Phần 1: Các dấu hiệu di truyền khác biệt của các vùng vỏ não và vùng dưới vỏ liên quan đến trí nhớ con người

Liên hệ: Audrey Hu Whatsapp / hp: 0086 13880143964 Email:audrey.hu@wecistanche.com

Pin Kwang Tan, 1 Egor Ananyev, 2 và Po-Jang Hsieh3

1 Viện Y tế N.1, Đại học Quốc gia Singapore, Singapore, Singapore 117456,

2 Khoa Tâm lý, Đại học Công nghệ Nanyang, Singapore, Singapore 639798,

3 Khoa Tâm lý, Đại học Quốc gia Đài Loan, Thành phố Đài Bắc, Đài Loan 10617

Xin vui lòng nhấp vào đây để Phần 2

trừu tượng

Mặc dù đã phát hiện ra các biến thể gen liên quan đếnkỉ niệmhiệu suất, hiểu cơ sở di truyền của trí nhớ người trưởng thành vẫn còn là một thách thức. Ở đây, chúng tôi đã phát minh ra một khuôn khổ không được giám sát dựa trên mối tương quan không gian giữa dữ liệu phiên mã của con người và bản đồ hình ảnh thần kinh chức năng để khám phá các dấu hiệu di truyền củakỉ niệmtrong vỏ não và vỏ não dưới được xác định về mặt chức năngkỉ niệmvùng. Kết quả đã được xác nhận với tài liệu về động vật và cho thấy rằng khung của chúng tôi có hiệu quả cao trong việc xác định các quá trình và gen liên quan đến trí nhớ so với chức năng nhận thức kiểm soát. Các gen được biểu hiện ưu tiên trong các vùng trí nhớ vỏ não có liên quan đến các quá trình liên quan đến trí nhớ như điều hòa miễn dịch và biểu sinh. Các gen biểu hiện trong các vùng bộ nhớ dưới vỏ có liên quan đến sự hình thành thần kinh và biệt hóa tế bào thần kinh đệm. Các gen được biểu hiện ở cả khu vực bộ nhớ vỏ não và dưới vỏ đều liên quan đến việc điều chỉnh quá trình phiên mã, tính dẻo của khớp thần kinh và tín hiệu của thụ thể glutamate. Hơn nữa, các gen liên quan đến bộ nhớ riêng biệt như PRKCD và CDK5 được liên kết với các vùng vỏ não và vùng dưới vỏ, tương ứng. Do đó, các vùng bộ nhớ vỏ não và dưới vỏ thể hiện các dấu hiệu di truyền riêng biệt có khả năng phản ánh sự khác biệt chức năng về sức khỏe và bệnh tật, đồng thời đề cử các ứng cử viên gen cho các cuộc điều tra thử nghiệm trong tương lai.

Từ khóa: nhận thức; vỏ não; di truyền; Nhân loại; kỉ niệm; hình ảnh thần kinh

Cistanche có thể cải thiện trí nhớ

Tuyên bố ý nghĩa Các khía cạnh giải phẫu và chức năng của con ngườikỉ niệmđược đặc trưng tốt, nhưng cơ chế sinh học của nó vẫn chưa được hiểu rõ. Ở đây, để khám phá các dấu hiệu di truyền liên quan đến con ngườikỉ niệmchức năng, chúng tôi đã phân tích mối tương quan về không gian giữa biểu hiện gen ở quy mô vi mô và bản đồ hình ảnh thần kinh quy mô vĩ mô để thu đượckỉ niệm-các quá trình sinh học liên quan và gen theo cách không được giám sát. Chúng tôi nhận thấy các dấu hiệu gen của bộ nhớ vỏ não và vỏ não phần lớn là khác biệt và có liên quan đếnkỉ niệm. Chúng tôi xác định ít đặc điểm hơnkỉ niệm- gen liên kết nữa. Hơn nữa, khuôn khổ của chúng tôi đã chứng minh hiệu quả và độ chính xác trong việc xác định các dấu hiệu gen liên quan đếnkỉ niệmso với một chức năng khác như một điều khiển. Nhìn chung, công việc của chúng tôi cung cấp cách tiếp cận lấy con người làm trung tâm để hiểu di truyền của nhận thức và xác định các ứng cử viên gen tiềm năng cho các cuộc điều tra thử nghiệm trong tương lai.

