Nature Communications:人类丘脑的基因结构及其与十种常见大脑疾病的重叠

news2025/2/2 18:53:04

丘脑是位于大脑中心的重要交流中枢,由不同的核组成,对意识和高级皮层功能至关重要。丘脑结构和功能的改变涉及到常见的大脑疾病的发病机制,但丘脑的遗传结构仍然很大程度上未知。在这里,使用来自30114个个体的大脑扫描和基因型数据,我们在42个遗传位点和391个与丘脑及其核体积相关的基因中确定了55个前导单核苷酸多态性(SNPs)。在一个独立验证样本(n = 5173)中,发现样本的55个先导SNPs中的53个显示出相同的作用方向。我们绘制了丘脑核和180个大脑皮层区域之间的遗传关系,发现重叠的遗传结构与丘脑皮层连接一致。丘脑体积与十种精神和神经疾病之间的多效性分析显示所有疾病都有共同的变异。总之,这些分析确定了与丘脑核相关的遗传位点,并证实了丘脑在皮质功能和常见大脑疾病中发挥核心作用的新兴观点。

1.简介
最近的研究表明,丘脑在认知方面的作用比之前认为的要广泛。因此,认知神经科学将重点转移到丘脑如何调节皮层活动,并支持工作记忆、注意力控制和视觉处理等高阶功能。丘脑对神经和精神疾病的发病机制也有越来越多的认识,包括痴呆、帕金森病(PD)、精神分裂症(SCZ)和双相情感障碍(BD)。尽管对人类认知和疾病很重要,但丘脑的基因结构及其与皮质结构和常见大脑疾病的关系在很大程度上仍然未知。

丘脑可分为主要向大脑皮层传递周边信息的核和调节皮层功能的高阶核。最近的两项研究发现,一个和两个遗传位点与整个丘脑体积有关,但没有关于丘脑核的全基因组关联研究(GWAS)。在这项工作中,我们进一步确定了整个丘脑及其核体积的遗传位点和候选基因。我们发现丘脑核的遗传结构与180个皮层区域的重叠与丘脑皮层结构连接一致。此外,丘脑体积与10种神经和精神疾病之间的多效性分析显示,所有疾病都有共同的变异。总之,这些分析提供了对人类丘脑核的遗传基础的洞察,并证实了丘脑在常见大脑疾病中发挥核心作用的新兴观点。

2.结果和讨论

我们访问了来自英国生物银行的n = 30,432名基因型白种英国人的大脑磁共振成像(MRI)数据。使用贝叶斯丘脑分割法将MRI数据分割为整个丘脑和丘脑前、外侧、腹侧、板内、内侧和后六个核组(图1a)。在目视检查30432名参与者中的每个人的分割后,我们删除了分割错误和数据质量不足的数据集(n = 318)。结果30114个数据集组成发现样本(52%为女性;年龄范围45岁-82岁)。

图片

图1:GWAS发现样本的分析确定了42个与丘脑体积相关的位点。
a使用贝叶斯丘脑分割法将丘脑分为前核、外侧核、腹侧核、板内核、内侧核和后核六组。通过视觉检查每个参与者的分割轴向视图来评估所有数据集,我们删除了有分割错误、数据质量不足和病理的集合。对左右丘脑的核体积进行了总结,并将其用于分析。b来自英国生物银行的n = 30114名参与者的发现样本中丘脑体积的遗传力估计。所有丘脑体积均具有显著的遗传性。数据以均值±SE表示。c Q-Q图为发现样本的丘脑体积。d发现样本的丘脑体积GWAS曼哈顿环形图。最里面的图反映了整个丘脑体积的GWAS,而从中心到外周,图分别显示了前核、外侧核、腹侧核、板内核、内侧核和后核的GWAS。黑色圆形虚线表示全基因组显著。曼哈顿水平图见补充图2。a、c、d的颜色表示相同的体积,即红色反映整个丘脑;橙色、黄色和浅绿色分别表示前核、外侧核和腹侧核;而深绿色、蓝色和品红分别反映板内、内侧和后核体积。GWAS,全基因组关联研究;h2,遗传。

我们用PLINK18对整个丘脑和年龄、年龄正交年龄平方、性别、扫描部位、颅内体积以及前20个遗传主成分的6个核体积进行GWAS。丘脑核GWAS也占整个丘脑体积的比重,因此在体积中揭示了超越共性的遗传信号。丘脑核GWAS也在没有改变整个丘脑体积的情况下运行,并在补充信息中显示。

