Част 1: Различни генетични признаци на кортикални и субкортикални региони, свързани с човешката памет
Mar 21, 2022
Контакт: Audrey Hu Whatsapp/hp: 0086 13880143964 Имейл:audrey.hu@wecistanche.com
Pin Kwang Tan,1 Egor Ananyev,2 и Po-Jang Hsieh3
1 Здравен институт N.1, Национален университет на Сингапур, Сингапур, Сингапур 117456,
2 Катедра по психология, Nanyang Technological University, Сингапур, Сингапур 639798,
3 Катедра по психология, Национален тайвански университет, град Тайпе, Тайван 10617
Резюме
Въпреки откриването на генни варианти, свързани спаметпроизводителност, разбирането на генетичната основа на паметта на възрастния човек остава предизвикателство. Тук създадохме неконтролирана рамка, която разчита на пространствени корелации между данни от човешки транскриптоми и функционални невроизобразяващи карти, за да разкрием генетичните сигнатури напаметвъв функционално дефинирани кортикални и субкортикалнипаметрегиони. Резултатите бяха валидирани с литература за животни и показаха, че нашата рамка е много ефективна при идентифициране на процеси и гени, свързани с паметта, в сравнение с контролна когнитивна функция. Гените, преференциално експресирани в области на кортикалната памет, са свързани с процеси, свързани с паметта, като имунна и епигенетична регулация. Гените, експресирани в субкортикалните области на паметта, са свързани с неврогенезата и диференциацията на глиалните клетки. Гените, експресирани както в кортикалните, така и в субкортикалните области на паметта, участват в регулирането на транскрипцията, синаптичната пластичност и сигнализирането на глутаматния рецептор. Освен това, различни гени, свързани с паметта, като PRKCD и CDK5, са свързани съответно с кортикални и субкортикални региони. По този начин регионите на кортикалната и субкортикалната памет показват различни генетични сигнатури, които потенциално отразяват функционални различия в здравето и болестта и номинират кандидати за гени за бъдещи експериментални изследвания.
Ключови думи: познание; кортикален; генетични; човек; памет; невроизобразяване
Cistanche може да подобри паметта
Декларация за значимост Анатомичните и функционални аспекти на човекапаметса добре характеризирани, но неговите биологични механизми са слабо разбрани. Тук, за да разкрием генетични подписи, свързани с човекапаметфункция, ние анализирахме пространствените корелации между микро-мащабната генна експресия и макро-мащабните невроизобразяващи карти, за да извлечемпамет-свързани биологични процеси и гени по неконтролиран начин. Открихме, че генните сигнатури на кортикалната и субкортикалната памет са до голяма степен различни и са свързани спамет. Ние идентифицирахме по-малко характеризиранипамет-асоциирани гени също. Освен това, нашата рамка демонстрира ефективност и прецизност при идентифициране на генни подписи, свързани спаметспрямо друга функция като контрол. Като цяло нашата работа осигурява ориентиран към човека подход за разбиране на генетиката на познанието и идентифицира потенциални кандидати за гени за бъдещи експериментални изследвания.
