Parte 2: Assinaturas genéticas distintas de regiões corticais e subcorticais associadas à memória humana

Contato: Audrey Hu Whatsapp/hp: 0086 13880143964 E-mail:audrey.hu@wecistanche.com

Pls clique aqui para a Parte 1

Pls clique aqui para a Parte 3

Revisão de literatura sobre assinaturas genéticas

Para quantificar o número de "acertos" de genes candidatos para omemóriaanálise, realizamos uma revisão da literatura para cada lista de genes CL e contamos o número de genes-memória(ou seja, verdadeiros positivos) ou associações de função gene-motora (ou seja, falsos positivos; Fig. 1F). Isso foi feito revisando a literatura experimental no Google Scholar, por meio de uma consulta de pesquisa: ["nome do gene" AND ("memória" OR "amnésia" OR "Alzheimer's" OR "demência")] e ["nome do gene" AND ("motor função" OR "coordenação motora" OR "locomotor" OR "ataxia" OR "aprendizagem motora" OR "Parkinson" OR "Huntington")], respectivamente. O mesmo foi repetido para a análise motora para os respectivos verdadeiros positivos e falsos positivos. Os distúrbios foram selecionados para busca por palavras-chave porque apresentam deficiências na memória e no funcionamento motor. Fortes evidências incluíram estudos que empregaram manipulações genéticas in vivo, mutantes e intervenções farmacológicas, enquanto evidências fracas incluíram associações gênicas computacionais, estudos in vitro, estudos de expressão gênica diferencial e estudos de casos humanos. A evidência da literatura só contava como validação se implicasse a área cerebral correspondente, ou seja, cortical ou subcortical. Como tal, a evidência do papel de um determinado gene apenas na região do cérebro não analisada não foi contada. Por exemplo, se um artigo mostrasse que a eliminação do gene A apenas no subcórtex leva a déficits de memória, isso não contaria como evidência para a análise da memória cortical.

Cistanche pode melhorar a memória

Diferença de correlação na memória e análises motoras

Se o método for válido, os genes de memória devem ter um valor médio de correlação mais alto domemóriaanálise comparada com a análise motora, e vice-versa para os genes motores e o valor r da análise motora. Para cada gene, isso foi calculado subtraindo seu valor de função motora r do valor de memória r, com uma diferença positiva contando para a eficácia do método (Fig. 1G). Observe que para os valores de memória r das listas de genes negativos (por exemplo, memória cortical -), multiplicamos a diferença do valor de r com –1 para expressar essa diferença como um valor positivo, consistente com as listas de genes de memória positivos. Em seguida, tomamos a média de todos os genes para cada conjunto S que satisfaz FDR q 0.05 (mesmo limite da visualização do mapa de enriquecimento) para obter sete desses valores. Como o número de genes por conjunto S é diferente, inicializamos o número de valores de diferença de correlação usados ​​para calcular o valor médio de diferença de correlação por conjunto. Isso foi feito separadamente para as análises de memória e motor subamostrando repetidamente as diferenças de correlação (10,{7}} iterações) para o número mínimo de genes na memória (n 231) e conjuntos de motores (n 146), respectivamente. Visualizamos isso como um boxplot para cada um dos sete conjuntos, com a média de bootstrap e percentis 95 (bigodes) para análises de memória e motora. Se a linha de base não estiver dentro da distribuição do percentil 95 (ou seja, os bigodes não se sobrepõem à linha de base de zero), a pontuação é considerada significativamente diferente da linha de base (p 0,05).

