Část 2: 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
Literární přehled genetických signatur
Pro kvantifikaci počtu "zásahů" kandidátního genu proPaměťprovedli jsme přehled literatury pro každý seznam genů CL a spočítali jsme počet genů-Paměť(tj. pravdivě pozitivní) nebo asociace gen-motorické funkce (tj. falešně pozitivní; obr. 1F). To bylo provedeno přezkoumáním experimentální literatury ve službě Google Scholar pomocí vyhledávacího dotazu: ["název genu" AND ("paměť" OR "amnézie" OR "Alzheimer's" OR "demence")] a ["název genu" AND ("motor funkce“ NEBO „motorická koordinace“ NEBO „lokomoční“ NEBO „ataxie“ NEBO „motorické učení“ NEBO „Parkinsonova choroba“ NEBO „Huntingtonova choroba“)]. Totéž bylo opakováno pro motorickou analýzu pro příslušné pravdivě pozitivní a falešně pozitivní výsledky. Poruchy byly vybrány pro vyhledávání klíčových slov, protože se u nich nápadně vyznačují nedostatky v paměti a motorickém fungování. Silné důkazy zahrnovaly studie, které využívaly in vivo genové manipulace, mutanty a farmakologické zásahy, zatímco slabé důkazy zahrnovaly výpočetní genové asociace, studie in vitro, studie diferenciální genové exprese a případové studie u lidí. Literární důkazy se počítaly jako validace pouze tehdy, pokud zahrnovaly odpovídající oblast mozku, tj. kortikální nebo subkortikální. Jako takový důkaz role daného genu pouze v neanalyzované oblasti mozku nebyl započítán. Pokud by například práce ukázala, že knock-out genu A pouze v subkortexu vede k paměťovým deficitům, nepočítalo by se to jako důkaz pro analýzu kortikální paměti.
Korelační rozdíl v analýze paměti a motoriky
Pokud je metoda platná, měly by mít paměťové geny vyšší průměrnou hodnotu korelace zPaměťanalýza ve srovnání s motorickou analýzou a naopak pro motorické geny a motorickou analýzu r hodnotu. Pro každý gen to bylo vypočítáno odečtením jeho hodnoty r motorické funkce od hodnoty r paměti, přičemž kladný rozdíl se počítá do účinnosti metody (obr. 1G). Všimněte si, že pro hodnoty paměti r ze seznamů negativních genů (např. paměťová kortikální -) vynásobíme rozdíl v hodnotě r hodnotou –1, abychom tento rozdíl vyjádřili jako kladnou hodnotu v souladu se seznamy genů pozitivní paměti. Potom vezmeme průměr všech genů pro každou sadu S, které splňují FDR q 0.05 (stejná prahová hodnota jako vizualizace mapy obohacení), abychom získali sedm takových hodnot. Protože počet genů na sadu S je různý, zavedli jsme počet hodnot korelačních rozdílů použitých pro výpočet průměrné hodnoty korelačního rozdílu na sadu. To bylo provedeno odděleně pro paměťovou a motorickou analýzu opakovaným podvzorkováním korelačních rozdílů (10, 000 iterací) na minimální počet genů v paměti (n 231) a motorických sad (n 146). Vizualizovali jsme to jako krabicový graf pro každou ze sedmi sad, s bootstrapovaným průměrem a 95. percentily (fousy) pro paměťové a motorické analýzy. Pokud základní linie nespadá do distribuce 95. percentilu (tj. whiskery se nepřekrývají s výchozí hodnotou nula), skóre se považuje za významně odlišné od výchozí hodnoty (p 0,05).
