Partie 2 : Signatures génétiques distinctes des régions corticales et sous-corticales associées à la mémoire humaine

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

Veuillez cliquer ici pour la partie 1

Veuillez cliquer ici pour la partie 3

Revue de la littérature des signatures génétiques

Pour quantifier le nombre de "hits" de gènes candidats pour leMémoireanalyse, nous avons effectué une revue de la littérature pour chaque liste de gènes CL et compté le nombre de gènes-Mémoire(c'est-à-dire les vrais positifs) ou les associations gène-fonction motrice (c'est-à-dire les faux positifs ; Fig. 1F). Cela a été fait en passant en revue la littérature expérimentale sur Google Scholar, via une requête de recherche : ["gene name" AND ("memory" OR "amnesia" OR "Alzheimer's" OR "dementia")] et ["gene name" AND ("motor fonction » OU « coordination motrice » OU « locomoteur » OU « ataxie » OU « apprentissage moteur » OU « maladie de Parkinson » OU « maladie de Huntington »)], respectivement. La même chose a été répétée pour l'analyse motrice pour les vrais positifs et les faux positifs respectifs. Les troubles ont été sélectionnés pour la recherche par mot-clé car ils présentent en évidence des déficiences de la mémoire et du fonctionnement moteur. Les preuves solides comprenaient des études qui utilisaient des manipulations de gènes in vivo, des mutants et des interventions pharmacologiques, tandis que les preuves faibles comprenaient des associations de gènes computationnelles, des études in vitro, des études d'expression génétique différentielle et des études de cas humains. Les preuves de la littérature n'étaient considérées comme une validation que si elles impliquaient la zone cérébrale correspondante, c'est-à-dire corticale ou sous-corticale. En tant que tel, la preuve du rôle d'un gène donné uniquement dans la région cérébrale non analysée n'a pas été comptée. Par exemple, si un article montrait que l'inactivation du gène A uniquement dans le sous-cortex entraîne des déficits de mémoire, il ne serait pas considéré comme une preuve pour l'analyse de la mémoire corticale.

Cistanche peut améliorer la mémoire

Différence de corrélation dans les analyses de mémoire et de moteur

Si la méthode est valide, les gènes mémoire devraient avoir une valeur de corrélation moyenne plus élevée à partir duMémoirel'analyse par rapport à l'analyse motrice, et vice versa pour les gènes moteurs et la valeur r de l'analyse motrice. Pour chaque gène, cela a été calculé en soustrayant la valeur r de sa fonction motrice de la valeur r de la mémoire, une différence positive comptant pour l'efficacité de la méthode (Fig. 1G). Notez que pour les valeurs de mémoire r des listes de gènes négatifs (par exemple, mémoire corticale -), nous multiplions la différence de valeur r par -1 pour exprimer cette différence sous la forme d'une valeur positive, cohérente avec les listes de gènes de mémoire positifs. Nous prenons ensuite la moyenne de tous les gènes pour chaque ensemble S qui satisfont FDR q 0.05 (même seuil que la visualisation de la carte d'enrichissement) pour obtenir sept de ces valeurs. Comme le nombre de gènes par ensemble S est différent, nous avons amorcé le nombre de valeurs de différence de corrélation utilisées pour calculer la valeur moyenne de différence de corrélation par ensemble. Cela a été fait séparément pour les analyses de mémoire et de moteur en sous-échantillonnant à plusieurs reprises les différences de corrélation (10, 000 itérations) au nombre minimum de gènes dans la mémoire (n 231) et les ensembles moteurs (n 146), respectivement. Nous avons visualisé cela sous la forme d'une boîte à moustaches pour chacun des sept ensembles, avec la moyenne bootstrap et les 95e centiles (moustaches) pour les analyses de la mémoire et du moteur. Si la ligne de base ne se situe pas dans la distribution du 95e centile (c'est-à-dire que les moustaches ne chevauchent pas la ligne de base de zéro), le score est considéré comme significativement différent de la ligne de base (p 0,05).

