Teil 2: Eindeutige genetische Signaturen kortikaler und subkortikaler Regionen, die mit dem menschlichen Gedächtnis assoziiert sind

Kontakt: Audrey Hu WhatsApp/hp: 0086 13880143964 E-Mail:audrey.hu@wecistanche.com

Bitte klicken Sie hier zu Teil 1

Bitte klicken Sie hier zu Teil 3

Literaturrecherche zu genetischen Signaturen

Um die Anzahl der „Treffer“ des Kandidatengens zu quantifizierenErinnerungAnalyse führten wir eine Literaturrecherche für jede Genliste CL durch und zählten die Anzahl der Gene-Erinnerung(dh wahre Positive) oder Gen-Motorfunktions-Assoziationen (dh falsche Positive; Fig. 1F). Dies geschah durch Sichtung experimenteller Literatur auf Google Scholar über eine Suchanfrage: ["Genname" UND ("Erinnerung" ODER "Amnesie" ODER "Alzheimer" ODER "Demenz")] und ["Genname" UND ("motor Funktion“ ODER „motorische Koordination“ ODER „Bewegungsapparat“ ODER „Ataxie“ ODER „motorisches Lernen“ ODER „Parkinson“ ODER „Huntington“)]. Dasselbe wurde für die Motoranalyse für die jeweiligen Richtig-Positiven und Falsch-Positiven wiederholt. Die Störungen wurden für die Stichwortsuche ausgewählt, weil sie auffallend Mängel im Gedächtnis und in der Motorik aufweisen. Starke Beweise umfassten Studien, die Genmanipulationen in vivo, Mutanten und pharmakologische Interventionen verwendeten, während schwache Beweise rechnergestützte Genassoziationen, In-vitro-Studien, differenzielle Genexpressionsstudien und Fallstudien am Menschen umfassten. Literaturnachweise galten nur dann als Validierung, wenn sie den entsprechenden Hirnbereich, also kortikal oder subkortikal, betrafen. Daher wurden Hinweise auf die Rolle eines bestimmten Gens ausschließlich in der nicht analysierten Gehirnregion nicht gezählt. Wenn beispielsweise eine Arbeit zeigen würde, dass das Knock-out des Gens A ausschließlich im Subkortex zu Gedächtnisdefiziten führt, würde dies nicht als Beweis für die Analyse des kortikalen Gedächtnisses gelten.

Cistanche kann das Gedächtnis verbessern

Korrelationsunterschied in Gedächtnis- und Motoranalysen

Wenn die Methode gültig ist, sollten Gedächtnisgene einen höheren durchschnittlichen Korrelationswert habenErinnerungAnalyse verglichen mit der motorischen Analyse und umgekehrt für motorische Gene und den r-Wert der motorischen Analyse. Für jedes Gen wurde dies berechnet, indem der r-Wert der motorischen Funktion vom r-Wert des Gedächtnisses subtrahiert wurde, wobei eine positive Differenz zur Wirksamkeit der Methode zählt (Abb. 1G). Beachten Sie, dass wir für die Gedächtnis-r-Werte aus den negativen Genlisten (z. B. kortikales Gedächtnis -) die r-Wert-Differenz mit –1 multiplizieren, um diese Differenz als positiven Wert auszudrücken, der mit den positiven Gedächtnis-Genlisten übereinstimmt. Wir nehmen dann den Durchschnitt aller Gene für jeden Satz S, die FDR q 0.05 erfüllen (dieselbe Schwelle wie die Anreicherungskartenvisualisierung), um sieben solcher Werte zu erhalten. Da die Anzahl der Gene pro Satz S unterschiedlich ist, haben wir die Anzahl der Korrelationsdifferenzwerte, die zum Berechnen des durchschnittlichen Korrelationsdifferenzwerts pro Satz verwendet wurden, geboottrapped. Dies wurde für die Gedächtnis- und Motoranalysen separat durchgeführt, indem die Korrelationsunterschiede (10, 000 Iterationen) wiederholt auf die minimale Anzahl von Genen im Gedächtnis (n 231) bzw. in den motorischen Sätzen (n 146) unterabgetastet wurden. Wir haben dies als Boxplot für jeden der sieben Sätze visualisiert, mit dem Bootstrap-Mittelwert und den 95. Perzentilen (Schnurrhaaren) für Gedächtnis- und Motoranalysen. Wenn die Grundlinie nicht in die Verteilung des 95. Perzentils fällt (dh die Schnurrhaare überlappen sich nicht mit der Grundlinie von null), wird die Punktzahl als signifikant unterschiedlich von der Grundlinie betrachtet (p 0,05).

