鄧嵐 綜述 王遠軍 審校

阿爾茨海默癥（Alzheimer’s disease，AD）或稱腦退化癥，俗稱老年癡呆癥，是一種發(fā)病進程緩慢且隨著時間不斷惡化的持續(xù)性神經(jīng)功能障礙。最常見的早期癥狀是難以記住近期發(fā)生過的事情，隨著疾病的惡化，患者逐漸喪失生活自理能力，最終死于感染等并發(fā)癥。AD的真正成因至今不明，但它有一個長期的臨床前期特征：在輕度認 知障礙（mild cognitive impairment，MCI）階段前期，也就是出現(xiàn)失憶癥狀的前十年中，大腦影像特征和腦脊液生物標志隨著記憶的輕微下降而持續(xù)改變。早期基于分子的AD 研究發(fā)現(xiàn)，在AD 受試者中淀粉樣前體蛋白（amyloid precursor protein，APP）和早老素（psen1 和psen2）進行基因編碼時出現(xiàn)罕見的高度滲透突變，表現(xiàn)為可預(yù)測的顯性常染色體的轉(zhuǎn)變。這些突變直接影響了APP 的編碼過程，從而導(dǎo)致淀粉樣β 肽（amyloid-β peptide，A-β）在大腦集中沉積。除了這些罕見的突變，還存在很大一部分頻繁的突變，并且表現(xiàn)為風險修正而 不是因果因素，這些頻繁的突變已經(jīng)被研究者鑒定為與遲發(fā)性阿爾茨 海 默 癥（late-onset Alzheimer’s disease，LOAD）有關(guān)。這些結(jié)果表明AD 受遺傳因素影響很大。此后，研究者為發(fā)現(xiàn)AD 的遺傳生物標志而對影像遺傳組學投入了大量的研究。如Khondoker 等發(fā)現(xiàn)HOMER2（rs1256429；intronic，P＝8.7×10–10） 、 EOMES （ rs2724509 ；flanking）、JAM2（rs2829841；intronic）和 WEE1（rs10770042；coding）等與AD 相關(guān)的遺傳標志 物。隨著中國人口老齡化程度的加劇，AD 患者數(shù)量逐漸增加，大量研究者開始探尋預(yù)后生物標志，這些標志能識別出有認知下降風險的受試者，從而為AD 的預(yù)防和治療提供幫助。目前，已有研究證明 了各種個體生物標志物（如認知測試、流體標記、成像措施）和一些單獨的遺傳標記[如載脂蛋白 E（apolipoprotein E，APOE）、成像標記的海馬體積和形狀、皮質(zhì)區(qū) 域體積和厚度、正電子發(fā)射斷層掃描（ positron emission computed tomography，PET）異常等]的有效性。本文主要介紹了MRI 腦圖像數(shù)據(jù)與遺傳變異數(shù)據(jù)關(guān)聯(lián)分析的方法以及目前在AD 上的研究進展。根據(jù)關(guān)聯(lián)分析對象的復(fù)雜程度將其分類為候選腦表型、候選遺傳變異、全基因組遺傳變異和全腦體素，并分別簡述兩兩關(guān)聯(lián)分析的方法及其在AD 上的研究進展。本文最后還提出了一些目前仍未解決的問題，如表型的選取以及候選基因多態(tài)性有限等。