Évaluation de l'efficacité de la méthode d'identification des gènes candidats

Nous avons quantifié l'efficacité de la méthode sur la base de la revue de la littérature antérieure (Fig. 1G). Pour ce faire, nous avons calculé la probabilité aléatoire d'obtenir NMémoiregènes par liste de gènes. Cela se fait en sélectionnant NMémoiregènes (sans remplacement) du pool de mémoire connue ouMémoire-gènes de troubles apparentés (n 644) sur les 15 625 gènes analysés. Par exemple, si 10 gènes sur 10 dans la liste des gènes sont des gènes mémoire, la probabilité que cela se produise est de 1.32 10 14. La même chose a été faite en conséquence pour la fonction motrice et les gènes de la fonction motrice (n=104). CesMémoireles gènes ont été compilés à partir de trois sources : (1) la revue de la littérature ci-dessus ; (2) les ensembles de gènes de fonction biologique "GO:0007611 Apprentissage ou mémoire", de la base de données AmiGO2 (Carbon et al., 2009 ; version 2.4.26, date de sortie 2016-08) ; et (3)van Cauwenberghe et al. (2016). Les gènes liés à la motricité (moteur ou trouble lié au moteur) ont été obtenus à partir (1) de la revue de la littérature ci-dessus, (2) des ensembles de gènes de fonction biologique "GO : 0061743 apprentissage moteur" et "GO : 0061744 comportement moteur" de la base de données AmiGO2 (Carbon et al., 2009) et (3) Lin et Farrer (2014).

Le score de précision pour les analyses mémorielles et motrices

Nous avons demandé, d'un donnéMémoireliste de gènes avec des gènes étiquetés commeMémoiregènes, combien d'entre eux sont réellement liés àMémoire. Nous avons quantifié cela en calculant un score de précision (Fig. 1G). Nous avons d'abord déterminé les vrais positifs (c'est-à-dire les gènes associés à la mémoire à partir de la revue de la littérature) et les faux positifs (c'est-à-dire les gènes associés à la fonction motrice). Les preuves de la littérature ont été pondérées de telle sorte que pour les vrais positifs, les preuves fortes et les preuves faibles (définies ci-dessus) ont reçu respectivement un point entier et un demi-point. Pour chaque liste de gènes, nous avons ensuite déterminé le score de précision de la méthode en divisant les "vrais positifs" par la somme des vrais positifs et des faux positifs (Eqs. 1,2). Si la méthode est précise, pour les analyses de mémoire, les scores de précision de la mémoire doivent être supérieurs à 0.5 et un score moteur inférieur à 0.5, et vice versa. Nous avons tracé les scores de mémoire et de précision motrice pour chaque liste de gènes (allant de 0 à 1) et la différence entre ces scores (allant de -1 à 1). Idéalement, la différence devrait être supérieure à zéro. Dans les équations suivantes, Memories nombre de gènes avec des preuves solides de son association avec la mémoire ; Mémoire nombre de gènes avec une faible preuve de son association avec la mémoire ; Moteurs nombre de gènes avec des preuves solides de son association avec la fonction motrice ; et Motorw nombre de gènes avec une faible preuve de son association avec la fonction motrice.

Déclaration de disponibilité des données

Toutes les données génétiques et de neuroimagerie utilisées sont disponibles auprès de l'AHBA (https://human.brain-map.org) et de Neu-rosynth (https://www.neurosynth.org). Les scripts de prétraitement du transcriptome sont disponibles sur https://github.com/BMHLab/AHBAprocessing. Les scripts de corrélation et les données d'entrée sont disponibles pour une utilisation non commerciale dans Extended Data 1 et sur https://github.com/PK-HQ/geneCognitionDiscovery.

Résultats

Cartes AHBA et Neurosynth

Pour identifier le cerveau humain adulte entierMémoiregènes, nous devions d'abord effectuer l'analyse de corrélation spatiale entre la neuroimagerie 3D haute résolution et les cartes transcriptomiques du cerveau humain adulte. En tant que tel, nous avons utilisé le transcriptome AHBA du cerveau humain entier à haute densité et le NeurosynthMémoirecarte d'association de l'association de chaque voxel avec la mémoire en général en tant qu'ensembles de données d'entrée (Yarkoni et al., 2011).

L'AHBA a été dérivé de six cerveaux de donneurs et contient l'expression génique du cerveau humain du génome entier dans les régions corticales et sous-corticales gauches (N 6; Fig. 1A; voir l'exemple de visualisation dans Extended Data Fig. 1-1; Hawrylycz et al. , 2012). Le NeurosynthMémoirela carte d'association est une méta-carte d'étude (N 2744) qui représente la pertinence de chaque voxel cérébral pourMémoire(par opposition à d'autres fonctions cognitives), spécifiées par des scores z positifs (Fig. 1A ; voir une visualisation des cartes de la mémoire et des fonctions motrices dans Extended Data Fig. 1-2 ; Yarkoni et al., 2011). Notez que l'utilisation deMémoirefait ici référence à la mémoire en général, car la carte a été construite à partir d'études de neuroimagerie liées à la mémoire qui utilisent plusieurs types de tâches de mémoire (Yarkoni et al., 2011). Nous avons co-enregistré les deux cartes dans un espace MNI152 commun. Les zones de mémoire dans la carte d'association de mémoire ont été utilisées pour définir les échantillons AHBA utilisables pour l'analyse de corrélation spatiale ultérieure.