利用连锁不平衡(LD)评分回归估计,基于单核苷酸多态性(SNP)的遗传率为整个丘脑的25%,6个核组的为18-32%(图1b)。我们在全基因组范围内发现了所有7个体积的显著命中,并在50个基因组位点中共识别出55个前导SNPs (图1c, d和补充数据1)。7个位点与整个丘脑相关;3、11和5个位点与前核、外侧核和腹侧核;12个、6个和6个位点分别与板内、内侧和后核体积相关。8个位点与1个以上的体积相关,形成42个独特的丘脑相关位点。在最近的一项研究中,其中一个基因(7号染色体上的rs76928645)与整个丘脑体积有关。值得注意的是,42个遗传位点中有37个只与一个体积相关。7种GWAS的基因组膨胀因子列于补充数据2。腹侧核的基因组膨胀最强烈(λ = 1.168),而前核的基因组膨胀最弱(λ = 1.105)。

三个前导SNPs具有注释依赖的耗损(CADD)联合评分>15,这表明有害的蛋白质作用。rs13107325(评分= 23.1)与前核和侧核体积有关,位于染色体4上的金属离子转运体基因SLC39A8内,与认知能力、PD和SCZ有关。第12号染色体上离rs12146713最近的基因(与细胞核内侧体积有关;评分= 19.6)是NUAK1,它调节Tau蛋白水平。脑Tau蛋白堆积是阿尔茨海默氏症(AD)和其他神经退行性疾病的典型特征。1号染色体上的rs951366与后核体积相关(评分为15.7),与PD相关。进一步的GWAS结果见补充图14和补充数据39。

对于GWAS复制,我们使用了来自另外5173名白种英国人(51%为女性;年龄46岁-81岁)来自英国生物银行的数据。我们发现GWAS发现的55个前导SNPs中的53个在复制中具有相同的作用方向。此外,在复制(补充数据10)中,32个发现先导SNPs具有未校正的P <0.05,23个有未校正的p>0.05。

为了评估丘脑GWAS结果的组织和细胞类型特异性,我们使用了应用于特异性表达基因(LDSC-SEGs)的LD评分回归。我们发现,中枢神经系统(CNS)组织和细胞类型的整个丘脑、板内和内侧核群的体积都有所增加,但在Bonferroni校正后,这些关联都不显著(补充图5)。

为了进一步检验GWAS结果的生物学意义,我们使用GWAS功能定位和注释(FUMA)中的位置、表达定量性状位点(eQTL)和染色质相互作用作图,将候选SNPs映射到基因。这在7个体积中识别了336个独特的基因(补充数据11和补充数据6)。我们使用MAGMA进行全基因组基于基因的关联分析(GWGAS),并在丘脑体积中检测到127个独特的基因(图2、补充数据7和补充数据12)。与整个丘脑体积相关性最强的GWGAS基因是MAPT。MAPT编码神经元中的Tau蛋白,与神经退行性疾病的发病机制有关,并与一般认知能力有关。与丘脑核最密切相关的GWGAS基因是DCDC1,它与侧核体积有关。DCDC1是双皮层蛋白基因家族的一员,在胎儿大脑中表达量高,但其功能在很大程度上仍不清楚。

在这里插入图片描述
图2 GWGAS鉴定出127个与丘脑体积有关的独特基因。

19个基因与整个丘脑有关;4、29和17个基因与前核、外侧核和腹侧核的体积有关;与板内、内侧和后核体积相关的基因分别为37、11和21个。较浅的字体颜色和较高位置的基因名称表示较高的z得分。有下划线的基因名称表示与多个体积显著相关的基因,而没有下划线的基因名称表示只与一个体积相关的基因。GWGAS的其他结果载于补充数据12。GWGAS,全基因组基因关联分析。

GWAS分析中有55个GWGAS基因未被定位,结果共有391个丘脑相关基因。值得注意的是,其中95%只与一个体积有关。我们使用MAGMA进行了基因集分析,发现了板内核(涉及细胞细胞粘附)和侧核(涉及细胞生长和突触组织)的重要基因本体集(补充数据13)。

然后我们进行蛋白质-蛋白质相互作用分析,以探索由391个候选基因编码的蛋白质之间的功能关系,并偶然发现一个相互作用明显多于预期的网络(蛋白质-蛋白质相互作用富集:P ,1 e-16;补充数据14和补充图8)。中心网络节点最多的是EGFR、RHOA、KANSL1和NFKB1。