1 影像遺傳組學

影像遺傳組學是隨著高通量組學數(shù)據(jù)和多模態(tài)成像數(shù)據(jù)的發(fā)展而出現(xiàn)的一個新興的研究領(lǐng)域。主要目的是從高通量成像數(shù)據(jù)[如 癌癥研究中的病理組織學圖像、腦研究中的磁共振圖像（magnetic resonance imaging，MRI）和 PET 圖像數(shù)據(jù)]與組學數(shù)據(jù)[如單核苷 酸多態(tài)性（single nucleotide poly- morphisms，SNPs）、脫氧核糖核苷酸（deoxyribonucleic acid，DNA）序列、核糖核酸（ribonucleic acid，RNA）表達、甲基化、表觀遺傳標記、蛋白質(zhì)組學和代謝組學數(shù)據(jù)等]中獲取有效信息。橋接成像和遺傳變異并探索它們的聯(lián)系將為正?；驘o序的生物結(jié)構(gòu)和功能的表型特征和遺傳機制提供重要的新見解，這也將為新的疾病診斷、治療和預(yù)防模式提供依據(jù)。早期的影像遺傳組學以明確遺傳變異與人腦結(jié)構(gòu)和功能的關(guān)聯(lián)為目的，即人腦結(jié)構(gòu)和功能特性受哪些基因調(diào)控以及遺傳變異對人腦結(jié)構(gòu)和功能特性的影響，而之后的神經(jīng)影像遺傳組學擴展到了遺傳與環(huán)境因素（病因）以及人腦結(jié)構(gòu)和功能指標（內(nèi)表型）與疾病或行為（外表型）之間的關(guān)系，包括兩兩關(guān)系、遺傳與環(huán)境的交互作用以及病因-內(nèi)表型-外表型的傳遞通路研究。闡明病因-內(nèi)表型-外表型的異常通路，有助于進行神經(jīng)精神疾病的客觀生物學分類，明確遺傳變異導(dǎo)致腦疾病的神經(jīng)機制，發(fā)現(xiàn)通路特異性影像評估指標，制訂個體化的治療方案，指導(dǎo)治療新手段的研發(fā)以及設(shè)計新一代疾病動物模型?？偟膩碚f，影像遺傳組學的研究，是將影像學和基因組學的信息相結(jié)合，試圖發(fā)現(xiàn)特定遺傳學標記對腦結(jié)構(gòu)、功能和腦網(wǎng)絡(luò)組的調(diào)控機制，從而解析腦功能及腦疾病的神經(jīng)機制和內(nèi)在遺傳機制，以達到預(yù)測疾病的目的。通過基因影像水平的腦結(jié)構(gòu)、功能和腦網(wǎng)絡(luò)組的研究方法，可以發(fā)現(xiàn)AD 所對應(yīng)的特定遺傳學標記。影像遺傳組學從基因、腦影像以及行為等多層次相結(jié)合的角度進行系統(tǒng)研究，開辟了從微觀到宏觀不同層次間研究的橋梁。

影像遺傳組學是一個比較新穎的研究領(lǐng)域，研究進展很快。早期的研究使用最簡單的方法來研究遺傳標記和成像表型之間的成對單變量關(guān)聯(lián)。為了適應(yīng)涉及多個遺傳標記和多個成像表型之間更靈活的關(guān)聯(lián)，最近的研究采用多元回歸和多變量模型，同時結(jié)合機器學習方法和先驗知識。其中，為了提高統(tǒng)計準確性和減少假陽性，研究者進行了元分析研究，以定量地合成來自多個獨立分析的成像基因組結(jié)果。為了尋找“缺失遺傳力”（即科研人員在經(jīng)年累月地進行研究后還是未能找到許多人類疾病和特征背后的遺傳因素），進行了上位性研究，以研究遺傳相互作用對成像表型的影響。為了識別具有統(tǒng)計學效力的生物學意義上的發(fā)現(xiàn)，提出了成像遺傳富集分析，以在成像和基因組域中尋找關(guān)聯(lián)。

隨著影像遺傳組學的興起，國內(nèi)外相繼推出了多個大規(guī)模影像遺傳組學研究計劃。如神經(jīng)影像遺傳學 研 究 計 劃（Alzheimer’s Disease Neuroimaging Initiative，ADNI）是2003年在美國發(fā)起的針對AD 的神經(jīng)影像遺傳組學多中心協(xié)作組研究計劃，包含健康老年人、MCI 及AD 患者的神經(jīng)影像、遺傳、神經(jīng)認知、血液和腦脊液生物標記物數(shù)據(jù)。ADNI 的目標是研究AD 的發(fā)生機制、進展機制及潛在的治療手段。目前，研究最多的影像指標是反映人腦結(jié)構(gòu)、功能和連接特性的神經(jīng)影像指標。增強神經(jīng)影像遺傳組學元分析計劃（Enhancing Neuroimaging Genetics through Meta-analysis，ENIGMA）是2009年由美國南加州大學Paul Thompson 教授等發(fā)起的神經(jīng)影像遺傳組學元分析協(xié)作組，全世界超過300 名研究者和185 個機構(gòu)參與，匯集了超過30000 例的健康或神經(jīng)精神疾病被試。ENIGMA協(xié)作組把全世界的神經(jīng)影像遺傳組學數(shù)據(jù)匯集到一起，以了解遺傳與人腦結(jié)構(gòu)和功能的關(guān)聯(lián)。目前形成了30 多個工作組，包括疾病工作組、基因組學工作組、算法開發(fā)組、健康變異組以及與其他協(xié)作組合作小組等。