Analyse de similarité spatiale

À l'aide de ces ensembles de données, nous avons cherché à isoler les gènes présentant des valeurs de corrélation spatiale élevées entre leur expression génique etMémoiredes cartes de termes pour les étapes d'analyse ultérieures, car elles sont très probablement liées à la mémoire (Fox et al., 2014). Nous avons effectué l'analyse de similarité spatiale entre les cartes d'association AHBA et Neurosynth séparément pour les régions corticales et sous-corticales en raison de leurs différences marquées (voir Introduction ; la liste des régions corticales et sous-corticales est disponible dans Extended DataFig. 1-3), et pour mémoire et fonction motrice (voir un exemple de corrélation spatiale dans la Fig. 2). Chaque analyse a donné une liste L, qui contenait les valeurs de corrélation moyennes de 15 625 gènes utilisés pour le classement ultérieur (Fig. 1B).

Nous avons ensuite classé chaque liste L. Une corrélation positive indique une expression génique plus élevée dans les domaines pertinents pourMémoire, et une corrélation négative implique une expression plus faible dans les zones pertinentes pour la mémoire. Les meilleurs -10 gènes corrélés positivement et négativement pour les analyses corticales et sous-corticales de la mémoire sont présentés dans le tableau 1 (voir la valeur de corrélation spatiale de tous les gènes dans le tableau de données étendu 1-1). Il y avait plus de gènes corrélés négativement que de gènes corrélés positivement pour les analyses corticales et sous-corticales de la mémoire (tableau de données étendu 1-1). Nous avons trouvé 8383 gènes corrélés positivement et 7243 gènes corrélés négativement pour les aires corticales, et 7642 gènes positivement et 7984 gènes négativement corrélés pour les aires sous-corticales.

Profils d'expression génique distincts associés à la mémoire corticale et sous-corticale

Suite aux analyses de corrélation spatiale, nous avons cherché à définir les profils d'expression des gènes liés à la corticale et la sous-corticale.Mémoired'une manière compréhensive. Pour identifier et caractériser des ensembles de gènes qui contribuent à une fonction biologique commune (c'est-à-dire des ensembles de gènes), nous avons analysé chacune des listes corticales et sous-corticales L avec GSEA pré-classé (Fig. 1C). Cela a donné des ensembles de gènes à notation positive et à notation négative, dérivés des gènes positivement et négativement corrélés de L, respectivement. Ces ensembles de gènes ont ensuite été regroupés en groupes fonctionnellement liés et automatiquement annotés avec des thèmes biologiques (Cline et al., 2007 ; Merico et al., 2010 ; Oesper et al., 2011).

Dans l'ensemble, le cortex et le sous-cortex avaient des thèmes biologiques distincts qui étaient auparavant associés à la mémoire. Pour corticaleMémoire, GSEA a révélé 28 ensembles de gènes positifs et 29 négatifs significativement enrichis. La visualisation du réseau d'enrichissement a montré que ces ensembles de gènes étaient regroupés en cinq groupes distincts (Fig. 3; les résultats complets de la GSEA se trouvent dans Extended Data Fig. 3-1), avec des ensembles de gènes au sein de chaque groupe partageant des gènes enrichis. Ces ensembles de gènes se sont révélés être liés à la mémoire. Le cluster positif P1 contenait des ensembles de gènes impliqués dans la réponse immunitaire et la signalisation du récepteur Fc (Fernandez-Vizarra et al., 2012 ; Marin et Kipnis, 2013). P2 a été impliqué dans la signalisation de l'interféron-gamma (Litteljohn et al., 2014), P3 dans le transport transmembranaire des ions calcium et P4 dans l'assemblage des filaments d'actine (Krucker et al., 2000 ; Lamprecht, 2011). Le cluster négatif N2 contenait des ensembles de gènes impliqués dans la dynamique de la chromatine, la régulation épigénétique et la différenciation des cellules immunitaires (Kim et Kaang, 2017).

