1. daļa: Ar cilvēka atmiņu saistītie kortikālo un subkortikālo reģionu atšķirīgie ģenētiskie paraksti
Mar 21, 2022
Kontaktpersona: Odrija Hu Whatsapp/hp: 0086 13880143964 E-pasts:audrey.hu@wecistanche.com
Pin Kvangs Tans, 1 Jegors Anaņjevs, 2 un Po-Jang Hsieh3
1 N.1 Veselības institūts, Singapūras Nacionālā universitāte, Singapūra, Singapūra 117456,
2 Nanjangas Tehnoloģiskās universitātes Psiholoģijas nodaļa, Singapūra, Singapūra 639798,
3 Taivānas Nacionālās universitātes Psiholoģijas nodaļa, Taipeja, Taivāna, 10617
Lūdzu, noklikšķiniet šeit, lai skatītu 2. daļu
Abstrakts
Neskatoties uz gēnu variantu atklāšanu, kas saistīti aratmiņaIzpratne par pieaugušo cilvēka atmiņas ģenētisko pamatu joprojām ir izaicinājums. Šeit mēs izstrādājām neuzraudzītu sistēmu, kas balstās uz telpiskām korelācijām starp cilvēka transkripta datiem un funkcionālām neiroattēlveidošanas kartēm, lai atklātu ģenētiskos parakstus.atmiņafunkcionāli definētā kortikālā un subkortikālāatmiņareģionos. Rezultāti tika apstiprināti ar dzīvnieku literatūru un parādīja, ka mūsu sistēma ir ļoti efektīva, lai identificētu ar atmiņu saistītus procesus un gēnus, salīdzinot ar kontroles kognitīvo funkciju. Gēni, kas galvenokārt izteikti kortikālās atmiņas reģionos, ir saistīti ar ar atmiņu saistītiem procesiem, piemēram, imūno un epiģenētisko regulējumu. Gēni, kas izteikti subkortikālās atmiņas reģionos, ir saistīti ar neiroģenēzi un glia šūnu diferenciāciju. Gēni, kas izteikti gan kortikālās, gan subkortikālās atmiņas zonās, ir iesaistīti transkripcijas, sinaptiskās plastiskuma un glutamāta receptoru signālu regulēšanā. Turklāt atšķirīgi ar atmiņu saistīti gēni, piemēram, PRKCD un CDK5, ir saistīti attiecīgi ar kortikālajiem un subkortikālajiem reģioniem. Tādējādi kortikālajiem un subkortikālajiem atmiņas reģioniem ir atšķirīgi ģenētiski paraksti, kas potenciāli atspoguļo funkcionālās veselības un slimību atšķirības, un izvirza gēnu kandidātus turpmākiem eksperimentāliem pētījumiem.
Atslēgvārdi: izziņa; garozas; ģenētiska; cilvēks; atmiņa; neiroattēlveidošana
Paziņojums par nozīmīgumu Cilvēka anatomiskie un funkcionālie aspektiatmiņair labi raksturoti, taču tā bioloģiskie mehānismi ir slikti izprotami. Šeit, lai atklātu ģenētiskos parakstus, kas saistīti ar cilvēkuatmiņafunkciju, mēs analizējām telpiskās korelācijas starp mikro mēroga gēnu ekspresiju un makro mēroga neiroattēlveidošanas kartēm, lai iegūtuatmiņa-saistīti bioloģiskie procesi un gēni bez uzraudzības. Mēs atklājām, ka kortikālās un subkortikālās atmiņas gēnu paraksti lielā mērā atšķiras un ir saistīti aratmiņa. Mēs identificējām mazāk raksturotusatmiņa-asociētie gēni arī. Turklāt mūsu sistēma parādīja efektivitāti un precizitāti, identificējot gēnu parakstus, kas saistīti aratmiņapret citu kā vadības funkciju. Kopumā mūsu darbs nodrošina uz cilvēku orientētu pieeju izziņas ģenētikas izpratnei un identificē iespējamos gēnu kandidātus turpmākajiem eksperimentālajiem pētījumiem.