Hodnocení účinnosti metody při identifikaci kandidátních genů
Účinnost metody jsme kvantifikovali na základě předchozího přehledu literatury (obr. 1G). Abychom tak učinili, vypočítali jsme pravděpodobnost pravděpodobnosti získání NPaměťgenů podle seznamu genů. To se provede výběrem NPaměťgeny (bez náhrady) z fondu známé paměti popřPaměťgeny souvisejících poruch (n 644) ze všech 15 625 analyzovaných genů. Pokud například 10 z 10 genů v seznamu genů jsou paměťové geny, pravděpodobnost, že k tomu dojde, je 1.32 10 14. Totéž bylo provedeno odpovídajícím způsobem pro motorickou funkci a geny motorické funkce (n 104). TytoPaměťgeny byly sestaveny ze tří zdrojů: (1) výše uvedený přehled literatury; (2) sady genů pro biologickou funkci „GO:0007611 Learning or memory“ z databáze AmiGO2 (Carbon et al., 2009; verze 2.4.26, datum vydání 2016-08); a (3) van Cauwenberghe a kol. (2016). Geny související s motorem (motorické nebo motorické poruchy) byly získány z (1) výše uvedeného přehledu literatury, (2) sad genů pro biologickou funkci "GO: 0061743 motorické učení" a "GO:0061744 motorické chování" z databáze AmiGO2 (Carbon a kol., 2009) a (3) Lin a Farrer (2014).
Skóre přesnosti pro analýzu paměti a motoriky
Zeptali jsme se na danýPaměťseznam genů s geny označenými jakoPaměťgenů, s kolika z nich ve skutečnosti souvisíPaměť. Toto jsme kvantifikovali výpočtem skóre přesnosti (obr. 1G). Nejprve jsme určili skutečné pozitivní (tj. geny spojené s pamětí z přehledu literatury) a falešně pozitivní (tj. geny spojené s motorickou funkcí). Literární důkazy byly váženy tak, že za pravdivá pozitiva, silné důkazy a slabé důkazy (definované výše) získaly plný bod a půl bodu. Pro každý seznam genů jsme pak určili skóre přesnosti metody vydělením „skutečně pozitivních výsledků“ součtem skutečně pozitivních a falešně pozitivních (Rovnice 1,2). Pokud je metoda přesná, pro analýzy paměti by skóre přesnosti paměti mělo být vyšší než 0,5 a skóre motoru nižší než 0,5 a naopak. Vynesli jsme skóre paměti a motorické přesnosti pro každý seznam genů (v rozmezí od 0 do 1) a rozdíl mezi těmito skóre (v rozmezí od –1 do 1). V ideálním případě by měl být rozdíl větší než nula. V následujících rovnicích, Memories, počet genů se silným důkazem pro jeho spojení s pamětí; Paměť počet genů se slabými důkazy o jejich spojení s pamětí; Motors množství genů se silným důkazem pro jeho spojení s motorickou funkcí; a Motorw počet genů se slabými důkazy o jeho spojení s motorickou funkcí.
Prohlášení o dostupnosti dat
Všechna použitá genetická a neurozobrazovací data jsou dostupná od AHBA (https://human.brain-map.org) a Neu-rosynth (https://www.neurosynth.org). Skripty pro předběžné zpracování transkriptomu jsou k dispozici na https://github.com/BMHLab/AHBAprocessing. Korelační skripty a vstupní data jsou k dispozici pro nekomerční použití v Extended Data 1 a na https://github.com/PK-HQ/ geneCognitionDiscovery.
Výsledek
AHBA a Neurosynth mapy
Pro identifikaci dospělého člověka s celým mozkemPaměťNejprve jsme potřebovali provést analýzu prostorové korelace mezi 3D neuroimagingem s vysokým rozlišením a transkriptomovými mapami mozku dospělého člověka. Jako takový jsme použili transkriptom AHBA s vysokou hustotou celého lidského mozku a neurosynthPaměťasociační mapa asociace každého voxelu s pamětí obecně jako vstupní datové sady (Yarkoni et al., 2011).
AHBA byla odvozena ze šesti mozků dárců a obsahuje genovou expresi celého genomu lidského mozku v levé kortikální a subkortikální oblasti (N 6; obr. 1A; viz příklad vizualizace v rozšířených datech obr. 1-1; Hawrylycz et al. , 2012). NeurosynthPaměťasociační mapa je metastudijní mapa (N 2744), která představuje význam každého mozkového voxelu proPaměť(na rozdíl od jiných kognitivních funkcí), specifikované pozitivními z skóre (obr. 1A; viz vizualizace map paměti a motorických funkcí v rozšířených datech obr. 1-2; Yarkoni et al., 2011). Všimněte si, že použitíPaměťzde se odkazuje na paměť obecně, protože mapa byla vytvořena na základě neurozobrazovacích studií souvisejících s pamětí, které využívají různé typy paměťových úloh (Yarkoni et al., 2011). Obě mapy jsme společně zaregistrovali do společného prostoru MNI152. Oblasti paměti v mapě asociace paměti byly použity k definování použitelných vzorků AHBA pro následnou analýzu prostorové korelace.