Pour sous-corticalMémoire, GSEA a révélé 50 ensembles de gènes positifs et 14 négatifs significativement enrichis. La visualisation du réseau d'enrichissement a montré que ces ensembles de gènes étaient regroupés en trois groupes distincts (Fig. 4 ; les résultats complets de la GSEA se trouvent dans Extended Data Fig. 4-1). De même, ces ensembles de gènes se sont révélés être liés àMémoire. Le cluster positif P1 est impliqué dans la transmission synaptique et la plasticité synaptique. Il comprenait également des ensembles de gènes impliqués dans l'endocytose et l'exocytose, la sécrétion de neurotransmetteurs, la potentialisation à long terme (Stuchlik, 2014), la signalisation des récepteurs du glutamate et la morphogenèse de la projection neuronale (Kasai et al., 2010). Le cluster négatif N1 est lié aux processus de transcription et de traduction (Jarome et Helmstetter, 2014 ; Alberini et Kandel, 2015), et le cluster N2 à la différenciation des cellules gliales et des oligodendrocytes (Hertz et Chen, 2016 ; Pepper et al., 2018).

Figure 2. Exemple de sortie d'analyse de similarité spatiale. Les niveaux d'expression du gène cortical le plus corrélé, GRB14, sont visualisés en fonction de la pertinence voxel de la carte Neurosynth pourMémoirefonction (score z). Expression génique normalisée (axe y) tracée par rapport aux scores z de la carte de neuroimagerie (axe x). Chaque ligne de régression colorée représente la ligne la mieux adaptée pour chacun des six donneurs (couleurs) ; la bande translucide autour de chaque ligne représente l'estimation de l'intervalle de confiance à 95 %.

Pour identifier les différences et les chevauchements dans les profils génétiques corticaux et sous-corticaux, nous avons identifié et caractérisé les processus biologiques différents et partagés (1) comme indiqué dans les cartes d'enrichissement, et (2)Mémoiregènes (c'est-à-dire tous les gènes trouvés dans 1 ensemble de gènes enrichi; Fig. 1D). Nous avons trouvé un faible chevauchement de 2,5 % des ensembles de gènes (N 3) et de 9,6 % des gènes (N 135) entre les régions corticales et sous-corticales (Fig. 5 ; la liste complète des gènes distincts et qui se chevauchent se trouve dans Extended DataFig. {{9 }}). Les gènes qui se chevauchent étaient impliqués dans les processus liés à la mémoire du transport des protéines, de la régulation transcriptionnelle, de la plasticité synaptique et de la signalisation des récepteurs du glutamate (Peng et al., 2011 ; Rosenberg et al., 2014 ; Alberini et Kandel, 2015 ; tableau 2 ; sortie complète de ensembles de gènes et gènes de Top-pGene dans Extended DataTable 2-1). Ceux-ci incluent des gènes impliqués dans le complexe Arp2/3, les canaux ioniques GABA et AMPA ligand-dépendants qui sont essentiels pour la fonction de mémoire (Gasbarri et Pompili, 2014 ; Basu et al., 2016 ; Takemoto et al., 2017 ; Extended Data Table { {23}}). Des gènes spécifiques au cortex étaient impliqués dans des processus associés à la mémoire tels que la réparation de l'ADN, la régulation épigénétique, l'immunité et la signalisation IFN (Marin et Kipnis, 2013 ; Litteljohn et al., 2014 ; Kim et Kaang, 2017 ; Hou et al., 2018 ; Table de données étendue 2-1). Des gènes spécifiques du sous-cortex sont impliqués dans la neurogenèse, la morphogenèse des dendrites, la différenciation des cellules gliales et la myélinisation (Hertz et Chen, 2016 ; Kao et al.,

Figure 3. Visualisation de la carte d'enrichissement pour corticalMémoire. Les clusters sont étiquetés avec P pour positif, N pour négatif. Les clusters de jeux de gènes se sont révélés être liés àMémoire. Les grappes positives étaient associées à la signalisation immunitaire, au transport du calcium et à l'assemblage des filaments d'actine. Le groupe négatif contenait des ensembles de gènes impliqués dans la dynamique de la chromatine et la régulation épigénétique. Voir Extended Data Figure 3-1 pour le résultat complet de GSEA Pre-ranked.

2018 ; Pepper et al., 2018 ; Table de données étendue 2-1). Notez que le même ensemble de gènes peut apparaître à la fois dans les processus biologiques spécifiques au cortex et sous-corticaux. Par exemple, leMémoireles ensembles de gènes sont enrichis dans les deux régions, mais dans chaque cas, l'enrichissement de l'ensemble de gènes est piloté par des gènes distincts (Extended DataTable 2-1). En effet, différents gènes peuvent être pertinents pour, et donc augmenter l'enrichissement pour le même ensemble de gènes de processus biologique.

