Transkriptom analiza kortikalnog tkiva otkriva zajedničke skupove reguliranih gena kod autizma i šizofrenije | translacijska psihijatrija

Transkriptom analiza kortikalnog tkiva otkriva zajedničke skupove reguliranih gena kod autizma i šizofrenije | translacijska psihijatrija

Anonim

teme

  • genomika
  • Neuroznanost

Sažetak

Autizam (AUT), shizofrenija (SCZ) i bipolarni poremećaj (BPD) tri su vrlo nasljedna neuropsihijatrijska stanja. Zabilježene su kliničke sličnosti i genetsko preklapanje između tri poremećaja; međutim, uzroci i posljedice toga preklapanja ostaju neizlječivi. Analizom transkriptomskih podataka o sekvenciranju RNA generiranih iz postmortem kortikalnih tkiva mozga iz AUT, SCZ, BPD i kontrolnih subjekata, počeli smo karakterizirati opseg preklapanja gena između tih poremećaja. Izvještavamo da su AUT i SCZ transkripti značajno povezani ( P <0, 001), dok ostale dvije usporedbe unakrsnog poremećaja (AUT – BPD i SCZ – BPD) nisu. Među AUT i SCZ, otkrili smo da su geni različito izraženi kroz poremećaje uključeni u neurotransmisiju i regulaciju sinapse. Unatoč nedostatku globalnog transkriptomskog preklapanja u sva tri poremećaja, izdvajamo dva gena, IQSEC3 i COPS7A , koji su značajno smanjeni u usporedbi s kontrolama za sva tri poremećaja, sugerirajući ili zajedničku etiologiju ili kompenzacijske promjene kroz ova neuropsihijatrijska stanja. Konačno, testirali smo na obogaćivanje gena različito izraženih preko poremećaja u signalima genetske asocijacije u AUT, SCZ ili BPD, izvještavajući o nedostatku signala u bilo kojem od ranije objavljenih studija povezanosti u genomu (GWAS). Zajedno, ove studije naglašavaju važnost ispitivanja ekspresije gena iz primarnog tkiva uključenog u neuropsihijatrijska stanja - kortikalnog mozga. Identificiramo zajedničku ulogu za izmijenjenu neurotransmisiju i regulaciju sinapse u AUT i SCZ, uz dva gena koji općenito mogu pridonijeti neurorazvojnim i neuropsihijatrijskim stanjima.

Uvod

Sakupljanje psihijatrijskih stanja i simptoma u obiteljima odavno je prepoznato, 1, 2, 3, 4, 5 s novijim genetskim analizama koje sugeriraju preklapanje između niza poremećaja. 1, 6, 7, 8, 9 Najnovija istraživanja koja su razmatrala genetičku korelaciju koja se temelji na jedno-nukleotidnom polimorfizmu pokazala su izraženu povezanost između shizofrenije (SCZ) i bipolarnog poremećaja (BPD) i u manjoj mjeri između poremećaja spektra SCZ i autizma, 1 što sugerira genetske etiologije. Međutim, zbog ograničene dostupnosti tkiva mozga, bilo je manje studija na razini ekspresije gena. Mi i drugi pretpostavljamo da studije ekspresije gena mogu početi otkrivati ​​kako se genetske korelacije mogu funkcionalno preklapati u neuropsihijatrijskim poremećajima.

U nedavnoj publikaciji Zhao i sur. 10 sugerira da SCZ i BPD pokazuju suglasnu različitu ekspresiju gena ( R = 0, 28) i da su geni koji doprinose tom preklapanju obogaćeni za signal genetske asocijacije i u SCZ i u BPD istodobno ističući nekoliko bioloških putova. Dvije odvojene nedavne studije ekspresije gena u autizmu (AUT) razriješile su promjene ekspresije gena povezane s promijenjenom sinaptičkom i neuronskom signalizacijom, kao i imunološke razlike u mozgu zahvaćenom AUT-om. 11, 12 Posebno je primjećeno značajno povećanje ekspresije gena koje se odnosi na alternativnu aktivaciju urođenog imunološkog sustava ili M2 odgovor u mozgu zahvaćenom AUT, u odnosu na kontrole. 12

Ovdje smo krenuli analizirati RNA-sekvencijalne podatke (RNA-Seq) u kombinaciji od AUT, SCZ i BPD kako bismo identificirali transkriptomske odnose unakrsnog poremećaja. Izdvajamo izrazito koreliranu prirodu SCZ i AUT transkripata, koji zajedno pokazuju smanjivanje gena uključenih u neurotransmisiju i regulaciju sinapse kroz dva poremećaja.

