|
大家好，今天跟大家分享一篇题为Spatial transcrip tomics reveals unique geneex pression changes in different brain region safter sleep depr ivation（空间转录组学揭示睡眠剥夺后不同大脑区域独特的基因表达变化）睡眠不足对大脑和行为有深远的影响，但已有研究主要集中在单个大脑区域（如海马体或皮层）的基因表达变化，目前尚不清楚睡眠不足对大脑的影响是均匀的还是异质的。 01 研究背景 睡眠不足对大脑和行为有深远的影响，影响记忆、注意力和新陈代谢。以前的研究主要集中在单个大脑区域（如海马体或皮层）的基因表达变化。因此，目前尚不清楚睡眠不足对大脑的影响是均匀的还是异质的。在这里，我们使用空间转录组学来定义雄性小鼠大脑中短暂睡眠剥夺的影响。 我们发现，睡眠不足导致整个大脑的基因表达存在明显差异，海马体、新皮层、下丘脑和丘脑的变化最大。差异表达基因和调控方向在不同地区存在显著差异。 见图一 基因表达的空间模式定义了解剖学上不同的大脑区域。  图一 A 样品 4 的冠状组织切片 H&E 组织学染色示例。对16只小鼠中的每只小鼠重复此过程。 B 基于图的样本 4 的点级（2711 个点）的聚类识别。每个斑点都根据使用 Louvain 聚类算法从 20 个主成分计算的转录特征进行着色。大脑区域以彩色图例标记。对16只小鼠中的每只小鼠重复此过程。 C 艾伦参考图谱的改编屏幕截图——小鼠大脑（冠状切片图像 72，共 132 页，位置 285，http://atlas./）。 D 基于每个位点的转录特征的 UMAP 图。每个大脑区域最重要的计算生物标志物的 E 气泡图。气泡图显示了每个大脑区域中生物标志物的表达水平。气泡直径与显示生物标志物表达的斑点的百分比成正比。对于每个大脑区域，显示两个重要的生物标志物。 见图二 海马区是睡眠剥夺后转录受影响最大的大脑区域。  图二 直方图表示先前确定的每个大脑区域中显着差异表达基因 （DEG） 的数量。海马区 （B）、新皮层 （C）、下丘脑 （D）、丘脑 （E） 中显着的 DEG 丰富了分子功能。如果一个基因的 FDR 递增 <0.001 且其 log2 倍变化≥ |0.2 |每个富集分子功能的圆圈大小与显著性成正比。仅显示校正后的 p <为 0.05 的分子函数（双侧超几何检验，Bonferroni 降压）。这些分子功能中的DEGs被颜色编码，以显示它们是下调（蓝色）还是上调（红色）。F 具有超过 50 个显着 DEG（不包括纤维束和尾壳）的每个大脑区域之间相互作用的 UpSet 图。为每个大脑区域提交的 DEG 数量由左侧的直方图表示（0-600 范围）。仅点表示与任何其他列表没有重叠。带有连接线的点表示大脑区域之间的一个或多个 DEG 重叠。特定列表中重叠的 DEG 数由顶部的直方图表示。对于具有较少DEGs的空间表达模式，我们能够在其各自的直方图上方列出基因名称。基因被标记为最小的列表。HPF 海马形成、Neo CTX 新皮层、HY 下丘脑、TH 丘脑、Allo CTX 同种异体皮层、SLAN 纹状体样杏仁核。 见图三 每个海马亚区都显示出睡眠剥夺的独特转录影响。  图三 A 新皮层的每个皮层都显示出睡眠剥夺的独特转录影响。CA1 锥体层和齿状回 （DG） 颗粒细胞的代表性示例切片的 2085 个斑点中每个点的反卷积步骤的预测分数用从蓝色到红色的颜色图例表示。其余的亚区是根据生物学知识选择的，使用H&E染色图像上明显的解剖结构。 B 在样本 16 上识别的海马亚区示例。 C 每个海马亚区域之间相互作用的 UpSet 图。为每个亚区域提交的差异表达基因 （DEG） 的数量由左侧的直方图表示（0-62 范围）。如果一个基因的 FDR 递增 <0.1 且其 log2 倍变化≥ |0.2 |仅点表示与任何其他列表没有重叠。带有连接线的点表示海马亚区域之间的一个或多个 DEG 重叠。特定重叠列表中的 DEG 数量由顶部的直方图表示。基因被标记为最小的列表。