关键词:
个体神经影像
基因表达脑图谱
阿尔兹海默病
影像基因组学
统计学
摘要:
在神经科学研究领域,神经影像技术和基因组学技术在各自领域的取得了丰硕的成果。在这一背景下,影像基因组学应运而生,将神经影像学和基因组学紧密地联系在一起,通过整合神经影像学和基因组学数据突破单一领域的局限,深入揭示遗传因素如何影响大脑结构和功能,并进一步解读这些变化如何与大脑的发育、认知功能及相关疾病相互关联。而神经影像与基因表达数据的融合正是其中关键。
本文旨在个体脑空间下探索个体神经影像与基因表达脑图谱的融合方法,特别是在研究阿尔茨海默病(Alzheimer's Disease,简称AD)等神经退行性疾病方面的应用。具体而言,本文的研究可以概括为以下三方面:
(1)通过创新的算法设计融合了艾伦人脑图谱(The Allen Human Brain Atlas,简称AHBA)中具有脑区特异性的基因表达数据与个体磁共振成像(Magnetic Resonance Imaging,简称MRI),实现了在个体脑MRI空间下,基于任意选定像素位置所在脑区的基因表达情况的详细查询与可视化整合。展示了在个体层面上能够揭示与脑部疾病相关的基因表达模式。
(2)以统计学的视角切入AHBA中的基因表达数据与正电子发射断层扫描(Positron Emission Tomography,简称PET)数据的融合,借助统计方法和可视化技术探索了阿尔茨海默病中风险基因,在各脑区中的表达情况与PET影像标志性病理变化——淀粉样β蛋白(Aβ)和Tau蛋白(τ蛋白)沉积之间的相关程度。在理解AD的病程中,发现了若干与PET影响标志性病理变化显著相关的风险基因,如CNTNAP2、ADAMTS1和TMEM106B与Aβ沉积显著相关;而AGRN、ADAMTS4和EPHA1则与τ蛋白沉积关联显著。
(3)开发了一个多模态神经影像与基因表达脑图谱整合的软件插件,为个体化精准医疗提供了研究工具。本研究开发的软件支持在个体MRI和PET影像空间下进行基因表达数据的整合和可视化,极大地增强了从基因角度理解脑部结构和功能的能力。
本文不仅在技术和方法论上取得了创新,也为理解AD等神经退行性疾病的复杂机制提供了新的视角,展示了基因表达与神经影像数据融合的潜力,为神经科学研究和临床实践提供了有价值的算法和软件工具。