近日，北京大學(xué)IDG麥戈文腦科學(xué)研究所、心理與認(rèn)知科學(xué)學(xué)院、北大-清華生命科學(xué)聯(lián)合中心、海南大學(xué)生物醫(yī)學(xué)工程學(xué)院王征實(shí)驗(yàn)室，在《Nature Communications》在線發(fā)表題為“Brain-wide and cell-specific transcriptomic insights into MRI-derived cortical morphology in macaque monkeys”的研究論文，報(bào)道了完整地覆蓋食蟹猴全腦各個(gè)分區(qū)的轉(zhuǎn)錄組圖譜，并以此結(jié)合獼猴磁共振腦影像大數(shù)據(jù)，開展獼猴大腦皮層解剖結(jié)構(gòu)特征的基因表達(dá)分析，鑒定了1005個(gè)與大腦皮層厚度緊密相關(guān)的基因集，進(jìn)而使用獼猴視皮層的單細(xì)胞測(cè)序數(shù)據(jù)注釋了相應(yīng)的細(xì)胞亞型和功能通路。
近年來隨著基因組學(xué)測(cè)序技術(shù)的突飛猛進(jìn)，影像遺傳學(xué)（imaging genetics）、影像基因組學(xué)（imaging genomics）乃至影像轉(zhuǎn)錄組學(xué)（imaging transcriptomics）又重新點(diǎn)燃了研究者的興趣，其中最具影響力的工作是美國(guó)艾倫腦科學(xué)研究所發(fā)布的一個(gè)融合大腦基因表達(dá)的多模態(tài)人腦圖譜--Allen Human Brain Atlas (Hawrylycz et al., 2012)。但是，備受矚目的非人靈長(zhǎng)類模式動(dòng)物迄今都缺乏與人類腦圖譜相對(duì)應(yīng)的數(shù)據(jù)，成為了掣肘領(lǐng)域發(fā)展的瓶頸。王征實(shí)驗(yàn)室前期收集了162只食蟹猴的高分辨磁共振影像數(shù)據(jù)并構(gòu)建了全腦分區(qū)解剖圖譜--Cyno162(Lv et al., 2021)。根據(jù)此圖譜，研究團(tuán)隊(duì)在9只食蟹猴上收集了來自全腦110個(gè)腦區(qū)的近900個(gè)樣本進(jìn)行深度測(cè)序（～15G），構(gòu)建了完整的全腦分區(qū)轉(zhuǎn)錄組圖譜（圖1）。
圖1 構(gòu)建覆蓋獼猴全腦的精細(xì)分區(qū)轉(zhuǎn)錄組圖譜
擁有這個(gè)詳盡的獼猴全腦基因表達(dá)數(shù)據(jù)圖譜，研究人員可自由選取任意感興趣的基因查看其在全腦的表達(dá)水平，如血清素相關(guān)的基因HTR1B、HTR2C等（圖2）。
圖2 血清素相關(guān)基因在皮層和皮層下腦區(qū)的表達(dá)情況
隨后，研究團(tuán)隊(duì)系統(tǒng)分析了獼猴全腦各分區(qū)的差異表達(dá)基因（differential expression gene，DEG）和差異外顯子使用（differential exon usage，DEU）基因模式，發(fā)現(xiàn)了皮層下核團(tuán)與皮層差異顯著，這與人類大腦上的發(fā)現(xiàn)相似。在靈長(zhǎng)類研究中，參與高級(jí)認(rèn)知功能且高度分化的額葉腦區(qū)的基因表達(dá)一直是研究熱點(diǎn)，但苦于缺少高密度采樣的測(cè)序數(shù)據(jù)而進(jìn)展緩慢。通過全腦的加權(quán)基因共表達(dá)網(wǎng)絡(luò)分析和模塊分析，我們?cè)陬~葉區(qū)域內(nèi)發(fā)現(xiàn)了從背外側(cè)到腹內(nèi)側(cè)的基因表達(dá)梯度模式，在背側(cè)表達(dá)較多的基因集中還包含了多個(gè)髓鞘化相關(guān)的基因（CNP, FA2H, PLP1, MYRF, UGT8, MAG, MBP等）。令人驚訝的是在全腦皮層內(nèi)，位于枕葉的初級(jí)視覺皮層（而不是前額葉皮層）與其它腦區(qū)相比表達(dá)差異最大，這也驅(qū)使我們?cè)诔跫?jí)視覺皮層展開了單細(xì)胞水平的轉(zhuǎn)錄組測(cè)序。
研究團(tuán)隊(duì)進(jìn)一步整合獼猴轉(zhuǎn)錄組學(xué)和磁共振腦影像大數(shù)據(jù)，開展影像轉(zhuǎn)錄組學(xué)研究：在全腦范圍探索基因表達(dá)與影像表型之間的關(guān)聯(lián)（圖3）。此前來自多個(gè)大規(guī)模人類大腦影像數(shù)據(jù)集的全基因組關(guān)聯(lián)薈萃分析已經(jīng)發(fā)現(xiàn)，不同基因在全腦協(xié)同調(diào)控決定了大腦皮層區(qū)域的發(fā)育成熟，比如皮層厚度和表面積等。我們的實(shí)驗(yàn)結(jié)果鑒定了一組與獼猴皮層厚度表達(dá)關(guān)聯(lián)的基因，其中971個(gè)蛋白編碼基因，34個(gè)非編碼基因。根據(jù)我們采集的視皮層單細(xì)胞測(cè)序數(shù)據(jù)進(jìn)行的細(xì)胞類型分析，結(jié)果顯示這1005個(gè)基因顯著富集于神經(jīng)元和少突膠質(zhì)細(xì)胞。