Avaliando a eficácia do método na identificação de genes candidatos

Quantificamos a eficácia do método com base na revisão da literatura anterior (Fig. 1G). Para isso, calculamos a probabilidade de se obter Nmemóriagenes por lista de genes. Isso é feito selecionando Nmemóriagenes (sem reposição) do conjunto de memórias oumemóriagenes de distúrbios relacionados (n 644) de todos os 15.625 genes analisados. Por exemplo, se 10 de 10 genes na lista de genes são genes de memória, a probabilidade de isso ocorrer é 1.32 10 14. O mesmo foi feito para a função motora e os genes da função motora (n 104). Essesmemóriaos genes foram compilados a partir de três fontes: (1) a revisão da literatura acima; (2) o gene da função biológica define "GO:0007611 Learning or memory", do banco de dados AmiGO2 (Carbon et al., 2009; versão 2.4.26, data de lançamento 2016-08); e (3) van Cauwenberghe et al. (2016). Os genes relacionados ao motor (motor ou transtorno relacionado ao motor) foram obtidos a partir (1) da revisão de literatura acima, (2) dos conjuntos de genes de função biológica "GO: 0061743 motor learning" e "GO:0061744 motor behavior" do banco de dados AmiGO2 (Carbon et al., 2009), e (3) Lin e Farrer (2014).

A pontuação de precisão para análises de memória e motora

Pedimos, de um dadomemórialista de genes com genes rotulados comomemóriagenes, quantos deles estão realmente relacionados amemória. Quantificamos isso calculando uma pontuação de precisão (Fig. 1G). Primeiro determinamos os verdadeiros positivos (ou seja, genes associados à memória da revisão da literatura) e falsos positivos (ou seja, genes associados à função motora). A evidência da literatura foi ponderada de tal forma que para verdadeiros positivos, evidência forte e evidência fraca (definidas acima) receberam um ponto completo e meio ponto, respectivamente. Para cada lista de genes, determinamos a pontuação de precisão do método dividindo "verdadeiros positivos" pela soma de verdadeiros positivos e falsos positivos (Eqs. 1,2). Se o método for preciso, para análises de memória, as pontuações de precisão de memória devem estar acima de 0.5 e uma pontuação motora abaixo de 0.5 e vice-versa. Traçamos os escores de memória e precisão motora para cada lista de genes (variando de 0 a 1) e a diferença entre esses escores (variando de -1 a 1). Idealmente, a diferença deve ser maior que zero. Nas equações a seguir, Memórias número de genes com forte evidência de sua associação com a memória; Memória número de genes com fraca evidência de sua associação com a memória; Motores número de genes com forte evidência de sua associação com a função motora; e Motorw número de genes com fraca evidência de sua associação com a função motora.

Declaração de disponibilidade de dados

Todos os dados genéticos e de neuroimagem usados ​​estão disponíveis no AHBA (https://human.brain-map.org) e Neu-rosynth (https://www.neurosynth.org). Os scripts para pré-processamento do transcriptoma estão disponíveis em https://github.com/BMHLab/AHBAprocessing. Os scripts de correlação e os dados de entrada estão disponíveis para uso não comercial em Extended Data 1 e em https://github.com/PK-HQ/geneCognitionDiscovery.

Resultados

Mapas AHBA e Neurosynth

Para identificar todo o cérebro humano adultomemóriagenes, primeiro precisávamos realizar a análise de correlação espacial entre neuroimagem 3D de alta resolução e mapas de transcriptoma do cérebro humano adulto. Como tal, usamos o transcriptoma AHBA de cérebro humano inteiro de alta densidade e o Neurosynthmemóriamapa de associação da associação de cada voxel com a memória em geral como conjuntos de dados de entrada (Yarkoni et al., 2011).

O AHBA foi derivado de seis cérebros de doadores e contém a expressão gênica do cérebro humano de genoma completo nas regiões cortical e subcortical esquerda (N 6; Fig. 1A; veja visualização de exemplo em Extended Data Fig. 1-1; Hawrylycz et al. , 2012). O NeurossintetizadormemóriaO mapa de associação é um mapa de meta-estudo (N 2744) que representa a relevância de cada voxel cerebral paramemória(em oposição a outras funções cognitivas), especificadas por escores z positivos (Fig. 1A; veja uma visualização de mapas de memória e função motora em Extended Data Fig. 1-2; Yarkoni et al., 2011). Observe que o uso dememóriaaqui se refere à memória em geral, pois o mapa foi construído a partir de estudos de neuroimagem relacionados à memória que empregam vários tipos de tarefas de memória (Yarkoni et al., 2011). Nós co-registramos os dois mapas em um espaço MNI152 comum. As áreas de memória no mapa de associação de memória foram usadas para definir as amostras AHBA utilizáveis ​​para a análise de correlação espacial subsequente.