Въведение
паметфункцията е от решаващо значение за ежедневието, вариращо от умствена аритметика до дългосрочно планиране. Човекпаметфункцията е добре характеризирана по отношение на невронни корелати, свързани с поведението и психичните разстройства. Прозрения от fMRI и проучвания на лезии доведоха до разбиране на кортикалните и субкортикалнитепаметрегиони като функционално обособени области, включени под широкия чадър на функцията на паметта (LaBar и Cabeza, 2006; Squire и Wixted, 2011). И все пак, въпреки факта, че способността за памет е силно наследствена, с генетични рискови фактори за нарушения на паметта, генетичният подпис, който стои в основата на човешката памет, остава слабо разбран (Papassotiropoulos and de Quervain, 2011; Kandel et al., 2014; Freudenberg-Hua et al. , 2018). Нашите познания за гените на човешката памет до голяма степен се основават на междуиндивидуални вариации в геномите [напр. Изследвания на асоциации в целия геном (GWAS)] и краткосрочната времева динамика на функцията на паметта (Berto et al., 2017). Въпреки това, възниква интерес към използването на пространственото измерение на генната експресия за идентифициране на генетични профили на функционални мрежи, чрез интегриране на човешки мозъчни транскриптоми и невроизобразяващи карти (Yarkoni et al., 2011; Hawrylycz et al., 2012; Ritchie et al., 2018). Такива подходи, базирани на модели на пространствено изразяване, могат да помогнат да се отговори на ключов въпрос: Има ли гени, свързани с общи области на паметта в мозъка на възрастен човек? Това може да осигури безпрецедентна представа за биологичните процеси и гените, свързани с човешката памет, и да предложи потенциални кандидати за по-нататъшно експериментално изследване.
За идентифициране на такива възрастни човешки гени, свързани с общпамет, ние разчитаме на метод на пространствена корелация (Fox et al., 2014). Методът идентифицира гени, свързани с познанието, които имат висока пространствена корелация между неговата генна експресия и невроизобразителна карта, която представлява уместността на всяка област запамет(Фиг. 1A, B). Този подход предполага, че гените, участващи впаметтрябва да бъде силно изразен в областите на мозъка, които са много важни за паметта. Например, тази връзка се наблюдава в случай на свързан с възнаграждение ген DRD2 в зони за обработка на възнаграждение (Mengod et al., 1992; Pappata et al., 2002; Schott et al., 2008). За генетичната експресия и функционалните карти използвахме транскриптома на Allen Human Brain Atlas (AHBA) и невроизобразителната карта на „паметта“ на Neurosynth.
След това се идентифицирахмепамет-свързани генетични профили по неконтролиран начин с анализ на обогатяване на набор от гени (GSEA; Фиг. 1C). Поради корелационния характер на анализа на пространствената корелация, ние използвахме бази данни за биологични знания (т.е. обогатяващи анализи с библиотеката на онтологията на гените), за да ръководим нашата идентификация на биологични процеси и гени, свързани с паметта. За да идентифицираме специфични за кората на мозъка и специфични за субкортекса гени, свързани с паметта, сравнихме разликите между съответния им ген
Тази работа беше подкрепена от Duke-NUS Graduate Medical School и от Yushan Young Scholar Program NTU-108V0202.
Благодарности: Благодарим на Nilofer Husain и Wu Jinlu за техните отзиви относно ранните версии на този ръкопис. Данните са предоставени от Allen Institute for Brain Science и Neurosynth repository.
Кореспонденцията трябва да бъде адресирана до Pin Kwang Tan в профили (фиг. 1D). Тъй като има гени, които участват като цялопаметв кортикалните и субкортикалните региони (Gallo et al., 2018), ние също така характеризирахме припокриването между кортикално-субкортикалните генетични профили (фиг. 1D). Освен това, за да идентифицираме кандидат-гени, идентифицирахме най-добрите-10 гени, които най-вероятно са свързани спаметс водещ анализ (LEA; Фиг. 1E). След това потвърдихме нашите резултати, като потвърдихме, че генетичните профили се потвърждават от експерименталната литература. Накрая оценихме дали нашият подход е ефективен и прецизен (фиг. 1F, G).
Заради тяхното общо и критично участие като цялопамет, анализирахме както кортикалните, така и субкортикалните области, участващи впамет. Трябва да се отбележи, че предишни проучвания върху функционални мрежи се фокусираха главно върху кортикални или субкортикални анализи поради различни профили на изразяване. Това може да се дължи на значителни разлики в състава на невроните, броя на слоевете и свързаността (O'Leary and Koester, 1993; Yushkevich et al., 2009; Modha and Singh, 2010; Kim et al., 2015). На генетично ниво тези разлики се отразяват от различни модели както на интензитета на генната експресия, така и на променливостта (Hawrylycz et al., 2012; Richiardi et al., 2015; Fox et al., 2014). По този начин ние анализирахме техните пространствени корелации поотделно, тъй като комбинирането и на двете в анализа на пространствената корелация би уловило грубите кортико-субкортикални разлики в интензивността на експресията вместо значимите междурегионални различия в генетичната експресия.