Materijali i metode

Podaci o uzorku AUT-a

Ranije je proveden RNA-Seq za 104 uzorka kortikalnog tkiva mozga kroz tri regije mozga (BA10, BA19 i BA44 / 45), koji sadrže 57 uzoraka od 40 kontrolnih ispitanika i 47 uzoraka iz 32 AUT subjekta. 12 Primjećujemo da, kao i u početnoj objavi ovih podataka, 12 AUT uzoraka koji sadrže inačice broja kopija koje se ponavljaju u poremećaju AUT spektra nije uključeno u ove analize. Pojedinosti koji se odnose na uzorke, redoslijede, kontrolu kvalitete i informatiku mogu se naći u Gupta i sur. 12 i sažete su u Dodatnoj tablici 1.

Informacije o uzorku SCZ-a i BPD-a

Podaci RNA-Seq dobiveni su iz Stanley Medical Research Institute (SMRI, //www.stanleyresearch.org/) koji se sastojao od 82 (31 SCZ, 25 BPD i 26 kontrolnih) uzoraka prednjeg cingulata korteksa (BA24). Detaljne informacije o sekvenciranju mogu se naći u Zhao i sur. 10 Podaci o uzorku za one koji su uključeni u ovu analizu mogu se naći u Dodatnoj tablici 2.

RNA-Seq, usklađivanje i kontrola kvalitete

Sekvenciranje, usklađivanje, kontrola kvalitete i procjena ekspresije gena za uzorke AUT provedeni su na prethodno opisan način. 12 Čitanja i iz AUT i SMRI sekvence podvrgnuta su zajedničkom cjevovodu za analizu 12 u kojem je kontrola kvalitete sirovih sekvenci uključivala uklanjanje obojenog polyA rastezanja i onečišćenja sekvencijskog adaptera pomoću Python skripte, "cutadapt" (v1.2.1). 13 sekvence su zatim poravnane na skup referentnog konzorcija genoma Human build 37 (GRCh37 / hg19) koristeći TopHat2 (ref. 14, 15), omogućujući samo jednoznačno poravnane sekvence s manje od tri neusklađenosti.

Procjena i normalizacija ekspresije gena

Procjene broja gena dobivene su za 62 069 bilješki gena Ensembl (GRCh37 / hg19) koristeći HTSeq (//www-huber.embl.de/users/anders/HTSeq/) prema strogom modelu sjecišta. Od toga je 8856 gena s najmanje 10 čitanja preko 75% uzoraka SMRI tada normalizirano na duljinu gena i sadržaj GC korištenjem uvjetne kvantitativne normalizacije. 16 U AUT uzorcima, 13 262 gena, koji su prethodno uključeni u analizu 12, normalizirani su za duljinu gena i sadržaj GC koristeći uvjetnu normalizaciju kvantila. Otpadnici su zatim uklonjeni iz procjene genske ekspresije uvjetnog kvantitativnog normaliziranja na osnovi gena kao što je prethodno opisano. 17 U oba skupa podataka svaki uzorak čija je vrijednost ekspresije gena bila veća od 2, 7 sd od srednje vrijednosti ekspresije gena isključen je iz analize za taj određeni gen prije linearnog modeliranja.

Diferencijalna analiza ekspresije gena

Zbog jedinstvenog eksperimentalnog dizajna u kojem je više područja mozga sekvencirano od iste jedinke, procjene ekspresije gena AUT bile su primjerene pomoću linearnog modela miješanih efekata, s ID-om subjekta koji je uključen kao slučajni slučaj presretanja i statusom kontrole slučaja kao primarne varijable od interesa. Doba, spol, mjesto uzimanja uzoraka, moždana regija i 12 surogatnih varijabli (SV) 18 uključeni su kao fiksni efekti u modelu radi izračunavanja poznatih i nepoznatih kovarijata. SVs funkcioniraju kako bi uklonili serijske učinke i izvore buke u podacima ekspresije gena podešavanjem nepoznatih ili nemodeliranih izvora varijacija i zbog toga su uključeni u analizu. 18

SCZ i BPD RNA-Seq podaci analizirani su korištenjem standardne linearne regresije, sa statusom kontrole slučaja kao primarnom varijablom od interesa. Poznati kovarijati kojima smo imali pristup i koji su uključeni u analizu Zhao i sur. 10 (dob, spol, kumulativna antipsihotička primjena, pH mozga i post mortem interval) uključeni su u model ovdje, zajedno sa SV, radi utvrđivanja nepoznatih izvora varijacije.