Bewertung der Methodenwirksamkeit bei der Identifizierung von Kandidatengenen

Wir quantifizierten die Wirksamkeit der Methode basierend auf der vorherigen Literaturrecherche (Abb. 1G). Dazu haben wir die Zufallswahrscheinlichkeit berechnet, N zu erhaltenErinnerungGene pro Genliste. Dies geschieht durch Auswahl von NErinnerungGene (ersatzlos) aus dem Pool des bekannten Gedächtnisses oderErinnerung-bezogene Störungsgene (n 644) von allen 15.625 analysierten Genen. Wenn beispielsweise 10 von 10 Genen in der Genliste Gedächtnisgene sind, beträgt die Wahrscheinlichkeit dafür 1.32 10 14. Dasselbe wurde entsprechend für die Motorik und die Motorikgene (n 104) gemacht. DieseErinnerungGene wurden aus drei Quellen zusammengestellt: (1) der obigen Literaturrecherche; (2) die biologischen Funktionsgensets „GO:0007611 Lernen oder Gedächtnis“ aus der Datenbank AmiGO2 (Carbon et al., 2009; Version 2.4.26, Veröffentlichungsdatum 2016-08); und (3) van Cauwenberghe et al. (2016). Die motorbezogenen Gene (motorisch oder motorisch bedingte Störung) wurden aus (1) der obigen Literaturrecherche, (2) den biologischen Funktionsgensets „GO: 0061743 motorisches Lernen“ und „GO: 0061744 motorisches Verhalten“ aus der Datenbank AmiGO2 erhalten (Carbon et al., 2009) und (3) Lin und Farrer (2014).

Der Präzisions-Score für Gedächtnis- und Motoranalysen

Wir fragten, von einem gegebenenErinnerungGenliste mit Genen gekennzeichnet alsErinnerungGene, mit wie vielen davon tatsächlich verwandt sindErinnerung. Wir haben dies quantifiziert, indem wir einen Präzisionswert berechnet haben (Abb. 1G). Wir bestimmten zuerst die richtig Positiven (dh Gene, die mit dem Gedächtnis aus der Literaturrecherche assoziiert sind) und die Falsch Positiven (dh Gene, die mit der Motorik assoziiert sind). Die Evidenz aus der Literatur wurde so gewichtet, dass starke Evidenz und schwache Evidenz (wie oben definiert) für echte Positive einen vollen Punkt bzw. einen halben Punkt erhielten. Für jede Genliste haben wir dann den Präzisionswert der Methode bestimmt, indem wir „wahre Positive“ durch die Summe der richtigen Positiven und falschen Positiven dividiert haben (Gl. 1,2). Wenn die Methode präzise ist, sollten für Gedächtnisanalysen die Werte für die Gedächtnispräzision über 0,5 und ein motorischer Wert unter 0,5 liegen und umgekehrt. Wir haben die Werte für die Gedächtnis- und Motorpräzision für jede Genliste (von 0 bis 1) und die Differenz zwischen diesen Werten (von –1 bis 1) aufgetragen. Idealerweise sollte die Differenz größer als Null sein. In den folgenden Gleichungen: Erinnerungen Anzahl von Genen mit starken Beweisen für ihre Assoziation mit dem Gedächtnis; Gedächtniszahl von Genen mit schwachen Beweisen für ihre Assoziation mit dem Gedächtnis; Motoren Anzahl von Genen mit starken Beweisen für ihre Assoziation mit motorischen Funktionen; und Motorw Anzahl von Genen mit schwachen Beweisen für ihre Assoziation mit motorischer Funktion.