Analýza prostorové podobnosti
Pomocí těchto datových souborů jsme se snažili izolovat geny s vysokými hodnotami prostorové korelace mezi jejich genovou expresí aPaměťtermínové mapy pro následné kroky analýzy, protože s největší pravděpodobností souvisejí s pamětí (Fox et al., 2014). Provedli jsme analýzu prostorové podobnosti mezi asociačními mapami AHBA a Neurosynth odděleně pro kortikální a subkortikální oblasti kvůli jejich výrazným rozdílům (viz Úvod; seznam kortikálních a subkortikálních oblastí je k dispozici v rozšířených datech Obr. 1-3) a pro paměťové a motorické funkce (viz příklad prostorové korelace na obr. 2). Každá analýza poskytla seznam L, který obsahoval průměrné korelační hodnoty 15 625 genů použitých pro následné hodnocení (obr. 1B).
Následně jsme seřadili každý seznam L. Pozitivní korelace indikuje vyšší genovou expresi v oblastech relevantních proPaměťa negativní korelace implikuje nižší expresi v oblastech relevantních pro paměť. Horní-10 pozitivně a negativně korelované geny pro kortikální a subkortikální analýzy paměti jsou uvedeny v tabulce 1 (viz hodnota prostorové korelace všech genů v tabulce rozšířených dat 1-1). Pro kortikální i subkortikální analýzy paměti bylo více negativně korelovaných genů než pozitivně korelovaných genů (rozšířená tabulka dat 1-1). Našli jsme 8383 pozitivně a 7243 negativně korelovaných genů pro kortikální oblasti a 7642 pozitivně a 7984 negativně korelovaných genů pro podkorové oblasti.
Výrazné profily genové exprese spojené s kortikální a subkortikální pamětí
Po analýzách prostorových korelací jsme se zaměřili na definování profilů genové exprese souvisejících s kortikálním a subkortikálnímPaměťkomplexním způsobem. Abychom identifikovali a charakterizovali sady genů, které pracují na společné biologické funkci (tj. sady genů), analyzovali jsme každý z kortikálních a subkortikálních seznamů L s předem zařazenými GSEA (obr. 1C). To poskytlo kladně skórující a záporně skórující genové sady, odvozené od pozitivně a negativně korelovaných genů L, v daném pořadí. Tyto genové sady byly poté seskupeny do funkčně příbuzných shluků a automaticky anotovány biologickými tématy (Cline et al., 2007; Merico et al., 2010; Oesper et al., 2011).
Celkově měly kůra a subkortex odlišná biologická témata, která byla dříve nalezena spojená s pamětí. Pro kortikálníPaměťGSEA odhalila 28 pozitivních a 29 negativních významně obohacených genových sad. Vizualizace obohacovací sítě ukázala, že tyto genové sady byly seskupeny do pěti odlišných shluků (obr. 3; úplné výsledky GSEA jsou v rozšířených datech obr. 3-1), přičemž sady genů v každém shluku sdílely obohacené geny. Bylo zjištěno, že tyto sady genů souvisejí s pamětí. Pozitivní klastr P1 obsahoval sady genů, které se podílejí na imunitní odpovědi a signalizaci Fc receptoru (Fernandez-Vizarra et al., 2012; Marin a Kipnis, 2013). P2 se podílel na signalizaci interferonu-gama (Litteljohn et al., 2014), P3 na transmembránovém transportu vápníkových iontů a P4 na sestavování aktinových vláken (Krucker et al., 2000; Lamprecht, 2011). Negativní klastr N2 obsahoval genové sady zapojené do dynamiky chromatinu, epigenetické regulace a diferenciace imunitních buněk (Kim a Kaang, 2017).