Giới thiệu

Kỉ niệmchức năng rất quan trọng đối với cuộc sống hàng ngày, từ tính nhẩm đến lập kế hoạch dài hạn. Nhân loạikỉ niệmchức năng được đặc trưng rõ ràng về các mối tương quan thần kinh liên quan đến hành vi và rối loạn tâm thần. Những hiểu biết sâu sắc từ fMRI và các nghiên cứu về tổn thương đã dẫn đến sự hiểu biết về vỏ não và dưới vỏkỉ niệmcác khu vực là các khu vực riêng biệt về chức năng, được gộp chung dưới phạm vi chức năng bộ nhớ rộng (LaBar và Cabeza, 2006; Squire và Wixted, 2011). Tuy nhiên, mặc dù thực tế là khả năng ghi nhớ có tính di truyền cao, với các yếu tố nguy cơ di truyền gây rối loạn trí nhớ, dấu hiệu di truyền cơ bản trong trí nhớ của con người vẫn chưa được hiểu rõ (Papassotiropoulos và de Quervain, 2011; Kandel et al., 2014; Freudenberg-Hua et al. , 2018). Kiến thức của chúng tôi về gen trí nhớ của con người chủ yếu dựa trên sự biến đổi giữa các cá nhân trong bộ gen [ví dụ: nghiên cứu liên kết toàn bộ bộ gen (GWAS)] và động lực thời gian ngắn hạn của chức năng bộ nhớ (Berto và cộng sự, 2017). Tuy nhiên, đang nổi lên mối quan tâm trong việc sử dụng chiều không gian của biểu hiện gen để xác định cấu hình di truyền của các mạng chức năng, bằng cách tích hợp các phiên mã não người và bản đồ hình ảnh thần kinh (Yarkoni và cộng sự, 2011; Hawrylycz và cộng sự, 2012; Ritchie và cộng sự, 2018). Những cách tiếp cận như vậy dựa trên các mẫu biểu hiện không gian có thể giúp trả lời một câu hỏi quan trọng: Có các gen liên quan đến các vùng trí nhớ chung trong não người trưởng thành không? Điều này có thể cung cấp cái nhìn sâu sắc chưa từng có về các quá trình sinh học và gen liên quan đến trí nhớ của con người, đồng thời đề xuất các ứng cử viên tiềm năng để điều tra thử nghiệm thêm.

Để xác định những gen người trưởng thành có liên quan đếnkỉ niệm, chúng tôi dựa trên phương pháp tương quan không gian (Fox và cộng sự, 2014). Phương pháp xác định các gen liên quan đến nhận thức có mối tương quan cao về mặt không gian giữa biểu hiện gen của nó và bản đồ hình ảnh thần kinh thể hiện mức độ liên quan của từng lĩnh vực đối vớikỉ niệm(Hình. 1A, B). Cách tiếp cận này giả định rằng các gen liên quan đếnkỉ niệmnên được thể hiện nhiều ở các vùng não liên quan nhiều đến trí nhớ. Ví dụ, mối quan hệ này được quan sát thấy trong trường hợp gen DRD2 liên quan đến phần thưởng ở các khu vực tiền thưởng (Mengod et al., 1992; Pappata et al., 2002; Schott et al., 2008). Đối với biểu hiện di truyền và bản đồ chức năng, chúng tôi đã sử dụng bộ phiên mã Allen Human Brain Atlas (AHBA) và bản đồ hình ảnh thần kinh "bộ nhớ" Neurosynth.