Erklärung zur Datenverfügbarkeit

Alle verwendeten genetischen und bildgebenden Daten sind bei AHBA (https://human.brain-map.org) und Neu-rosynth (https://www.neurosynth.org) erhältlich. Die Skripte zur Vorverarbeitung des Transkriptoms sind unter https://github.com/BMHLab/AHBAprocessing verfügbar. Die Korrelationsskripte und Eingabedaten sind für die nichtkommerzielle Nutzung in Extended Data 1 und unter https://github.com/PK-HQ/geneCognitionDiscovery verfügbar.

Ergebnisse

AHBA- und Neurosynth-Karten

Zur Identifizierung des gesamten Gehirns eines erwachsenen MenschenErinnerungGene, mussten wir zunächst die räumliche Korrelationsanalyse zwischen hochauflösender 3D-Neurobildgebung und Transkriptomkarten des erwachsenen menschlichen Gehirns durchführen. Als solches verwendeten wir das AHBA-Transkriptom des gesamten menschlichen Gehirns mit hoher Dichte und den NeurosynthErinnerungAssoziationskarte der Assoziation jedes Voxels mit dem Gedächtnis im Allgemeinen als Eingabedatensätze (Yarkoni et al., 2011).

Die AHBA wurde von sechs Spendergehirnen abgeleitet und enthält die Genexpression des gesamten Genoms des menschlichen Gehirns in den linken kortikalen und subkortikalen Regionen (N 6; Abb. 1A; siehe Beispielvisualisierung in Extended Data Abb. 1-1; Hawrylycz et al. , 2012). Der NeurosynthErinnerungAssoziationskarte ist eine Metastudienkarte (N 2744), die die Relevanz jedes Gehirnvoxels darstelltErinnerung(im Gegensatz zu anderen kognitiven Funktionen), angegeben durch positive z-Scores (Abb. 1A; siehe eine Visualisierung von Gedächtnis- und Motorfunktionskarten in Extended Data Abb. 1-2; Yarkoni et al., 2011). Beachten Sie, dass die Verwendung vonErinnerungbezieht sich hier auf das Gedächtnis im Allgemeinen, da die Karte aus gedächtnisbezogenen Neuroimaging-Studien erstellt wurde, die mehrere Arten von Gedächtnisaufgaben verwenden (Yarkoni et al., 2011). Wir haben beide Karten in einem gemeinsamen MNI152-Raum koregistriert. Die Speicherbereiche in der Speicherassoziationskarte wurden verwendet, um die verwendbaren AHBA-Abtastwerte für die anschließende räumliche Korrelationsanalyse zu definieren.

Räumliche Ähnlichkeitsanalyse

Unter Verwendung dieser Datensätze versuchten wir, die Gene mit hohen räumlichen Korrelationswerten zwischen ihrer Genexpression und zu isolierenErinnerungTerm Maps für nachfolgende Analyseschritte, da sie höchstwahrscheinlich mit dem Gedächtnis zusammenhängen (Fox et al., 2014). Wir haben die räumliche Ähnlichkeitsanalyse zwischen den AHBA- und Neurosynth-Assoziationskarten aufgrund ihrer deutlichen Unterschiede getrennt für kortikale und subkortikale Regionen durchgeführt (siehe Einführung; die Liste der kortikalen und subkortikalen Regionen ist in Extended DataAbb. 1-3) und für Gedächtnis und Motorik (siehe ein Beispiel für räumliche Korrelation in Abb. 2). Jede Analyse ergab eine Liste L, die die mittleren Korrelationswerte von 15.625 Genen enthielt, die für das nachfolgende Ranking verwendet wurden (Abb. 1B).

Anschließend haben wir jede Liste mit L eingestuft. Eine positive Korrelation weist auf eine höhere Genexpression in Bereichen hin, die für relevant sindErinnerung, und eine negative Korrelation impliziert eine geringere Expression in Bereichen, die für das Gedächtnis relevant sind. Die oberen -10 positiv und negativ korrelierten Gene für die kortikalen und subkortikalen Gedächtnisanalysen sind in Tabelle 1 dargestellt (siehe den räumlichen Korrelationswert aller Gene in der erweiterten Datentabelle 1-1). Es gab mehr negativ korrelierte Gene als positiv korrelierte Gene sowohl für kortikale als auch subkortikale Gedächtnisanalysen (erweiterte Datentabelle 1-1). Wir fanden 8383 positiv und 7243 negativ korrelierte Gene für die kortikalen Bereiche und 7642 positiv und 7984 negativ korrelierte Gene für die subkortikalen Bereiche.

