Část 1: Výrazné genetické znaky kortikálních a subkortikálních oblastí spojených s lidskou pamětí
Mar 21, 2022
Kontakt: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com
Pin Kwang Tan,1 Egor Ananyev,2 a Po-Jang Hsieh3
1 The N.1 Institute of Health, National University of Singapore, Singapur, Singapur 117456,
2 Katedra psychologie, Technologická univerzita Nanyang, Singapur, Singapur 639798,
3 Katedra psychologie, National Taiwan University, Taipei City, Taiwan 10617
Abstraktní
Navzdory objevu genových variant spojených sPaměťvýkon, pochopení genetického základu paměti dospělého člověka zůstává výzvou. Zde jsme navrhli rámec bez dozoru, který se opírá o prostorové korelace mezi daty lidských transkriptomů a funkčními mapami neurozobrazení, abychom odhalili genetické podpisyPaměťve funkčně definovaném kortikálním a subkortikálnímPaměťregionech. Výsledky byly ověřeny literaturou na zvířatech a ukázaly, že náš rámec je vysoce účinný při identifikaci procesů a genů souvisejících s pamětí ve srovnání s kontrolní kognitivní funkcí. Geny přednostně exprimované v oblastech kortikální paměti jsou spojeny s procesy souvisejícími s pamětí, jako je imunitní a epigenetická regulace. Geny exprimované v oblastech subkortikální paměti jsou spojeny s neurogenezí a diferenciací gliových buněk. Geny exprimované v oblastech kortikální i subkortikální paměti se účastní regulace transkripce, synaptické plasticity a signalizace glutamátových receptorů. Kromě toho jsou odlišné geny spojené s pamětí, jako je PRKCD a CDK5, spojeny s kortikálními a subkortikálními oblastmi, v daném pořadí. Oblasti kortikální a subkortikální paměti tedy vykazují odlišné genetické podpisy, které potenciálně odrážejí funkční rozdíly ve zdraví a nemoci a nominují kandidáty genů pro budoucí experimentální výzkumy.
Klíčová slova: kognice; kortikální; genetický; člověk; Paměť; neurozobrazování
Prohlášení o významu Anatomické a funkční aspekty člověkaPaměťjsou dobře charakterizovány, ale jeho biologické mechanismy jsou špatně pochopeny. Zde, abychom odhalili genetické podpisy spojené s člověkemPaměťanalyzovali jsme prostorové korelace mezi expresí genů v mikroměřítku a neurozobrazovacími mapami v makroměřítku, abychom mohli odvoditPaměťsouvisející biologické procesy a geny bez dozoru. Zjistili jsme, že genové podpisy kortikální a subkortikální paměti jsou do značné míry odlišné a jsou s nimi spojenyPaměť. Identifikovali jsme méně charakterizovanéPaměť- také související geny. Kromě toho náš rámec prokázal účinnost a přesnost při identifikaci souvisejících genových signaturPaměťversus jiná funkce jako kontrola. Celkově naše práce poskytuje přístup k pochopení genetiky kognice zaměřený na člověka a identifikuje potenciální genové kandidáty pro budoucí experimentální výzkumy.
Úvod
Paměťfunkce je zásadní pro každodenní život, od mentální aritmetiky až po dlouhodobé plánování. ČlověkPaměťfunkce je dobře charakterizována z hlediska nervových korelátů spojených s chováním a duševními poruchami. Poznatky z fMRI a studií lézí vedly k pochopení kortikální a subkortikálníPaměťregiony jako funkčně odlišné oblasti, zahrnuté pod široký deštník paměťové funkce (LaBar a Cabeza, 2006; Squire a Wixted, 2011). Navzdory skutečnosti, že paměťová schopnost je vysoce dědičná s genetickými rizikovými faktory pro poruchy paměti, zůstává genetický podpis, který je základem lidské paměti, stále špatně pochopen (Papassotiropoulos a de Quervain, 2011; Kandel a kol., 2014; Freudenberg-Hua a kol. , 2018). Naše znalosti lidských paměťových genů jsou z velké části založeny na interindividuálních variacích v genomech [např. genomové asociační studie (GWAS)] a krátkodobé časové dynamice paměťových funkcí (Berto et al., 2017). Objevuje se však zájem o využití prostorové dimenze genové exprese k identifikaci genetických profilů funkčních sítí pomocí integrace transkriptomů lidského mozku a neurozobrazovacích map (Yarkoni et al., 2011; Hawrylycz et al., 2012; Ritchie et al., 2018). Takové přístupy založené na vzorcích prostorové exprese mohou pomoci odpovědět na klíčovou otázku: Existují geny spojené s oblastmi obecné paměti v mozku dospělého člověka? To může poskytnout bezprecedentní vhled do biologických procesů a genů spojených s lidskou pamětí a navrhnout potenciální kandidáty pro další experimentální výzkum.