Ievads
Atmiņafunkcija ir ļoti svarīga ikdienas dzīvē, sākot no prāta aritmētikas līdz ilgtermiņa plānošanai. Cilvēksatmiņafunkcija ir labi raksturota nervu korelāciju izteiksmē, kas saistītas ar uzvedību un garīgiem traucējumiem. Ieskats no fMRI un bojājumu pētījumiem radīja izpratni par kortikālo un subkortikāloatmiņareģioni kā funkcionāli atšķirīgi apgabali, kas ietverti plašā atmiņas funkcijas paspārnē (LaBar un Cabeza, 2006; Squire un Wixted, 2011). Tomēr, neskatoties uz to, ka atmiņas spējas ir ļoti pārmantojamas, ar atmiņas traucējumu ģenētiskiem riska faktoriem, cilvēka atmiņas pamatā esošais ģenētiskais paraksts joprojām ir slikti izprotams (Papassotiropoulos un de Quervain, 2011; Kandel et al., 2014; Freudenberg-Hua et al. , 2018). Mūsu zināšanas par cilvēka atmiņas gēniem lielā mērā ir balstītas uz starpindividuālām genomu variācijām [piemēram, genoma mēroga asociācijas pētījumiem (GWAS)] un atmiņas funkcijas īslaicīgu laika dinamiku (Berto et al., 2017). Tomēr rodas interese par gēnu ekspresijas telpiskās dimensijas izmantošanu, lai identificētu funkcionālo tīklu ģenētiskos profilus, integrējot cilvēka smadzeņu transkriptus un neiroattēlveidošanas kartes (Yarkoni et al., 2011; Hawrylycz et al., 2012; Ritchie et al., 2018). Šādas pieejas, kuru pamatā ir telpiskās izteiksmes modeļi, var palīdzēt atbildēt uz galveno jautājumu: vai pieauguša cilvēka smadzenēs ir gēni, kas saistīti ar vispārējiem atmiņas reģioniem? Tas var sniegt bezprecedenta ieskatu bioloģiskajos procesos un gēnos, kas saistīti ar cilvēka atmiņu, un piedāvāt potenciālos kandidātus turpmākai eksperimentālai izmeklēšanai.
Lai identificētu šādus pieauguša cilvēka gēnus, kas saistīti ar vispārējoatmiņa, mēs paļaujamies uz telpiskās korelācijas metodi (Fox et al., 2014). Metode identificē ar izziņu saistītus gēnus, kuriem ir augsta telpiskā korelācija starp gēnu ekspresiju un neiroattēlveidošanas karti, kas atspoguļo katras jomas nozīmiatmiņa(1.A,B att.). Šī pieeja paredz, ka gēni ir iesaistītiatmiņajābūt izteikti izteiktiem smadzeņu zonās, kas ir ļoti svarīgas atmiņai. Piemēram, šī saistība tika novērota ar atlīdzību saistītā gēna DRD2 gadījumā atalgojuma apstrādes zonās (Mengod et al., 1992; Pappata et al., 2002; Schott et al., 2008). Ģenētiskajai ekspresijai un funkcionālajām kartēm mēs izmantojām Allena cilvēka smadzeņu atlanta (AHBA) transkriptu un Neurosynth "atmiņas" neiroattēlveidošanas karti.
Pēc tam mēs identificējāmiesatmiņasaistīti ģenētiskie profili bez uzraudzības, izmantojot gēnu kopas bagātināšanas analīzi (GSEA; 1. C att.). Telpiskās korelācijas analīzes korelācijas dēļ mēs izmantojām bioloģisko zināšanu datu bāzes (ti, bagātināšanas analīzes ar Gēnu ontoloģijas bibliotēku), lai palīdzētu identificēt bioloģiskos procesus un ar atmiņu saistītos gēnus. Lai identificētu garozai specifiskus un subkorteksam raksturīgus ar atmiņu saistītus gēnus, mēs salīdzinājām atšķirības starp to attiecīgajiem gēnu
Šo darbu atbalstīja Duke-NUS Medicīnas skola un Yushan Young Scholar programma NTU{1}}V0202.
Pateicības: Mēs pateicamies Niloferam Huseinam un Vu Džinlu par atsauksmēm par šī manuskripta agrīnajām versijām. Datus sniedza Allena smadzeņu zinātnes institūts un Neurosynth repozitorijs.