放射层细胞和CA1锥体细胞分别有53个DEGs和51个DEGs的独特列表，丰富了左侧所示的特定分子功能。每个富集分子功能的圆圈大小与显著性成正比。仅显示校正后的 p <为 0.05 的分子函数（双侧超几何检验，Bonferroni 降压）。如果 FDR < 0.001 且 log2 倍变化为 |0.2 | ，则认为基因具有显著性>。 见图四 将 3DRAM-seq 与 immunoFACS 相结合，可以对人类皮质类器官中细胞类型特异性表观遗传景观进行多模式分析。  图四 每个皮质层的代表性示例切片的 2085 个点中每个点的反卷积步骤的预测分数用从蓝色到红色的颜色图例表示：第 2-3 层 （A1）、第 4 层 （A2）、第 5 层 （A3）、第 6 层 （A4).我们可以在聚集的轮廓上区分不同的连续层流兴奋性神经元层（A5).B 新皮层每个去卷积皮层之间相互作用的上位图。为每层提交的差异表达基因 （DEG） 的数量由左侧的直方图表示（0-225 范围）。如果一个基因的 FDR 递增 <0.001 且其 log2 倍变化≥ |0.2 |仅点表示与任何其他列表没有重叠。带有连接线的点表示皮层之间的一个或多个 DEG 重叠。特定重叠列表中的 DEG 数量由顶部的直方图表示。基因被标记为最小的列表。L2/3 = 第 2 层和第 3 层;L4 = 第 4 层;L5 = 第 5 层;L6 = 第 6 层。左侧列出了第 5 层的 174 DEG 和第 2/3 层的 149 DEG 的独特列表，这些 DEG 丰富了特定的分子功能。每个富集分子功能的圆圈大小与显著性成正比。仅显示校正后的 p <为 0.05 的分子函数（双侧超几何检验，Bonferroni 降压）。如果 FDR < 0.001 且 log2 倍变化为 |0.2 | ，则认为基因具有显著性>。 见图五 将空间数据配准到Allen Common Coor dinate Frame work 和对齐转录组位点的统计分析。  图五 来自单个脑切片的组织图像的非线性配准 （A1）及其转录组位坐标（A2）——如示例所示：基因 Camk2n1 – 到模板图像 （A3），从Allen P56 Mouse Common Coordinate Framework （CCF）， Allen Mouse Brain Atlas， mouse. 切片70。由于配准的非线性特性，我们能够精确地对齐样本图像（A4） 添加到模板图像中的地标，并将该变换应用于点坐标 （A5).为了解释单个样品中不同数量的斑点，为模板切片创建了蜂窝中间隔为 150 μm 的数字斑点。每个数字点都填充了一组中每个样品的 7 个最近点的对数碱基 2 个标准化转录组计数 （A7).这种方法允许在不受限制的推理空间中比较整个大脑切片的基因表达。B-G 样本分为非睡眠剥夺（NSD，n = 6，每个数字 点有 42 个样本点）和睡眠剥夺（SD，n = 7，每个数字点有 49 个样本点）。平均值计算的色条范围设置为从 0 到 log2 倍数变化 3，即所示基因的最大倍数变化，而 SD > NSD t 统计量 （B3–G3） 的色条边界为 [−4,4]，大约相当于 FDR < 0.1。*表示该基因在 FDR < 0.1 时显著，**表示在 FDR < 0.05 时显著。我们展示了从 413 个 DEG 中选定的 6 个基因（补充数据 10）（B-G）。图 1 显示了每个基因 （B1-G1） 的 NSD 中平均归一化基因计数，图 2 描绘了 SD 中的平均归一化基因计数 （B2-G2），图 3 显示了 t 统计量 （B3-G3）。描绘了以下 DEG：B Per1,4 个重要点。C Nr4a1,29个重要斑点。D Homer1,306个重要斑点。E弧，168个重要点。F Rbm3,31个重要斑点。G Cirbp，9 个重要点。 02 研究结论 重要的是，我们开发了生物信息学工具，将组织切片和基因表达数据注册到一个共同的解剖空间中，从而可以对样本之间的基因表达模式进行全脑比较。我们的研究结果表明，作用于离散大脑区域的不同分子机制是睡眠剥夺的生物学效应的基础。 |
|
|