Pro subkortikálníPaměťGSEA odhalila 50 pozitivních a 14 negativních významně obohacených genových sad. Vizualizace sítě obohacení ukázala, že tyto genové sady byly seskupeny do tří odlišných shluků (obr. 4; úplné výsledky GSEA jsou na obr. 4-1). Podobně bylo zjištěno, že tyto sady genů jsou příbuznéPaměť. Pozitivní shluk P1 se podílí na synaptickém přenosu a synaptické plasticitě. Zahrnoval také genové sady zapojené do endocytózy a exocytózy, sekrece neurotransmiterů, dlouhodobé potenciace (Stuchlík, 2014), signalizace glutamátových receptorů a morfogeneze neuronové projekce (Kasai et al., 2010). Negativní shluk N1 souvisí s procesy transkripce a translace (Jarome a Helmstetter, 2014; Alberini a Kandel, 2015) a shluk N2 s diferenciací gliových buněk a oligodendrocytů (Hertz a Chen, 2016; Pepper et al., 2018).
Obrázek 2. Příklad výstupu analýzy prostorové podobnosti. Hladiny exprese vrcholově korelovaného kortikálního genu, GRB14, jsou vizualizovány jako funkce voxelové relevance mapy neurosynthu kPaměťfunkce (z skóre). Normalizovaná genová exprese (osa y) vynesená proti skóre z neurozobrazovací mapy (osa x). Každá barevná regresní čára představuje nejvhodnější čáru pro každého ze šesti dárců (barvy); průsvitný pás kolem každého řádku představuje 95procentní odhad intervalu spolehlivosti.
Abychom identifikovali rozdíly a překrývání v kortikálních a subkortikálních genetických profilech, identifikovali jsme a charakterizovali různé a sdílené (1) biologické procesy, jak je znázorněno na mapách obohacení, a (2)Paměťgeny (tj. všechny geny nalezené v 1 obohacené sadě genů; obr. 1D). Zjistili jsme nízké překrytí 2,5 procenta genových sad (N 3) a 9,6 procenta genů (N 135) mezi kortikálními a subkortikálními oblastmi (obr. 5; úplný seznam odlišných a překrývajících se genů je v Extended DataFig. {{9} }}). Překrývající se geny se podílely na paměťových procesech proteinového transportu, transkripční regulace, synaptické plasticity a signalizace glutamátových receptorů (Peng et al., 2011; Rosenberg et al., 2014; Alberini a Kandel, 2015; tabulka 2; úplný výstup sady genů a geny z Top-pGene v Extended DataTable 2-1). Patří mezi ně geny zapojené do komplexu Arp2/3, iontové kanály GABA a AMPA, které jsou kritické pro funkci paměti (Gasbarri a Pompili, 2014; Basu a kol., 2016; Takemoto a kol., 2017; Rozšířená tabulka dat { {23}}). Geny specifické pro kortex se podílely na procesech spojených s pamětí, jako je oprava DNA, epigenetická regulace, imunita a IFN-signalizace (Marin a Kipnis, 2013; Litteljohn a kol., 2014; Kim a Kaang, 2017; Hou a kol., 2018 ; Extended DataTable 2-1). Geny specifické pro subkortex se podílejí na neurogenezi, morfogenezi dendritů, diferenciaci gliových buněk a myelinizaci (Hertz a Chen, 2016; Kao et al.,
Obrázek 3. Vizualizace mapy obohacení pro kortikálníPaměť. Shluky jsou označeny P jako pozitivní, N jako negativní. Bylo zjištěno, že shluky genových sad souvisejíPaměť. Pozitivní shluky byly spojeny s imunitní signalizací, transportem vápníku a sestavením aktinových filamentů. Negativní shluk obsahoval genové sady zapojené do dynamiky chromatinu a epigenetické regulace. Viz obrázek rozšířených dat 3-1 pro úplný výstup z GSEA Pre-ranked.
2018; Pepper a kol., 2018; Extended DataTable 2-1). Všimněte si, že stejný soubor genů se může objevit jak v kortikálně specifických, tak i subkortikálně specifických biologických procesech. NapříkladPaměťsady genů jsou obohaceny v obou oblastech, ale v každém případě je obohacení sady genů řízeno odlišnými geny (Extended DataTable 2-1). Je tomu tak proto, že různé geny mohou být relevantní pro stejný soubor genů biologického procesu, a tím zvýšit obohacení.