Unterschiedliche Genexpressionsprofile, die mit dem kortikalen und subkortikalen Gedächtnis assoziiert sind

Nach den räumlichen Korrelationsanalysen wollten wir die Genexpressionsprofile in Bezug auf kortikale und subkortikale definierenErinnerungin umfassender Weise. Um Sätze von Genen zu identifizieren und zu charakterisieren, die auf eine gemeinsame biologische Funktion hinarbeiten (dh Gensätze), analysierten wir jede der kortikalen und subkortikalen Listen L mit GSEA-Vorrang (Abb. 1C). Dies führte zu Gensätzen mit positiver und negativer Bewertung, die von den positiv bzw. negativ korrelierten Genen von L abgeleitet wurden. Diese Gensets wurden dann in funktionell verwandte Cluster gruppiert und automatisch mit biologischen Themen versehen (Cline et al., 2007; Merico et al., 2010; Oesper et al., 2011).

Insgesamt hatten der Cortex und der Subcortex unterschiedliche biologische Themen, die zuvor mit dem Gedächtnis in Verbindung gebracht wurden. Für kortikalErinnerungergab GSEA 28 positive und 29 negative signifikant angereicherte Gensätze. Die Visualisierung des Anreicherungsnetzwerks zeigte, dass diese Gensätze in fünf verschiedene Cluster gruppiert waren (Abb. 3; die vollständigen GSEA-Ergebnisse sind in Extended Data Abb. 3-1), wobei Gensätze innerhalb jedes Clusters angereicherte Gene teilen. Es wurde festgestellt, dass diese Gensätze mit dem Gedächtnis zusammenhängen. Der positive Cluster P1 enthielt Gensätze, die an der Immunantwort und der Fc-Rezeptorsignalisierung beteiligt sind (Fernandez-Vizarra et al., 2012; Marin und Kipnis, 2013). P2 war an der Interferon-Gamma-Signalübertragung beteiligt (Litteljohn et al., 2014), P3 am transmembranen Calciumionentransport und P4 an der Actin-Filament-Assemblierung (Krucker et al., 2000; Lamprecht, 2011). Der negative Cluster N2 enthielt Gensätze, die an der Chromatindynamik, epigenetischen Regulation und Immunzelldifferenzierung beteiligt sind (Kim und Kaang, 2017).

Für subkortikaleErinnerungergab GSEA 50 positive und 14 negative signifikant angereicherte Gensätze. Die Visualisierung des Anreicherungsnetzwerks zeigte, dass diese Gensätze in drei unterschiedliche Cluster gruppiert waren (Abb. 4; die vollständigen GSEA-Ergebnisse sind in Extended Data Abb. 4-1). In ähnlicher Weise wurde festgestellt, dass diese Gensätze verwandt sindErinnerung. Der positive Cluster P1 ist an der synaptischen Übertragung und synaptischen Plastizität beteiligt. Es umfasste auch Gensätze, die an Endozytose und Exozytose, Neurotransmittersekretion, Langzeitpotenzierung (Stuchlik, 2014), Glutamatrezeptorsignalisierung und Neuronenprojektionsmorphogenese beteiligt sind (Kasai et al., 2010). Der negative Cluster N1 hängt mit Transkriptions- und Translationsprozessen zusammen (Jarome und Helmstetter, 2014; Alberini und Kandel, 2015) und Cluster N2 mit der Differenzierung von Gliazellen und Oligodendrozyten (Hertz und Chen, 2016; Pepper et al., 2018).

Abbildung 2. Ein Beispiel für die Ausgabe einer räumlichen Ähnlichkeitsanalyse. Die Expressionsniveaus des am besten korrelierten kortikalen Gens GRB14 werden als Funktion der voxelweisen Relevanz der Neurosynth-Karte visualisiertErinnerungFunktion (z-Score). Normalisierte Genexpression (y-Achse), aufgetragen gegen die Z-Scores der Neuroimaging-Karte (x-Achse). Jede farbige Regressionslinie stellt die am besten passende Linie für jeden der sechs Spender (Farben) dar; Das durchscheinende Band um jede Linie repräsentiert die Schätzung des 95-Prozent-Konfidenzintervalls.