Identifikovat takové dospělé lidské geny spojené s obecnýmPaměť, spoléháme na metodu prostorové korelace (Fox et al., 2014). Tato metoda identifikuje geny spojené s kognicemi, které mají vysokou prostorovou korelaci mezi jejich genovou expresí a neurozobrazovací mapou, která představuje relevanci každé oblasti proPaměť(Obr. 1A, B). Tento přístup předpokládá, že geny zapojené doPaměťby měly být vysoce vyjádřeny v oblastech mozku vysoce relevantních pro paměť. Tento vztah byl například pozorován v případě genu DRD2 spojeného s odměnou v oblastech zpracování odměn (Mengod et al., 1992; Pappata et al., 2002; Schott et al., 2008). Pro genetickou expresi a funkční mapy jsme použili transkriptom Allen Human Brain Atlas (AHBA) a neuroimagingovou mapu neurosynth „paměť“.
Poté jsme se identifikovaliPaměť- související genetické profily nekontrolovaným způsobem s analýzou obohacení genové sady (GSEA; obr. 1C). Vzhledem ke korelační povaze analýzy prostorové korelace jsme při identifikaci biologických procesů a genů spojených s pamětí vycházeli z databází biologických znalostí (tj. analýz obohacení knihovnou Gene Ontology). Pro identifikaci kortexově specifických a subkortexově specifických paměťově asociovaných genů jsme porovnali rozdíly mezi jejich příslušnými geny
Tato práce byla podpořena Duke-NUS Graduate Medical School a Yushan Young Scholar Program NTU-108V0202.
Poděkování: Děkujeme Niloferu Husainovi a Wu Jinlu za jejich zpětnou vazbu k raným verzím tohoto rukopisu. Data poskytl Allenův institut pro vědu o mozku a úložiště Neurosynth.
Korespondence by měla být adresována Pin Kwang Tan u profilů (obr. 1D). Protože existují geny, které se obecně účastníPaměťnapříč kortikálními a subkortikálními oblastmi (Gallo et al., 2018) jsme také charakterizovali překrývání mezi kortikálně-subkortikálními genetickými profily (obr. 1D). Kromě toho, abychom identifikovali kandidátní geny, identifikovali jsme hlavní-10 geny, se kterými jsou pravděpodobně spojenyPaměťs analýzou náběžné hrany (LEA; obr. 1E). Poté jsme potvrdili naše výsledky ověřením, že genetické profily potvrzují experimentální literaturu. Nakonec jsme zhodnotili, zda byl náš přístup účinný a přesný (obr. 1F,G).
Kvůli jejich společnému a kritickému zapojení obecněPaměťanalyzovali jsme kortikální i subkortikální oblasti, kterých se to týkáPaměť. Je třeba poznamenat, že předchozí studie funkčních sítí se soustředily hlavně na kortikální nebo subkortikální analýzy kvůli odlišným profilům exprese. To může být způsobeno výraznými rozdíly ve složení neuronů, počtu vrstev a konektivitě (O'Leary a Koester, 1993; Yushkevich et al., 2009; Modha a Singh, 2010; Kim et al., 2015). Na genetické úrovni se tyto rozdíly odrážejí v odlišných vzorcích intenzity a variability genové exprese (Hawrylycz et al., 2012; Richiardi et al., 2015; Fox et al., 2014). Proto jsme analyzovali jejich prostorové korelace odděleně, protože kombinace obou v prostorové korelační analýze by zachytila hrubé kortiko-subkortikální rozdíly v intenzitě exprese namísto smysluplných meziregionálních rozdílů v genetické expresi.
