CN117788465B - 局部脑血流图与转录、细胞特征关联的方法及装置 - Google Patents
局部脑血流图与转录、细胞特征关联的方法及装置 Download PDFInfo
- Publication number
- CN117788465B CN117788465B CN202410205244.7A CN202410205244A CN117788465B CN 117788465 B CN117788465 B CN 117788465B CN 202410205244 A CN202410205244 A CN 202410205244A CN 117788465 B CN117788465 B CN 117788465B
- Authority
- CN
- China
- Prior art keywords
- pls1
- gene
- genes
- analysis
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000003727 cerebral blood flow Effects 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013518 transcription Methods 0.000 title claims abstract description 7
- 230000035897 transcription Effects 0.000 title claims abstract description 7
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 104
- 208000009205 Tinnitus Diseases 0.000 claims abstract description 63
- 231100000886 tinnitus Toxicity 0.000 claims abstract description 63
- 230000014509 gene expression Effects 0.000 claims abstract description 62
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000010201 enrichment analysis Methods 0.000 claims abstract description 26
- 230000002103 transcriptional effect Effects 0.000 claims abstract description 19
- 210000004027 cell Anatomy 0.000 claims abstract description 16
- 238000002493 microarray Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000010238 partial least squares regression Methods 0.000 claims abstract description 10
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 10
- 210000004958 brain cell Anatomy 0.000 claims abstract description 9
- 238000003012 network analysis Methods 0.000 claims abstract description 9
- 230000017531 blood circulation Effects 0.000 claims abstract description 6
- 210000004556 brain Anatomy 0.000 claims description 44
- 101000596041 Homo sapiens Plastin-1 Proteins 0.000 claims description 20
- 102100035181 Plastin-1 Human genes 0.000 claims description 17
- 230000002739 subcortical effect Effects 0.000 claims description 16
- 230000001413 cellular effect Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 210000003128 head Anatomy 0.000 claims description 8
- 210000005260 human cell Anatomy 0.000 claims description 8
- 101150007735 PLS1 gene Proteins 0.000 claims description 7
- QPEJHSFTZVMSJH-UHFFFAOYSA-N 3-amino-5-hydroxybenzoic acid Chemical compound NC1=CC(O)=CC(C(O)=O)=C1 QPEJHSFTZVMSJH-UHFFFAOYSA-N 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 230000000717 retained effect Effects 0.000 claims description 6
- 230000031018 biological processes and functions Effects 0.000 claims description 5
- 238000009499 grossing Methods 0.000 claims description 5
- 238000003559 RNA-seq method Methods 0.000 claims description 4
- 239000008280 blood Substances 0.000 claims description 4
- 210000004369 blood Anatomy 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000006916 protein interaction Effects 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 4