2 影像遺傳組學的分析方法

本文將進行關(guān)聯(lián)分析的對象分為候選腦表型（指特定的腦表型，如海馬體積和形狀）、候選遺傳變異（指特定的基因或特定的基因變異）、全基因組遺傳變異和全腦體素4 類。因此，遺傳變異與腦表型的關(guān)聯(lián)分析可以歸納為4 類：候選遺傳變異與候選腦表型的關(guān)聯(lián)分析；全基因組遺傳變異與候選腦表型的關(guān)聯(lián)分析；候選遺傳變異與全腦體素的關(guān)聯(lián)分析；全基因組遺傳變異與全腦體素的關(guān)聯(lián)分析。

2.1 候選遺傳變異與候選腦表型的關(guān)聯(lián)分析

候選遺傳變異與候選腦表型的關(guān)聯(lián)分析是一種單對單的分析方法，采用單變量統(tǒng)計分析研究候選遺傳變異和候選腦表型之間的關(guān)系，是最簡單的一種影像遺傳組學研究方法。候選遺傳變異和候選腦表型的選取需要明確的科學假設(shè)。例如，APOE 是AD 的風險基因，海馬萎縮是該病最重要的病理特征，據(jù)此假設(shè)APOE 基因是通過控制海馬體積來影響AD 的，即可以通過研究正常人和AD 患者中APOE 基因與海馬體積的關(guān)聯(lián)驗證該假設(shè)。Habes 等假設(shè)APOE ε4 通過控制腦體積來影響AD，并通過構(gòu)建線性回歸模型來研究APOE ε4 與腦萎縮之間的關(guān)系。其中總顱內(nèi)體積歸一化感興趣區(qū)（region of interest，ROI）體積作為輸出，年齡、APOE ε4 載體狀態(tài)、性別作為預(yù)測因子，以此來調(diào)整研究隊列。

該方法既可以研究單個遺傳變異與單個腦表型的關(guān)聯(lián)，也可以逐個研究多個遺傳變異與多個腦表型的關(guān)聯(lián)，后者需要進行多重比較校正。如Ramirez 等在小樣本中通過線性回歸計算皮質(zhì)厚度和海馬橈骨距離來研究AD 風險等位基因狀態(tài)和基因表達水平之間的關(guān)系。用置換分析（置換預(yù)測變量）對得到的三維（3-dimension，3D）統(tǒng)計圖譜進行多重矯正。該方法應(yīng)用集合級推理方法，并且基于通過了特定先驗閾值（該實驗中設(shè)置為0.01）的 點的數(shù)目定義每個映射的單個校正P值。結(jié)果發(fā)現(xiàn)風險基因MS4A6A的一個SNP（rs610932）和風險基 因ABCA7 的一個SNP（rs3764650）與皮質(zhì)和海馬萎縮表現(xiàn)出顯著的相關(guān)性。

2.2 全基因組遺傳變異與候選腦表型的關(guān)聯(lián)分析

全基因組遺傳變異與候選腦表型的關(guān)聯(lián)分析是一種多對單的分析方法，研究多個遺傳變異與單個腦表型的關(guān)系。根據(jù)關(guān)聯(lián)分析的方法又可細分為以下幾種。