Sarakste jāadresē Pin Kwang Tan profilos (1.D att.). Tā kā ir gēni, kas ir iesaistīti kopumāatmiņagarozas un subkortikālajos reģionos (Gallo et al., 2018), mēs arī raksturojām kortikālo-subkortikālo ģenētisko profilu pārklāšanos (1. D attēls). Turklāt, lai identificētu kandidātgēnus, mēs identificējām populārākos-10 gēnus, kas, visticamāk, ir saistīti aratmiņaar vadošo analīzi (LEA; 1. E att.). Pēc tam mēs apstiprinājām savus rezultātus, pārbaudot, vai ģenētiskie profili apstiprina eksperimentālo literatūru. Visbeidzot, mēs novērtējām, vai mūsu pieeja bija efektīva un precīza (1. F, G att.).
Viņu kopējās un kritiskās iesaistīšanās dēļ kopumāatmiņa, mēs analizējām iesaistītās gan kortikālās, gan subkortikālās zonasatmiņa. Jāatzīmē, ka iepriekšējie funkcionālo tīklu pētījumi galvenokārt bija vērsti uz kortikālo vai subkortikālo analīzi atšķirīgu ekspresijas profilu dēļ. Tas var būt saistīts ar izteiktām atšķirībām neironu sastāvā, slāņu skaitā un savienojamībā (O'Leary un Koester, 1993; Yushkevich et al., 2009; Modha un Singh, 2010; Kim et al., 2015). Ģenētiskā līmenī šīs atšķirības atspoguļo gan atšķirīgi gēnu ekspresijas intensitātes, gan mainīguma modeļi (Hawrylycz et al., 2012; Richiardi et al., 2015; Fox et al., 2014). Tādējādi mēs analizējām to telpiskās korelācijas atsevišķi, jo, apvienojot abas telpiskās korelācijas analīzē, tiktu uztvertas bruto kortiko-subkortikālās atšķirības izteiksmes intensitātē, nevis nozīmīgas starpreģionu atšķirības ģenētiskajā izteiksmē.
Neskatoties uz kopīgu iesaistīšanos kopumāatmiņa, mēs atklājām lielā mērā atšķirīgus ar atmiņu saistītus bioloģiskos procesus un gēnus garozas un subkortikālajos reģionos. Kortikālie procesi ietvēra imūno un epiģenētisko regulējumu; subkortikālie procesi ietvēra neiroģenēzi un glia šūnu diferenciāciju. Gēni, kas ir kopīgi garozas-subkortikālajos reģionos, bija iesaistīti transkripcijas, sinaptiskās plastiskuma un glutamāta receptoru signālu regulēšanā. Mēs parādām, ka mūsu pieeja atmiņas analīzē identificēja lielāku atmiņas gēnu skaitu, nekā nejauši gaidīts, un vairāk atmiņas gēnu nekā motora funkciju gēni. Šie rezultāti sniedz labāku izpratni par ģenētiku, kas saistīta ar cilvēka atmiņu, un izvirza kandidātu gēnus turpmākiem eksperimentāliem pētījumiem.
Materiāli un metodes
AHBA transkripts
AHBA transkripts tika ģenerēts no normalizētas mRNS mikromasīva paraugu ņemšanas no kombinētām 3702 paraugu ņemšanas vietām sešās donoru smadzenēs (Hawrylycz et al., 2012; N 6 kreisās puslodes, N 2 labās puslodes; 1.A att.; skatīt paplašināto datu att. {{5) }} gēna vizualizācijas piemēram). Donori bija trīs baltie vīrieši, divi afroamerikāņu vīrieši un viena spāņu sieviete. Donora vecums bija no 24 līdz 57 gadiem, vidējais donora vecums bija 42,5 gadi (SD 11,2 gadi). Dati no visiem sešiem donoriem tika horizontāli apvienoti .csv failā ar vienu zondi katrā rindā. Plašāku informāciju par datu kopu un datu vākšanas procedūrām skatiet vietnē http://help.brain-map.org/display/human brain/Documentation.
