0 引言

       人类的大脑由许多具有不同连接模式的脑区和不同类型及分布的细胞组成，其背后复杂性的成因很大部分来源于具有空间分布特征的转录组的差异。其中，不同区域脑组织及其构成细胞在生长发育、成长成熟以及衰老退变过程中（比如脑容量和脑皮质形态等）始终受到相关基因特异表达及调控的影响，并受制于基因、细胞、组织之间极其复杂的相互作用。所幸的是，尽管脑容量和脑皮质形态存在个体差异，但脑区之间的一般解剖位置和连接是高度保守的，由此产生的“默认基因网络”可提供一个基础模板以理解复杂脑组织结构的遗传基础^[1]。作为人类大脑转录组图谱及详细解剖注释的第一个示例，艾伦人类大脑图谱（Allen Human Brain Atlas, AHBA）于2010年发布，使用批量RNA分离及DNA微阵列定量基因水平转录组的分析方法，从大脑标准蒙特利尔神经学研究所（Montreal Neurological Institute, MNI）空间采样了3702个不同的样本，获得了超过20 000个高质量基因水平表达量的转录组数据^[2]。相较于传统影像组学与遗传学的间接相关研究，影像转录组关联研究从标准空间毫米级别的体素单位实现了脑影像表型与基因转录模式之间的相对直接关联，突破了宏观脑影像表型与微观脑组织基因表达的跨模态跨尺度鸿沟，为揭示神经精神疾病相关的基因表达机制提供了一类全新的研究方法。

       神经退行性疾病（neurodegenerative disease, NDD）是一系列由神经元活动改变和神经元结构及功能的进行性丧失引起，最终导致死亡的神经系统衰弱性疾病，主要包括阿尔茨海默病（Alzheimer's disease, AD）、帕金森病（Parkinson's disease, PD）、亨廷顿病（Huntington's disease, HD）以及肌肉萎缩性侧索硬化症等^{[3, 4]}。随着人口老龄化的加剧，近年来国内外神经退行性疾病发病率明显上升，给个人、家庭及社会造成了巨大负担^[5]。尽管研究人员已经通过基础实验对神经退行性疾病的分子机制以及基因治疗等进行了系列研究^{[6, 7, 8, 9]}，但关于临床患者脑表型变化及相关基因作用的研究仍在起步阶段。本文就神经退行性疾病研究中影像转录组关联研究这一新兴研究领域的概念、方法以及最新进展进行综述，期望为跨学科研究者搭建方法论桥梁，推动从基因表达到宏观表型的整合研究，为神经退行性疾病机制研究、诊断标志物寻找、治疗靶点探索提供新视角。

1 影像转录组关联研究的一般方法

1.1 原理与分类

       根据研究目的及设计的不同，影像转录组关联研究的分析方法通常分为三类（表1）。第一类为脑影像表型-转录组空间关联研究，其主要目标是追踪特定神经影像生物标志物的解剖学异常，并识别可能导致该异常的具有区域（空间）表达模式的关联基因。具体来说，针对特定脑疾病，研究者首先将病例组与健康人的脑影像表型差异映射到同一MNI空间。结合AHBA转录组图谱，通过空间相关分析识别与病变相关的转录基因。第二类为基因转录相似性研究，类似结构或功能连接矩阵，主要目的是评估一组基因在大脑不同区域之间的转录相似性。研究方法主要通过分析脑区×脑区矩阵中基因表达量的相关性，其中相关的基因表达可以进一步与在大脑区域对水平上定义的脑影像表型相关。第三类为基因共表达研究，主要研究跨脑区基因对之间的相关性，从而产生对称的基因×基因矩阵，进一步将其与脑病变特定表型相关。目前该领域的研究主要集中于第一及第三类。

点击查看表格

表1  影像转录组关联研究三种基本方法的主要特征
Tab. 1  Key characteristics of three fundamental approaches in imaging-transcriptomics association studies

1.2 分析流程与要点

       影像转录组关联研究分析流程主要包含了转录组数据预处理、脑影像-转录组数据关联分析、空间自相关检验以及关联基因功能分析等关键步骤。

1.2.1 转录组数据预处理

       AHBA图谱包含的所有基因表达原始数据在http://www.brain-map.org网站开源提供。自2010年AHBA 图谱发表以来，研究者已经开发了多个集成工具箱，致力于进行相对标准化的转录组数据预处理流程。2021年开源工具箱abagen将所有可能的预处理参数集成到一起并进行优化，成为目前认可度和使用率较高的软件之一^[10]。转录组数据预处理流程主要分为六步（图1）：（1）基因重注释；（2）探针过滤；（3）探针选择；（4）转录组样本空间映射；（5）数据标准化；（6）基因过滤。其主要目的为筛选出有效探针以对应特异表达基因组，将基因表达量映射到同一MNI立体空间内获得基因表达矩阵，随后进一步与脑表型指标矩阵进行关联分析。

点击查看大图

图1  AHBA数据预处理流程图。
Fig. 1  Flowchart of AHBA data preprocessing.