Budući da slučajevi SCZ i BPD dijele kontrole, provedene su dvije odvojene analize ekspresije gena. Za usporedbu s AUT, u analizu su uključeni svi slučajevi (SCZ ili BPD) i sve kontrole iz skupa podataka SMRI. Alternativno, kada bi se SCZ i BPD trebalo izravno uspoređivati, koristili smo strategiju sličnu načinu na koji su ti podaci prethodno obrađeni, u kojoj su kontrole podijeljene nasumično na pola. 10 Jedan je niz kontrola uspoređen sa slučajevima SCZ, dok je drugi skup kontrola uspoređen sa slučajevima BPD. Ovaj postupak je proveden 100 puta za svaku usporedbu unakrsnog poremećaja, a Z- bodovi (veličina učinka / standardna pogreška) zabilježeni su za svaki gen za svaki niz. Srednji Z- rezultat za svaki gen u tih 100 ciklusa upotrebljava se zatim za analize u kojima se uspoređuje SCZ s BPD.

Analiza nul-diferencijalne ekspresije gena

Da bi se dobio nulti niz diferencijalnih vrijednosti ekspresije gena, svaka od analiza u prethodnom odjeljku provedena je modeliranjem podataka točno onako kako je gore opisano, osim permutacije statusa kontrole slučaja. U skupinama podataka AUT, slučaj kontrole slučaja randomiziran je između uzoraka s istih mjesta za prikupljanje, kao što je prethodno opisano. 12 Da bi se smanjila mogućnost prijavljivanja lažno pozitivnih nalaza, za utvrđivanje važnosti korišteno je 1000 nulti permutacija.

Izračunavanje gena različito izraženih u poremećajima

Da bi se utvrdilo koji su geni različito eksprimirani u poremećajima, Z- rezultati su umnoženi u svakoj od tri usporedbe poremećaja (Z SCZ * Z BPD, Z SCZ * Z AUT, Z BPD * Z AUT ). Smatralo se da su geni s velikim Z- rezultatima unakrsnog poremećaja različito eksprimirani u poremećajima, a značaj je određen permutacijom. Za svaku usporedbu unakrsnog poremećaja, zabilježena je najekstremnija Z - skretnost cross-poremećaja za svaku od tih 1000 nulta permutacija. Od ovih vrijednosti, presjek unakrsnog poremećaja za značaj (definiran na P <0, 05) za određivanje gena koji su različito izraženi u poremećajima određen je uzimanjem vrijednosti za koju je samo 5% nultih vrijednosti bilo ekstremnije.

Da bi se odredili različito i podudarajući eksprimirani geni (DCEG) zajednički za sva tri poremećaja, Z- rezultati su umnoženi za 2895 gena sa Z- bodovima u istom smjeru kroz sva tri poremećaja (Z AUT * Z SCZ * Z BPD ). Kako se SCZ i BPD izravno uspoređuju u analizi, Z- rezultati generirani podijeljenom kontrolom za SCZ i BPD korišteni su za računanje zajedničkih kontrolnih uzoraka. Da bi se procijenila značajnost, izvršena je ista analiza s 1000 nultih permutacija kao što je gore opisano.

Izračunavanje povezanosti DCEG-a u fenotipovima

Pearsonov koeficijent korelacije ( R ) izračunat je za Z- rezultate iz svake usporedbe poremećaja (SCZ-AUT, SCZ-BPD i BPD-AUT) za procjenu sličnosti gena koji su različito izraženi u poremećajima. Da bi se odredila značaj ove korelacije, izračunavan je Pearsonov koeficijent korelacije nakon ispitivanja svake od 1000 nultih permutacija.

Analiza puta DCEG-a

Analiza obogaćivanja puta provedena je na genima koji su različito izraženi kroz poremećaje. Genske setonske gene (GO) geni su preuzeti sa MsigDB (1466 genskih setova, //www.broadinstitute.org/gsea/msigdb/collections.jsp#C5). Za svaki gen i za sve tri usporedbe bolesti Z- rezultati su zbrojeni u poremećajima korištenjem Stoufferove metode 19, a putevi su testirani za obogaćivanje (detalji se mogu naći u Dodatnim metodama). Značajnost je empirijski određena permutacijom za svaku usporedbu unakrsnog poremećaja (1, 51 × 10 −4 za AUT – SCZ, 1, 72 × 10 −4 za AUT – BPD i 4, 25 × 10 −6 za SCZ – BPD).