Navzdory společnému zapojení obecněPaměťnašli jsme do značné míry odlišné biologické procesy a geny související s pamětí napříč kortikálními a subkortikálními oblastmi. Kortikální procesy zahrnovaly imunitní a epigenetickou regulaci; subkortikální procesy zahrnovaly neurogenezi a diferenciaci gliových buněk. Geny sdílené napříč kortikálně-subkortikálními oblastmi se podílely na regulaci transkripce, synaptické plasticitě a signalizaci glutamátových receptorů. Ukazujeme, že náš přístup identifikoval větší počet paměťových genů v paměťové analýze, než se očekávalo náhodou, a více paměťových genů než genů motorických funkcí. Tyto výsledky poskytují lepší pochopení genetiky spojené s lidskou pamětí a nominují kandidátní geny pro budoucí experimentální výzkumy.
Materiály a metody
AHBA transkriptom
Transkriptom AHBA byl vytvořen z normalizovaného vzorkování mRNA microarray z kombinovaných 3702 vzorkovacích míst ze šesti mozků dárců (Hawrylycz et al., 2012; N 6 levé hemisféry, N 2 pravé hemisféry; Obr. 1A; viz Rozšířené údaje Obr. {{5 }} pro příklad vizualizace genu). Dárci byli tři běloši, dva afroameričtí samci a jedna hispánská žena. Věk dárce se pohyboval od 24 do 57 let, průměrný věk dárce byl 42,5 roku (SD 11,2 let), data od všech šesti dárců byla horizontálně zřetězena do souboru .csv, s jednou sondou na řádek. Další podrobnosti o datové sadě a postupech sběru dat naleznete na http://help.brain-map.org/display/human brain/Documentation.
Obrázek 1. Přehled rámce pro objevování genetických signatur. A, Neurozobrazovací mapy AHBA a Neurosynth a jejich předzpracování a integrace do společného prostoru šablon neurozobrazení. B, Výpočet prostorové podobnosti mezi mapami
odděleně pro kortikální a subkortikální oblasti a proPaměťa motorické funkce, odvození seřazeného seznamu genů L na analýzu (obsahuje geny a střední hodnotu r). C, Funkční charakterizace každé L s biologicky smysluplnými genovými sadami s GSEA Pre-ranked analýzou (tečkované čáry spojující L a genové sady představují seskupení genů do obohacených genových sad), které poskytují pozitivní a negativní skórovací genové sady S a S . D, Posouzení rozdílů a překrývání mezi kortikálním a subkortikálnímPaměťgeny. E, Identifikace kandidátních genů spojených s kognitivní funkcí a oblastí mozku, operacionalizovaných jako podskupina genů řídící skóre obohacení významně obohacených genových sad nalezených pomocí analýzy GSEA Pre-ranked. To vytvořilo dva seznamy kandidátních genů, CL a CL, obsahující vysoce pozitivně a negativně korelované geny z S a S, v daném pořadí. F, Přehled literatury každého CL kvantifikující geny spojené s cílovou nebo kontrolní kognitivní funkcí. G, Posouzení platnosti a přesnosti rámce s každým z osmi CL. Viz Extended DataFigure 1-1pro vizualizaci exprese genu GRB14 v AHBA, Extended DataFigure 1-2pro vizualizaci map neurosynthu a Extended DataFigure 1-3pro kortikální a subkortikální oblasti použité v prostorové korelační analýzy.