Sau đó chúng tôi xác địnhkỉ niệm- cấu hình di truyền liên quan theo cách không được giám sát với phân tích làm giàu bộ gen (GSEA; Hình 1C). Do tính chất tương quan của phân tích tương quan không gian, chúng tôi đã dựa trên cơ sở dữ liệu kiến ​​thức sinh học (tức là, phân tích phong phú với thư viện Gene Ontology) để hướng dẫn xác định các quá trình sinh học và gen liên quan đến trí nhớ. Để xác định các gen liên quan đến bộ nhớ đặc hiệu vỏ não và đặc hiệu dưới vỏ não, chúng tôi đã so sánh sự khác biệt giữa gen tương ứng của chúng

Công việc này được hỗ trợ bởi Trường Y khoa Sau đại học Duke-NUS và Chương trình Học giả Trẻ Yushan NTU -108 V0202.

Sự nhìn nhận: Chúng tôi cảm ơn Nilofer Husain và Wu Jinlu đã phản hồi về các phiên bản đầu tiên của bản thảo này. Dữ liệu được cung cấp bởi Viện Khoa học Não Allen và kho lưu trữ Neurosynth.

Thư từ sẽ được gửi tới Pin Kwang Tan tại các hồ sơ (Hình 1D). Vì có những gen nói chung liên quan đếnkỉ niệmqua các vùng vỏ não và vùng dưới vỏ (Gallo và cộng sự, 2018), chúng tôi cũng đặc trưng cho sự trùng lặp giữa các cấu hình di truyền vỏ não-dưới vỏ (Hình 1D). Hơn nữa, để xác định các gen ứng cử viên, chúng tôi đã xác định -10 gen hàng đầu có nhiều khả năng được liên kết vớikỉ niệmvới phân tích tiên tiến (LEA; Hình 1E). Sau đó, chúng tôi xác nhận kết quả của mình bằng cách xác minh rằng cấu hình gen chứng thực bằng tài liệu thực nghiệm. Cuối cùng, chúng tôi đánh giá liệu cách tiếp cận của chúng tôi có hiệu quả và chính xác hay không (Hình 1F, G).

Vì sự tham gia chung và quan trọng của họ nói chungkỉ niệm, chúng tôi đã phân tích cả vùng vỏ não và vùng dưới vỏ não liên quan đếnkỉ niệm. Cần lưu ý, các nghiên cứu trước đây về mạng lưới chức năng chủ yếu tập trung vào các phân tích vỏ não hoặc dưới vỏ não do các cấu hình biểu hiện khác nhau. Điều này có thể là do sự khác biệt rõ rệt về thành phần tế bào thần kinh, số lượng lớp và kết nối (O'Leary và Koester, 1993; Yushkevich và cộng sự, 2009; Modha và Singh, 2010; Kim và cộng sự, 2015). Ở cấp độ di truyền, những khác biệt này được phản ánh bởi các mô hình riêng biệt của cả cường độ biểu hiện gen và tính biến đổi (Hawrylycz và cộng sự, 2012; Richiardi và cộng sự, 2015; Fox và cộng sự, 2014). Do đó, chúng tôi đã phân tích các mối tương quan không gian của chúng một cách riêng biệt, vì kết hợp cả hai trong phân tích tương quan không gian sẽ thu được sự khác biệt tổng thể cortico-subcortical về cường độ biểu hiện thay vì sự khác biệt giữa các vùng có ý nghĩa trong biểu hiện di truyền.

Mặc dù có sự tham gia chung nói chungkỉ niệm, chúng tôi đã tìm thấy phần lớn các quá trình sinh học liên quan đến trí nhớ và các gen khác biệt trên các vùng vỏ não và vùng dưới vỏ. Các quá trình của vỏ não bao gồm điều hòa miễn dịch và biểu sinh; các quá trình dưới vỏ bao gồm hình thành thần kinh và biệt hóa tế bào thần kinh đệm. Các gen được chia sẻ trên các vùng vỏ não-dưới vỏ có liên quan đến việc điều chỉnh quá trình phiên mã, tính dẻo của khớp thần kinh và tín hiệu của thụ thể glutamate. Chúng tôi cho thấy rằng phương pháp của chúng tôi đã xác định được số lượng gen bộ nhớ trong phân tích trí nhớ nhiều hơn so với dự kiến ​​một cách tình cờ và nhiều gen bộ nhớ hơn là các gen chức năng vận động. Những kết quả này cung cấp sự hiểu biết tốt hơn về di truyền liên quan đến trí nhớ của con người và đề cử các gen ứng cử viên cho các cuộc điều tra thử nghiệm trong tương lai.