- 230000010076 replication Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 230000001054 cortical effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000011160 research Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 2
- 210000004884 grey matter Anatomy 0.000 claims description 2
- 230000004886 head movement Effects 0.000 claims description 2
- 210000005036 nerve Anatomy 0.000 claims description 2
- 238000007781 pre-processing Methods 0.000 claims description 2
- 230000002618 waking effect Effects 0.000 claims description 2
- 210000004720 cerebrum Anatomy 0.000 claims 1
- 239000006260 foam Substances 0.000 claims 1
- 229960003692 gamma aminobutyric acid Drugs 0.000 abstract description 7
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 abstract description 7
- 230000009822 protein phosphorylation Effects 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 5
- 230000008859 change Effects 0.000 abstract description 5
- 230000037361 pathway Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 11
- 230000002123 temporal effect Effects 0.000 description 8
- 230000001105 regulatory effect Effects 0.000 description 6
- 230000002596 correlated effect Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 101150084750 1 gene Proteins 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 102100034033 Alpha-adducin Human genes 0.000 description 1
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 241001086826 Branta bernicla Species 0.000 description 1
- 108010077544 Chromatin Proteins 0.000 description 1
- 206010010144 Completed suicide Diseases 0.000 description 1
- 101150039808 Egfr gene Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 1
- 208000037952 HSV-1 infection Diseases 0.000 description 1
- 101000799076 Homo sapiens Alpha-adducin Proteins 0.000 description 1
- 101000884399 Homo sapiens Arylamine N-acetyltransferase 2 Proteins 0.000 description 1
- 101001090047 Homo sapiens Peroxiredoxin-4 Proteins 0.000 description 1
- 101000974726 Homo sapiens Potassium voltage-gated channel subfamily E member 1 Proteins 0.000 description 1
- 101000713305 Homo sapiens Sodium-coupled neutral amino acid transporter 1 Proteins 0.000 description 1
- 101000759409 Homo sapiens Tetratricopeptide repeat protein 39C Proteins 0.000 description 1
- 108090001005 Interleukin-6 Proteins 0.000 description 1
- 102000003939 Membrane transport proteins Human genes 0.000 description 1
- 108090000301 Membrane transport proteins Proteins 0.000 description 1
- 102100038294 Metabotropic glutamate receptor 7 Human genes 0.000 description 1
- 102100026783 N-alpha-acetyltransferase 16, NatA auxiliary subunit Human genes 0.000 description 1
- 102100034768 Peroxiredoxin-4 Human genes 0.000 description 1
- 102000004160 Phosphoric Monoester Hydrolases Human genes 0.000 description 1