Kao komplementarni pristup koristili smo sljedeća dva otvorena programa za analizu puta: WebGestalt (v2, //bioinfo.vanderbilt.edu/webgestalt/) 20, 21 za pokretanje GO analize 22, 23 i baze podataka za napomene, vizualizaciju i Integrirano otkrivanje (DAVID) 24 (v6.7, //david.ncifcrf.gov/) za funkcionalnu analizu putanje. Kako ulaz za ove pristupe zahtijeva popise gena, ulazimo gene koji su bili različito izraženi (apsolutna vrijednost ( Z- skor)> 2, 2) u oba poremećaja usporedbe: (1) SCZ – AUT (191 gen), (2) BPD –AUT (38 gena) i (3) SCZ – BPD (16 gena).

GO analiza koristi hipergeometrijski test za obogaćivanje primjenom Benjamini-Hochbergove metode 25 za višestruke korekcije testa. GO kategorije čije su prilagođene P- vrijednosti <0, 001 smatrale se statistički značajno obogaćenima. Za DAVID preneseni su popisi gena i generirana je 'Funkcionalna bilješka grafikona' koristeći zadane postavke. Funkcionalne kategorije čiji je Bonferroni podešeni P- vrijednost <0, 05 prijavljeni su kao značajne.

Kako bi osigurali da rezultati ovih analiza nisu pristrani različitim brojem unosa gena u analizu puta, također smo izvršili GO i DAVID analize opisane gore s fiksnim brojem 191 gena iz svake usporedbe unakrsnog poremećaja.

Obogaćivanje za analizu genetskog signala

Rezultati studije o povezanosti genoma (GWAS) preuzeti su iz psihijatrijskog genetskog konzorcija (//www.med.unc.edu/pgc/) za AUT, BPD i SCZ.

P- vrijednosti na temelju gena izračunane su na sažetim podacima za svaki poremećaj korištenjem FAST (v1.8) 26 za 8856 gena uključenih u analizu diferencijalne ekspresije gena unakrsnog poremećaja (DGEA). Pojedinosti o korištenim postavkama mogu se naći u Dodatnim metodama. Da bismo testirali obogaćivanje genetskog signala, prvo smo uzeli sugestivne gene (na osnovi gena P <0, 05) za svaki pojedinačni GWAS (SCZ, BPD i AUT) i usporedili ih s P- vrijednostima iz DGEA. Podaci su ucrtani u QQ-grafikon među 100 nultih permutacija radi traženja obogaćivanja u odnosu na nulte podatke. Kako bi se osiguralo da ova analiza nije odraz ograničenja P- vrijednosti temeljenog na genu nametnutog podataka, korišteno je dopuštenije ( P <0, 1) i restriktivnije ( P <0, 01) granično isključivanje i provedena ista analiza obogaćivanja,

Dostupnost koda

Kodovi korišteni za obradu podataka, kontrolu kvalitete i analizu dostupni su od odgovarajućeg autora.

Rezultati

Sažetak uzorka

Od 105 uzoraka u kolekciji SMRI niza, 82 uzorka kortikalnog mozga (BA24) su sekvencionirani i uključeni u analizu (31 SCZ, 25 BPD i 26 kontrola). Za praćenje ovih podataka, za analizu su uključena 104 AUT uzorka iz tri kortikalne regije mozga (BA10, BA19 i BA44 / 45), koji su se sastojali od 57 kontrolnih i 47 AUT uzoraka. Sažetak statističkih podataka o uzorku dat je u tablici 1 s detaljnim informacijama o uzorcima u dopunskim tablicama 1 i 2 za podatke AUT i SMRI. Daljnji podaci o uzorku mogu se naći u izvornim publikacijama. 10, 12

Tablica pune veličine

Geni različito eksprimirani preko SCZ, BPD i AUT

Devet gena je različito eksprimirano ( P <0, 05) i u SCZ i u AUT. Nijedan nije bio značajan u usporedbi BPD-a sa SCZ-om, a jedan je gen dostigao značaj u usporedbi AUT-BPD (tablica 2 i dodatne tablice 3 i 4). Primjećujemo da je pojedinačni gen različito izražen između AUT – BPD, IQSEC3 , značajan u usporedbama AUT – SCZ i AUT – BPD. Razmjerno veliki Z- rezultati u SCZ ( Z = –3, 59) i BPD ( Z = –3, 46) sugeriraju da ovaj rezultat nije jednostavno potaknut izmijenjenim genskim izrazom samo u AUT.