Nguyên liệu và phương pháp

Bảng điểm AHBA

Bảng mã AHBA được tạo ra từ lấy mẫu microarray mRNA chuẩn hóa của 3702 vị trí lấy mẫu kết hợp trên sáu bộ não của người hiến tặng (Hawrylycz và cộng sự, 2012; N 6 bán cầu trái, N 2 bán cầu phải; Hình 1A; xem Biểu đồ Dữ liệu Mở rộng. {{5 }} cho một ví dụ trực quan về một gen). Những người hiến tặng là ba nam giới da trắng, hai nam giới người Mỹ gốc Phi và một nữ giới gốc Tây Ban Nha. Tuổi của người hiến tặng dao động từ 24 đến 57, tuổi trung bình của người hiến tặng là 42,5 tuổi (SD 11,2 tuổi), Dữ liệu từ tất cả sáu người hiến tặng được nối theo chiều ngang thành tệp .csv, với một đầu dò trên mỗi hàng. Để biết thêm chi tiết về tập dữ liệu và quy trình thu thập dữ liệu, hãy xem http://help.brain-map.org/display/ não người / Tài liệu.

Hình 1. Tổng quan về khung khám phá chữ ký di truyền. A, Bản đồ hình ảnh thần kinh AHBA và Neurosynth, và quá trình tiền xử lý và tích hợp của chúng vào một không gian khuôn mẫu hình ảnh thần kinh chung. B, Tính toán sự giống nhau về không gian giữa các bản đồ

riêng biệt cho vùng vỏ não và vùng dưới vỏ, và chokỉ niệmvà chức năng vận động, tạo ra danh sách gen được xếp hạng L trên mỗi lần phân tích (chứa các gen và giá trị r trung bình). C, Đặc điểm chức năng của mỗi L với các bộ gen có ý nghĩa sinh học với GSEA Phân tích xếp hạng trước (các đường chấm nối L và các bộ gen thể hiện sự phân nhóm của các gen thành các bộ gen được làm giàu), tạo ra các bộ gen S và S cho điểm dương và âm. D, Đánh giá sự khác biệt và sự chồng chéo giữa vỏ não và dưới vỏkỉ niệmgen. E, Xác định các gen ứng cử viên liên quan đến chức năng nhận thức và vùng não, hoạt động như một tập hợp con của các gen thúc đẩy điểm số làm giàu của các bộ gen được làm giàu đáng kể được tìm thấy bằng cách sử dụng phân tích xếp hạng trước của GSEA. Điều này tạo ra hai danh sách gen ứng cử viên, CL và CL, chứa các gen có tương quan thuận và nghịch tương ứng từ S và S. F, Tổng quan tài liệu về mỗi CL định lượng các gen liên quan đến chức năng nhận thức mục tiêu hoặc kiểm soát. G, Đánh giá tính hợp lệ và độ chính xác của khung với mỗi trong số tám CL. Xem Hình ảnh Dữ liệu Mở rộng 1-1 để biết trực quan về biểu hiện gen GRB14 trong AHBA, Hình ảnh Dữ liệu Mở rộng 1-2 để có hình ảnh trực quan về bản đồ Thần kinh và Hình ảnh Dữ liệu Mở rộng 1-3 cho các vùng vỏ não và vỏ dưới vỏ được sử dụng trong phân tích tương quan không gian.