- 108090000608 Phosphoric Monoester Hydrolases Proteins 0.000 description 1
- 102100022755 Potassium voltage-gated channel subfamily E member 1 Human genes 0.000 description 1
- 101000629598 Rattus norvegicus Sterol regulatory element-binding protein 1 Proteins 0.000 description 1
- 102000019208 Serotonin Plasma Membrane Transport Proteins Human genes 0.000 description 1
- 108010012996 Serotonin Plasma Membrane Transport Proteins Proteins 0.000 description 1
- 102100023273 Tetratricopeptide repeat protein 39C Human genes 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 239000003963 antioxidant agent Substances 0.000 description 1
- 230000003078 antioxidant effect Effects 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008236 biological pathway Effects 0.000 description 1
- 230000008344 brain blood flow Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 210000003483 chromatin Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 210000000883 ear external Anatomy 0.000 description 1
- 108700021358 erbB-1 Genes Proteins 0.000 description 1
- 229920001821 foam rubber Polymers 0.000 description 1
- 238000010199 gene set enrichment analysis Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 230000005802 health problem Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000002197 limbic effect Effects 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000009061 membrane transport Effects 0.000 description 1
- 108010038449 metabotropic glutamate receptor 7 Proteins 0.000 description 1
- 210000004498 neuroglial cell Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000002018 overexpression Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 210000002824 peroxisome Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009452 underexpressoin Effects 0.000 description 1
Landscapes
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
一种局部脑血流图与转录、细胞特征关联的方法及装置，建立耳鸣相关的局部脑血流变化与解剖学模式基因表达之间的关系，获得与耳鸣相关的基因，获得与耳鸣相关的基因与蛋白磷酸化通路相关联，将异常局部脑血流相关的基因与细胞类型联系起来，确定GABA在与耳鸣相关的转录变化的关系中起到最重要的贡献。方法包括：提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；对区域微阵列表达数据处理；使用偏最小二乘回归分析；进行富集分析和蛋白质网络分析；进行脑细胞类型富集分析。
Description
技术领域
本发明涉及医学图像处理的技术领域，尤其涉及一种局部脑血流图与转录、细胞特征关联的方法，以及局部脑血流图与转录、细胞特征关联的装置。
背景技术
特发性耳鸣（IT）是在没有外部声音刺激的情况下产生的主观听觉感知。在成年人中，特发性耳鸣的发病率高达15%，并且随着年龄增长而增加，因此特发性耳鸣已成为全球的重大健康问题。这种情况严重影响生活质量，可能导致抑郁、睡眠障碍、焦虑甚至自杀。
正电子发射断层扫描（PET）和单光子发射计算机断层扫描（SPECT）研究证实了患有特发性耳鸣的患者存在异常的脑血流（CBF）。神经元活动与脑血流密切相关，神经元活动增加会导致CBF增加。动脉自旋标记（ASL）可以利用内源性动脉血质子作为对比剂非侵入性地测量CBF。与PET、计算机断层扫描灌注和动态增强磁共振成像相比，ASL具有非侵入性、简单且高度可重复性的优点。三维伪连续ASL（pcASL）被广泛用于识别不同病理条件下的CBF变化，包括耳鸣。然而，该技术通常不能用于个体分析，其生物学解释仍存在争议。遗传在耳鸣中的作用长期以来一直是研究的焦点。2007年，一项多中心家族聚集研究首次支持了遗传对耳鸣的影响。随后，来自挪威Nord-Trøndelag健康筛查的调查数据表明，遗传在耳鸣发生中起着重要作用。随着对耳鸣遗传易感性的认识越来越明确，研究人员也开始关注与耳鸣相关的基因的探索。目前对耳鸣患者的研究已经确定了几个基因的基因型可能与噪声暴露引起的耳鸣相关，例如KCNE1、IL-6和TNFα，或与耳鸣困扰程度相关，例如SLC6A4、ADD1、GRM7和NAT2。但是对耳鸣中某些疾病表型的确切遗传机制了解甚少，例如CBF变化与基因的联系。
发明内容