上述分析发现了与高阶丘脑核相关的遗传位点,这些核投射到不同的皮层区域,支持认知。例如,丘脑内侧核与前额叶和颞叶皮层紧密相连,并调节工作记忆和注意力控制,而丘脑后核投射到枕叶皮层,支持视觉处理。最近的研究表明,连接良好的大脑区域比连接较差的区域表现出更强的遗传相关,但这一原理是否适用于丘脑皮层连接仍不清楚。因此,我们在发现的样本中对最近定义的180个皮层区域中的每一个进行了GWAS,并检查了与六个丘脑核体积的遗传相关性。这些分析揭示了特定皮层区域和每个丘脑核之间的显著关联(图3和补充数据15)。有趣的是,我们发现高阶丘脑核与皮层分布的正相关关系与已建立的丘脑皮层投射模式一致,即,内侧核与前额叶和颞叶皮层相关,后核与视觉皮层相关。我们还发现高阶外侧核与皮质区域之间存在显著的正相关关系,与内侧前额叶、前扣带、顶叶和视觉皮质之间的联系一致。

图片

图3 丘脑皮层的遗传关系
我们发现所有丘脑核和不同的皮质区域之间有显著的遗传相关性。前核与内侧前运动皮层之间存在显著的遗传正相关;外侧核与内侧前额叶、前扣带、顶叶和视觉皮质之间;在内侧核与前额叶和颞叶皮质之间;在后核和视觉皮质之间。我们还发现腹侧核与视觉、前额叶和颞叶皮层区域之间以及板内核与吻侧内侧前额叶皮层之间存在显著的负遗传关联。在对180个皮质区域和6个体积调整后。相关统计数据见补充数据15。FDR,错误发现率;Rg,遗传相关性。

丘脑的改变在越来越多的精神和神经疾病中被报道,然而丘脑和疾病之间的遗传关系还没有被澄清。我们使用GWAS对注意缺陷/多动障碍(ADHD)、自闭症谱系障碍(ASD)、BD、重度抑郁症(MD)、SCZ、AD、多发性硬化症(MS)、PD、广泛性和局灶性癫痫(GEP/FEP)的汇总统计数据,检测到体积与PD、BD和MS之间显著的遗传相关性(图4)。

图片

图4 基于LD评分回归的丘脑体积与10种脑部疾病之间的遗传相关性

我们用ld评分回归评估了丘脑体积和10种脑部疾病之间的遗传相关性。暖色和冷色分别代表积极和消极的遗传联系。FDR在所有70份分析(7体积x 10种疾病)。

为了进一步检查丘脑体积和这10种疾病之间的多基因重叠,我们进行了联合错误发现率(FDR)分析,这使得检测性状之间共享的遗传位点成为可能。值得注意的是,我们确定了跨体积和疾病的联合相关位点(图5和补充数据16),并发现当应用联合FDR阈值为0.05时,SCZ、PD和BD的重叠位点数量最大。ASD、ADHD、MD、MS、GEP、FEP和MS分别有8、8、17、10、14、4和14个位点与丘脑体积相关。当使用更严格的联合FDR阈值0.01时,除GEP和FEP外,所有疾病都存在联合相关位点(补充数据16)。

图片

图5 丘脑体积与10种脑疾病之间共享的遗传位点

联合FDR分析在丘脑体积和10种疾病中发现了共享的遗传位点。图中显示了FDR阈值为0.05(圆)和0.01(三角形)时的结果。我们发现,当FDR阈值为0.05时,SCZ(66)、PD(26)和BD(15)的重叠位点数量最大。对于ASD、ADHD、MD、MS、GEP、FEP和MS,当阈值为0.05时,分别有8、8、17、10、14、4和14个遗传位点与丘脑体积和疾病相关。当FDR阈值为0.01时,丘脑体积和SCZ(17)、PD(14)、BD(5)、ASD(2)、ADHD(1)、MDD(3)、MS(2)和AD(2)存在重叠位点,而GEP或FEP没有共享位点。

对于重叠的遗传区域如何影响丘脑结构和疾病风险的进一步研究是有必要的,但一些共享的基因座是值得注意的。rs2693698在SCZ和BD中显著,并与内侧和后核体积共同相关。与rs2693698最接近的基因是BCL11B(对GWGAS中后面的体积也很重要),编码在胎儿和成人大脑中表达的转录因子。BCL11B被认为调节神经元的发育,其突变与智力障碍和神经精神障碍有关。rs5011432与MD和AD的内侧核体积有关,最近的基因是TMEM106B,它调节溶酶体功能。rs13107325位于SLC39A8内,如前所述,对SCZ和PD均有显著意义,并与前核、侧核和板内核体积相关。