1.2.2 影像-转录组关联分析

       在标准化分析并完成构建基因表达矩阵（例如脑区×基因表达值等）以及脑影像表型矩阵（例如脑区×特征脑影像表型指标值等）的基础上，可以进一步进行影像-转录组关联分析。其中用到的相关方法主要为偏最小二乘回归（partial least squares regression, PLSR）、皮尔逊相关（Pearson's correlation）及斯皮尔曼相关（Spearman's rank correlation）等等。不同于主成分回归（principal component regression, PCR）单纯地对自变量进行降维，PLSR在降维过程中同时考虑了因变量和自变量的相关性，以期在降低维度的同时最大化预测性能。PLSR特别适用于处理因变量和自变量之间存在多重共线性问题的情况，但需要特别注意主成分的设置以及数据拟合情况。皮尔逊相关是最常见的相关性计算，用来衡量两个数据集的线性相关程度；而斯皮尔曼相关系数是基于每个变量的排名值，而不是原始数据的等级相关。后两种方法需要对相关结果的方法学，特别是非线性方面的局限性进行讨论。因此，影像转录组关联研究涉及的多矩阵关联分析需根据具体数据属性选择合适的关联方法。举例来说，若脑影像表型矩阵包含过多0值或NA值，则可能在应用PLSR进行关联分析时出现拟合不佳的情况。

1.2.3 空间自相关检验

       空间自相关检验是影像转录组关联研究中关键的检验方法。无论是脑影像表型，还是基因表达矩阵，通常都会表现出一定程度的空间自相关, 即不同脑区之间的影像特征或基因表达矩阵之间本身即存在相关性，该相关性随着距离衰减^[11]。具体来说，与物理上相距较远的区域相比，相距较近的区域之间的基因表达更强烈相关。因此，应用空间限制零模型的空间自相关检验，通过模拟体积替代脑图以及1000次以上的置换检验校正转录数据，可以大大降低假阳性率。具体来说，空间自相关检验使用随机生成的上千个模拟体积替代脑图与真实矩阵进行上千次相同流程的关联分析，将置换检验结果与真实结果进行比较，能够直观、严谨、可靠地检验影像转录组关联研究所得结果的非随机性、真实性及稳定性。

1.2.4 关联基因功能分析

       通过影像-转录组关联分析获得相关基因组后，需要进一步分析关联基因的功能和表达以深入探究疾病背后的生物过程^{[12, 13]}。相关生物信息方法主要有以下几种。（1）基因富集分析：确定目标基因组的生物学功能，包括分子功能、生物过程和细胞成分等；（2）组织、细胞、发育阶段特异表达分析：揭示目标基因组在不同组织、细胞、发育阶段中的功能和调控机制；（3）蛋白质网络分析：确定目标基因组的各组成基因如何相互作用；（4）枢纽基因分析：表征枢纽基因尤其是在生命早期发育发展的时空表达曲线等。

2 影像转录组关联研究在神经退行性疾病中的研究进展

       影像转录组关联研究通过对不同神经退行性疾病、同种疾病的不同脑退变表型和/或不同病程等的深入研究，从多角度探索其潜在基因表达变化机制，为个性化基因治疗提供了新的思路和方向。

2.1 AD

       AD的特征是β-淀粉样蛋白（amyloid β, Aβ）和Tau蛋白（microtubule-associated protein tau, MAPT）的异常积聚，其病理变化会导致神经退行性改变以及临床认知障碍表现，并持续进展^{[14, 15, 16]}。近几年，已有一些研究针对AD脑结构变化^{[17, 18]}以及脑分子代谢水平^[19]空间关联的转录底物进行了一系列探索。在个体基因水平上，影像转录组关联研究^[20]证实了AD脑区退变进展的严重程度与区域Tau蛋白基因表达水平正相关，并进一步确定了与已知Tau激酶（如细胞周期蛋白依赖性激酶5等）及细胞内经典Ras激活通路成分的显著关联。SEPULCRE等^[21]在经典脑影像表型指标的基础上开发了一种新的图论方法，通过影像转录组关联研究确定了Aβ蛋白和Tau蛋白在“内度枢纽”和“外度枢纽”脑区异常积聚的易感性，并发现了以脂质代谢基因为共同特征及核心作用的遗传网络基因谱。针对AD临床前阶段即AD易感风险的研究^[22]表明，AD风险基因的区域脑表达与脑代谢改变之间强相关，特别是在AD对应脑退变表型中最早和最严重的脑区（例如海马体、杏仁核和内嗅皮层），为AD的疾病预测预防提供了新见解。关于AD的纵向研究，MATTSSON等结合脑代谢表型和脑脊液Aβ蛋白和Tau蛋白含量成功构建了一个有效的AD纵向分期系统，发现不同病理阶段的AD脑区基因表达谱存在显著差异，并且这些基因与电压门控离子通道活动尤其相关。此外，基因共表达研究^[23]表明通过影像基因网络发现的AD相关危险因素与大脑区域特异性的基因共表达显著相关，为识别疾病风险基因提供了新的方向。总结来说，多项研究从AD相关脑退变的不同表型出发，通过影像转录组关联研究从基因表达水平、基因相互作用以及基因网络等多角度进行深入探索，揭示了病理蛋白沉积、代谢异常与特定基因表达的空间耦合关系，尤其在早期预测与亚型划分方面具有潜力，为AD病理机制、预测预防等方面提供了新的见解。然而，大多数研究基于横断面数据，难以厘清因果关系，未来应推动高精度空间转录组与纵向影像数据整合，以全面揭示AD进展的动态转录机制。