为克服现有技术的缺陷，本发明要解决的技术问题是提供了一种局部脑血流图与转录、细胞特征关联的方法，其建立了耳鸣相关的局部脑血流变化与解剖学模式基因表达之间的关系，获得与耳鸣相关的基因，获得与耳鸣相关的基因与蛋白磷酸化通路相关联，将异常局部脑血流相关的基因与细胞类型联系起来，确定GABA在与耳鸣相关的转录变化的关系中起到最重要的贡献。
本发明的技术方案是：这种局部脑血流图与转录、细胞特征关联的方法，其包括以下步骤：
（1）使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
（2）检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
（3）提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
（4）从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
（5）使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
（6）使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
（7）使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析。
本发明提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；对区域微阵列表达数据处理，形成41×15633的基因表达矩阵；使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析；因此建立了耳鸣相关的局部脑血流变化与解剖学模式基因表达之间的关系，获得与耳鸣相关的基因，获得与耳鸣相关的基因与蛋白磷酸化通路相关联，将异常局部脑血流相关的基因与细胞类型联系起来，确定GABA在与耳鸣相关的转录变化的关系中起到最重要的贡献。
还提供了一种局部脑血流图与转录、细胞特征关联的装置，其包括：
图像采集模块，其配置来使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
图像处理模块，其配置来检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
统计模块，其配置来提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
微阵列表达模块，其配置来从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
回归分析模块，其配置来使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
第一分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
第二分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析。
附图说明
图1示出了根据本发明的局部脑血流图与转录、细胞特征关联的方法的流程图。
具体实施方式
如图1所示，这种局部脑血流图与转录、细胞特征关联的方法，其包括以下步骤：
（1）使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
（2）检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
（3）提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
（4）从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
（5）使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
（6）使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
（7）使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析。
本发明提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；对区域微阵列表达数据处理，形成41×15633的基因表达矩阵；使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析；因此建立了耳鸣相关的局部脑血流变化与解剖学模式基因表达之间的关系，获得与耳鸣相关的基因，获得与耳鸣相关的基因与蛋白磷酸化通路相关联，将异常局部脑血流相关的基因与细胞类型联系起来，确定GABA在与耳鸣相关的转录变化的关系中起到最重要的贡献。
优选地，所述步骤（1）中，扫描时受试者仰卧位头先进，闭合双眼、在清醒状态下平静呼吸，尽量减少思考，使用海绵垫置于头部两侧以减少头部运动，为受试者佩戴内置耳塞及外戴耳罩以减轻噪音干扰并保护听力；轴位扫描基线为前后联合连线，矢状位扫描基线为大脑中线；单延迟3DpCASL序列，扫描参数:视野=240X240mm，层厚=4.0mm，回波时间=14.6ms，重复时间=4817ms，翻转角-111，层数=36，NEX=3，PLD=1525ms，扫描时间=6min54s。
优选地，所述步骤（2）中，使用GE Discovery 750MR工作站生成全脑CBF图；使用MRIeron插件将CBF图由Dicom格式转换为NifTI格式；检查图像质量，去除变形严重的图像，使用基于MATLAB平台的统计参数图软件SPM8，应用一步配准法对图像进行预处理，使用SPM8软件自带的PET模板，将CBF图像配准到蒙特利尔神经研究所标准空间；检查图像质量，去除变形严重的图像；使用DPABI软件对获得的图像进行归一化处理，归一化方法选择MeanDivision法，每个体素的脑血流值除以全脑的脑血流均值；用SPM8对归一化图像进行平滑，平滑采用8mm的高斯平滑核。
优选地，所述步骤（3）中，采用Desikan-Killiany模板，该模板分割为皮层及皮层下灰质ROI，每个大脑半球共包括34个皮层及7个皮层下ROI。
优选地，所述步骤（4）中，如果未将大脑区域分配给任何样本，则选择最接近该区域质心的样本以确保为所有大脑区域分配一个值。
优选地，所述步骤（5）中，基因表达数据被设置为预测变量，统计量t值是响应变量；第一个PLS分量PLS1是加权基因表达评分的线性组合，其大脑表达图谱与耳鸣患者和正常对照的差异t值最为一致；通过自举法评估估计每个基因PLS1权重的误差，并使用每个基因的权重与其自举标准误差的比率来计算Z-score，从而根据基因对PLS1的贡献对基因进行排名；从排序的 PLS1 基因列表中挑选出所有正负权重 Z > 2.55 和 Z < -2.55 的基因，PFDR < 0.05，Z > 2.55 的 PLS1 基因称为 PLS1+，Z < -2.55 的基因称为 PLS1-。