Bản đồ liên kết bộ nhớ thần kinh

Bản đồ liên kết 'bộ nhớ' và 'động cơ' của tế bào thần kinh [Mon-treal Neurologic Institute 152 (MNI152), FDR ngưỡng 0. 01] được sử dụng làm dữ liệu hình ảnh thần kinh chokỉ niệmvà các chức năng vận động (Hình 1A; xem Hình ảnh Dữ liệu Mở rộng. 1-2 để có hình dung về Thần kinhkỉ niệmvà bản đồ động cơ). Các chức năng nhận thức này được chọn vì chúng phần lớn khác biệt về mặt chức năng và giải phẫu và được xây dựng từ một số nghiên cứu tương tự (bộ nhớ 2744, Nmotor 2565). Neurosynth định lượng mức độ liên quan của mỗi voxel với các cụm từ tìm kiếm do người dùng chỉ định (ví dụ: bộ nhớ) dựa trên cơ sở dữ liệu của các nghiên cứu về hình ảnh thần kinh. Trong ví dụ về bản đồ bộ nhớ, mỗi voxel được ấn định điểm az phản ánh mối liên kết ưu tiên của voxel đó với bộ nhớ, thay vì các chức năng khác. Ví dụ, điểm z dương lớn ở vùng hải mã có nghĩa là các nghiên cứu có phần tóm tắt bao gồm bộ nhớ từ có nhiều khả năng báo cáo sự tham gia của vùng hải mã hơn so với các nghiên cứu không bao gồm từkỉ niệm(Yarkoni và cộng sự, 2011). Điểm z âm cho thấy mối tương quan cao hơn với các cụm từ tìm kiếm khác không liên quan đến bộ nhớ và do đó đã bị loại khỏi các phân tích của chúng tôi. Đối với các lĩnh vực chức năng nhận thức rộng, các thuật ngữ đơn lẻ cho phép tạo ra các bản đồ gần đúng với quá trình nhận thức mục tiêu một cách hợp lý (Yarkoni và cộng sự, 2011). Do đó, chúng tôi đã sử dụng bộ nhớ và động cơ làm cụm từ tìm kiếm của mình để lấy bản đồ liên kết giữa bộ nhớ và động cơ. Lưu ý rằng trong ví dụ về trí nhớ, cách tiếp cận này dẫn đến việc bao gồm một loạt các chức năng con, chẳng hạn như trí nhớ làm việc và trí nhớ dài hạn. Điều này cho phép một định nghĩa rộng hơn và bao trùm hơn về trí nhớ và chức năng vận động để xác định các dấu hiệu di truyền sau này của chúng. Trong quá trình tạo ra các bản đồ như vậy, có thể các tiêu điểm được xác định bởi quá trình trích xuất tọa độ tự động của Neurosynth có thể không chính xác do các định dạng dữ liệu khác nhau của các tạp chí và trang web hình ảnh thần kinh trực tuyến. Tuy nhiên, khi so sánh với tiêu chuẩn vàng của các điểm kích hoạt được sắp xếp theo cách thủ công trong Cơ sở dữ liệu hệ thống quản lý bề mặt (SumsDB), các tọa độ được trích xuất tự động cho thấy độ nhạy và độ đặc hiệu cao (84 phần trăm) (97 phần trăm; Yarkoni et al., 2011). Do đó, bộ nhớ và bản đồ hình ảnh thần kinh vận động được sử dụng là những xấp xỉ hợp lý của các vùng liên quan đến trí nhớ nói chung và chức năng vận động.

