《Translational Psychiatry》：A transcriptomic dimension of neuronal and immune gene programs within the subgenual anterior cingulate cortex in schizophrenia
編輯推薦：
本研究旨在闡明復雜精神疾病背后的分子機制。研究者整合診斷、毒理學暴露和基因表達數(shù)據(jù)，應用組正則化典型相關分析（GRCCA）等方法，對精神分裂癥（SCZ）、雙相情感障礙（BD）、重度抑郁（MDD）及對照個體的sgACC腦區(qū)RNA-seq數(shù)據(jù)進行了多變量整合分析。結果鑒定出一個與精神分裂癥顯著相關的表達梯度，其特征是神經(jīng)元通路上調(diào)、免疫過程下調(diào)，且與GWAS風險基因重合。該研究為解析精神疾病的轉(zhuǎn)錄組學信號提供了新視角。
盡管許多精神疾病具有遺傳性，但由于環(huán)境因素的混雜和轉(zhuǎn)錄組數(shù)據(jù)的復雜性，遺傳風險所導致的分子后果仍然難以解析。這一挑戰(zhàn)阻礙了依賴于遺傳與基因組學見解整合的治療手段的開發(fā)。精神分裂癥、雙相情感障礙和重度抑郁癥等疾病嚴重影響著全球公共衛(wèi)生，但僅憑傳統(tǒng)的病例對照差異基因表達分析，往往難以在錯綜復雜的生物學噪音中，剝離出穩(wěn)健且具有生物學意義的疾病信號。為了更清晰地揭示大腦疾病相關的轉(zhuǎn)錄組模式，研究者們將目光投向了亞屬前扣帶皮層（subgenual anterior cingulate cortex, sgACC）——一個在情感調(diào)節(jié)和精神疾病中扮演關鍵角色的腦區(qū)。
研究人員開展了一項整合診斷、環(huán)境暴露與基因表達的深度研究。他們獲取了來自精神分裂癥（SCZ, N=44）、雙相情感障礙（BD, N=35）、重度抑郁癥（MDD, N=51）患者及健康對照（N=55）個體的sgACC腦組織樣本，進行了深度測序的批量RNA測序（RNA-seq）。為了評估已知環(huán)境暴露的相對貢獻，研究還整合了17種已知化合物的毒理學數(shù)據(jù)。在分析方法上，他們不僅采用了傳統(tǒng)的差異基因表達（Differential Gene Expression, DGE）分析，還應用了一種能夠建模特征相互依賴關系的多元回歸方法——組正則化典型相關分析（Group Regularized Canonical Correlation Analysis, GRCCA），旨在通過多變量整合來提煉復雜的轉(zhuǎn)錄組信號。此外，通過基因集富集分析，評估了神經(jīng)精神疾病風險基因、基因本體（Gene Ontology）通路和細胞類型標記物的富集情況。
該研究發(fā)表于《Translational Psychiatry》期刊，其核心結論是：GRCCA分析鑒定出一個與精神分裂癥顯著相關的潛在變量（pperm=0.001）。這個特定的表達模式呈現(xiàn)出神經(jīng)元通路上調(diào)、免疫過程下調(diào)的特征，并且富集了與全基因組關聯(lián)研究（Genome-Wide Association Studies, GWAS）所識別出的精神分裂癥風險位點內(nèi)的基因。雖然傳統(tǒng)的DGE分析結果與GRCCA結果存在相關性（r=0.43; pperm=1.0×10?4），并且在相似的功能通路上有富集，但GRCCA方法顯示出與GWAS所提示的精神分裂癥風險基因有更強的關聯(lián)性。這些發(fā)現(xiàn)共同定義了sgACC腦區(qū)中一個與精神分裂癥相關的表達梯度，并闡釋了多元整合方法如何在復雜精神疾病的背景下優(yōu)化轉(zhuǎn)錄組信號，為理解疾病機制和尋找治療靶點提供了更精確的路線圖。
本研究主要運用了以下幾個關鍵技術方法：首先，收集并構建了包含精神分裂癥、雙相情感障礙、重度抑郁癥患者及對照共185例個體的sgACC腦組織樣本隊列，進行了高通量的批量RNA測序以獲取轉(zhuǎn)錄組數(shù)據(jù)。其次，整合了涵蓋17種已知化合物的毒理學暴露數(shù)據(jù)作為環(huán)境協(xié)變量。在數(shù)據(jù)分析層面，核心是應用了組正則化典型相關分析這一多變量回歸方法，以建模基因表達特征之間的相互依賴關系。同時，使用傳統(tǒng)的差異基因表達分析作為對比基準。最后，通過系統(tǒng)的基因集富集分析，評估了與疾病風險基因、生物學通路和特定細胞類型相關的基因集的富集程度。
GRCCA identifies a latent variable associated with schizophrenia.