Tablica pune veličine

Diferencijalno eksprimirani geni (DEG) kroz sva tri poremećaja identificirani su u zajedničkoj analizi gena čiji je smjer djelovanja bio konzistentan u sva tri poremećaja (Z AUT * Z SCZ * Z BPD ). Dva gena, IQSEC3 ( Z = -35, 45, P = 0, 001) i COPS7A ( Z = -22, 52, P = 0, 017), transkriptno su značajni ( P <0, 05, apsolutna vrijednost (Z AUT * Z SCZ * Z BPD )> 19.56), što ukazuje na zajedničku ulogu za promijenjenu ekspresiju gena ovih gena u sva tri neuropsihijatrijska poremećaja (tablica 2 i dodatna slika 1). Napominjemo da su ova dva gena, IQSEC3 i COPS7A , sintetička (12p13.33 i 12p13.31, respektivno), s tim da je njihova ekspresija izrazito korelirana u oba skupa podataka SMRI i AUT ( R = 0, 41 i R = 0, 70, odnosno Dopunski Slika 2).

Povezanost ekspresije gena za SCZ, BPD i AUT

Ispitan je transkriptomski odnos između poremećaja i povezanost testne statistike ( Z- rezultati). SCZ – AUT pokazao je najznačajniju korelaciju ( R = 0, 298, P <0, 001). SCZ – BPD je također pokazao pozitivnu povezanost ( R = 0, 11). Ova razina korelacije nije bila ni značajna ( P = 0, 41), ni visoka kao što je ranije izvješteno ( R = 0, 28). 10 Slično tome, korelacija između AUT i BPD bila je minimalna i nije se bitno razlikovala od nule ( R = 0, 06, P = 0, 25; Slika 1, Dopunska slika 3).

Image

Povezanost diferencijalne ekspresije gena unakrsnog poremećaja. Z- bodovi za svaku usporedbu unakrsnog poremećaja (( a ) AUT – SCZ (autizam-šizofrenija), ( b ) AUT – BPD (AUT – bipolarni poremećaj) i ( c ) SCZ – BPD) crtaju se. Najbolje odgovara liniji u crvenoj boji. Pearsonov koeficijent korelacije ( R ) uključen je u graf, kvantificira razinu korelacije između transkripta svake usporedbe unakrsnog poremećaja.

Slika pune veličine

Da bismo istražili nepodudarnost korelacije ovdje prijavljenog za SCZ i BPD i one koja je ranije prijavljena, proveli smo istu analizu bez uključivanja SV-ova u model. Neuspjeh uvrštavanja nepoznatih kovarijata u model doveo je do značajnog porasta korelacije SCZ-a i BPD-a ( R = 0, 50), što sugerira da je prethodno prijavljena korelacija između tih poremećaja mogla utjecati na skrivenu strukturu podataka (Dodatna slika 4 ).

Analiza obogaćivanja puta gena različito izraženih u poremećajima

Kombinirana analiza puta korištenjem popisa gena različito izraženih u poremećajima (apsolutna vrijednost ( Z- rezultat)> 2, 2 u oba poremećaja) provedena je korištenjem analize obogaćivanja GO i DAVID. Za ovu analizu 191 DEG za AUT – SCZ, 38 za AUT – BPD i 16 za SCZ – BPD udovoljilo je tim kriterijima. Analiza DAVID puta isticala je ulogu razvoja projekcije neurona ( P Bonferroni = 0, 012) u tim genima različito izraženih i u AUT i SCZ (tablica 3). Slično tome, kada je ove gene karakterizirao GO, bilo je očito obilje izmijenjene ekspresije gena u neuronskim i sa sinapsom povezanim GO-ima (slika 2). Nadalje, kad su se ovi DEG AUT – SCZ geni podijelili na one koji su ili u korekciji ili prema dolje regulirani u oba poremećaja, 106 gena različito reguliranih u oba poremećaja pokretalo je obogaćivanje GO, bez doprinosa od 69 gena koji su regulirani u oba poremećaja (dopunska Slika 5). Što se tiče usporedbe sa AUT-BPD, nije bilo otkrivanja obogaćivanja za bilo koju gensku ontologiju, a jedini nastali put DAVID bili su geni koji se odnose na fosfoproteine ​​( P Bonferroni = 1, 2 × 10−4; Tablica 3). Slično tome, nije pronađen niti jedan put GO ili DAVD koji bi bio značajan za DEG SCZ – BPD . U osnovi, slični rezultati primijećeni su kad je utvrđen broj gena iz svakog ulaza usporedbe unakrsnog poremećaja u analizu puta umjesto nametanja presjeka Z- skor (Dopunska tablica 5 i dodatne slike 6). Konačno, otkrili smo da se broj DEG-ova s ​​različitim poremećajima (ureguliran u jednom poremećaju, ali u drugom je reguliran) razlikuje u tri usporedbe, tako da postoji manje neskladnih DEG-ova s ​​unakrsnim poremećajima (16/191, 8, 4%) usporedba SCZ i AUT nego u usporedbi između AUT i BPD (76/191, 39, 8%) ili između SCZ i BPD (38/191, 19, 9%), što dodatno podržava transkriptomske sličnosti između AUT i SCZ.