Um Unterschiede und Überschneidungen in den kortikalen und subkortikalen genetischen Profilen zu identifizieren, identifizierten und charakterisierten wir die unterschiedlichen und gemeinsamen (1) biologischen Prozesse, wie in den Anreicherungskarten gezeigt, und (2)ErinnerungGene (dh alle Gene, die in einem angereicherten Gensatz gefunden werden; Fig. 1D). Wir fanden eine geringe Überlappung von 2,5 Prozent der Gensätze (N 3) und 9,6 Prozent der Gene (N 135) zwischen kortikalen und subkortikalen Regionen (Abb. 5; die vollständige Liste der unterschiedlichen und überlappenden Gene ist in Extended DataAbb. {{9 }}). Die überlappenden Gene waren an gedächtnisbezogenen Prozessen des Proteintransports, der Transkriptionsregulation, der synaptischen Plastizität und der Glutamatrezeptorsignalisierung beteiligt (Peng et al., 2011; Rosenberg et al., 2014; Alberini und Kandel, 2015; Tabelle 2; vollständige Ausgabe von Gensets und Gene von Top-pGene in Extended DataTable 2-1). Dazu gehören Gene, die am Arp2/3-Komplex beteiligt sind, GABA- und AMPA-Liganden-gesteuerte Ionenkanäle, die für die Gedächtnisfunktion entscheidend sind (Gasbarri und Pompili, 2014; Basu et al., 2016; Takemoto et al., 2017; Extended Data Table { {23}}). Cortex-spezifische Gene waren an gedächtnisassoziierten Prozessen wie DNA-Reparatur, epigenetischer Regulation, Immunität und IFN-Signalisierung beteiligt (Marin und Kipnis, 2013; Litteljohn et al., 2014; Kim und Kaang, 2017; Hou et al., 2018 ; Erweiterte Datentabelle 2-1). Subcortex-spezifische Gene sind an Neurogenese, Dendritenmorphogenese, Gliazelldifferenzierung und Myelinisierung beteiligt (Hertz und Chen, 2016; Kao et al.,

Abbildung 3. Anreicherungskartenvisualisierung für CorticalErinnerung. Cluster sind mit P für positiv und N für negativ gekennzeichnet. Es wurde festgestellt, dass Genset-Cluster verwandt sindErinnerung. Positive Cluster waren mit Immunsignalen, Calciumtransport und Aktinfilamentaufbau assoziiert. Der negative Cluster enthielt Gensätze, die an der Chromatindynamik und epigenetischen Regulation beteiligt sind. Siehe erweiterte Datenabbildung 3-1 für die vollständige Ausgabe von GSEA Pre-ranked.

2018; Pepper et al., 2018; Erweiterte Datentabelle 2-1). Beachten Sie, dass derselbe Gensatz sowohl in den kortikalspezifischen als auch in den subkortikalspezifischen biologischen Prozessen auftreten kann. Zum Beispiel dieErinnerungGensets werden in beiden Regionen angereichert, aber in jedem Fall wird die Genset-Anreicherung von unterschiedlichen Genen angetrieben (Extended DataTable 2-1). Dies liegt daran, dass unterschiedliche Gene für denselben biologischen Prozessgensatz relevant sein und somit die Anreicherung erhöhen können.

Core differentiell exprimierte Gene, die mit kortikalen und subkortikalen verwandt sindErinnerung

Um die Spitze zu identifizieren-10ErinnerungGene, die höchstwahrscheinlich mit dem Menschen in Verbindung stehenErinnerungFunktionFür zukünftige experimentelle Untersuchungen identifizierten wir Gene, die für mehrere Gensätze relevant sind, die oben mit dem LEA erhalten wurden (Abb. 1E; Subramanian et al., 2005; Darby et al., 2016; Fleming und Miller, 2016). Frühere Arbeiten haben gezeigt, dass solche Gene, die die Anreicherung mehrerer Gensätze vorantreiben, eher mit dem analysierten Phänotyp zusammenhängen, dh in diesem Fall mit der Gedächtnisfunktion (Subramanian et al., 2005; Darby et al., 2016; Fleming und Miller, 2016). Die Kombination von GSEA und LEA war zuvor wirksam bei der Identifizierung genetischer Signaturen kognitiver Funktionen (Thomassen et al., 2008; Ersland et al., 2012; Lee et al., 2013), einschließlich des episodischen und des Arbeitsgedächtnisses (Heck et al., 2014;

