值比（adjusted odds ratio, aOR）= 1.22，95%置信区间（confidence interval, CI）= 1.07–1.40。通过互补性网络方法优先筛选出的枢纽基因亦显示出显著关联。功能富集分析表明，这些信号主要涉及兴奋性神经元过程及免疫相关通路。采用方差校准TWAS方法以校正多基因性驱动膨胀的敏感性分析显示，基因层面信号有所减弱，但模块层面关联未发生实质性改变，M10sub-GeRS与早发性SZ的稳健关联仍然保留。这些发现强调了连接遗传易感性与早发性SZ分子机制的基因调控网络，并可能为风险分层及靶向干预提供依据。
该论文发表于《Molecular Psychiatry》，聚焦于早发性精神分裂症（schizophrenia, SZ）的遗传调控机制。精神分裂症虽具有高遗传力，但既往全基因组关联研究（genome-wide association study, GWAS）和多基因风险评分（polygenic risk score, PRS）仅能解释有限遗传变异，提示仍有大量风险机制未被阐明。与此同时，SZ在临床和生物学层面具有显著异质性，这使得致病相关信号在整体病例中容易被稀释。早发性SZ通常指18岁前起病，约占全部病例的8%，其临床表现更严重、遗传负荷更高、治疗抵抗更常见，因此可视为更适合解析遗传结构的相对同质亚型。由于死后脑组织获取困难，直接从脑组织中研究表达异常存在现实限制，因此有必要借助基因型数据与表达数量性状位点（expression quantitative trait loci, eQTL）模型推断遗传调控表达，从而将遗传易感性与功能分子层相连接。
在此背景下，研究人员提出以遗传调控表达风险评分（genetically regulated expression risk scores, GeRS）作为核心分析框架。GeRS与传统PRS不同，其不是简单汇总单个SNP效应，而是利用转录组范围关联研究（transcriptome-wide association study, TWAS）得到的基因表达效应值，对个体层面的预测表达进行加权，从而更直接地反映遗传变异对疾病相关组织中基因表达的影响。本研究进一步将这一思路拓展到共表达网络层面，即检验遗传调控表达是否会在功能一致的基因模块内聚集，并由此识别与早发性SZ更密切相关的关键模块与枢纽基因。
研究人员首先在家系样本中开展分析，再于独立的单发家系样本中验证结果。研究显示，在13个基于加权基因共表达网络分析（weighted gene co-expression network analysis, WGCNA）的精神障碍相关共表达模块中，模块10的GeRS与早发性SZ存在最稳定且显著的关联。进一步将两套样本中均可预测表达的58个模块10基因定义为M10sub后，M10sub-GeRS在多发家系和单发家系中均能区分早发与晚发患者，且Meta分析显示其在校正SZ-PRS后仍具有独立贡献。这说明，早发性SZ的遗传风险不仅体现在广义多基因负荷上，也体现在一组具有生物学一致性的调控表达网络上。进一步网络分析从模块10中筛选出多个高连接度枢纽基因，包括COPS6、MRPS7、PSMD2、RUVBL2等，其中部分基因在不同网络策略中重复出现，提示其可能位于该模块的核心调控位置。
作者开展本研究主要采用了以下关键技术方法：基于台湾精神分裂症连锁研究（Taiwan Schizophrenia Linkage Study, TSLS）多发家系样本和台湾Schizophrenia Trio Genomic Research（S-TOGET）单发家系样本进行基因型分析；使用PrediXcan依据CMC背外侧前额叶皮质与GTEx脑皮质参考面板预测基因表达；利用S-PrediXcan结合PGC精神分裂症GWAS汇总统计量获得TWAS效应值；据此构建基因层面、模块层面和枢纽基因层面的GeRS；并通过IPA、STRING、Cytoscape、FUMA、PsychSCREEN等工具开展网络鉴定、功能富集、发育表达和细胞类型富集分析，同时进行方差校准TWAS敏感性分析。
以下结合论文结果部分各小标题，对研究发现作凝练解读。
Distribution of sociodemographic characteristics and neurocognitive performance
研究人员首先比较了早发与晚发SZ患者的人口学及认知特征。在多发家系样本中，早发组较晚发组年龄更小、受教育年限更低，并在持续性注意测验（Continuous Performance Test, CPT）未降解条件下的d′指标更差；而降解条件CPT和威斯康星卡片分类测验（Wisconsin Card Sorting Test, WCST）指标无显著差异。单发家系中也观察到类似模式。该结果说明早发性SZ在临床表型上具有更明显的功能受损特征，为其作为相对同质亚型的设定提供支持。
Association of PRS for SZ with early-onset SZ
在控制性别、教育水平及前4个祖源主成分后，SZ-PRS在多发家系和单发家系中均与早发性SZ显著相关，提示更高的总体多基因遗传负荷与更早发病有关。进一步与未患病亲属比较时，早发患者SZ-PRS最高，晚发患者次之，未患病亲属最低。这一梯度分布支持早发性SZ具有更高遗传易感负担，也为后续比较GeRS与PRS的增益价值奠定基础。
Predicted GeRS for SZ