（GRCCA鑒定出一個與精神分裂癥相關的潛在變量。）
通過應用GRCCA對轉(zhuǎn)錄組和毒理學數(shù)據(jù)進行多變量分析，研究者發(fā)現(xiàn)了一個與精神分裂癥診斷顯著相關的潛在變量（即表達梯度）。該變量能夠解釋數(shù)據(jù)中與疾病狀態(tài)相關的變異，其統(tǒng)計顯著性通過了嚴格的排列檢驗（pperm=0.001）。這一發(fā)現(xiàn)表明，存在一個由多基因協(xié)同變化構成的、與精神分裂癥密切相關的整體轉(zhuǎn)錄組程序。
The schizophrenia-associated expression gradient reflects upregulation of neuronal and downregulation of immune gene programs.
（與精神分裂癥相關的表達梯度反映了神經(jīng)元基因程序的上調(diào)和免疫基因程序的下調(diào)。）
對GRCCA所識別出的關鍵潛在變量所負載的基因進行功能解讀，發(fā)現(xiàn)其特征是神經(jīng)元相關通路（如突觸組裝、神經(jīng)元投射發(fā)育）的基因表達上調(diào)，而免疫與炎癥反應通路（如T細胞活化、白細胞介素產(chǎn)生）的基因表達下調(diào)。這揭示了精神分裂癥在sgACC腦區(qū)可能同時涉及神經(jīng)元功能異常和免疫狀態(tài)改變的生物學過程。
The GRCCA-derived expression gradient is enriched for schizophrenia GWAS risk genes.
（GRCCA衍生的表達梯度富集了精神分裂癥GWAS風險基因。）
基因集富集分析顯示，構成上述表達梯度的基因顯著富集于已知的、由大規(guī)模全基因組關聯(lián)研究所識別出的精神分裂癥風險基因。這表明GRCCA方法捕獲的轉(zhuǎn)錄組變化模式，與從遺傳學角度發(fā)現(xiàn)的精神分裂癥風險因素在生物學上具有高度一致性，驗證了該表達模式的疾病相關性。
Comparison with DGE reveals method-specific insights.
（與DGE的比較揭示了方法特異性的見解。）
作為對比，傳統(tǒng)的差異基因表達分析也識別出了一些在病例與對照間表達差異的基因，且其功能富集結果與GRCCA結果有部分重疊（如免疫過程下調(diào)）。兩者結果存在中度相關（r=0.43）。然而，GRCCA在富集GWAS風險基因方面表現(xiàn)更強，提示這種多變量整合方法能更有效地提煉出與疾病遺傳架構相符的轉(zhuǎn)錄組信號，而DGE可能更側(cè)重于捕捉表達差異最顯著的個體基因。
Differential gene expression analysis identifies case-control changes.
（差異基因表達分析識別出病例-對照間的變化。）
傳統(tǒng)的DGE分析為每種精神疾病（SCZ, BD, MDD）分別識別出了一組相對于對照的差異表達基因。這些基因也顯示出在免疫、突觸功能等通路上的富集，為各疾病的分子病理提供了補充信息，并與現(xiàn)有文獻部分吻合。
Gene set enrichment analyses support biological interpretability.
（基因集富集分析支持生物學可解釋性。）
進一步的富集分析表明，不僅GRCCA變量，DGE結果也富集于特定的基因本體通路和細胞類型標記物。例如，小膠質(zhì)細胞（中樞神經(jīng)系統(tǒng)的免疫細胞）標記物在精神分裂癥DGE下調(diào)基因中富集，這從另一個角度支持了免疫系統(tǒng)在疾病中可能受到抑制的發(fā)現(xiàn)。
本研究通過整合多維度數(shù)據(jù)和應用先進的多變量分析方法，在sgACC腦區(qū)成功定義了一個與精神分裂癥顯著相關的轉(zhuǎn)錄組表達梯度。該梯度特征性地表現(xiàn)為神經(jīng)元相關基因程序的上調(diào)和免疫/炎癥相關基因程序的下調(diào)，并且與大規(guī)模遺傳學研究（GWAS）所發(fā)現(xiàn)的精神分裂癥風險基因高度關聯(lián)。這些發(fā)現(xiàn)具有多重重要意義。首先，它們在系統(tǒng)水平上將特定的轉(zhuǎn)錄組變化模式與精神分裂癥診斷直接聯(lián)系起來，為理解該疾病的分子基礎提供了更清晰的框架。其次，研究揭示了神經(jīng)元與免疫系統(tǒng)功能失調(diào)可能在精神分裂癥的sgACC病理生理中共同起作用，這為開發(fā)同時針對這兩個系統(tǒng)的干預策略提供了理論依據(jù)。最后，方法論上，研究證明了GRCCA這類多變量整合技術在處理復雜精神疾病轉(zhuǎn)錄組數(shù)據(jù)時的優(yōu)勢——它能夠超越傳統(tǒng)的單變量DGE分析，捕獲基因間的協(xié)同變化，并提煉出與疾病遺傳風險更吻合的生物學信號，從而增強了研究結果的穩(wěn)健性和可解釋性。這項工作不僅深化了對精神分裂癥特定腦區(qū)分子病理的認識，也為未來利用多組學數(shù)據(jù)整合策略解析其他復雜疾病樹立了范例。