1. attēls. Ģenētiskā paraksta atklāšanas sistēmas pārskats. A, AHBA un Neurosynth neiroattēlveidošanas kartes un to pirmapstrāde un integrācija kopējā neiroattēlveidošanas veidņu telpā. B, telpiskās līdzības aprēķins starp kartēm
atsevišķi garozas un subkortikālajiem reģioniem, un paratmiņaun motoriskās funkcijas, iegūstot ranžētu gēnu sarakstu L katrai analīzei (satur gēnus un vidējo r vērtību). C, katras L funkcionālais raksturojums ar bioloģiski nozīmīgiem gēnu komplektiem ar GSEA iepriekš sarindotu analīzi (punktētas līnijas, kas savieno L un gēnu kopas, apzīmē gēnu grupēšanu bagātinātās gēnu kopās), iegūstot pozitīvu un negatīvu punktu skaitu S un S. D, garozas un subkortikālās atšķirības un pārklāšanās novērtēšanaatmiņagēni. E, ar kognitīvo funkciju un smadzeņu reģionu saistīto kandidātu gēnu identificēšana, kas tiek izmantota kā gēnu apakškopa, kas nosaka ievērojami bagātināto gēnu komplektu bagātināšanas punktu skaitu, kas atrasts, izmantojot GSEA iepriekš klasificētu analīzi. Tas radīja divus kandidātu gēnu sarakstus, CL un CL, kas satur attiecīgi ļoti pozitīvi un negatīvi korelētus gēnus no S un S. F, katras CL literatūras pārskats, kas nosaka ar mērķa vai kontroles kognitīvo funkciju saistītos gēnus. G, ietvara derīguma un precizitātes novērtēšana ar katru no astoņiem CL. Skatiet Extended DataFigure 1-1lai vizualizētu GRB14 gēna ekspresiju AHBA, Extended DataFigure 1-2lai vizualizētu Neurosynth kartes un Extended DataFigure 1-3par kortikālajiem un subkortikālajiem reģioniem, ko izmanto telpiskās korelācijas analīze.
Neirosintes atmiņas asociācijas karte
Neirosintu 'atmiņas' un 'motoru' asociācijas kartes [Mon-treal Neurologic Institute 152 (MNI152) telpa, sliekšņa FDR 0.01] tika izmantotas kā neiroattēlveidošanas datiatmiņaun motora funkcijas (1.A att.; skatiet paplašināto datu att. 1-2 Neurosynth vizualizācijuatmiņaun motoru kartes). Šīs kognitīvās funkcijas tika izvēlētas, jo tās lielākoties bija funkcionāli un anatomiski atšķirīgas un tika izveidotas no līdzīga skaita pētījumu (atmiņa 2744, Nmotors 2565). Neurosynth kvantitatīvi nosaka katra vokseļa atbilstību lietotāja norādītajiem meklēšanas vienumiem (piemēram, atmiņa), pamatojoties uz neiroattēlveidošanas pētījumu datubāzi. Atmiņas kartes piemērā katram vokselim ir piešķirts az rezultāts, kas atspoguļo šī vokseļa preferenciālo saistību ar atmiņu, nevis citām funkcijām. Piemēram, lielais pozitīvais z rādītājs hipokampā nozīmē, ka pētījumi, kuru kopsavilkumi ietver vārdu atmiņa, visticamāk ziņos par hipokampu iesaistīšanos nekā pētījumi, kuros šis vārds nav iekļauts.atmiņa(Yarkoni et al., 2011). Negatīvie z rādītāji norāda uz augstāku korelāciju ar citiem meklēšanas vienumiem, kas nav saistīti ar atmiņu, un tāpēc tie tika izslēgti no mūsu analīzēm. Plašām kognitīvo funkciju jomām atsevišķi termini ļauj ģenerēt kartes, kas pietiekami labi tuvina mērķa kognitīvo procesu (Yarkoni et al., 2011). Tāpēc, lai iegūtu atmiņas un motoru asociācijas kartes, kā meklēšanas vienumus izmantojām atmiņu un motoru. Ņemiet vērā, ka atmiņas piemērā šīs pieejas rezultātā tika iekļauts plašs apakšfunkciju klāsts, piemēram, darba atmiņa un ilgtermiņa atmiņa. Tas ļāva plašāk un iekļaujošāk definēt atmiņu un motorisko funkciju, lai vēlāk identificētu to ģenētiskos parakstus. Veidojot šādas kartes, iespējams, ka Neurosynth automātiskā koordinātu ieguves procesa identificētie perēkļi var būt neprecīzi dažādu tiešsaistes neiroattēlu žurnālu un vietņu datu formātu dēļ. Tomēr, salīdzinot ar virsmas pārvaldības sistēmu datu bāzē (SumsDB) manuāli atlasīto aktivizācijas centru zelta standartu, automātiski iegūtās koordinātas uzrāda augstu jutību (84 procenti) un specifiskumu (97 procenti; Yarkoni et al., 2011). Tādējādi izmantotās atmiņas un motoru neiroattēlveidošanas kartes ir saprātīgi to reģionu tuvinājumi, kas iesaistīti vispārējā atmiņā un motoriskajā funkcijā.