Въпреки общото участие като цялопамет, открихме до голяма степен различни биологични процеси и гени, свързани с паметта, в кортикалните и субкортикалните региони. Кортикалните процеси включват имунна и епигенетична регулация; подкоровите процеси включват неврогенеза и диференциация на глиални клетки. Гените, споделени между кортикално-подкортикалните региони, участват в регулирането на транскрипцията, синаптичната пластичност и сигнализирането на глутаматния рецептор. Ние показваме, че нашият подход идентифицира по-голям брой гени на паметта в анализа на паметта, отколкото се очаква случайно, и повече гени на паметта, отколкото гени на двигателната функция. Тези резултати осигуряват по-добро разбиране на генетиката, свързана с човешката памет, и номинират кандидат-гени за бъдещи експериментални изследвания.
Материали и методи
AHBA транскриптом
Транскриптомът на AHBA е генериран от нормализираното вземане на проби от микрочипове на иРНК от комбинирани 3702 места за вземане на проби в шест донорни мозъка (Hawrylycz et al., 2012; N 6 ляво полукълбо, N 2 дясно полукълбо; Фиг. 1A; вижте Разширени данни Фиг. {{5 }} за примерна визуализация на ген). Донорите бяха трима бели мъже, двама афроамериканци и една испанка. Възрастта на донора варира от 24 до 57, средната възраст на донора е 42,5 години (SD 11,2 години). Данните от всичките шест донора са хоризонтално свързани в .csv файл, с една сонда на ред. За повече подробности относно набора от данни и процедурите за събиране на данни вижте http://help.brain-map.org/display/human brain/Documentation.
Фигура 1. Преглед на рамката за откриване на генетичен подпис. A, Картите за невроизображение на AHBA и Neurosynth и тяхната предварителна обработка и интегриране в общо пространство на шаблон за невроизображение. B, Изчисляване на пространственото сходство между картите
отделно за кортикалните и субкортикалните области и запамети двигателни функции, извличане на класиран генен списък L за анализ (съдържа гени и средна стойност на r). C, Функционална характеристика на всеки L с биологично значими генни набори с GSEA предварително класиран анализ (пунктираните линии, свързващи L и генни набори, представляват групирането на гени в обогатени генни набори), давайки положително и отрицателно точкуване на генни набори S и S . D, Оценка на разликите и припокриването между кортикални и субкортикалнипаметгени. E, Идентифициране на кандидат-гени, свързани с когнитивната функция и мозъчната област, операционализирано като подмножество от гени, управляващи резултата за обогатяване на значително обогатените набори гени, открити с помощта на предварително класиран анализ на GSEA. Това създаде два списъка с кандидат-гени, CL и CL, съдържащи силно положително и отрицателно корелирани гени от S и S, съответно. F, Преглед на литературата на всеки CL, определящ количествено гените, свързани с целевата или контролна когнитивна функция. G, Оценяване на валидността и прецизността на рамката с всеки от осем CL. Вижте Extended DataFigure 1-1за визуализация на експресията на ген GRB14 в AHBA, Extended DataFigure 1-2за визуализация на картите на Neurosynth и Extended DataFigure 1-3за кортикалните и подкортикалните области, използвани в анализ на пространствената корелация.