Tablica pune veličine

Image

Genska ontologija (GO) analiza unakrsnog poremećaja DEG AUT – SCZ . Geni različito izraženi i kod autizma (AUT) i shizofrenije (SCZ; apsolutni (Z-skor)>> 2, 2)) analizirani su na ontološko obogaćivanje bioloških procesa, razvojnih procesa i stanične komponente. Onotološke kategorije s najmanje pet gena i prilagođenom P- vrijednosti <0, 001 označene su crvenom bojom. Ovo drvo ističe ulogu prijenosa živčanih impulsa, sinaptičkog prijenosa i transporta neurotransmitera u tim genima različito izraženih i u AUT i SCZ.

Slika pune veličine

Tradicionalna analiza staze zahtijeva značajnu granicu unosa gena za analizu. Da bismo izbjegli potencijalnu pristranost odabirom proizvoljnog presjeka, koristili smo pristup temeljen na Z-ocjeni (vidi Metode) i identificirali genetsko obogaćivanje DCEG-a koje su zajedničke za sve tri usporedbe poremećaja koristeći GO podatke iz MSigDB. Tri GO staza - od kojih je svaki pokazao neko obogaćivanje za izmijenjenu ekspresiju gena u transporter genima - obogaćena su za DEGs i u AUT i SCZ. Ni u jednoj drugoj usporedbi poremećaja nijedna staza nije bila značajno značajna (Dodatna tablica 6).

Obogaćivanje DEG unakrsnog poremećaja u signalima asocijacije

Da bismo ispitali jesu li geni različito eksprimirani preko poremećaja obogaćeni za genetske asocijacije, usporedili smo rezultate DGEA unakrsnog poremećaja s rezultatima GWAS na razini gena. Prvo smo izravno uspoređivali GWAS P- vrijednosti temeljene na genu ( P <0, 05) iz svakog pojedinog GWAS-a (AUT, SCZ i BPD) i P- vrijednosti iz DGEA unakrsnog poremećaja (AUT – SCZ, AUT – BPD i SCZ – BPD), Nije utvrđena usporedba koja bi sugerirala bilo kakvo obogaćivanje preklapanja signala u odnosu na nulu (dopunska slika 8). Tri dodatna granična ograničenja P- vrijednosti ( P <0, 1, P <0, 01 i P <1) pokazala su da ni ti nulti nalazi niti primijećena inflacija nisu funkcija genetskog graničnog odsječka P- vrijednosti nametnutog na podacima (Dodatne slike 9– 11, dopunska tablica 7). Isto tako, u ovim analizama nije bilo obogaćenja za DEG-ove unakrsnog poremećaja u odnosu na nulu. Konačno, nedavno je zabilježen gubitak varijanti funkcije u brojnim AUT studijama; 27, 28, 29, 30, 31, 32, međutim, Gupta i sur. pokazali su da ovi podaci ekspresije gena nisu obogaćeni za nalaze iz studija exome niti za SV. 12 Prema tome, ovi popisi varijanti nisu uključeni u ove analize.