Análise de similaridade espacial

Usando esses conjuntos de dados, procuramos isolar os genes com altos valores de correlação espacial entre sua expressão gênica ememóriamapas de termos para etapas de análise subsequentes, pois provavelmente estão relacionados à memória (Fox et al., 2014). Conduzimos a análise de similaridade espacial entre os mapas de associação AHBA e Neurosynth separadamente para regiões corticais e subcorticais devido às suas diferenças marcantes (ver Introdução; a lista de regiões corticais e subcorticais está disponível em Extended DataFig. 1-3), e para memória e função motora (veja um exemplo de correlação espacial na Fig. 2). Cada análise produziu uma lista L, que continha os valores médios de correlação de 15.625 genes usados ​​para classificação subsequente (Fig. 1B).

Em seguida, classificamos cada lista L. Uma correlação positiva indica maior expressão gênica em áreas relevantes paramemória, e uma correlação negativa implica menor expressão em áreas relevantes para a memória. Os principais-10 genes correlacionados positiva e negativamente para as análises corticais e subcorticais de memória são mostrados na Tabela 1 (consulte o valor de correlação espacial de todos os genes na Tabela de dados estendida 1-1). Havia mais genes correlacionados negativamente do que genes correlacionados positivamente para análises corticais e subcorticais de memória (Tabela de Dados Estendida 1-1). Encontramos 8.383 genes correlacionados positivamente e 7.243 negativamente para as áreas corticais, e 7.642 genes positivamente e 7.984 negativamente para as áreas subcorticais.

Perfis de expressão gênica distintos associados à memória cortical e subcortical

Após as análises de correlação espacial, nosso objetivo foi definir os perfis de expressão gênica relacionados a alterações corticais e subcorticais.memóriade forma abrangente. Para identificar e caracterizar conjuntos de genes que trabalham para uma função biológica comum (ou seja, conjuntos de genes), analisamos cada uma das listas corticais e subcorticais L com GSEA pré-classificada (Fig. 1C). Isso rendeu conjuntos de genes de pontuação positiva e negativa, derivados dos genes correlacionados positivamente e negativamente de L, respectivamente. Esses conjuntos de genes foram então agrupados em clusters funcionalmente relacionados e automaticamente anotados com temas biológicos (Cline et al., 2007; Merico et al., 2010; Oesper et al., 2011).

No geral, o córtex e o subcórtex tinham temas biológicos distintos que foram encontrados anteriormente associados à memória. Para corticalmemória, GSEA revelou 28 conjuntos de genes positivos e 29 negativos significativamente enriquecidos. A visualização da rede de enriquecimento mostrou que esses conjuntos de genes foram agrupados em cinco clusters distintos (Fig. 3; os resultados completos da GSEA estão na Figura de Dados Estendidos. 3-1), com conjuntos de genes dentro de cada cluster compartilhando genes enriquecidos. Descobriu-se que esses conjuntos de genes estão relacionados à memória. O cluster positivo P1 continha conjuntos de genes implicados na resposta imune e na sinalização do receptor Fc (Fernandez-Vizarra et al., 2012; Marin e Kipnis, 2013). P2 foi implicado na sinalização de interferon-gama (Litteljohn et al., 2014), P3 no transporte transmembranar de íons de cálcio e P4 na montagem de filamentos de actina (Krucker et al., 2000; Lamprecht, 2011). O cluster negativo N2 continha conjuntos de genes envolvidos na dinâmica da cromatina, regulação epigenética e diferenciação de células imunes (Kim e Kaang, 2017).

