阐释有神经精神疾病罹患风险的脑部构造：来自PsychENCODE的最新研究结果

阐释有神经精神疾病罹患风险的脑部构造：来自PsychENCODE的最新研究结果：神经精神疾病有着十分复杂的原因，所涉及的基因有数百个—这一特征阻碍了相关治疗方法的研发。造成神经精神疾病的基因变异大多位于基因组的非编码区域，这使得在基因变异体与疾病后果间建立明确的联系变得尤其困难。现在，来自PsychENCODE Consortium的10则新的报告在揭开与这些疾病有关的脑部构造上取得了进展；PsychENCODE Consortium是在2015年成立的涉及多个学科的组织；它致力于阐释精神分裂症、双相情感障碍和自闭症谱系障碍等的分子发病机制。这些研究发表在《科学》（7篇）、《科学-转化医学》（2篇）和《科学-进展》（1篇）上，其亮点概括如下。

在《科学》杂志上发表的一篇“旗舰”研究文章分析了脑随着时间的发育；Mingfeng Li和同事在该研究中应用多个基因组技术来描绘位于不同脑部区域内的基因表达、表观遗传修饰及调控要素，以及整个脑部发育过程中的细胞类型。据他们报告，与神经精神风险相关联的关键性的表达差异在脑部的早期发育及青春期中最为明显。第二个主要发现是，神经精神疾病风险基因会聚集于特定的细胞类型及脑部发育的特定的时间点，这为在何时及何处研究这些疾病机制及如何为其建模提供了新的线索。第二篇旗舰研究也发表在《科学》杂志上，它用深度学习方法整合了来自近2000人的脑组织和单细胞数据，后者被用来预测发病风险。在这项研究中，Daifeng Wang和同事用单细胞测序来解释基本细胞类型（如兴奋性神经元及抑制性神经元）中的与神经精神疾病有关的变异。他们数据的巨大规模还令其能构建将DNA非编码变异株与特定基因关联的分子与调控网络；接着他们用这些网络将更多已知的精神疾病风险变异株与科学家已经测序的基因进行关联。Wang等人最后将他们构建的调控网络埋置于一个可被解读的深度学习框架来预测神经精神疾病的发病风险。他们称，其预测成功率远远高于那些依赖传统遗传学的预测成功率。

在《科学-转化医学》中刊登的2则研究发现了脑内基因活动的独特模式，它们分别与精神分裂症及双向情感障碍关联。这些发现可能会促进未来针对精神分裂症和双向情感障碍的药物发现；这两种疾病各自影响全球数千万人，它们代表了一种沉重的经济负担；有一项研究估计，在2013年，美国因精神分裂症所致的开支总额超过1550亿美元。

最后一则由Suhn Rhie和同事发表在《科学-进展》中的研究首次创制了一幅某神经元细胞亚组的3维表观基因组图，它可作为精神分裂症神经发育成分表观研究的良好模型。该团队对这些细胞的评估揭示了调控成分表观遗传特征中的个体差异；这些细胞来自确诊罹患精神分裂症活人及来自健康对照者的活检样本。作者说，这些结果或能为精神分裂症的治疗干预提供新的标靶。

该联盟可用这些文章来研发可作为社群资源的分析性工具与生物学工具。所有的数据与相关的分析产品都可从该联盟的网站（psychencode.org）获取。他们将这一系列的文字奉献给Pamela Sklar，她是PsychENCODE Consortium的主要设计师和领导之一。

###

内容来源：優睿科