Rasprava

Prema našem saznanju, ovo je prvo istraživanje koje je kombiniralo analizu genske ekspresije sljedeće generacije kroz AUT, SCZ i BDP kako bi procijenilo transkriptomski odnos i povezanost ekspresije gena s nalazima GWAS-a. Izvješćujemo da na razini transkripta AUT i SCZ pokazuju visoko preklapajući profil ekspresije gena. DEG-ovi unakrsnog poremećaja između AUT i SCZ ističu zajednički odnos u sinapsi i stvaranju projekcija, sugerirajući ulogu za razvoj neurona koja je u osnovi korelacije. Nadalje, unatoč nedostatku globalne značajne diferencijalne transkriptomske korelacije ili BPD i SCZ ili AUT i BPD, ističemo dva gena, IQSEC3 i COPS7A , radi njihove dosljedne smanjivanja regulacije kroz sva tri poremećaja i podržavamo daljnje istraživanje ekspresije tih specifičnih gena i funkcioniraju kako bi bolje razumjeli njihovu ulogu u neuropsihijatrijskim poremećajima. Konačno, izvijestili smo da geni različito izraženi kroz poremećaje nisu obogaćeni signalima genetske asocijacije za AUT, SCZ ili BPD.

Korelacije u diferencijalnoj ekspresiji gena u poremećajima ističu sličnosti između AUT i SCZ

Nakon modeliranja podataka za svaku pojedinu usporedbu poremećaja u odnosu na njihove kontrole, usporedba unakrsnog poremećaja pokazala je da SCZ i AUT dijele slično promijenjen transkript ( P <0, 001), dok su AUT – BPD i SCZ – BPD ( P = 0, 25 i P = 0, 41, odnosno) ne pokazuju značajnu povezanost (slika 1; dopunska slika 3). Napominjemo da je nedostatak značajne korelacije između BDP-SCZ-a u našoj analizi u sukobu s prethodnim izvješćem, 10 i vjerovatno je zbog našeg uključivanja SV-ova u evidenciju nepoznatih izvora varijacija, što sugerira da je prethodno prijavljena analiza tih podataka precijenjena je (vidjeti dopunsku raspravu). Nadalje, iako ovi podaci ne podržavaju izravno transkriptomsko preklapanje SCZ-a i BPD-a, ovo je vjerovatno odraz zajedničkog dizajna kontrole eksperimenta. Ovaj eksperimentalni dizajn rezultira manjom učinkovitom veličinom uzorka, a studija provedena za procjenu preklapanja između ova dva poremećaja. S obzirom na genetsku povezanost ovih poremećaja (gdje SCZ – BPD> AUT – SCZ> AUT – BPD), 1 budući rad na korištenju većeg uzorka za analizu može vjerojatno pokazati zajednički transkriptomski profil između SCZ i BPD; međutim, tih podataka nema.

Analizirajući putove u koje su uključeni DEG i u SCZ i AUT, otkrili smo da su geni različito izraženi u AUT i SCZ obogaćeni za razvoj projekcije neurona ( P = 0, 012, tablica 3). Pored toga, došlo je do jasnog obogaćivanja gena koji su uključeni u sinaptičke i neuronske procese. Druge dvije beznačajne usporedbe unakrsnog poremećaja (AUT – BPD i SCZ – BPD) nisu pokazale obogaćivanje za ontologiju biološkog procesa, čak i kad su kontrolirale broj DEG-ova unakrsnog poremećaja, što dodatno potvrđuje zaključak da je različita transkriptomska korelacija biološki relevantna između SCZ i AUT, ali nije primijećeno u druge dvije usporedbe unakrsnog poremećaja (dopunska slika 6). Kad su se DEG-ovi preko AUT i SCZ-a razgradili na one koji su skladno regulirani u odnosu na one koji su dosljedno regulirani, obogaćivanje GO bilo je prisutno samo u onim genima koji su u skladu s propisima (dopunska slika 5), ​​sugerirajući da su ove sinaptičke i neuronske promjene posljedica smanjenog mozga izraz u oba poremećaja.

Konačno, ocjenjujući koji su se specifični geni različito eksprimirali u poremećajima, identificirali smo IQSEC3 i COPS7A kao različito izražene u sva tri poremećaja (tablica 2). IQSEC3 ( KIAA1110) je protein koji kodira protein za koji se pokazalo da se posebno eksprimira u ljudskom mozgu odraslih osoba s posebno visokim razinama u ljudskom korteksu. 33 Predloženo je da IQSEC3 djeluje kao faktor izmjene guanina za ARF1 u endocitozi, 33 i ARF1 kritički reguliraju dinamiku aktina u neuronima i sinaptičku snagu i plastičnost, potencijalno se poklapajući sa putovima prethodno umiješanima u AUT, SCZ i BPD. COPS7A se ekspresno širi kroz tkiva 34 i kodira dio COP9 signalosoma, multi-podjedinstvenu proteazu s ulogom u regulaciji puta ubikvitin-proteasom. 35