值得強(qiáng)調(diào)的是，王征實(shí)驗(yàn)室這項(xiàng)歷時(shí)數(shù)年的工作不僅為非人靈長(zhǎng)類腦科學(xué)研究提供了獨(dú)特的資源，更為未來靈長(zhǎng)類疾病模型研究提供了重要依據(jù)(Cai et al., 2020; Qin et al., 2021)，比如對(duì)特定腦區(qū)進(jìn)行病毒介導(dǎo)的基因操作(Yan et al., 2022)或光遺傳調(diào)控等。后續(xù)將猴腦轉(zhuǎn)錄組學(xué)圖譜與人腦轉(zhuǎn)錄組圖譜數(shù)據(jù)相結(jié)合，可望開啟跨物種進(jìn)化奧秘的探索，這與基于磁共振影像學(xué)的環(huán)路比較相輔相成(Zhan et al., 2021)，為解析人類大腦結(jié)構(gòu)和功能遺傳基礎(chǔ)開辟了新的道路。
圖3 獼猴全腦影像轉(zhuǎn)錄組學(xué)聯(lián)合分析與皮層厚度相關(guān)的基因集
上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院腦病中心薄婷婷博士（從王征實(shí)驗(yàn)室畢業(yè)）和中國(guó)科學(xué)院上海營(yíng)養(yǎng)與健康研究所李杰博士為該文共同第一作者，北京化工大學(xué)生命科學(xué)與技術(shù)學(xué)院秦蒙副教授，哈爾濱工程大學(xué)智能科學(xué)與工程學(xué)院姚曉輝副教授及實(shí)驗(yàn)室多位成員參與完成此項(xiàng)目，王征研究員與中國(guó)科學(xué)院王光中研究員、河南省人民醫(yī)院放射科王梅云主任共同為本文的通訊作者。本課題得到了科技部科技創(chuàng)新2030-“腦科學(xué)與類腦研究”，國(guó)家自然科學(xué)基金委，中國(guó)科學(xué)院，上海市，廣東省及北大-清華生命科學(xué)聯(lián)合中心的資助。本項(xiàng)目的轉(zhuǎn)錄組數(shù)據(jù)可自由共享給感興趣的同行研究者。
原文鏈接：https://www.nature.com/articles/s41467-023-37246-w
參考文獻(xiàn)：
Cai, D.C., et al. (2020). MECP2 Duplication Causes Aberrant GABA Pathways, Circuits and Behaviors in Transgenic Monkeys: Neural Mappings to Patients with Autism. J Neurosci 40, 3799-3814.
Hawrylycz, M.J., et al. (2012). An anatomically comprehensive atlas of the adult human brain transcriptome. Nature 489, 391-399.
Lv, Q.M, et al. (2021). Normative Analysis of Individual Brain Differences Based on a Population MRI-Based Atlas of Cynomolgus Macaques. Cerebral Cortex 31, 341-355.
Qin, D.D., et al. (2021). Depletion of giant ANK2 in monkeys causes drastic brain volume loss. Cell Discov 7, 113.
Yan, M.C., et al. (2022). Mapping brain-wide excitatory projectome of primate prefrontal cortex at submicron resolution and comparison with diffusion tractography. eLife 11: e72534.
Zhan, Y.F., et al. (2021). Diagnostic Classification for Human Autism and Obsessive-Compulsive Disorder Based on Machine Learning From a Primate Genetic Model. Am J Psychiatry 178, 65-76.
2023-03-20