Tiền xử lý bảng điểm

tập bản đồ Brodmann đã được sửa đổi được sử dụng bởi AHBA và hồi hải mã đã được gắn nhãn lại như một vùng dưới vỏ thay vì một vùng vỏ não phù hợp với các hình ảnh thần kinh của con người (Hawrylycz và cộng sự, 2012; Ji và cộng sự, 2019; danh sách các khu vực vỏ não và dưới vỏ trong Dữ liệu Mở rộng Hình. 1-3). Trong quá trình tiền xử lý, các đầu dò lần đầu tiên được chú thích bằng gói Rean- notator. Chúng tôi đã loại trừ các đầu dò có 50 phần trăm mẫu vượt quá mức biểu hiện nền. Đối với mỗi gen, chúng tôi chọn mẫu dò có điểm độ ổn định khác biệt cao nhất, tức là với ít biến động nhất giữa các nhà tài trợ. Dữ liệu AHBA đã được chuẩn hóa (điểm z) cho mỗi nhà tài trợ. Các vùng vỏ não và vùng dưới vỏ được bình thường hóa riêng biệt. Điều này đã được thực hiện để giải thích sự khác biệt riêng lẻ và cortico-subcortical trong biểu hiện gen (Hawrylycz và cộng sự, 2011). Điều này trả về ma trận mẫu não 15,625 x -1285 cho vỏ não trái và ma trận 15, {15}} x -497 cho vỏ con bên trái, tương ứng. Điều này cho thấy trung bình cá nhân là 214 mẫu vỏ não trái (phạm vi: 175–259) và 83 mẫu vỏ dưới bên trái cho mỗi người hiến tặng (phạm vi: 59 –115). Trong bước tiếp theo bên dưới, điều này bị hạn chế hơn nữa đối với các vùng não quan tâm đến việc đồng đăng ký. Với việc sử dụng tập bản đồ não khác với AHBA, có thể việc chú thích lại của chúng tôi về các vùng là vùng vỏ não hoặc vùng dưới vỏ có thể không chính xác và có thể ảnh hưởng đến các phân tích vỏ não và dưới vỏ. Tuy nhiên, vì chúng tôi đã giữ lại các nhãn bản thể học AHBA và chỉ cần chú thích lại vùng hải mã là vùng vỏ dưới, bước này là hợp lý.

Đồng đăng ký AHBA và bản đồ bộ nhớ Neurosynth

Để cho phép so sánh sự giống nhau về không gian giữa bản đồ hình ảnh thần kinh và bản đồ AHBA về độ phân giải khác nhau, cả hai bản đồ đã được đồng đăng ký thành một không gian não chiến thuật âm thanh nổi 3D chung (Fox et al., 2014). Điều này được thực hiện bằng cách sử dụng tọa độ MNI do AHBA cung cấp để biểu diễn các điểm lấy mẫu bảng điểm trong không gian mẫu MNI152. Đây cũng là không gian được sử dụng bởi bản đồ Neurosynth. Bản đồ Neurosynth được sử dụng làm mặt nạ cho bản đồ AHBA, do đó chỉ các khu vực chồng lấn được đưa vào phân tích tương quan (Fox và cộng sự, 2014). Do số lượng bán cầu được lấy mẫu hạn chế (sáu bán cầu trái và hai bán cầu phải), chúng tôi chỉ sử dụng bán cầu trái, được tách thành các vùng vỏ não và vùng dưới vỏ. Trong các bước tiếp theo, các phân tích vỏ não và dưới vỏ được giữ riêng biệt. Bên cạnh việc cung cấp cái nhìn sâu sắc về các cơ chế di truyền vỏ não và dưới vỏ riêng biệt, điều này cũng tránh được sự nhầm lẫn từ cấu hình phiên mã khác nhau của chúng (Richiardi và cộng sự, 2015). Sau đó, chúng tôi kết hợp làm mịn cả hai bản đồ bằng cách làm mịn AHBA với hình cầu bán kính 6mm. Vào cuối bước này, trung bình vẫn còn 93kỉ niệm(phạm vi: 72–107)

và 65 điểm dữ liệu vỏ não vận động (phạm vi: 55–76), và trung bình là 40kỉ niệm(phạm vi: 25–71) và 43 điểm dữ liệu dưới vỏ động cơ (phạm vi: 24 - 69) cho mỗi cá nhân. Có thể là việc lưu giữ cốt lõi của bản đồ AHBA và Neurosynth có thể bị ảnh hưởng bởi các lỗi đưa vào trong quá trình chuyển đổi tọa độ từ MRI sang MNI bởi AHBA. Tuy nhiên, Viện Allen đã chuyển đổi tọa độ MRI sang MNI

sử dụng các phương pháp tiêu chuẩn cho não incranio và não bài tiết (bốn não hiến tặng được chụp ảnh ex cranio) và chúng tôi đảm bảo lượng lõi hợp lý bằng cách kiểm tra trực quan các bản đồ kết quả.