Transkripta pirmapstrāde
modificēts Brodmaņa atlants, ko izmantoja AHBA, un hipokamps tika pārzīmēts kā subkortikāls, nevis garozas reģions saskaņā ar cilvēka neiroattēlveidošanas konvencijām (Hawrylycz et al., 2012; Ji et al., 2019; garozas un subkortikālo zonu saraksts Paplašinātie dati 1-3 att.). Iepriekšējā apstrādē zondes vispirms tika atkārtoti anotētas ar Reannotator pakotni. Mēs izslēdzām zondes, kurām 50 procenti paraugu pārsniedza fona izteiksmes līmeni. Katram gēnam mēs izvēlējāmies zondi ar augstāko diferenciālās stabilitātes rādītāju, ti, ar vismazāko telpisko mainīgumu starp donoriem. AHBA dati tika normalizēti (z rādītājs) katram donoram. Kortikālie un subkortikālie reģioni tika normalizēti atsevišķi. Tas tika darīts, lai ņemtu vērā individuālās un kortiko-subkortikālās atšķirības gēnu ekspresijā (Hawrylycz et al., 2011). Tādējādi tika iegūta 15 625 gēnu pēc-1285 smadzeņu parauga matrica kreisajai garozā un 15,625-by-497 matrica kreisajai apakšgarozai. Tādējādi katram donoram tika iegūti vidēji 214 kreisās garozas paraugi (diapazons: 175–259) un 83 kreisās puses subkortikālie paraugi (diapazons: 59–115). Nākamajā solī tālāk tas tika ierobežots līdz interesējošajiem smadzeņu reģioniem kopreģistrācijā. Izmantojot citu smadzeņu atlantu no AHBA, iespējams, ka mūsu atkārtotā anotācija par reģioniem kā garozas vai subkortikālas zonas var būt neprecīza un var ietekmēt kortikālo un subkortikālo analīzi. Tomēr, tā kā mēs saglabājām AHBA ontoloģiskās etiķetes un vienkārši atkārtoti atzīmējām hipokampu kā subkorteksu, šis solis ir saprātīgs.