Linksys et al., 2015). Wir haben LEA auf die oben genannten positiv und negativ bewerteten Gensets angewendet, gefolgt von der Auswahl der Top-10-Gene, die am häufigsten in den führenden Untergruppen der Gensets vorkommen. Diese Gene wurden dann mit Tiermodellliteratur validiert, was als starker oder schwacher Beweis für die Verbindung zwischen dem Gen und der Gedächtnisfunktion klassifiziert wurde (Abb. 1F). Starke Beweise bestanden aus Genmanipulations- oder Medikamentenbehandlungsstudien, z. B. Gen-Knock-out, das zu Gedächtnisveränderungen führte. Schwache Beweise umfassten Korrelations- oder Computerstudien, wie z. B. Gen-Hochregulierung, die mit verstärkt korrelierteErinnerungLeistung.

Für kortikalErinnerung, neun von zehn positiv korrelierten Genen waren zuvor daran beteiligtErinnerungFunktion(Tabelle 3; vollständige Liste der kortikalen Gedächtnisgene und Literaturübersicht Extended DataTable 3-1, vollständige LEA-Ausgabe in Extended Data Table 3-2). Gene PRKCD (Etcheberrigaray et al., 2004; Conboy et al., 2009), RAC1 (Haditsch et al., 2009; Oh et al., 2010), LIMK1 (Todorovski et al., 2015) und CDC42 ( Kim et al., 2014; Zhang et al., 2016) hatten starke Assoziationen mit dem Gedächtnis. Für die entsprechenden negativ korrelierten Kandidatengene hatten alle 10 Gene starke Beweise für ihre Rolle im Gedächtnis. Dies waren alles Gene, die für das Histon-H4-Protein kodierten, das mit der Gedächtnisleistung in Verbindung gebracht wurde (Peleg et al., 2010). Die Deregulierung der Histon-H4-Acetylierung bei gealterten Mäusen war mit Gedächtnisstörungen verbunden, und die Wiederherstellung dieser Regulierung verbesserte ihr Gedächtnis.

Abbildung 4. Enrichment-Map-Visualisierung für das subkortikale Gedächtnis. Cluster sind mit P für positiv und N für negativ gekennzeichnet. Es wurde festgestellt, dass Genset-Cluster mit dem Gedächtnis assoziiert sind. Positive Cluster wurden mit synaptischer Übertragung, langfristiger Plastizität, Glutamatsignalisierung und Neuritenmorphogenese in Verbindung gebracht. Zu den negativen Clustern gehörten Gensätze, die an der Transkription und Translation sowie der Differenzierung von Gliazellen beteiligt sind. Siehe Erweiterte Datenabbildung 4-1 für die vollständige Ausgabe von GSEA Pre-ranked.

Für das subkortikale Gedächtnis waren alle 10 positiv korrelierten Gene zuvor an der Gedächtnisfunktion beteiligt (Tabelle 4; vollständige Liste der subkortikalen Gedächtnisgene und Literaturüberblick in der erweiterten Datentabelle 4-1; LEA-Ergebnisse in der erweiterten Datentabelle 4-2). Die Gene CDK5, NLGN1, RAB3A, STX1A, SNCA, SYT1 und UNC13A waren stark mit dem Gedächtnis verbunden (Fujiwara et al., 2006; Yang et al., 2007; Liu et al., 2009; Guan et al., 2011; Kokhan et al., 2012; Bie et al., 2014; Mishiba et al., 2014; Böhme et al., 2019). Sieben von 10 negativ korrelierten Kandidatengenen hatten schwache Hinweise darauf, dass sie mit dem Gedächtnis in Verbindung stehen. Dies waren Gene, die ribosomale Untereinheiten codieren, die in Nagetieren, die eine bessere Darstellung zeigen, unterschiedlich exprimiert wurdenErinnerung(Wang et al., 2003; Kong et al., 2009; Winbush et al., 2012; Katz und Lamprecht, 2015; Oka et al., 2016; Zhang et al., 2018).