Razlike u genetskoj varijaciji nisu objašnjene preklapanjem profila ekspresije gena

Nismo izvijestili o obogaćivanju značajnih DEG-ova cross-poremećaja među GWAS signalom ni u jednoj usporedbi (dopunska slika 8) u odnosu na nulu. Ovi nalazi sugeriraju ili da se (1) promjene na genetskoj razini uglavnom ne očituju u promijenjenoj ekspresiji gena prema ovim poremećajima ili (2) da primarne genetske oštećenja ne rezultiraju izmijenjenom genskom ekspresijom kroz poremećaje u mjerenim vremenskim točkama, ali bi mogle možda će izmijeniti gensku ekspresiju u drugim vremenskim točkama, kao što su tijekom razvoja ili (3) učinci tih genetskih perturbacija mali i da će biti potrebne povećane veličine uzorka da bi se otkrile ove male razlike u ekspresiji gena koji su promijenjeni u unakrsnom poremećaju. Bez obzira na to, čini se da su velike razlike u ekspresiji gena preko ovih poremećaja neovisne o poznatim genetskim varijacijama u svakom od tih poremećaja.

U naša su zapažanja postojala brojna ograničenja. Kako analize kombiniraju podatke kroz dvije studije s vidljivim dizajnerskim razlikama u svakoj (zajedničke kontrole u podacima SMRI, više regija mozga od istog pojedinca u podacima AUT, ograničena sposobnost otkrivanja slabo eksprimiranih gena i usporedba različitih kortikalnih regija mozga), sigurno je postojala varijacija koja nije povezana sa stanjem bolesti koja je uvedena u analize diferencijalne ekspresije gena. Međutim, mi smo to kontrolirali koliko smo mogli tako što smo izračunali nepoznate kovarijate u svim analizama i odredili sve razine značaja u odnosu na nulta permutacije. Iako smo u našoj analizi kontrolirali razlike u eksperimentalnom dizajnu, primijetili smo da je prijavljeno preklapanje u AUT i SCZ značajno ( P <0, 001), unatoč činjenici da su u dvije skupine podataka proučavane različite kortikalne regije mozga. Zbog ovog ograničenja pretpostavljamo da naša promatrana korelacija između AUT i SCZ može podcijeniti istinsku transkriptomsku povezanost i da su sličnosti možda još izraženije između AUT i SCZ ako su proučavane iste regije mozga. Slično tome, dubine sekvenciranja u ovim skupovima podataka niže su od mnogih RNA-Seq podataka koji se trenutno objavljuju. Dakle, iako nisko eksprimirani geni ovdje nisu dobro procijenjeni, njihovo izostavljanje iz analize dovelo bi samo do lažnih negativa - ili gena koji nedostaju iz preklapanja. To ne umanjuje tvrdnje u ovom tekstu, već samo priznaje da neki geni možda nisu uključeni u analizu. Suprotno tome, priznajemo da je naša moć otkrivanja povezanosti SCZ-a i BPD-a ograničena zbog manje efektivne veličine uzorka, posljedice zajedničkog kontrolnog dizajna eksperimenta, te da, s obzirom na veću veličinu uzorka, transkriptomska povezanost između ta dva poremećaja može vjerojatno postaju očigledni i odražavaju poznate genetske veze. 1

Budućim studijama koje će koristiti veće veličine uzorka i snažnije karakterizacije, steći ćemo bolje razumijevanje transkriptomskih odnosa koji su uobičajeni i različiti među neuropsihijatrijskim poremećajima. Osim što pružamo kontekst za to kako promijenjeni genetski krajolik svakog poremećaja utječe na mozak, nadamo se da bi identifikacija zajedničkih aspekata koji su podložni osjetljivosti mogli biti novi ciljevi za terapijsko rješavanje osnovnih patogenih mehanizama.

Dodatna informacija

Word dokumenti

  1. 1.

    Dodatni sadržaj

  2. 2.

    Dopunske metode

PDF datoteke

  1. 1.

    Dopunska slika 1

Excel datoteke

  1. 1.

    Dopunska tablica 1

    Dodatne informacije prate rad na web mjestu Translacijska psihijatrija (//www.nature.com/tp)