Карта на асоциацията на паметта на Neurosynth
Картите на „паметта“ и „моторните“ асоциации на Neurosynth [пространство на Монреалския неврологичен институт 152 (MNI152), прагов FDR 0.01] бяха използвани като невроизобразяващи данни запамети двигателни функции (Фиг. 1A; вижте Фиг. с разширени данни 1-2 за визуализация на Neurosynthпамети моторни карти). Тези когнитивни функции бяха избрани, тъй като бяха до голяма степен функционално и анатомично различни и бяха конструирани от подобен брой изследвания (памет 2744, Nmotor 2565). Neurosynth определя количествено уместността на всеки воксел спрямо зададените от потребителя термини за търсене (напр. памет) въз основа на база данни от невроизобразяващи изследвания. В примера на картата на паметта на всеки воксел е присвоен az резултат, който отразява преференциалната асоциация на този воксел с паметта, вместо с други функции. Например големият положителен z резултат в хипокампуса означава, че проучвания, чиито резюмета включват думата памет, е по-вероятно да докладват за ангажиране на хипокампуса, отколкото проучвания, които не включват думатапамет(Yarkoni et al., 2011). Отрицателните z резултати показват по-висока корелация с други думи за търсене, които не са свързани с паметта и по този начин бяха изключени от нашите анализи. За широки области на когнитивната функция, единичните термини позволяват генерирането на карти, които приближават сравнително добре целевия когнитивен процес (Yarkoni et al., 2011). Затова използвахме памет и мотор като наши термини за търсене, за да извлечем картите на паметта и моторните асоциации. Имайте предвид, че в примера с паметта този подход доведе до включването на широк набор от подфункции, като работна памет и дългосрочна памет. Това позволи по-широка и по-всеобхватна дефиниция на паметта и двигателната функция за последващото идентифициране на техните генетични сигнатури. При генерирането на такива карти е възможно огнищата, идентифицирани от процеса на автоматично извличане на координати на Neurosynth, да са неточни поради различни формати на данни в онлайн списания и сайтове за невроизображения. Въпреки това, в сравнение със златния стандарт на ръчно подбрани фокуси на активиране в базата данни на системите за управление на повърхността (SumsDB), автоматично извлечените координати показват висока чувствителност (84 процента) и специфичност (97 процента; Yarkoni et al., 2011). Като такива, използваните карти на паметта и моторните невроизображения са разумни приближения на региони, участващи в общата памет и двигателната функция.
Предварителна обработка на транскриптом
модифициран атлас на Бродман, използван от AHBA, и хипокампусът е преименуван като субкортикален вместо кортикален регион в съответствие с конвенциите за невроизобразяване на човека (Hawrylycz et al., 2012; Ji et al., 2019; списък на кортикалните и субкортикалните области в Фиг. с разширени данни 1-3). При предварителната обработка сондите първо бяха реанотирани с пакета Reannotator. Изключихме сондите, които имаха 50 процента проби, надвишаващи фоновото ниво на експресия. За всеки ген, ние избрахме сондата с най-висок диференциален резултат за стабилност, т.е., с най-малка пространствена вариабилност между донорите. Данните за AHBA бяха нормализирани (z резултат) за всеки донор. Кортикалните и субкортикалните региони се нормализират отделно. Това беше направено, за да се отчетат индивидуалните и кортико-субкортикалните различия в генната експресия (Hawrylycz et al., 2011). Това върна матрица на мозъчна проба от 15 625 гена на -1285 за левия кортекс и съответно 15, 625-на -497 матрица за левия подкортекс. Това дава индивидуална средна стойност от 214 леви кортикални (диапазон: 175–259) и 83 леви субкортикални проби на донор (диапазон: 59 –115). В следващата стъпка по-долу това беше допълнително ограничено до областите на мозъка, представляващи интерес при съвместна регистрация. С използването на различен мозъчен атлас от AHBA е възможно нашата повторна анотация на региони като кортикални или субкортикални области да е неточна и да повлияе на кортикалните и субкортикалните анализи. Въпреки това, тъй като запазихме онтологичните етикети на AHBA и просто преанотирахме хипокампуса като подкортекс, тази стъпка е разумна.