全基因組關(guān)聯(lián)分析（genome- wide association study，GWAS）是識別疾病相關(guān)遺傳變異的重要研究方法，以疾病作為表型，在全基因組水平尋找與疾病相關(guān)聯(lián)的遺傳變異位點。如Gibson 等利用全基因組關(guān)聯(lián)數(shù)據(jù)探索 AD 和重度抑郁癥（major depressive disorder，MDD）之間的關(guān)聯(lián)以及是否有共享遺傳結(jié)構(gòu)的存在。Nho 等利用GWAS 發(fā)現(xiàn)了PSEN1 中罕見變異與早發(fā)性阿爾茨海 默 癥（early-onset Alzheimer’s disease，EOAD）的顯著關(guān)聯(lián)。同樣的研究思路也可以用于尋找與腦表型相關(guān)聯(lián)的遺傳變異。例如，Kim等以內(nèi)嗅皮質(zhì)厚度的雙側(cè)均值作為AD 相關(guān)的候選內(nèi)表型與GWAS 進行關(guān)聯(lián)分析。實驗結(jié)果為：FANCC基因中有16 個外顯子的罕見變異與內(nèi)嗅皮質(zhì)厚度顯著相關(guān)。使用分散的方法將FAF1、RFX7、LYPLAL1和GALGA3 映射到7 個進化保守區(qū)后，發(fā)現(xiàn)這些基因與內(nèi)嗅皮質(zhì)厚度顯著相關(guān)。在進一步的分析中發(fā)現(xiàn)FANCC 中的功能外顯子的罕見變異體與海馬體積和腦脊液（cerebro- spinal fluid，CSF）Aβ1-42 也顯著 相關(guān)。

由于GWAS 分析需要進行嚴格的多重比較校正，使得很多有意義的微效位點被忽略掉。為此，多種基于先驗知識和數(shù)據(jù)驅(qū)動的更為復(fù)雜的分析方法被用來解決該問題。基因集富集分析（gene setenrichment analysis，GSEA）與多基因風險分數(shù)（polygenic risk scores，PRSs）分析是最具有代表性的基于先驗知識研究多位點聯(lián)合效應(yīng)的方法。GSEA 的基本原理是先根據(jù)共同的生物學屬性定義基因集，將不同位點歸入基因集，然后計算每個基因集與腦表型的富集分數(shù)，檢驗其顯著性。若結(jié)果呈顯著性，則說明這個基因集及其對應(yīng)的位點與所選擇的腦表型有關(guān)聯(lián)。Yao 等通過成像遺傳富集分析（analysis of imaging genetic enrichment，IGEA）聯(lián)合考慮有意義的基因集（gene set，GS）和腦回路（brain circuit，BC）之間的關(guān)聯(lián)，通過定量特征（quantitative traits，QT）檢查給定的GS-BC 對是否富集在基因列表中。

PRSs 分析方法依據(jù)不斷更新的GWAS 的元分析結(jié)果來計算全基因組范圍內(nèi)的SNPs 加性效應(yīng)。PRSs是一個基于多個遺傳位點的變異及其相關(guān)權(quán)重的數(shù)值，當考慮到多種基因變異時，它是對這種特性的最佳預(yù)測。Mormino 等使用來自阿爾茨海默病國際基因組學（the International Genomicsof Alzheimer’s Project，IGAP）匯總統(tǒng)計的數(shù)據(jù)進行關(guān)于AD 的全基因組關(guān)聯(lián)研究：計算PRSs 并評估PRSs 與AD 標志物之間的關(guān)聯(lián)。研究結(jié)果發(fā)現(xiàn)在沒有癡呆的個體中檢測到與分布在整個基因組中的共同遺傳風險位點相關(guān)的效應(yīng)。說明這種遺傳風險在早期生活中就影響著患者，并使個體更容易受到晚年認知障礙的影響。Desikan等評估了將AD相關(guān)的SNPs和APOE 狀態(tài)結(jié)合到多基因危險評分（polygenic hazard scores，PHS）中用于預(yù)測年齡特異性發(fā)展AD 的風險的可行性。Chauhan 等基于大樣本研究了AD 患者的24 個風險位點與腦表型的關(guān)聯(lián)。研究結(jié)果發(fā)現(xiàn)新的AD 遺傳風險變異體可能會導(dǎo)致正常老年人大腦老化。Foley 等使用T1 加權(quán)結(jié)構(gòu)和擴散加權(quán)掃描分析AD PRSs 與腦成像參數(shù)之間的關(guān)聯(lián)性。Darst 等探索了使用途徑特異性PRSs 作為AD 相關(guān)生物標志物和認知功能早期改變預(yù)測因子的潛力。