总之,我们的研究为人类丘脑的遗传基础提供了见解,并确定了与丘脑核相关的遗传位点。我们发现,大部分与丘脑相关的位点和基因只与七个体积中的一个相关,这可能表明至少部分独立的遗传结构。这证明了针对单个核而不是研究整个丘脑的重要性,与观察到的其他大脑结构的类似好处一致。此外,我们还发现丘脑核和不同皮层区域之间的遗传相关性。值得注意的是,正相关主要发现高阶丘脑核和皮质分布与丘脑皮质连接一致。这些结果与新发现一致,表明功能连接的大脑区域比连接较少的区域表现出更强的遗传相关性。最后,我们确定了丘脑体积和10种神经和精神疾病之间共享的遗传位点。需要进一步的机制研究来阐明丘脑是如何参与脑疾病的发病机制的,我们的分析确定的多效位点可以为这样的实验提供信息。

参考文献:The genetic architecture of the human thalamus and its overlap with ten common brain disorders

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/103964.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

【Linux】进程创建、进程终止、进程等待

目录 一、进程创建 1.1 深入 fork 函数 1.2 写时拷贝 二、进程终止 2.1 进程退出码 2.2 exit 与 _exit 三、进程等待 3.1 进程等待必要性 3.2 进程等待 3.2 wait 与 waitpid 3.3 获取子进程 status 3.4 非阻塞等待 一、进程创建 1.1 深入 fork 函数 在 Linux 中…

如何对图片进行旋转?这些工具能将图片进行旋转

大家平时在日常生活中有没有遇到这种情况&#xff1a;从网上保存下来的图片发现角度方向是错误的&#xff0c;或者是从相机导入拍摄的图片&#xff0c;打开图片发现它们的方向不统一&#xff0c;不方便我们进行观看。这时需要我们对图片进行旋转操作&#xff0c;才能将图片摆正…

图表控件LightningChart.NET 系列教程(四):安装

LightningChart.NET SDK 是一款高性能数据可视化插件工具&#xff0c;由数据可视化软件组件和工具类组成&#xff0c;可支持基于 Windows 的用户界面框架&#xff08;Windows Presentation Foundation&#xff09;、Windows 通用应用平台&#xff08;Universal Windows Platfor…

Linux 内核网络栈分析: 接收数据

引言 对于内核网络栈的分析我在大二听了李勇大神来小组的讲座以后就想干了&#xff0c;但像很多主题的文章一样&#xff0c;始终没有勇气&#xff0c;也没有时间动手&#xff0c;我终究还是把这个话题从大二延到大三&#xff0c;从大三延到大四了。冥冥之中某种东西好像早已是…

Python 帮同事用pandas快速筛选Excel文件

同事正在为怎样处理一个18万行的全年财务Excel文件发愁&#xff0c;文件足足有30M&#xff0c;打开文件也要两三分钟&#xff0c;于是他就向我求助。大概意思就是要筛选出Data工作簿“源数据”Sheet中所有收款人对应的付款人及付款笔数、金额小计&#xff0c;于是我简化做了一个…

【RuoYi-Vue-Plus】学习笔记 45 - Spring 事件监听器 @EventListener 注解简单分析

文章目录前言参考目录测试方法配置说明测试方法功能调用流程分析事件监听器初始化事件发布流程前言 因为之前比较忙所以匿了一段时间&#xff0c;顺便当了神雕大侠&#xff08;“阳过”&#xff09;。前段时间框架已经发布了新版本 V4.4.0&#xff0c;而在最新的 dev 分支中使…

labelImg数据标注及yolov5的训练和测试

labelImg数据标注及yolov5的训练和测试 一、labelImg数据标注的使用 数据标注主要针对于哪个地方是什么&#xff0c;一般像隐私类的是不能标注的&#xff0c;如鲁迅的故居可以标&#xff0c;但是张三的住所就不能进行标注。 labelImg是数据标注主要使用的工具。 1、首先使用…

第十四章 概率图模型

14.1 隐马尔可夫模型 机器学习最重要的任务&#xff0c;是根据一些已观察到的证据&#xff08;例如训练样本&#xff09;来对感兴趣的未知变量&#xff08;例如类别标记&#xff09;进行估计和推测。概念模型提供了一种描述框架&#xff0c;将学习任务归结于计算变量的概率分布…

ffmpeg-AVPacket

目录 引子 翻译一下官方注释&#xff1a; 成员变量&#xff1a; AVBufferRef *buf pts dts data size stream_index flag side_data side_data_elems duration pos opaque opaque_ref time_base 引子 AVPacket是ffmpeg基础且非常重要的数据结构…