Съвместна регистрация на карта на паметта на AHBA и Neurosynth
За да се позволи сравнение на пространственото сходство между невроизобразяването и картите на AHBA с различни разделителни способности, и двете карти бяха съвместно регистрирани в общо 3D стереотактично мозъчно пространство (Fox et al., 2014). Това беше направено чрез използване на MNI координатите, предоставени от AHBA за представяне на точките за вземане на проби от транскриптоми в пространството на шаблона MNI152. Това беше и пространството, използвано от картата на Neurosynth. Картата на Neurosynth беше използвана като маска за картата на AHBA, така че само припокриващите се области бяха включени в корелационния анализ (Fox et al., 2014). Поради ограничената наличност на взетите проби от полукълба (шест леви и две десни), ние използвахме само лявото полукълбо, разделено на кортикални и субкортикални области. В следващите стъпки кортикалните и субкортикалните анализи се държат отделно. Освен че дава представа за отделните кортикални и субкортикални генетични механизми, това също избягва объркване от техните различни транскрипционни профили (Richiardi et al., 2015). След това съпоставихме изглаждането на двете карти, като изгладихме AHBA със сфера с радиус от 6 mm. В края на тази стъпка остават средно 93памет(диапазон: 72–107)
и 65 моторни кортикални (диапазон: 55–76) точки от данни и средно 40памет(диапазон: 25–71) и 43 моторни субкортикални (диапазон: 24 – 69) точки от данни за индивид. Възможно е съвместната регистрация на картите на AHBA и Neurosynth да бъде повлияна от грешки, въведени по време на трансформацията на MRI към MNI от AHBA. Институтът Алън обаче трансформира MRI в MNI координати
използвайки стандартни методи за incranio и екскреционни мозъци (четири донорски мозъка бяха изобразени ex cranio), и ние осигурихме разумна съвместна регистрация чрез визуална проверка на получените карти.
Анализ на пространствената корелация на данни от AHBA и Neurosynth
За да получим стойности на пространствена корелация за ген, ние разчитахме на инструмент, който корелира пространствените AHBA и картите на невроизображението (Yarkoni et al., 2011; Fox et al., 2014). Всяка точка от данни, използвана при корелация, е точка в пространството, с нормализирана стойност на интензитета на генната експресия и z резултат на невро-изобразителна карта. За ген, свързан спамет, бихме очаквали голямо пространствено сходство между картите на AHBA и Neurosynth, т.е. модел на висока генна експресия в области, които са изключително важни за паметта и обратно. Това би било отразено във висока средна стойност на корелация за този ген. Приложихме пространствения анализ отделно за кортикални и субкортикални региони (фиг. 1B). Използван е приблизителен анализ на произволни ефекти, за да се отчете променливостта на индивидуалната генна експресия и да се противодейства на рядкото вземане на проби от кората в картите на AHBA. Наклонът на регресията на донора и отсечката бяха моделирани индивидуално. Впоследствие получаваме средната стойност на корелация на всеки ген (осреднена за шестте донора), което представлява статистиката от интерес. От тази стъпка получихме четири списъка L от 15 625 гена, запамети двигателната функция и съответните кортикални и субкортикални области.