以上這兩種方法均可以合并多個微效SNPs 的效應(yīng)以提高總體效應(yīng)，但都不能研究SNPs 之間的交互效應(yīng)。數(shù)據(jù)驅(qū)動方法則可以彌補這一不足，這是一種從數(shù)據(jù)抽象 出模型的方法。Kong 等在ADNI 中獲取了343 個MCI 受試者的磁共 振（magnetic resonance，MR）數(shù) 據(jù)和全基因數(shù)據(jù)，并使用 R 函數(shù)“coxph”來擬合 Cox 回歸模型（Cox proportional hazards model）。該實驗分別擬合了3 個模型。① 臨床認知模型：將Cox 回歸模型與人口統(tǒng)計、臨床和認知（ADAS-Cog評分）預(yù)測因子以及APOE 擬合。② 成像遺傳學模型：將Cox 回歸模型與人口統(tǒng)計學、影像學和染色 體組擬合。③ 傳統(tǒng)的成像遺傳學模型：將從 GWAS 中獲得的全基因 組中前101 個SNP 的主成分添加到模型2 中。接著使用接受操作特性（receiving operating characteristic，ROC）來研究候選模型的預(yù)測性能，該文獻通過計算曲線下面積（area under the curve，AUC）來測量生存模型的預(yù)測性能，最后發(fā)現(xiàn)模型2（AUC＝0.95）和模型3（AUC＝0.90）具有相對模型1（AUC＝0.75）較高的預(yù)測性能。它不依賴于先驗假設(shè)，而是應(yīng)用諸如多因子降維法、主成分分析法、獨立成分分析法等方法研究基因的生物學效應(yīng)、基因之間的交互效應(yīng)以及表型的多基因遺傳屬性等。

2.3 候選遺傳變異與全腦體素的關(guān)聯(lián)分析

候選遺傳變異與全腦體素的關(guān)聯(lián)分析是一種單對多的分析方法，研究特定遺傳變異與全腦體素水平的腦表型的關(guān)系。全腦體素水平的腦表型可以用多種方法刻畫，如基于體素的灰質(zhì)體積分析、功能連接分析、腦激活分析等。在此方面，國內(nèi)學者做了大量研究工作。Zhang等通過用大樣本中國人的成像遺傳策略發(fā)現(xiàn) RS74337 本身或連鎖不平衡的變化可以為橋接整合因子1（bridging integrator 1，BIN1）提供神經(jīng)發(fā)生機制，從而進一步證實遺傳和神經(jīng)成像結(jié)合檢測AD 風險個體的可能性。Zhang 等研究了APOE 和KIBRA（RS17070145）對267 名健康青年腦功能連接性密 度（functional connectivity density，F(xiàn)CD）的加性和上位性作用。通過基于體素的FCD 分析來識別與APOE- KIBRA 相互作用有關(guān)的腦區(qū)。加性效應(yīng)顯示隨著APOE 和KIBRA 等位基因數(shù)目的增加，左側(cè)海馬旁回和右側(cè)顳中回FCD 降低，雙側(cè)枕中回FCD 升高。上位性效應(yīng)顯示背外側(cè)前額葉皮質(zhì)（dorsolateral prefrontal cortex， DLPFC） 的 FCD 中有APOEKIBRA 相互作用。DLPFC 的FCD 在KIBLT TT 純合子中顯示APOE 風險等位基因依賴性降低 （ε2＞ε3＞ε4），但在KiBax C 載體中APOE 風險等位基因依賴性增加（ε2＜ε3＜ε4）。FCD 僅在2 個極端亞組的加性和上位性分析中出現(xiàn)顯著差異。這些結(jié)果表明，APOE 和KIBRA 在健康青年中對腦連接性具有區(qū)域依賴性和上位性作用。