优选地，所述步骤（6）中，首先，使用clusterProlifer软件包对PLS1定义的显著正权重基因和负权重基因进行基因本体GO富集分析；然后，使用REVIGO网络服务器对GO术语进行语义简化，进行GO聚类和生物过程的可视化表示；其次，使用Metascape对来自选定PLSR成分的显著基因进行富集分析，并使用Benjamini-Hochberg FDR校正，q < 0.05；最后，使用STRING构建蛋白质相互作用PPI网络，使用默认的中等所需交互得分来识别目标基因列表中的所有可能连接，构建PPI网络后，使用cytoHubba选择PPI网络中的中心基因靶点。
优选地，所述步骤（7）中，为了检查结果是否依赖于所使用的细胞类型特异性基因集，使用来自两个独立来源的人类细胞类型特异性基因集进行进一步的分析，这两个数据集均使用RNA测序方法，为EWCE分析提供足够的动态范围；使用来自AHBA-seq的单细胞转录数据，使用不同的人类细胞来源的DroNc-seq数据集进行了EWCE分析的复制。
本领域普通技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，包括上述实施例方法的各步骤，而所述的存储介质可以是：ROM/RAM、磁碟、光盘、存储卡等。因此，与本发明的方法相对应的，本发明还同时包括一种局部脑血流图与转录、细胞特征关联的装置，该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括：
图像采集模块，其配置来使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
图像处理模块，其配置来检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
统计模块，其配置来提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
微阵列表达模块，其配置来从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
回归分析模块，其配置来使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
第一分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
第二分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析。
优选地，所述第一分析模块中，首先，使用clusterProlifer软件包对PLS1定义的显著正权重基因和负权重基因进行基因本体GO富集分析；然后，使用REVIGO网络服务器对GO术语进行语义简化，进行GO聚类和生物过程的可视化表示；其次，使用Metascape对来自选定PLSR成分的显著基因进行富集分析，并使用Benjamini-Hochberg FDR校正，q < 0.05；最后，使用STRING构建蛋白质相互作用PPI网络，使用默认的中等所需交互得分来识别目标基因列表中的所有可能连接，构建PPI网络后，使用cytoHubba选择PPI网络中的中心基因靶点；
所述第二分析模块中，为了检查结果是否依赖于所使用的细胞类型特异性基因集，使用来自两个独立来源的人类细胞类型特异性基因集进行进一步的分析，这两个数据集均使用RNA测序方法，为EWCE分析提供足够的动态范围；使用来自AHBA-seq的单细胞转录数据，使用不同的人类细胞来源的DroNc-seq数据集进行了EWCE分析的复制。
以下详细地说明本发明的研究成果。
1.人口统计学和临床数据
耳鸣患者和健康被试在年龄（p = 0.645）、性别（p = 0.074）和教育程度（p =0.154）方面匹配。耳鸣患者的VAS得分为 37（22，54），THI 得分为36.5（22，54）。
2.耳鸣患者大脑CBF变化
大脑区域CBF显示，耳鸣患者的颞横回、颞上回、缘上回、三角部、眶回、前扣带回、额眶皮层、岛叶和中央前回相对于对照组有所增加。多重比较校正后，颞横回和颞上回仍具有统计学意义（FDRadjust < 0.05）。
3.CBF与耳鸣严重程度的相关性
在耳鸣患者中，颞横回和颞上回CBF值降低与VAS评分呈正相关（r = 0.34，p =0.0009；r = 0.27，p = 0.041）。 耳鸣患者颞横回、颞上回CBF与THI评分无显著相关性。
4.CBF与耳鸣的转录相关性
使用 PLS 回归来识别与脑血流解剖分布相关的基因表达模式。 第一个 PLS 分量 (PLS1) 可以显著解释区域CBF变化30.87%的方差 (Pboot = 0.001)。 PLS1加权图的分布反映了基因表达的分布模式，发现PLS1加权基因表达图与病例对照CBF t图在空间上相关（Pearson’s r=0.56，pspin<0.05）。我们基于单样本Z检验对PLS1的归一化权重进行了排序，发现1872个基因具有正加权表达（Z>2.55），1532个基因带有负加权表达（Z<-2.55）（所有PFDR<0.05）。这些基因分别表现出与CBF区域变化增加或减少相对应的过度表达或表达不足。具有最高阳性权重的基因是PRDX4，这是一种抗氧化酶，属于过氧化物酶体内脱氧素家族。阴性权重最低的基因是TTC39C，它是一种蛋白质编码基因。对于CBF区域变化相关的基因表达谱：(A) 左大脑半球区域CBF的变化。(B)左大脑半球PLS1得分的加权基因表达图。区域 PLS1分数（15633 个基因表达分数的加权总和）和CBF区域变化（Pearson's r = 0.59，pspin < 0.05）的散点图。(C) PLS1正加权基因（例如 PRDX4）与区域CBF的差异呈正相关（Pearson's r = 0.45，pspin < 0.05）。 (D) PLS1负加权基因（例如TTC39C）与区域CBF的差异呈负相关（Pearson's r =-0.45，pspin < 0.05）。
5.基因集富集和蛋白质-蛋白质网络