AHBA un Neurosynth atmiņas kartes kopreģistrācija
Lai varētu salīdzināt telpisko līdzību starp neiroattēlveidošanu un dažādas izšķirtspējas AHBA kartēm, abas kartes tika reģistrētas kopējā 3D stereotaktiskā smadzeņu telpā (Fox et al., 2014). Tas tika darīts, izmantojot AHBA nodrošinātās MNI koordinātas, lai attēlotu transkripta paraugu ņemšanas punktus MNI152 veidnes telpā. Šo vietu izmantoja arī Neurosynth karte. Neurosynth karte tika izmantota kā maska AHBA kartei, tāpēc korelācijas analīzē tika iekļauti tikai pārklājošie apgabali (Fox et al., 2014). Tā kā paraugā ņemtās puslodes bija ierobežotas (sešas kreisās un divas labās puslodes), mēs izmantojām tikai kreisās puslodes, kas sadalītas garozas un subkortikālajos reģionos. Turpmākajos posmos kortikālās un subkortikālās analīzes tika turētas atsevišķi. Tas ne tikai sniedza ieskatu atsevišķos kortikālajos un subkortikālajos ģenētiskajos mehānismos, bet arī izvairījās no neskaidrībām, ko rada to atšķirīgie transkripcijas profili (Richiardi et al., 2015). Pēc tam mēs saskaņojām abu karšu izlīdzināšanu, izlīdzinot AHBA ar 6 mm rādiusa sfēru. Šī posma beigās vidēji palika 93atmiņa(diapazons: 72–107)
un 65 motorās garozas (diapazons: 55–76) datu punkti un vidēji 40atmiņa(diapazons: 25–71) un 43 motoru subkortikālie (diapazons: 24–69) datu punkti uz vienu indivīdu. Iespējams, ka AHBA un Neurosynth karšu kopreģistrāciju var ietekmēt kļūdas, kas radušās AHBA pārveidojot MRI uz MNI koordinātu. Tomēr Allena institūts pārveidoja MRI uz MNI koordinātām
izmantojot standarta metodes galvaskausa un ekskrēcijas smadzenēm (četras donoru smadzenes tika attēlotas ex cranio), un mēs nodrošinājām saprātīgu kopreģistrāciju, vizuāli pārbaudot iegūtās kartes.
AHBA un Neurosynth datu telpiskās korelācijas analīze
Lai iegūtu telpiskās korelācijas vērtības katram gēnam, mēs paļāvāmies uz rīku, kas korelē telpiskās AHBA un neiroattēlveidošanas kartes (Yarkoni et al., 2011; Fox et al., 2014). Katrs korelācijā izmantotais datu punkts ir punkts telpā ar normalizētu gēnu ekspresijas intensitātes vērtību un neiroattēlveidošanas kartes z punktu skaitu. Gēnam, kas saistīts aratmiņa, mēs sagaidām augstu telpisko līdzību gan starp AHBA, gan Neurosynth kartēm, ti, augstas gēnu ekspresijas modeli apgabalos, kas ir ļoti svarīgi atmiņai, un otrādi. Tas atspoguļotos šī gēna augstā vidējā korelācijas vērtībā. Telpisko analīzi izmantojām atsevišķi garozas un subkortikālajiem reģioniem (1. B att.). Tika izmantota aptuvena nejaušu efektu analīze, lai ņemtu vērā individuālo gēnu ekspresijas mainīgumu un novērstu reto kortikālo paraugu ņemšanu AHBA kartēs. Donora regresijas slīpums un pārtveršana tika modelēti individuāli. Pēc tam mēs iegūstam katra gēna vidējo korelācijas vērtību (vidēji sešiem donoriem), kas bija interesējošā statistika. No šī soļa mēs ieguvām četrus L sarakstus ar 15 625 gēniematmiņaun motora funkcija, kā arī attiecīgie kortikālie un subkortikālie reģioni.
Kortikālās un subkortikālās atmiņas bioloģisko procesu identificēšana
Mēs izmantojām gēnu kopas analīzes rīku (GSEA iepriekš klasificēts, GenePattern modulis, 6. versija.0.5), lai identificētu ar kopīgām bioloģiskām funkcijām saistītās gēnu kopas (1. C attēls). Četri L gēnu saraksti tika sarindoti pēc vidējās korelācijas vērtības (šajā gadījumā izmantotā ranžēšanas statistika) un nodoti GSEA iepriekš ranžētai. Mēs analizējām katru sarakstu L, izmantojot GSEA, kas iepriekš ranžēts ar noklusējuma parametriem, tostarp svērto punktu skaitu, izmantojot Gene Ontology Biological Process bibliotēku (c5.bp.v6.0.symbols.gmt). GSEA iepriekš sarindotā katra saraksta L augšdaļā un apakšā atsevišķi tiek aplūkoti gēni, kas pārklājas ar katru datubāzē iekļauto gēnu (Mootha et al., 2003; Subramanian et al., 2005). Šī pārklāšanās vai gēnu kopas bagātināšana tika novērtēta ar svērto punktu skaitu, pamatojoties uz vidējo korelāciju (r-vērtību). Tas atgriež normalizētu bagātināšanas rezultātu, nozīmīgu p-vērtību un FDR q vērtību (visās pārbaudītajās gēnu kopās).