Para subcorticalmemória, GSEA revelou 50 conjuntos de genes positivos e 14 negativos significativamente enriquecidos. A visualização da rede de enriquecimento mostrou que esses conjuntos de genes foram agrupados em três clusters distintos (Fig. 4; os resultados completos da GSEA estão em Extended Data Fig. 4-1). Da mesma forma, descobriu-se que esses conjuntos de genes estão relacionados amemória. O cluster positivo P1 está implicado na transmissão sináptica e plasticidade sináptica. Também incluiu conjuntos de genes envolvidos em endocitose e exocitose, secreção de neurotransmissores, potenciação de longo prazo (Stuchlik, 2014), sinalização de receptores de glutamato e morfogênese de projeção de neurônios (Kasai et al., 2010). O cluster negativo N1 está relacionado a processos de transcrição e tradução (Jarome e Helmstetter, 2014; Alberini e Kandel, 2015), e o cluster N2 à diferenciação de células gliais e oligodendrócitos (Hertz e Chen, 2016; Pepper et al., 2018).

Figura 2. Um exemplo de saída de análise de similaridade espacial. Os níveis de expressão do gene cortical correlacionado com o topo, GRB14, são visualizados em função da relevância em voxel do mapa Neurosynth paramemóriafunção (escore z). Expressão gênica normalizada (eixo y) plotada contra pontuações z do mapa de neuroimagem (eixo x). Cada linha de regressão colorida representa a linha de melhor ajuste para cada um dos seis doadores (cores); a faixa translúcida em torno de cada linha representa a estimativa do intervalo de confiança de 95 por cento.

Para identificar diferenças e sobreposições nos perfis genéticos corticais e subcorticais, identificamos e caracterizamos os diferentes e compartilhados (1) processos biológicos mostrados nos mapas de enriquecimento, e (2)memóriagenes (ou seja, todos os genes encontrados em 1 conjunto de genes enriquecido; Fig. 1D). Encontramos uma baixa sobreposição de 2,5 por cento de conjuntos de genes (N 3) e 9,6 por cento de genes (N 135) entre regiões corticais e subcorticais (Fig. 5; a lista completa de genes distintos e sobrepostos está em Extended DataFig. {{9 }}). Os genes sobrepostos estavam envolvidos em processos relacionados à memória de transporte de proteínas, regulação transcricional, plasticidade sináptica e sinalização do receptor de glutamato (Peng et al., 2011; Rosenberg et al., 2014; Alberini e Kandel, 2015; Tabela 2; saída completa de conjuntos de genes e genes de Top- pGene em Extended DataTable 2-1). Estes incluem genes envolvidos no complexo Arp2/3, canais iônicos controlados por ligante GABA e AMPA que são críticos para a função de memória (Gasbarri e Pompili, 2014; Basu et al., 2016; Takemoto et al., 2017; Extended Data Table { {23}}). Os genes específicos do córtex estavam envolvidos em processos associados à memória, como reparo de DNA, regulação epigenética, imunidade e sinalização de IFN (Marin e Kipnis, 2013; Litteljohn et al., 2014; Kim e Kaang, 2017; Hou et al., 2018 ; Tabela de Dados Estendida 2-1). Os genes específicos do subcórtex estão envolvidos na neurogênese, morfogênese dendrítica, diferenciação de células gliais e mielinização (Hertz e Chen, 2016; Kao et al.,

Figura 3. Visualização do mapa de enriquecimento para corticalmemória. Os clusters são marcados com P para positivo, N para negativo. Agrupamentos de conjuntos de genes foram encontrados para estar relacionados commemória. Agrupamentos positivos foram associados à sinalização imune, transporte de cálcio e montagem de filamentos de actina. O cluster negativo continha conjuntos de genes envolvidos na dinâmica da cromatina e na regulação epigenética. Consulte a Figura de dados estendida 3-1 para obter a saída completa do GSEA pré-classificado.

2018; Pimenta et al., 2018; Tabela de Dados Estendida 2-1). Observe que o mesmo conjunto de genes pode aparecer tanto nos processos biológicos específicos do cortical quanto nos específicos do subcortical. Por exemplo, omemóriaconjuntos de genes são enriquecidos em ambas as regiões, mas em cada caso, o enriquecimento do conjunto de genes é conduzido por genes distintos (Extended DataTable 2-1). Isso ocorre porque diferentes genes podem ser relevantes e, assim, aumentar o enriquecimento para o mesmo conjunto de genes de processo biológico.