2.2 PD

       PD是第二常见的神经退行性疾病，病变累及全身多个系统，伴有多种运动及非运动症状且个体差异较大^{[24, 25, 26]}。许多研究已经表明基因变异是PD的重要病因之一^{[27, 28, 29, 30]}，但在PD脑区特异性病理表现的遗传机制尚不清楚。通过影像转录组关联研究，针对PD经典路易体沉积进展的脑区易感性以及分子表型研究^[31]不仅佐证了PD六阶段进展的经典模型，并为PD发生发展的病理机制提供了新的解释。除此以外，脑铁沉积引起的氧化应激是神经退行性疾病的另一个重要潜在驱动因素。应用定量磁化率映射序列（quantitative susceptibility mapping, QSM）进行脑铁含量成像结合影像转录组关联分析证明了PD差异表达基因与脑皮质铁沉积表达模式有关，其关联基因组在与重金属解毒、突触功能和神经系统发育相关的生物学过程中表达丰富，为PD特别是涉及铁沉积过程的脑区易感性提供了机制上的见解^[32]。此外，脑结构萎缩是PD等神经退行性疾病的经典脑病变表型之一^{[33, 34, 35]}。许多研究应用影像转录组关联研究从脑灰质结构协变网络^[36]、脑皮层结构萎缩^[37]及相关疾病扩散模式等脑微结构角度探索PD脑退变表型的转录组特征、潜在分子机制以及与疾病治疗的关联。此外，也有研究对PD重要临床表现的脑网络连通性及基因表达变异进行了进一步的探索，例如痴呆风险^[38]和视觉幻觉^[39]等，从不同临床亚型的角度对PD多系统多症状的疾病特点进行了拓展探索。影像转录组关联分析促进了PD多表型、多阶段、多亚型的机制探索，尤其在解析铁沉积、脑结构变化与分子通路间的耦合机制中具有独特价值。但目前研究多聚焦于运动症状，非运动表型如自主神经功能障碍研究仍较稀缺。此外，基因表达异质性可能导致亚型混淆，未来可结合表观遗传学等多组学方法，探索环境与遗传因素的交互作用，从而更全面地理解PD的发病机制。

2.3 HD

       HD是一种成人发病的常染色体显性神经退行性疾病，具有认知、运动和精神三联征症状^{[40, 41, 42]}。ESTEVEZ等^[43]应用脑结构和弥散影像结合AHBA研究发现，HD患者早期脑灰质体积萎缩和脑白质扩散率增加（即脑皮质细胞损失）可能来自双重病理过程，是生命初期神经发育变化与成年后神经退行性变的共同作用的结果。此外，该研究还成功进行了细胞层面的分析验证，实现从数据驱动结果到细胞实验证实的重大突破。HD经典理论表明，在HD早期脑结构退化的情况下，脑功能网络连接会上调激活。MCCOLGAN等^[44]基于该理论进一步研究发现HD脑功能上调的区域，特别是后皮层区域及其中的相互功能连接，与HD早期患者的疾病病理负担（脑脊液神经原纤维素水平）的呈正相关。此外，γ-氨基丁酸能和谷氨酸能神经元细胞在该区域存在显著的特异基因表达，为该代偿理论提供了新的解释。除脑皮质改变外，影像转录组关联研究^[45]也揭示了HD患者脑白质疾病易感性的双重机制，其中突触基因的异常转录和与转录无关的代谢紊乱都可能导致脑白质异常损失。此外，KEO等^[46]应用基因共表达分析研究不同脑区聚谷氨酰胺基因组（polyglutamine, polyQ）中九种不同基因之间的功能关系，发现在HD患者的额叶、顶叶和纹状体观察到ATN1/ATXN2基因之间强关联的基因共表达模式，与该病的致病特异性密切相关。HD相关影像转录组研究逐步揭示其结构功能障碍背后的多层级机制，包括神经发育失调、突触功能障碍及特异基因协同调控。但是，我们也注意到，相较于AD、PD，HD相关影像转录组关联研究多为小样本横断面分析，统计效能与代表性有限。因此，未来需建立多中心纵向队列，结合动态影像与多时间点转录组分析，以追踪HD的病理演变过程。