Jádro diferencovaně exprimované geny související s kortikálními a subkortikálnímiPaměť
Chcete-li určit nejlepší{0}}Paměťgeny, které jsou s největší pravděpodobností spojeny s člověkemPaměťfunkcepro budoucí experimentální výzkum jsme identifikovali geny relevantní pro mnohočetné sady genů získané výše pomocí LEA (obr. 1E; Subramanian et al., 2005; Darby et al., 2016; Fleming a Miller, 2016). Předchozí práce ukázala, že takové geny, které řídí obohacování více sad genů, s větší pravděpodobností souvisí s analyzovaným fenotypem, tj. v tomto případě s funkcí paměti (Subramanian et al., 2005; Darby et al., 2016; Fleming a Miller, 2016). Kombinace GSEA a LEA byla dříve účinná při identifikaci genetických signatur kognitivních funkcí (Thomassen et al., 2008; Ersland et al., 2012; Lee et al., 2013), včetně epizodické a pracovní paměti (Heck et al., 2014;
Linksys et al., 2015). Aplikovali jsme LEA na pozitivně a negativně hodnocené genové sady výše, poté jsme vybrali top-10 geny, které se nejčastěji objevují v předních podskupinách genových sad. Tyto geny byly poté ověřeny pomocí literatury o zvířecích modelech, která byla klasifikována jako silný nebo slabý důkaz podporující spojení mezi genem a funkcí paměti (obr. 1F). Silné důkazy obsahovaly studie genové manipulace nebo léčby drogami, např. vyřazení genu vedoucí ke změně paměti. Slabé důkazy zahrnovaly korelační nebo výpočetní studie, jako je genová upregulace, která korelovala se zvýšenouPaměťvýkon.
Pro kortikálníPaměť9 z 10 pozitivně korelovaných genů bylo dříve implikovánoPaměťfunkce(Tabulka 3; úplný seznam genů kortikální paměti a přehled literatury Extended DataTable 3-1, kompletní výstup LEA v tabulce Extended Data Table 3-2). Geny PRKCD (Etcheberrigaray et al., 2004; Conboy et al., 2009), RAC1 (Haditsch et al., 2009; Oh et al., 2010), LIMK1 (Todorovski et al., 2015) a CDC42 Kim a kol., 2014; Zhang a kol., 2016) měli silné asociace s pamětí. Pro odpovídající negativně korelované kandidátní geny mělo všech 10 genů silný důkaz podporující jejich roli v paměti. Všechno to byly geny kódující protein histon H4, který byl spojen s výkonností paměti (Peleg et al., 2010). Deregulace acetylace histonu H4 u starých myší byla spojena s poruchou paměti a obnovení této regulace zlepšilo jejich paměť.
Obrázek 4. Vizualizace mapy obohacení pro subkortikální paměť. Shluky jsou označeny P jako pozitivní, N jako negativní. Bylo zjištěno, že shluky genových sad jsou spojeny s pamětí. Pozitivní shluky byly spojeny se synaptickým přenosem, dlouhodobou plasticitou, glutamátovou signalizací a morfogenezí neuritů. Negativní shluky zahrnovaly sady genů zapojené do transkripce a translace a diferenciace gliových buněk. Viz obrázek rozšířených dat 4-1 pro úplný výstup z GSEA Pre-ranked.
Pokud jde o subkortikální paměť, všech 10 pozitivně korelovaných genů se dříve podílelo na paměťové funkci (tabulka 4; úplný seznam genů podkorové paměti a přehled literatury v tabulce rozšířených dat 4-1; výsledky LEA v tabulce rozšířených dat 4-2). Geny CDK5, NLGN1, RAB3A, STX1A, SNCA, SYT1 a UNC13A byly silně spojeny s pamětí (Fujiwara a kol., 2006; Yang a kol., 2007; Liu a kol., 2009; Guan a kol., 2011; a kol., 2012; Bie a kol., 2014; Mishiba a kol., 2014; Böhme a kol., 2019). Sedm z 10 negativně korelovaných kandidátních genů mělo slabé důkazy o tom, že by byly v paměti. Jednalo se o geny kódující ribozomální podjednotky, které byly odlišně exprimovány u hlodavců, kteří se lépe projevujíPaměťvýkonnost (Wang et al., 2003; Kong et al., 2009; Winbush et al., 2012; Katz a Lamprecht, 2015; Oka et al., 2016; Zhang et al., 2018).