Phân tích tương quan không gian của dữ liệu AHBA và Neurosynth

Để có được các giá trị tương quan không gian trên mỗi gen, chúng tôi đã dựa vào một công cụ tương quan giữa AHBA không gian và bản đồ hình ảnh thần kinh (Yarkoni và cộng sự, 2011; Fox và cộng sự, 2014). Mỗi điểm dữ liệu được sử dụng trong mối tương quan là một điểm trong không gian, với giá trị cường độ biểu hiện gen chuẩn hóa và điểm z của bản đồ hình ảnh thần kinh. Đối với một gen liên kết vớikỉ niệm, chúng tôi mong đợi sự tương đồng về không gian cao giữa cả bản đồ AHBA và Neurosynth, tức là, một mẫu biểu hiện gen cao trong các khu vực có liên quan nhiều đến trí nhớ và ngược lại. Điều này sẽ được phản ánh trong một giá trị tương quan trung bình cao cho gen đó. Chúng tôi đã áp dụng phân tích không gian riêng biệt cho các vùng vỏ não và vùng dưới vỏ (Hình 1B). Một phân tích hiệu ứng ngẫu nhiên gần đúng đã được sử dụng để giải thích sự biến đổi biểu hiện gen riêng lẻ và để chống lại việc lấy mẫu vỏ não thưa thớt trong các bản đồ AHBA. Độ dốc hồi quy của nhà tài trợ và hệ số chặn được lập mô hình riêng lẻ. Sau đó, chúng tôi thu được giá trị tương quan trung bình của mỗi gen (tính trung bình trên sáu người hiến tặng), đây là thống kê được quan tâm. Từ bước này, chúng tôi thu được bốn danh sách L gồm 15.625 gen, chokỉ niệmvà chức năng vận động, và các vùng vỏ não và vùng dưới vỏ tương ứng.

Xác định các quá trình sinh học của bộ nhớ vỏ não và dưới vỏ não

Chúng tôi đã sử dụng công cụ phân tích bộ gen (GSEA Xếp hạng trước, mô-đun GenePattern, phiên bản 6. 0. 5) để xác định các bộ gen liên quan đến các chức năng sinh học chung (Hình 1C). Bốn danh sách gen L được xếp hạng theo giá trị tương quan trung bình (thống kê xếp hạng được sử dụng trong trường hợp này) và được chuyển cho GSEA Pre-Xếp hạng. Chúng tôi đã phân tích từng danh sách L với GSEA được xếp hạng trước với các tham số mặc định, bao gồm tính điểm có trọng số bằng cách sử dụng thư viện Quy trình sinh học Bản thể gen (c5.bp.v6. 0. Symbol.gmt). Xếp hạng trước GSEA sẽ xem xét riêng biệt ở đầu và cuối mỗi danh sách L để tìm các gen trùng lặp với từng gen trong bộ cơ sở dữ liệu (Mootha và cộng sự, 2003; Subramanian và cộng sự, 2005). Sự chồng chéo hoặc làm giàu tập hợp gen này được đánh giá bằng cách cho điểm có trọng số dựa trên mối tương quan trung bình (giá trị r). Điều này trả về điểm số làm giàu chuẩn hóa, giá trị p quan trọng và giá trị FDR q (trên tất cả các bộ gen được kiểm tra)