Mapa asociace paměti neurosynthu
Jako neurozobrazovací data proPaměťa motorické funkce (obr. 1A; viz Rozšířená dataobr. 1-2 pro vizualizaci neurosynthuPaměťa motorové mapy). Tyto kognitivní funkce byly vybrány, protože byly do značné míry funkčně a anatomicky odlišné a byly konstruovány z podobného počtu studií (paměť 2744, Nmotor 2565). Neurosynth kvantifikuje relevanci každého voxelu pro uživatelem specifikované vyhledávací termíny (např. paměť) na základě databáze neurozobrazovacích studií. V příkladu paměťové mapy je každému voxelu přiřazeno az skóre, které odráží preferenční spojení tohoto voxelu s pamětí namísto jiných funkcí. Například velké pozitivní z skóre v hippocampu znamená, že studie, jejichž abstrakty obsahují slovo paměť, pravděpodobněji uvádějí zapojení hippocampu než studie, které toto slovo neobsahujíPaměť(Yarkoni et al., 2011). Negativní z skóre indikují vyšší korelaci s jinými hledanými výrazy nesouvisejícími s pamětí, a proto byly z našich analýz vyloučeny. Pro široké domény kognitivních funkcí umožňují jednotlivé termíny generování map, které se přiměřeně dobře přibližují cílovému kognitivnímu procesu (Yarkoni et al., 2011). Proto jsme použili paměť a motor jako naše vyhledávací termíny k odvození map paměti a motorických asociací. Všimněte si, že v příkladu paměti tento přístup vedl k zahrnutí široké škály podfunkcí, jako je pracovní paměť a dlouhodobá paměť. To umožnilo širší a obsáhlejší definici paměti a motorických funkcí pro následnou identifikaci jejich genetických podpisů. Při generování takových map je možné, že ohniska identifikovaná procesem automatické extrakce souřadnic Neurosynthu mohou být nepřesná kvůli různým datovým formátům online neuroimagingových časopisů a stránek. Ve srovnání se zlatým standardem ručně upravovaných aktivačních ohnisek v databázi Surface Management Systems Database (SumsDB) však automaticky extrahované souřadnice vykazují vysokou citlivost (84 procent) a specificitu (97 procent; Yarkoni et al., 2011). Jako takové jsou použité paměťové a motorické neuroimagingové mapy rozumnými aproximacemi oblastí zapojených do obecné paměti a motorických funkcí.
Předzpracování transkriptomu
modifikovaný Brodmannův atlas používaný AHBA a hippocampus byl přeznačen jako subkortikální místo kortikální oblasti v souladu s lidskými neurozobrazovacími konvencemi (Hawrylycz et al., 2012; Ji et al., 2019; seznam kortikálních a subkortikálních oblastí v Rozšířená data Obr. 1-3). Při předběžném zpracování byly sondy nejprve reannotovány pomocí balíčku Reannotator. Vyloučili jsme sondy, které měly 50 procent vzorků přesahujících úroveň exprese pozadí. Pro každý gen jsme vybrali sondu s nejvyšším skóre diferenciální stability, tj. s nejmenší prostorovou variabilitou mezi dárci. Data AHBA byla normalizována (z skóre) pro každého dárce. Kortikální a subkortikální oblasti byly normalizovány odděleně. To bylo provedeno za účelem zohlednění individuálních a kortiko-subkortikálních rozdílů v genové expresi (Hawrylycz et al., 2011). Tím se vrátila matice vzorku mozku 15 625 genů na-1285 pro levou kůru a matice 15{15}}×-497 pro levou subkortex. To poskytlo individuální průměr 214 levých kortikálních vzorků (rozmezí: 175–259) a 83 levých subkortikálních vzorků na dárce (rozsah: 59–115). V následujícím kroku níže to bylo dále omezeno na oblasti mozku, které byly předmětem společné registrace. Při použití jiného atlasu mozku od AHBA je možné, že naše re-anotace oblastí jako kortikálních nebo subkortikálních oblastí může být nepřesná a může ovlivnit kortikální a subkortikální analýzy. Protože jsme však zachovali ontologické štítky AHBA a hippocampus jsme jednoduše znovu anotovali jako subkortex, je tento krok rozumný.
