基于网络的阿尔茨海默病认知衰退调控驱动因子发现

《npj Aging》:Network-based discovery of regulatory drivers of cognitive decline in alzheimer’s disease

【字体: 大 中 小 】 时间:2026年07月17日 来源:npj Aging 13.0

编辑推荐:

  阿尔茨海默病(Alzheimer’s disease, AD)是一种多因素神经退行性疾病,以进行性认知衰退为特征,但其转录调控架构仍知之甚少。在本研究中,研究人员从87名AD患者和67名非认知受损(non-cognitively impaired, NCI)对

  
阿尔茨海默病(Alzheimer’s disease, AD)是一种多因素神经退行性疾病,以进行性认知衰退为特征,但其转录调控架构仍知之甚少。在本研究中,研究人员从87名AD患者和67名非认知受损(non-cognitively impaired, NCI)对照的背外侧前额叶皮层转录组中建模样本特异性基因调控网络(gene regulatory networks, GRNs),并使用机器学习分类器检测一致性的疾病特异性网络特征。这种样本特异性网络方法捕获了转录调控的个体间变异,并揭示了22个关键转录因子-基因调控,以96%的加权准确率区分AD与NCI。这些关键转录因子-基因相互作用富集于AD病理核心通路,包括突触信号、线粒体功能、蛋白质稳态和神经炎症。网络分析揭示了AD与对照之间调控连接性的显著差异,其中ZNF225、ZNF849和ZNF548成为AD特异性调控枢纽。此外,若干关键调控边与纵向认知衰退显著相关,支持其临床相关性。研究人员的发现强调了AD中普遍的转录失调,并突显了样本特异性GRN建模在揭示调控机制中的价值。
阿尔茨海默病(Alzheimer’s disease, AD)是最常见的痴呆症,病理特征为β-淀粉样斑块和神经原纤维缠结,但分子机制复杂。全基因组关联研究(GWAS)发现的变异仅解释部分遗传性,提示基因调控网络(Gene Regulatory Network, GRN)层面的相互作用至关重要。然而,传统GRN分析基于群体平均数据,忽略个体间变异,难以捕捉疾病特异性变化。因此,本研究采用样本特异性网络建模,旨在揭示AD中转录失调的调控驱动因子。研究人员利用ROSMAP队列(Religious Orders Study and Memory and Aging Project)的背外侧前额叶皮层(dorsolateral prefrontal cortex, DLPFC)转录组数据(87例AD,67例非认知受损NCI对照),应用PANDA(Passing Attributes between Networks for Data Assimilation)和LIONESS(Linear Interpolation to Obtain Network Estimates for Single Samples)算法重建样本特异性GRN,并通过机器学习(逻辑回归+递归特征消除)识别区分AD与NCI的关键转录因子(Transcription Factor, TF)-基因调控边。得到22个关键边,分类准确率96%,并在独立单细胞数据集验证。进一步分析发现ZNF225、ZNF849、ZNF548为调控枢纽,这些边富集于突触信号、线粒体功能、蛋白质稳态、神经炎症等通路,且与纵向认知衰退显著相关。论文发表在《npj Aging》。

关键技术方法:研究人员从ROSMAP队列获取DLPFC转录组数据,采用PANDA算法整合基因表达、TF-基序(来自JASPAR数据库)和蛋白互作(来自STRING数据库,置信度阈值0.5)信息构建聚合GRN,再通过LIONESS推断每个样本的特异性GRN。保留权重前5%的边,使用逻辑回归和递归特征消除筛选关键TF-基因边,通过蒙特卡洛交叉验证(100次迭代)评估性能。利用GSEA(Gene Set Enrichment Analysis)进行通路富集分析,Spearman相关分析评估与认知衰退的关联。

研究结果:
- 队列选择与RNA-Seq分析:研究人员通过Cogdx和CERAD标准定义AD和NCI,最终发现队列包含87例AD和67例NCI。
- 预处理RNA-Seq表达:应用CPM阈值过滤、ComBat-Seq批次校正和分位数筛选,去除极端样本。
- 人口统计学和临床特征:AD组年龄显著大于NCI组,APOE基因型分布显著差异,AD组全局病理负担显著更高。
- 基因调控网络重建与关键特征:PANDA和LIONESS构建GRN,保留top5%边,得到118,489条共同边和62,731条条件特异性边,且高权重边与已知结合基序一致。
- 网络度量差异:AD和NCI网络在最大连通分量大小(AD更小,p=0.025)和嵌套性(NCI更高,p<0.05)上有显著差异,密度、平均度和模块化无显著差异。
- 样本特异性GRN揭示关键调控差异:逻辑回归+RFE识别22个关键TF-基因边,分类加权准确率96%,AUC 0.936,在独立验证集准确率78.7%,AUC 0.827。
- 鉴定枢纽基因:ZNF225、ZNF879、ZNF548被识别为调控枢纽,在验证集中ZNF225和ZNF548得到确认。
- 通过GSEA鉴定失调通路:9个TF-基因边映射到88条显著富集通路(FDR<0.005),包括突触传递、线粒体氧化磷酸化、蛋白质稳态(泛素-蛋白酶体、自噬、mTOR信号)、神经炎症(MAPK、Ras信号)、转录调控(E2F、MYC靶点)等。
- 细胞类型相关性:ATOH8(小胶质细胞标志物)、NEUROD1(神经元标志物)、TCF7(巨噬细胞标志物)与关键边重叠,提示免疫细胞和神经元参与。
- 与认知衰退的相关性:6个TF-基因边(HIC2-ENSG00000234841、ZNF879-APIP、MESP1-ZC3H12D、ATOH8-PEX5、NEUROD1-PEX5、MTF1-CYLD)与语义记忆、工作记忆、情景记忆等认知评分显著相关(Spearman,p<0.05)。
- 与先前AD基因的关联:22个TF调节超过一半的AMP-AD(加速阿尔茨海默病药物合作伙伴)靶基因,但置换检验不显著(p=0.43)。
- 差异表达分析:鉴定出74个差异表达基因(DEGs),仅FRMPD2B与关键边重叠,表明GRN分析提供传统差异表达分析之外的额外信息。

讨论总结:研究通过样本特异性GRN建模揭示了AD中转录网络失调,22个关键TF-基因边以高准确率区分AD与NCI,其中锌指转录因子ZNF225、ZNF849、ZNF548作为枢纽发挥核心作用。网络拓扑分析显示AD网络发生拓扑重连而非全局连接丧失(嵌套性降低、最大连通分量减小),而密度和模块性保持稳定。GSEA富集通路与AD病理核心机制一致,包括突触功能障碍、线粒体能量代谢、蛋白质稳态崩溃、神经炎症和表观遗传失调。关键边与认知衰退的关联支持其临床相关性。研究结论部分翻译如下:总之,本研究在样本特异性基因调控网络中识别了与阿尔茨海默病认知障碍显著相关的关键转录调控枢纽。通过强调网络失调而非孤立基因改变,研究人员的发现提供了对AD分子复杂性的新见解,并突出了潜在治疗靶点,包括ZNF225、ZNF849和ZNF548等调控枢纽。这些结果支持AD是一种由多种相互关联的调控相互作用共同驱动的高度复杂疾病。此外,基于网络的方法通过整合功能性调控关系,扩展了传统差异表达分析的见解,使得能够识别患者特异性基因调控网络中与阿尔茨海默病认知衰退直接相关的特定转录因子。总体而言,这项工作推进了对AD分子机制的理解,并为开发未来靶向治疗策略提供了框架。
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