katram bagātinātajam gēnu komplektam. No augšējiem pozitīvi un negatīvi korelētajiem gēniem katrā sarakstā L mēs ieguvām attiecīgi atsevišķas pozitīvi un negatīvi bagātinātu gēnu kopu S un S kopas. Turpmākajām analīzēm mēs izmantojām tikai visas gēnu kopas ar FDR q {{0}}.05. Ņemiet vērā, ka motorās garozas (–) analīzē (negatīvi korelētie gēni no motorās garozas analīzes) nebija neviena gēnu kopa, kas izdzīvoja FDR 0, 05, un tāpēc tā netika izmantota turpmākajās analīzēs, ti, bioloģiskajos procesos vai kandidātgēnos kā izvade. Tādējādi tas nozīmēja astoņus S un septiņus S izmantojamus komplektus turpmākajām darbībām. Šai analīzei un turpmākajām darbībām tiek saukti gēni, kas atrodami 1 ievērojami bagātinātā gēnu komplektāatmiņagēni, atšķirībā no tālāk norādītajiem populārākajiem{0}} atmiņas gēniem.
Ievērojami bagātinātu gēnu kopu vizualizācija
Lai identificētu vispārējās bioloģiskās tēmas gēnu kopās. mēs sagrupējām gēnu kopas tīklos pēc tiem kopīgi izmantotajiem gēniem (1. att. C). Katram S un S komplektu pārim mēs ievadījām to gēnu kopas Cytoscape tīkla vizualizācijas programmatūrā un iekļāvām gēnu kopas ar FDR q 0.05. Pēc tam mēs izmantojām lietotni Enrichment Map, lai izveidotu gēnu kopas tīklus un anotētu tos ar Wordcloud paplašinājumu turpmākai interpretācijai (Cline et al., 2007; Merico et al., 2010; Oesper et al., 2011). ). Tas tika darīts, izmantojot noklusējuma iestatījumus, izņemot pielāgoto FDR q vērtības slieksni 0,05 (ti, FDR 0,05). Šajā solī tika atgrieztas četras anotētas bagātināšanas kartes katras kognitīvās funkcijas sarakstam L un katrai kortikālajai un subkortikālajai zonai.
Pārklāšanās gēnu funkcionālā anotācija
Funkcionālai klasterēšanai izmantojām ToppGene komplektu (ar Gene Ontology Biological Process bibliotēku).atmiņagēni (noteikti GSEA analīzē), kas ir (1) specifiski garozai, (2) specifiski subkorteksam, (3) un ir kopīgi abiem (1. D attēls; Chen et al., 2009). No izvades mēs noteicām bioloģiskā procesa gēnu kopas, kas apmierināja FDR 0,05. Tas atgrieza trīs gēnu kopu sarakstus, pa vienam katram gēnu veidam iepriekš.
Ar kortikālo un subkortikālo atmiņu saistīto kandidātu gēnu identificēšana
Lai identificētu populārākos {{0}} gēnus, kas, visticamāk, ir saistīti ar kognitīvo funkciju, mēs identificējām gēnus, kas bieži parādās gēnu kopās ar LEA (1. E attēls; Mootha et al., 2003; Subramanian et al. al., 2005). Katras kognitīvās funkcijas analīzei kortikālajos un subkortikālajos reģionos mēs ievadām attiecīgās gēnu kopas ar FDR q 0,05 (javaGSEA darbvirsmas lietojumprogramma). Pēc tam LEA identificēja gēnus, kas bieži parādījās vadošajos apakškopas gēnos S vai S gēnu kopās (Subramanian et al., 2005; Fleming and Miller, 2016). Mēs sarindojām gēnus pēc to bagātināto gēnu kopu skaita; ja gēnu kopu skaits ir vienāds, mēs tās sarindojam pēc vidējās telpiskās korelācijas vērtības. Galvenie-10 gēni, kas visbiežāk parādās pozitīvi un negatīvi bagātinātajās gēnu kopās, tika apzīmēti kā kandidātgēnu saraksts CL. Rezultāti bija septiņu kandidātu gēnu izziņas asociāciju saraksti CL ar 10 gēniem katram S un S.