Společná registrace paměťové mapy AHBA a Neurosynth
Aby bylo možné porovnat prostorovou podobnost mezi mapami neuroimagingu a AHBA s různým rozlišením, byly obě mapy společně registrovány do společného 3D stereotaktického mozkového prostoru (Fox et al., 2014). To bylo provedeno pomocí MNI souřadnic poskytnutých AHBA pro reprezentaci transkriptomových vzorkovacích bodů v prostoru šablony MNI152. To byl také prostor používaný mapou Neurosynth. Jako maska pro mapu AHBA byla použita mapa neurosynth, takže do korelační analýzy byly zahrnuty pouze překrývající se oblasti (Fox et al., 2014). Vzhledem k omezené dostupnosti odebraných hemisfér (šest levých a dvě pravé hemisféry) jsme použili pouze levé hemisféry, rozdělené na kortikální a subkortikální oblasti. V následujících krocích byly kortikální a subkortikální analýzy udržovány odděleně. Kromě poskytnutí vhledu do samostatných kortikálních a subkortikálních genetických mechanismů se tím také zabránilo zmatkům z jejich odlišných transkripčních profilů (Richiardi et al., 2015). Vyhlazení obou map jsme pak sladili vyhlazením AHBA koulí o poloměru 6 mm. Na konci tohoto kroku jich zůstalo v průměru 93Paměť(rozsah: 72–107)
a 65 motorických kortikálních (rozsah: 55–76) datových bodů a v průměru 40Paměť(rozsah: 25–71) a 43 motorických subkortikálních (rozsah: 24–69) datových bodů na jednotlivce. Je možné, že společná registrace map AHBA a neurosynthu může být ovlivněna chybami zavedenými během transformace souřadnic MRI na MNI ze strany AHBA. Allenův institut však transformoval MRI na MNI souřadnice
za použití standardních metod pro incranio a exkreční mozky (čtyři mozky dárců byly zobrazeny ex cranio) a zajistili jsme rozumnou koregistraci vizuální kontrolou výsledných map.
Prostorová korelační analýza dat AHBA a Neurosynth
Abychom získali hodnoty prostorové korelace na gen, spoléhali jsme na nástroj, který koreluje prostorové AHBA a neuroimagingové mapy (Yarkoni et al., 2011; Fox et al., 2014). Každý datový bod použitý v korelaci je bod v prostoru s normalizovanou hodnotou intenzity genové exprese a skóre z neurozobrazovací mapy. Pro gen spojený sPaměť, očekávali bychom vysokou prostorovou podobnost mezi mapami AHBA a neurosynth, tj. vzor vysoké genové exprese v oblastech vysoce relevantních pro paměť a naopak. To by se odrazilo ve vysoké střední korelační hodnotě pro tento gen. Prostorovou analýzu jsme aplikovali odděleně pro kortikální a subkortikální oblasti (obr. 1B). Byla použita přibližná analýza náhodných účinků k zohlednění individuální variability genové exprese a k potlačení řídkého odběru kortikálních vzorků v mapách AHBA. Sklon regrese dárce a intercept byly modelovány individuálně. Následně jsme získali průměrnou korelační hodnotu každého genu (zprůměrovanou napříč šesti dárci), což byla sledovaná statistika. Z tohoto kroku jsme získali čtyři seznamy L z 15 625 genů, proPaměťa motorické funkce a příslušné kortikální a subkortikální oblasti.