通过clusterProlifer软件包对PLS1-基因列表进行GO分析，发现了许多GO术语广泛富集映射到蛋白质磷酸化的生物途径，例如细胞成分(CC)中的“磷酸酶复合物”。从KEGG路径中发现了一些具有重要意义的术语。它们是“单纯疱疹病毒1感染”和“膜转运”。使用Metascape对PLS1-基因列表进行基因集富集分析，发现第一个和第二个GO术语是“蛋白质磷酸化”（GO：0006468）和“染色质组织”（GO：0006325）。GO：0006468和GO：0006325涉及的生物过程通过QuickGO（http://www.ebi.ac.uk/QuickGO）提取。根据STRING数据库，使用Cytoscape构建了PLS1基因列表的PPI网络，其中包括472个节点和674条边。使用cytoHubba标记前15个节点，并通过Degree方法进行排名，发现EGFR基因排名第一。
6.细胞类型与大脑皮质铁含量的变化有关
评估了与使用CBF测量的脑血流量最显著下调的基因是否在特定细胞类型中表达更强烈。发现在AHBA-seq和DrONc-seq数据库中，下调的基因与GABA显著相关。对于40％上调和下调的基因，AHBA-seq在GABA方面显示了显著性。在DrONc-seq数据库中，通过对神经元和胶质细胞的基因分类，发现了与上调和下调基因相关的模式。此外发现，在DrONc-seq基因列表中，上调的基因与exCA、exDG、exPFC和GABA显著相关，而下调的基因与MG显著相关。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属本发明技术方案的保护范围。
Claims (6)
1.局部脑血流图与转录、细胞特征关联的方法，其特征在于：其包括以下步骤：
（1）使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
（2）检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
（3）提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
（4）从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
（5）使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
（6）使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
（7）使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析；
所述步骤（5）中，基因表达数据被设置为预测变量，统计量t值是响应变量；第一个PLS分量PLS1是加权基因表达评分的线性组合，其大脑表达图谱与耳鸣患者和正常对照的差异t值最为一致；通过自举法评估估计每个基因PLS1权重的误差，并使用每个基因的权重与其自举标准误差的比率来计算Z-score，从而根据基因对PLS1的贡献对基因进行排名；从排序的 PLS1 基因列表中挑选出所有正负权重 Z > 2.55 和 Z < -2.55 的基因，PFDR < 0.05，Z > 2.55 的 PLS1 基因称为 PLS1+，Z < -2.55 的基因称为 PLS1-；
所述步骤（6）中，首先，使用clusterProlifer软件包对PLS1定义的显著正权重基因和负权重基因进行基因本体GO富集分析；然后，使用REVIGO网络服务器对GO术语进行语义简化，进行GO聚类和生物过程的可视化表示；其次，使用Metascape对来自选定PLSR成分的显著基因进行富集分析，并使用Benjamini-Hochberg FDR校正，q < 0.05；最后，使用STRING构建蛋白质相互作用PPI网络，使用默认的中等所需交互得分来识别目标基因列表中的所有可能连接，构建PPI网络后，使用cytoHubba选择PPI网络中的中心基因靶点；
所述步骤（7）中，为了检查结果是否依赖于所使用的细胞类型特异性基因集，使用来自两个独立来源的人类细胞类型特异性基因集进行进一步的分析，这两个数据集均使用RNA测序方法，为EWCE分析提供足够的动态范围；使用来自AHBA-seq的单细胞转录数据，使用不同的人类细胞来源的DroNc-seq数据集进行了EWCE分析的复制。
2.根据权利要求1所述的局部脑血流图与转录、细胞特征关联的方法，其特征在于：所述步骤（1）中，扫描时受试者仰卧位头先进，闭合双眼、在清醒状态下平静呼吸，使用海绵垫置于头部两侧以减少头部运动，为受试者佩戴内置耳塞及外戴耳罩以减轻噪音干扰并保护听力；轴位扫描基线为前后联合连线，矢状位扫描基线为大脑中线；单延迟3DpCASL序列，扫描参数:视野=240X240mm，层厚=4.0mm，回波时间=14.6ms，重复时间=4817ms，翻转角-111，层数=36，NEX=3，PLD=1525ms，扫描时间=6min54s。
3.根据权利要求2所述的局部脑血流图与转录、细胞特征关联的方法，其特征在于：所述步骤（2）中，使用GE Discovery 750MR工作站生成全脑CBF图；使用MRIeron插件将CBF图由Dicom格式转换为NifTI格式；检查图像质量，去除变形严重的图像，使用基于MATLAB平台的统计参数图软件SPM8，应用一步配准法对图像进行预处理，使用SPM8软件自带的PET模板，将CBF图像配准到蒙特利尔神经研究所标准空间；检查图像质量，去除变形严重的图像；使用DPABI软件对获得的图像进行归一化处理，归一化方法选择MeanDivision法，每个体素的脑血流值除以全脑的脑血流均值；用SPM8对归一化图像进行平滑，平滑采用8mm的高斯平滑核。
4.根据权利要求3所述的局部脑血流图与转录、细胞特征关联的方法，其特征在于：所述步骤（3）中，采用Desikan-Killiany模板，该模板分割为皮层及皮层下灰质ROI，每个大脑半球共包括34个皮层及7个皮层下ROI。
5.根据权利要求4所述的局部脑血流图与转录、细胞特征关联的方法，其特征在于：所述步骤（4）中，如果未将大脑区域分配给任何样本，则选择最接近该区域质心的样本以确保为所有大脑区域分配一个值。
6.局部脑血流图与转录、细胞特征关联的装置，其特征在于：其包括：
图像采集模块，其配置来使用磁共振扫描仪，配备8通道标准头线圈，进行受试者的磁共振图像采集；
图像处理模块，其配置为检查图像质量，去除变形严重的图像，对图像进行归一化处理，对归一化图像进行平滑处理；
统计模块，其配置来提取耳鸣患者和正常对照不同ROI的血流值，将年龄、性别和年龄×性别作为协变量，通过拟合线性模型以估计耳鸣患者和正常被试的差异，得到统计量t值和p值；