2.4 肌肉萎缩性侧索硬化症等其他神经退行性疾病

       9号染色体开放阅读框72（chromosome 9 open reading frame 72, C9orf72）中六核苷酸重复扩增内含子（hexanucleotide repeat expansion, HRE）被认为是肌萎缩侧索硬化症^[47]（Amyotrophic Lateral Sclerosis, ALS）、额颞叶痴呆^[48]（frontotemporal dementia, FTD）和 ALS-FTD^[49]等神经退行性疾病最常见的遗传学原因。BROCE等^[50]通过影像转录组关联研究确定了一个 C9orf72 相关基因网络，具有类似的基因表达解剖结构并且与C9orf72 HRE携带者的脑皮层厚度改变模式显著相关。该研究以目标基因为枢纽，建立了相对完整的转录组网络，并进一步探索了其在分子、细胞、组织等不同层面的生物途径及作用。但疾病高度异质、缺乏横跨物种的验证体系仍是当前瓶颈。未来研究应发展疾病特异数据库，融合人工智能与实验模型，推动关键致病通路的发现与验证。

3 总结与展望

       由于神经退行性疾病的特殊性，难以直接获得大量人类脑组织样本进行直接科学研究，一直是该领域不可忽视的研究瓶颈。在此背景下，影像转录组关联分析提供了一种新的研究范式，很好地弥合了临床影像表型和微观基因表达之间的巨大鸿沟。尽管不同疾病临床表现各异，但其在分子层面存在共通机制，如突触稳态失衡、氧化应激通路异常及神经发育缺陷相关基因的跨疾病表达模式，暗示了神经退行性疾病可能具有共享生物学基础以及共同生物学逻辑。此外，神经退行性疾病的发病机制高度依赖遗传调控网络，其病理共性往往源于多种不同关联风险基因之间复杂综合的相互作用。然而，各疾病所特有的风险基因仍是精准疾病分型的关键。例如，AD主要受Aβ与Tau蛋白相关基因驱动，PD则涉及突触核蛋白和溶酶体通路异常，这些特异性分子标志物为靶向干预提供了理论依据。

       与传统全基因组关联研究相比，影像转录组关联研究能够直接关联脑区特异性表型与空间转录模式，在空间解析能力上具有天然优势，但受限于转录组数据的空间分辨率和死后与活体数据的差异。与单细胞测序技术相比，虽然后者可提供更高分辨率与细胞类型特异性信息，但影像转录组关联研究更适用于整合宏观脑影像与微观分子特征，实现多尺度联动。然而，当前方法仍面临诸多挑战，例如AHBA提供的供体脑样本数量有限，左右脑样本不对称，且死后样本与临床活体数据存在生物学差异等。此外，现有转录组图谱的空间分辨率仍不足，难以解析细胞亚型的表达特征。

       针对上述问题，研究者正尝试通过多种方式推进该领域的发展：一方面，改进AHBA图谱的标准化处理流程，优化图谱配准与基因表达归一化算法；另一方面，国内外多个研究团队已着手绘制更高分辨率、更具代表性的空间转录组图谱，以夯实研究基础。尽管自2010年AHBA图谱发布以及2021年预处理优化流程问世以来，影像转录组研究在神经退行性疾病中已取得一定进展，但目前的疾病谱覆盖仍不全面，尤其是在亚型差异和脑表型多样性方面，仍存在大量空白亟待填补。最后，针对影像转录组关联研究识别出的潜在关键基因，后续系统的临床与实验验证亟需完善。具体来说，对于这些关联基因，我们可以通过组织、细胞、分子通路水平等实验进行靶基因筛选，通过目标基因敲除或上下游基因调控等分子实验进行验证或拓展；结合不同疾病甚至同一疾病不同表型的动物模型实验等获得对疾病基因机制更完整可靠的认识。在上述研究验证的基础上，发展以特异性关联基因为靶点的基因治疗实验，或将为神经退行性疾病的个性化治疗带来突破性进展。

       综上，影像转录组关联研究作为连接脑影像宏观表型与微观分子机制的桥梁，在探索神经退行性疾病基因表达机制方面已经取得了一定成果，但仍有更加广阔的发展空间和前景，需要更多研究推进，以丰富对于神经退行性疾病发病机制的认识并为临床精准治疗提供研究基础。