2.4 全基因組遺傳變異與全腦體素的關(guān)聯(lián)分析

全基因組遺傳變異與全腦體素的關(guān)聯(lián)分析是一種多對多的分析方法，研究多個遺傳變異與多個腦表型的關(guān)系。這類分析包括大規(guī)模單變量線性模型和多變量分析方法。多變量分析法較為常見，因為無論是一組SNPs 還是全腦體素，它們都不是互相獨立的，因而需要用多變量分析方法來研究它們之間的關(guān)系。例如，并行獨立成分分析方法分別提取遺傳和影像的獨立成分，之后計算遺傳和影像獨立成分之間的關(guān)聯(lián)。并行獨立成分分析方法也可以結(jié)合已知基因功能的先驗知識來提高性能。此外，多變量分析方法還有偏最小二乘法、典型相關(guān)分析和減秩回歸等。這些方法常常被綜合或改進后使用。Zille 等結(jié)合稀疏回歸模型和典型相關(guān)分析模型分析SNPs與功能磁共振（functional magnetic resonance imaging，fMRI）數(shù)據(jù)來研究腦表型與基因的相關(guān)性。Yan 等基于稀疏典型相關(guān)分析（sparse ca- nonical correlation analysis，SCCA）提出一個新的模型——稀疏聯(lián)合 多類分類和關(guān)聯(lián)分析（sparse joint multi-class classification and associa- tion analysis，SMCA），用以探索表型與基因的關(guān)聯(lián)。

3 總結(jié)和展望

影像遺傳組學是一門新興的融合了多門學科的交叉研究領(lǐng)域，其主要目的是從高通量成像（如癌癥研究中的病理組織學圖像、腦研究中的MRI 和PET 圖像）數(shù)據(jù)和組學（如SNPs、DNA 序列、RNA 表達、甲基化、表觀遺傳標記、蛋白質(zhì)組學和代謝組學）數(shù)據(jù)中獲取有效信息。它通過對多個層面的考量來盡量展現(xiàn)遺傳與表型的關(guān)系，以推動對疾病的早期發(fā)現(xiàn)、預(yù)防甚至治療，目前主要用于神經(jīng)精神疾病的相關(guān)研究。本文從醫(yī)學影像與基因組學的結(jié)合方法入手，選取了影像中的MRI 與基因組學中的基因變異作為關(guān)聯(lián)分析的數(shù)據(jù)。分別根據(jù)使用數(shù)據(jù)的復(fù)雜程度將關(guān)聯(lián)分析分為四類。簡單介紹了具體將數(shù)據(jù)進行關(guān)聯(lián)分析的方法并列舉了其在AD 上的研究。

盡管目前世界各國的研究者在遺傳影像組學取得了一些重要成果。但仍然存在一些不確定性問題。本文從兩個方面對其進行闡述：① 從表型概念考慮。在內(nèi)表型的理論討論中，即遺傳變異-腦表型（內(nèi)表型）-疾病或行為（外表型），最主要的是討論如何確定表型，即規(guī)定與神經(jīng)精神疾病和遺傳有關(guān)的內(nèi)表型。很多神經(jīng)精神疾病的癥狀互相融合，不同潛在病因的診斷可能是相同的，這種診斷異質(zhì)性很可能會削弱甚至消除內(nèi)表型和疾病的關(guān)聯(lián)。因此，太過依賴于臨床診斷有可能忽略與其癥狀相同的其他病因的影響。② 從單個遺傳變異的數(shù)據(jù)處理方面考慮。大多數(shù)的成像遺傳學研究是在已知的候選基因框架內(nèi)進行的，并且大多集中在有限數(shù)量的功能性基因多態(tài)性。這種基因多態(tài)性是在基因編碼產(chǎn)生能夠影響特定的神經(jīng)系統(tǒng)的蛋白時出現(xiàn)的，并且這些遺傳變異與神經(jīng)表型和精神病理學的關(guān)聯(lián)大部分跟報道過的正關(guān)聯(lián)或空關(guān)聯(lián)都不一致。最近GWAS 已成功確定新的候選基因（如KTN1（16）），并證實了之前不確定的基因[如 SIRT1（33，62，63）]，有望擴大候選基因框架。?