Identifikace biologických procesů kortikální a subkortikální paměti
Použili jsme nástroj pro analýzu sady genů (GSEA Pre-ranked, modul GenePattern, verze 6.0.5) k identifikaci sad genů spojených s běžnými biologickými funkcemi (obr. 1C). Čtyři seznamy genů L byly seřazeny podle střední hodnoty korelace (statistika hodnocení použitá v tomto případě) a předány do GSEA Pre-ranked. Každý seznam L jsme analyzovali pomocí GSEA předem seřazeného s výchozími parametry, včetně váženého bodování pomocí knihovny Gene Ontology Biological Process (c5.bp.v6.0.symbols.gmt). Pre-ranked GSEA hledá samostatně v horní a dolní části každého seznamu L geny, které se překrývají s každým souborem genů v databázi (Mootha et al., 2003; Subramanian et al., 2005). Toto překrytí nebo obohacení genové sady bylo hodnoceno váženým hodnocením na základě průměrné korelace (r-hodnota). To vrací normalizované skóre obohacení, významnou hodnotu p a hodnotu FDR q (ve všech testovaných sadách genů)
pro každou obohacenou sadu genů. Z horních pozitivně a negativně korelovaných genů v každém seznamu L jsme získali samostatné sady S a S pozitivně a negativně obohacených genových sad, v tomto pořadí. Pro následné analýzy jsme použili pouze všechny sady genů s FDR q {{0}}.05. Všimněte si, že motorická kortikální (–) analýza (negativně korelované geny z motorické kortikální analýzy) neměla žádné genové sady přežívající FDR 0,05, a proto nebyla použita v následných analýzách, tj. biologické procesy ani kandidátní geny jako výstup. To tedy ve skutečnosti znamenalo osm S a sedm S použitelných sad pro následné kroky. Pro tuto analýzu a následné kroky se nazývají geny, které se nacházejí v 1 významně obohacené sadě genůPaměťgeny, na rozdíl od nejlepších-10 paměťových genů identifikovaných níže.
Vizualizace výrazně obohacených genových sad
Identifikovat celková biologická témata napříč genovými sadami. seskupili jsme sady genů do sítí podle genů, které sdílejí (obr. 1C). Pro každý pár sad S a S jsme vložili jejich sady genů do softwaru pro vizualizaci sítě Cytoscape a zahrnuli jsme sady genů s FDR q 0.05. Poté jsme použili aplikaci Enrichment Map ke konstrukci sítí genových sad a anotovali jsme je rozšířením Wordcloud pro následnou interpretaci (Cline et al., 20}07;Merico et al., 2010;Oesper et al., 2011 ). To bylo provedeno pomocí výchozího nastavení s výjimkou vlastního prahu hodnoty FDR q 0,05 (tj. FDR 0,05). Tento krok vrátil čtyři anotované mapy obohacení pro seznam L každé kognitivní funkce a pro každou z kortikálních a subkortikálních oblastí.
Funkční anotace překrývajících se genů
K funkčnímu shlukování jsme použili sadu ToppGene (s knihovnou Gene Ontology Biological Process).Paměťgeny (identifikované v analýze GSEA), které jsou (1) specifické pro kortex, (2) specifické pro subkortex, (3) a sdílené mezi oběma (obr. 1D; Chen et al., 2009). Z výstupu jsme prahovali genové sady biologického procesu jako ty, které splňují FDR 0,05. To vrátilo tři seznamy sad genů, jeden pro každý typ genu výše.
Identifikace kandidátních genů spojených s kortikální a subkortikální pamětí
Abychom identifikovali horní {{0}} geny, které jsou s největší pravděpodobností relevantní pro kognitivní funkce, identifikovali jsme geny, které se často objevují napříč genovými sadami s LEA (obr. 1E; Mootha et al., 2003; Subramanian et al., 2005). Pro analýzu každé kognitivní funkce v kortikálních a subkortikálních oblastech zadáváme příslušné sady genů s FDR q 0,05 (stolní aplikace javaGSEA). LEA poté identifikovala geny, které se často objevovaly v předních podskupinách genů napříč genovými sadami v S nebo S (Subramanian et al., 2005; Fleming a Miller, 2016). Geny jsme seřadili podle počtu předních genových sad, které obohacují; v případě shody v počtu genových sad je řadíme podle střední hodnoty prostorové korelace. Nejlepší{10}} geny vyskytující se nejčastěji v pozitivně a negativně obohacených genových sadách byly označeny jako kandidátní genový seznam CL. Výstupy byly seznamy sedmi kandidátních genových kognitivních asociačních seznamů CL 10 genů, každý pro všechny S a S.