Gènes de base exprimés de manière différentielle liés aux corticales et sous-corticalesMémoire

Pour identifier le haut-10Mémoiregènes les plus susceptibles d'être liés à l'hommeMémoirefonctionpour une future enquête expérimentale, nous avons identifié des gènes pertinents pour plusieurs ensembles de gènes obtenus ci-dessus avec le LEA (Fig. 1E; Subramanian et al., 2005; Darby et al., 2016; Fleming et Miller, 2016). Des travaux antérieurs ont montré que ces gènes qui entraînent l'enrichissement de plusieurs ensembles de gènes sont plus probablement liés au phénotype analysé, c'est-à-dire à la fonction de mémoire dans ce cas (Subramanian et al., 2005 ; Darby et al., 2016 ; Fleming et Miller, 2016). La combinaison de GSEA et de LEA était auparavant efficace pour identifier les signatures génétiques des fonctions cognitives (Thomassen et al., 2008 ; Ersland et al., 2012 ; Lee et al., 2013), y compris la mémoire épisodique et la mémoire de travail (Heck et al., 2014 ;

Linksys et al., 2015). Nous avons appliqué LEA aux ensembles de gènes à notation positive et négative ci-dessus, puis nous avons sélectionné les meilleurs -10 gènes apparaissant le plus fréquemment dans les sous-ensembles de pointe des ensembles de gènes. Ces gènes ont ensuite été validés avec la littérature sur les modèles animaux, qui a été classée comme preuve forte ou faible soutenant le lien entre le gène et la fonction de mémoire (Fig. 1F). Des preuves solides comprenaient des études de manipulation génétique ou de traitement médicamenteux, par exemple, l'inactivation de gènes entraînant une altération de la mémoire. Les preuves faibles englobaient des études corrélationnelles ou informatiques, telles que la régulation à la hausse des gènes corrélée à une améliorationMémoireperformance.

Pour corticaleMémoire, neuf des 10 gènes positivement corrélés étaient auparavant impliqués dansMémoirefonction(Tableau 3 ; liste complète des gènes de la mémoire corticale et revue de la littérature Extended DataTable 3-1, sortie LEA complète dans Extended Data Table 3-2). Gènes PRKCD (Etcheberriga-ray et al., 2004 ; Conboy et al., 2009), RAC1 (Haditsch et al., 2009 ; Oh et al., 2010), LIMK1 (Todorovski et al., 2015) et CDC42 ( Kim et al., 2014 ; Zhang et al., 2016) avaient de fortes associations avec la mémoire. Pour les gènes candidats corrélés négativement correspondants, les 10 gènes avaient des preuves solides soutenant leur rôle dans la mémoire. Il s'agissait tous de gènes codant pour la protéine histone H4, qui était liée aux performances de la mémoire (Peleg et al., 2010). La dérégulation de l'acétylation de l'histone H4 chez les souris âgées était liée à des troubles de la mémoire, et le rétablissement de cette régulation a amélioré leur mémoire.

Figure 4. Visualisation de la carte d'enrichissement pour la mémoire sous-corticale. Les clusters sont étiquetés avec P pour positif, N pour négatif. Les clusters d'ensembles de gènes se sont avérés être associés à la mémoire. Les grappes positives étaient associées à la transmission synaptique, à la plasticité à long terme, à la signalisation du glutamate et à la morphogenèse des neurites. Les grappes négatives comprenaient des ensembles de gènes impliqués dans la transcription et la traduction et la différenciation des cellules gliales. Voir Extended Data Figure 4-1 pour le résultat complet de GSEA Pre-ranked.

Pour la mémoire sous-corticale, les 10 gènes positivement corrélés étaient auparavant impliqués dans la fonction de la mémoire (tableau 4 ; liste complète des gènes de la mémoire sous-corticale et revue de la littérature dans le tableau de données étendu 4-1 ; résultats LEA dans le tableau de données étendu 4-2). Les gènes CDK5, NLGN1, RAB3A, STX1A, SNCA, SYT1 et UNC13A étaient fortement liés à la mémoire (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). Sept des 10 gènes candidats négativement corrélés avaient des preuves faibles les impliquant dans la mémoire. Il s'agissait de gènes codant pour des sous-unités ribosomiques, qui étaient exprimées de manière différentielle chez les rongeurs qui affichaient de meilleursMémoireperformance (Wang et al., 2003 ; Kong et al., 2009 ; Winbush et al., 2012 ; Katz et Lamprecht, 2015 ; Oka et al., 2016 ; Zhang et al., 2018).