Идентифициране на биологични процеси на кортикална и субкортикална памет
Използвахме инструмент за анализ на набор от гени (GSEA Pre-ranked, модул GenePattern, версия 6.0.5), за да идентифицираме набори от гени, свързани с общи биологични функции (фиг. 1C). Четирите списъка с гени L бяха класирани по средна стойност на корелация (статистиката за класиране, използвана в този случай) и предадени на GSEA Pre-ranked. Ние анализирахме всеки списък L с GSEA, предварително класиран с параметрите по подразбиране, включително претеглено оценяване, използвайки библиотеката на Gene Ontology Biological Process (c5.bp.v6.0.symbols.gmt). Предварително класираният GSEA разглежда отделно горната и долната част на всеки списък L за гени, които се припокриват с всеки набор от гени в базата данни (Mootha et al., 2003; Subramanian et al., 2005). Това припокриване или обогатяване на набор от гени беше оценено чрез претеглено оценяване на базата на средна корелация (r-стойност). Това връща нормализиран резултат за обогатяване, значителна p-стойност и стойност на FDR q (във всички тествани набори гени)
за всеки обогатен набор от гени. От горните положително и отрицателно корелирани гени във всеки списък L, ние получихме отделни набори S и S от положително и отрицателно обогатени генни набори, съответно. За последващи анализи използвахме само всички набори гени с FDR q {{0}}.05. Обърнете внимание, че моторният кортикален (–) анализ (отрицателно корелирани гени от моторния кортикален анализ) не е имал нито един набор от гени, оцелели след FDR 0,05, и по този начин не е бил използван в последващи анализи, т.е. биологични процеси, нито кандидат-гени като изход. По този начин това на практика означава осем S и седем S използваеми комплекта за следващите стъпки. За този анализ и следващите стъпки гените, които се намират в 1 значително обогатен набор от гени, се наричатпаметгени, за разлика от горните-10 гени на паметта, идентифицирани по-долу.
Визуализация на значително обогатени набори от гени
За идентифициране на цялостните биологични теми в наборите от гени. ние групирахме набори от гени в мрежи според гените, които те споделят (фиг. 1C). За всяка двойка набори S и S ние въведохме техните набори гени в софтуера за визуализация на мрежата Cytoscape и включихме наборите гени с FDR q 0.05. След това използвахме приложението Enrichment Map, за да конструираме мрежите от набор от гени и ги анотирахме с разширението Wordcloud за последваща интерпретация (Cline et al., 2007; Merico et al., 2010; Oesper et al., 2011 ). Това беше направено с помощта на настройките по подразбиране, с изключение на персонализиран праг на стойност на FDR q от 0,05 (т.е. FDR 0,05). Тази стъпка върна четири анотирани карти за обогатяване за списъка L на всяка когнитивна функция и за всяка от кортикалните и субкортикалните области.
Функционална анотация на припокриващи се гени
Използвахме пакета ToppGene (с библиотека на Gene Ontology Biological Process) за функционално клъстериранепаметгени (идентифицирани в анализа на GSEA), които са (1) специфични за кората, (2) специфични за субкортекса, (3) и споделени между двете (фиг. 1D; Chen et al., 2009). От изхода ние поставихме прагови набори гени за биологични процеси като такива, които отговарят на FDR 0,05. Това върна три списъка с набори гени, по един за всеки тип ген по-горе.
Идентифициране на кандидат-гени, свързани с кортикална и субкортикална памет
За да идентифицираме най-добрите {{0}} гени, които най-вероятно са от значение за когнитивната функция, ние идентифицирахме гени, които често се появяват в наборите от гени с LEA (фиг. 1E; Mootha et al., 2003; Subramanian et др., 2005). За анализа на всяка когнитивна функция в кортикалните и субкортикалните региони, ние въвеждаме съответните генни набори с FDR q 0.05 (javaGSEA настолно приложение). След това LEA идентифицира гените, които се появяват често във водещите подгрупи гени в генни набори в S или S (Subramanian et al., 2005; Fleming and Miller, 2016). Класирахме гените по броя на водещите набори гени, които те обогатяват; в случай на равенство в броя на наборите гени, ние ги класираме по средната стойност на пространствена корелация. Най-добрите -10 гени, които се появяват най-често в положително и отрицателно обогатените генни набори, бяха определени като кандидат ген списък CL. Резултатите бяха списъци на асоциации за генно познание със седем кандидати CL от 10 гена всеки за всички S и S.