我国脐橙行业现状:种植面积、产量及市场规模不断增长 江西赣州是最大生产区

根据观研报告网发布的《2022年中国脐橙市场分析报告-市场全景评估与发展定位研究》显示&#xff0c;脐橙是芸香科&#xff0c;属柑橘亚科&#xff0c;是柑橘属植物甜橙的一类栽培品种&#xff0c;果皮难或稍易剥离&#xff0c;瓢囊9-12瓣&#xff0c;果心实或半充实&#xff0c…

ChatGPT

ChatGPT是由OpenAI开发的一个人工智能聊天机器人程序&#xff0c;于2022年11月推出。该程序使用基于GPT-3.5架构的大型语言模型并通过强化学习进行训练。目前&#xff0c;有部分地区&#xff08;例如中国大陆、香港&#xff09;无法使用此项服务&#xff0c;这里我就介绍一下中…

代码随想录训练营第55天|LeetCode 583. 两个字符串的删除操作、72. 编辑距离

参考 代码随想录 题目一&#xff1a;LeetCode 583. 两个字符串的删除操作 确定dp数组下标及其含义 为了方便dp数组的初始化&#xff0c;在整个分析问题的过程中在word1和word2的最前面添加空字符&#xff0c;注意&#xff0c;不是真正的添加&#xff0c;只是这么认为。 dp[i]…

大学英语笔记

words in use unit 1 The mayor condenseIt was reported exceedresearchers put deficittoo much————exposuremoving forward managerialthe lawyer adequateto help the competentmost parents&#xff0c;&#xff0c;&#xff0c;adjustingyou can count preciselyin …

工控CTF之协议分析8——特殊隧道

协议分析 流量分析 主要以工控流量和恶意流量为主&#xff0c;难度较低的题目主要考察Wireshark使用和找规律&#xff0c;难度较高的题目主要考察协议定义和特征 简单只能简单得干篇一律&#xff0c;难可以难得五花八门 常见的工控协议有&#xff1a;Modbus、MMS、IEC60870、…

Python爬虫学习

文章目录前言概述简单爬虫requests模块⼊⻔数据解析re解析re模块总结前言 本博客仅做学习笔记&#xff0c;如有侵权&#xff0c;联系后即刻更改 科普&#xff1a; 学习参考网站 概述 安全 爬⾍在法律上是不被禁⽌的 像王欣说过,技术是⽆罪的. 主要看你⽤它来⼲嘛 robots.tx…

经纬恒润以太网开发及测试方案,助力智能汽车落地

近年来&#xff0c;为了满足智能网联汽车的开发要求&#xff0c;车载以太网技术开始逐渐进入人们的视野。车载以太网可以满足带宽密集型应用如高级驾驶辅助系统&#xff08;ADAS&#xff09;、车载诊断系统&#xff08;OBD&#xff09;以及车载信息娱乐系统等所需的更高数据传输…

controlsfx框架NotificationPane组件的使用

controlsfx 是javaFx开源UI框架&#xff0c;里面有很多默认组件的补充&#xff0c;最近在使用其中的NotificationPane组件时&#xff0c;遇到一些问题&#xff0c;记录下来。 官方demo链接&#xff1a; https://github.com/controlsfx/controlsfx/blob/jdk-8/controlsfx-samp…

Unittest接口自动化分享

一、环境搭建 1. Python安装 1. 1Python&#xff08;3.6.8版本&#xff09; 下载地址 https://www.python.org/downloads/release/python-368/ 1.1.1 Windows系统 1. 下载1. 对前缀的说明&#xff1a;​ 以Windows x86-64开头的是 64 位的 Python 安装程序&#xff1b;​ …

Ubuntu+Qt下配置车牌识别系统EasyPR1.6环境

1.将EasyPR_v1.6.zip拷贝到虚拟机Ubuntu中 最好是在opt文件夹中 &#xff0c;可使用 VMware tools 共享文件夹 远程连接工具 2.解压得到EasyPR文件夹 修改文件权限 chmod -R 777 EasyPR 3.查找/opt/EasyPR/include/easypr/config.h中 这边告诉我们&#xff0c;如果open…

【RL数学基础】概率论的基本概念:随机变量、概率密度函数、期望、随机抽样

文章目录1.随机变量&#xff08;Random Variable&#xff09;2.概率密度函数&#xff08;Probability Density Function, PDF&#xff09;3.期望&#xff08;Expectation&#xff09;4.随机抽样&#xff08;Random Sampling&#xff09;1.随机变量&#xff08;Random Variable&…