研究人员分别利用CMC DLPFC和GTEx Brain Cortex两个参考模型实施TWAS并获得面板特异性权重。CMC模型中有46个基因达到基因组范围显著，GTEx模型中有52个基因达到显著。尽管在两套临床样本中，单基因层面的预测表达与早发性SZ关联均未达到基因组范围显著，但功能富集显示，CMC来源显著基因主要富集于皮质、基底节和谷氨酸能神经元，而GTEx来源显著基因则更多涉及外周组织和免疫相关通路。这一结果提示，不同转录组参考面板可捕获部分共享但又具有差异性的生物学信号，因此整合多面板信息具有合理性。
Module-based GeRS and early-onset SZ
在13个WGCNA共表达模块中，模块10的GeRS对早发性SZ解释度最高，且经假发现率校正后仍显著。模块10共161个基因，其中两套样本共有58个基因可稳定预测表达，因此构建了M10sub-GeRS。无论在多发家系还是单发家系，早发患者的M10sub-GeRS均高于晚发患者；纳入未患病亲属后，早发患者最高、晚发患者较低、亲属居中。随机基因集置换检验未得到比M10sub-GeRS更强的关联，表明该发现并非偶然。CMC与GTEx间重叠基因的预测表达一致性为中等水平，也支持整合结果具有一定跨面板稳定性。
Hub genes for early-onset SZ
研究人员围绕M10sub的58个基因开展网络分析。IPA识别出4个相互作用网络，其中得分最高的Network 1中，COPS6、FEN1、LRPPRC、MRPS7、NDN、PSMD2、PSMB5、PTPRR和RUVBL2符合枢纽基因定义。STRING蛋白-蛋白相互作用网络结合CytoHubba分析，则筛出COPS6、COPS7A、ERCC3、GARS、MRPS7、PARP2、PSMD2、RUVBL2、SARS和STOML2等10个枢纽基因。两种方法均显示这些基因具有较高模块特征向量连接度（kME），说明其在共表达网络中处于中心位置。基于这些枢纽基因构建的M10hub-GeRS在两个样本中也普遍表现为早发患者高于晚发患者。
Meta-analysis of the association
在分别对两个样本进行回归分析后，研究人员进一步实施Meta分析。结果显示，无论是SZ-PRS、M10sub-GeRS，还是基于IPA与STRING定义的M10hub-GeRS，其校正后比值比均大于1。尤其重要的是，在纳入SZ-PRS和协变量后，M10sub-GeRS与早发性SZ的关联仍然显著，aOR = 1.22，95%CI = 1.07–1.40。STRING定义的M10hub-GeRS和IPA定义的M10hub-GeRS也保留显著性。与此同时，SZ-PRS与M10sub-GeRS之间相关性极低，说明二者反映的是基本独立的遗传维度。模块层面的GeRS在已有PRS基础上仍可增加解释度，证明其具有补充价值。
Robustness using alternative modules
研究人员还尝试采用另一套来源于不同诊断框架的替代共表达模块重建模块GeRS，但在该框架下未见显著关联。作者据此并未过度延伸，而是指出原始模块10信号具有更强解释相关性。这一部分结果说明，不同模块定义方式会影响发现的稳定性，也提示模块10的意义与其来源的精神障碍跨诊断脑组织网络背景密切相关。
Functional mapping of module 10 and its hub genes
功能映射结果显示，模块10大多数基因在胎儿早中期表达较低，而从产前晚期到婴儿期、青春期及成年期表达逐渐升高，提示其参与皮质成熟的后期和出生后过程。STRING枢纽基因总体遵循这一出生后上调轨迹，但RUVBL2在产前表达相对较高。FUMA分析显示，模块10涉及BA9皮质中的胶质相关特征，特别是少突胶质细胞功能障碍相关基因集。对于枢纽基因，富集结果集中于蛋白酶体介导的蛋白降解、DNA修复、染色质重塑、线粒体翻译及氨酰-tRNA合成等过程；IPA枢纽基因还特异性富集于B淋巴细胞调控网络。单细胞分析进一步表明，大多数枢纽基因在兴奋性神经元中表达富集。总体而言，该模块及其枢纽基因共同指向神经元、胶质和免疫过程的交汇。
Sensitivity analysis accounting for polygenicity-driven inflation in TWAS
考虑到TWAS可能受多基因性驱动的统计膨胀影响，研究人员采用方差校准方法进行敏感性分析。结果显示，校准后基因层面关联幅度减弱，但枢纽基因相对排序大致保留；更关键的是，模块层面的主要发现保持稳健，M10sub-GeRS仍然是区分早发性SZ的最具信息量模块，并保留统计学显著性。STRING定义的枢纽基因评分仍显著，而基因数更少的IPA枢纽基因评分则出现减弱。该结果增强了模块10关联并非完全由统计膨胀所致的可信度。
讨论部分指出，本研究的重要贡献在于将多面板整合的GeRS框架应用于早发性SZ，识别出一个与早发起病相关的共表达模块，并从中筛选出一组生物学上连贯的枢纽基因。与单基因信号不显著形成对照的是，模块聚合方法能够提炼出具有功能意义的网络层信息，说明早发性SZ的遗传风险可能更多表现为协调性调控异常，而非少数孤立基因的强效作用。研究还表明，GeRS与PRS所表征的风险维度并不相同；前者可纳入组织相关表达调控信息，从而在已有PRS基础上提升对早发和晚发SZ的区分能力。作者同时强调，本研究仍受限于病例内比较设计、样本量有限、转录组参考面板效应同质性假设、仅部分面板可作方差校准，以及eQTL和共表达资源主要来源于成人死后脑组织等因素，因此未来仍需在更多脑区、更大样本、不同祖源及发育期数据中进一步验证。
研究结论可译为：研究人员证明，整合预测性基因表达的基于模块的GeRS方法能够揭示早发性SZ的额外遗传贡献。网络分析和富集分析优先识别出参与神经发育、线粒体功能及兴奋性神经元通路的枢纽基因。这些发现加深了对SZ病因学的理解，并支持进一步将调控性基因网络作为潜在生物标志物或治疗靶点开展研究。