Core genes expressos diferencialmente relacionados a cortical e subcorticalmemória

Para identificar os principais-10memóriagenes que provavelmente estão ligados a humanosmemóriafunçãopara futura investigação experimental, identificamos genes relevantes para vários conjuntos de genes obtidos acima com o LEA (Fig. 1E; Subramanian et al., 2005; Darby et al., 2016; Fleming e Miller, 2016). Trabalhos anteriores mostraram que tais genes que impulsionam o enriquecimento de múltiplos conjuntos de genes estão mais provavelmente relacionados ao fenótipo analisado, ou seja, a função de memória neste caso (Subramanian et al., 2005; Darby et al., 2016; Fleming e Miller, 2016). A combinação de GSEA e LEA foi previamente eficaz na identificação de assinaturas genéticas de funções cognitivas (Thomassen et al., 2008; Ersland et al., 2012; Lee et al., 2013), incluindo memória episódica e de trabalho (Heck et al., 2014;

Linksys et al., 2015). Aplicamos LEA aos conjuntos de genes de pontuação positiva e negativa acima, seguidos pela seleção dos principais-10 genes que aparecem com mais frequência nos subconjuntos de ponta dos conjuntos de genes. Esses genes foram então validados com a literatura de modelo animal, que foi classificada como evidência forte ou fraca apoiando a ligação entre o gene e a função de memória (Fig. 1F). Forte evidência foi composta de manipulação de genes ou estudos de tratamento de drogas, por exemplo, gene knock-out levando à alteração da memória. Evidências fracas abrangeram estudos correlacionais ou computacionais, como regulação positiva de genes que se correlacionou commemóriaatuação.

Para corticalmemória, nove em cada 10 genes positivamente correlacionados foram previamente implicados emmemóriafunção(Tabela 3; lista completa de genes de memória cortical e revisão da literatura Extended DataTable 3-1, saída LEA completa na Extended Data Table 3-2). Genes PRKCD (Etcheberrigray et al., 2004; Conboy et al., 2009), RAC1 (Haditsch et al., 2009; Oh et al., 2010), LIMK1 (Todorovski et al., 2015) e CDC42 ( Kim et al., 2014; Zhang et al., 2016) tiveram fortes associações com a memória. Para os genes candidatos correlacionados negativamente correspondentes, todos os 10 genes tinham fortes evidências de apoio ao seu papel na memória. Estes eram todos os genes que codificam a proteína histona H4, que estava ligada ao desempenho da memória (Peleg et al., 2010). A desregulação da acetilação da histona H4 em camundongos idosos foi associada ao comprometimento da memória, e restabelecer essa regulação melhorou sua memória.

Figura 4. Visualização do mapa de enriquecimento da memória subcortical. Os clusters são marcados com P para positivo, N para negativo. Clusters de conjuntos de genes foram encontrados associados à memória. Agrupamentos positivos foram associados à transmissão sináptica, plasticidade de longo prazo, sinalização de glutamato e morfogênese de neuritos. Os agrupamentos negativos incluíram conjuntos de genes envolvidos na transcrição e tradução e diferenciação de células gliais. Veja a Figura de Dados Estendida 4-1 para a saída completa do GSEA Pré-classificado.

Para a memória subcortical, todos os 10 genes positivamente correlacionados foram previamente implicados na função da memória (Tabela 4; lista completa de genes de memória subcortical e revisão da literatura em Extended Data Table 4-1; resultados de LEA em Extended DataTable 4-2). Os genes CDK5, NLGN1, RAB3A, STX1A, SNCA, SYT1 e UNC13A foram fortemente ligados à memória (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). Sete em cada 10 genes candidatos correlacionados negativamente tinham evidências fracas que os implicavam na memória. Estes eram genes que codificam subunidades ribossômicas, que foram diferencialmente expressos em roedores que apresentam melhormemóriadesempenho (Wang et al., 2003; Kong et al., 2009; Winbush et al., 2012; Katz e Lamprecht, 2015; Oka et al., 2016; Zhang et al., 2018).