cho mỗi bộ gen được làm giàu. Từ các gen có tương quan dương và âm trên cùng trong mỗi danh sách L, chúng tôi thu được các bộ S và S riêng biệt của các bộ gen được làm giàu tích cực và tiêu cực tương ứng. Đối với các phân tích tiếp theo, chúng tôi chỉ sử dụng tất cả các bộ gen có FDR q {{0}}. 05. Lưu ý rằng phân tích vỏ não vận động (-) (các gen tương quan nghịch từ phân tích vỏ não vận động) không có bất kỳ bộ gen nào tồn tại FDR 0,05, và do đó không được sử dụng trong các phân tích tiếp theo, tức là các quá trình sinh học cũng như các gen ứng viên làm đầu ra. Vì vậy, điều này thực sự có nghĩa là tám S và bảy S bộ có thể sử dụng cho các bước tiếp theo. Đối với phân tích này và các bước tiếp theo, các gen được tìm thấy trong 1 bộ gen được làm giàu đáng kể được gọi làkỉ niệmcác gen, trái ngược với các gen bộ nhớ -10 hàng đầu được xác định bên dưới.

Hình dung các bộ gen được làm giàu đáng kể

Để xác định các chủ đề sinh học tổng thể trên các bộ gen. chúng tôi đã nhóm các tập hợp gen thành mạng lưới bởi các gen mà chúng chia sẻ (Hình 1C). Đối với mỗi cặp bộ S và S, chúng tôi nhập bộ gen của chúng vào phần mềm trực quan hóa mạng Cytoscape và đưa vào bộ gen với FDR q 0. 0 5. Sau đó, chúng tôi sử dụng ứng dụng Bản đồ làm giàu để xây dựng mạng tập hợp gen và chú thích chúng bằng phần mở rộng Wordcloud để diễn giải tiếp theo (Cline và cộng sự, 2 0 07; Merico và cộng sự, 2010; Oesper và cộng sự, 2011 ). Điều này được thực hiện bằng cách sử dụng cài đặt mặc định ngoại trừ ngưỡng giá trị FDR q tùy chỉnh là 0,05 (tức là FDR 0,05). Bước này trả về bốn bản đồ làm giàu có chú thích cho danh sách L của từng chức năng nhận thức và từng khu vực vỏ não và dưới vỏ.

Chú thích chức năng của các gen chồng chéo

Chúng tôi đã sử dụng bộ ToppGene (với thư viện Quy trình sinh học bản thể gen) để phân cụm theo chức năngkỉ niệmcác gen (được xác định trong phân tích GSEA) (1) đặc hiệu cho vỏ não, (2) đặc hiệu cho vỏ dưới, (3) và được chia sẻ giữa cả hai (Hình 1D; Chen và cộng sự, 2 0 09). Từ đầu ra, chúng tôi đánh giá các bộ gen quy trình sinh học là bộ gen đáp ứng FDR 0,05. Điều này trả về ba danh sách các bộ gen, một danh sách cho mỗi loại gen ở trên.

Xác định các gen ứng cử viên liên quan đến bộ nhớ vỏ não và dưới vỏ

Để xác định các gen {{0}} hàng đầu có nhiều khả năng liên quan đến chức năng nhận thức, chúng tôi đã xác định các gen thường xuyên xuất hiện trên các bộ gen với LEA (Hình 1E; Mootha và cộng sự, 2003; Subramanian và cộng sự al., 2005). Để phân tích từng chức năng nhận thức ở vùng vỏ não và vùng dưới vỏ, chúng tôi nhập các bộ gen tương ứng với FDR q 0,05 (ứng dụng máy tính để bàn javaGSEA). LEA sau đó đã xác định các gen xuất hiện thường xuyên trên các gen con hàng đầu trên các bộ gen ở S hoặc S (Subramanian và cộng sự, 2005; Fleming và Miller, 2016). Chúng tôi xếp hạng các gen theo số lượng bộ gen hàng đầu mà chúng làm giàu; trong trường hợp có sự ràng buộc về số lượng bộ gen, chúng tôi xếp hạng chúng theo giá trị tương quan không gian trung bình. Các gen -10 hàng đầu xuất hiện thường xuyên nhất trong các bộ gen làm giàu tích cực và tiêu cực được chỉ định là danh sách gen ứng cử viên CL. Kết quả đầu ra là liên kết nhận thức gen bảy ứng cử viên liệt kê CL gồm 10 gen, mỗi gen cho tất cả S và S.