微阵列表达模块，其配置来从AHBA提供的6个死后大脑中获得区域微阵列表达数据，使用abagen工具箱来处理转录组学数据并将其映射到Desikan-Killiany图谱中的83个被分割的大脑区域，通过查找半径为2 mm的最近区域，使用校正后的MNI坐标将组织样本分配到大脑区域，样本与区域匹配受到半球和皮质或皮质下分裂的限制，分配给同一大脑区域的样本分别对每个供体进行平均，然后使用sigmoid函数对每个区域中的每个供体的基因表达值进行单独归一化，并重新缩放到单位间隔，最终对供体进行量表平均表达谱，从而形成单个矩阵，每一列对应于大脑区域，每一行对应保留的基因，形成41×15633的基因表达矩阵；
回归分析模块，其配置来使用偏最小二乘回归分析，以检测耳鸣患者和正常对照基因表达值之间的空间关联；
第一分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行富集分析和蛋白质网络分析；
第二分析模块，其配置来使用PLS1+和PLS1-中的所有基因进行脑细胞类型富集分析；
所述回归分析模块中，基因表达数据被设置为预测变量，统计量t值是响应变量；第一个PLS分量PLS1是加权基因表达评分的线性组合，其大脑表达图谱与耳鸣患者和正常对照的差异t值最为一致；通过自举法评估估计每个基因PLS1权重的误差，并使用每个基因的权重与其自举标准误差的比率来计算Z-score，从而根据基因对PLS1的贡献对基因进行排名；从排序的 PLS1 基因列表中挑选出所有正负权重 Z > 2.55 和 Z < -2.55 的基因，PFDR <0.05，Z > 2.55 的 PLS1 基因称为 PLS1+，Z < -2.55 的基因称为 PLS1-；
所述第一分析模块中，首先，使用clusterProlifer软件包对PLS1定义的显著正权重基因和负权重基因进行基因本体GO富集分析；然后，使用REVIGO网络服务器对GO术语进行语义简化，进行GO聚类和生物过程的可视化表示；其次，使用Metascape对来自选定PLSR成分的显著基因进行富集分析，并使用Benjamini-Hochberg FDR校正，q < 0.05；最后，使用STRING构建蛋白质相互作用PPI网络，使用默认的中等所需交互得分来识别目标基因列表中的所有可能连接，构建PPI网络后，使用cytoHubba选择PPI网络中的中心基因靶点；
所述第二分析模块中，为了检查结果是否依赖于所使用的细胞类型特异性基因集，使用来自两个独立来源的人类细胞类型特异性基因集进行进一步的分析，这两个数据集均使用RNA测序方法，为EWCE分析提供足够的动态范围；使用来自AHBA-seq的单细胞转录数据，使用不同的人类细胞来源的DroNc-seq数据集进行了EWCE分析的复制。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410205244.7A CN117788465B (zh) | 2024-02-26 | 2024-02-26 | 局部脑血流图与转录、细胞特征关联的方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410205244.7A CN117788465B (zh) | 2024-02-26 | 2024-02-26 | 局部脑血流图与转录、细胞特征关联的方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117788465A CN117788465A (zh) | 2024-03-29 |
| CN117788465B true CN117788465B (zh) | 2024-05-28 |
Family
ID=90381976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410205244.7A Active CN117788465B (zh) | 2024-02-26 | 2024-02-26 | 局部脑血流图与转录、细胞特征关联的方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117788465B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2704201C1 (ru) * | 2018-10-17 | 2019-10-24 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) | Способ оценки изменений клеточной перфузии головного мозга |
| CN113597645A (zh) * | 2019-01-23 | 2021-11-02 | 密歇根大学董事会 | 用于重建药物应答和疾病网络的方法和系统以及其用途 |
| WO2022261479A1 (en) * | 2021-06-11 | 2022-12-15 | Decibel Therapeutics, Inc. | Compositions and methods for cell type-specific gene expression in the inner ear |
| CN117316293A (zh) * | 2023-11-30 | 2023-12-29 | 北京师范大学 | 基于神经影像的脑网络结构与功能耦合方法及装置 |
-
2024
- 2024-02-26 CN CN202410205244.7A patent/CN117788465B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2704201C1 (ru) * | 2018-10-17 | 2019-10-24 | Федеральное государственное бюджетное научное учреждение "Научно-исследовательский институт комплексных проблем сердечно-сосудистых заболеваний" (НИИ КПССЗ) | Способ оценки изменений клеточной перфузии головного мозга |
| CN113597645A (zh) * | 2019-01-23 | 2021-11-02 | 密歇根大学董事会 | 用于重建药物应答和疾病网络的方法和系统以及其用途 |
| WO2022261479A1 (en) * | 2021-06-11 | 2022-12-15 | Decibel Therapeutics, Inc. | Compositions and methods for cell type-specific gene expression in the inner ear |
| CN117316293A (zh) * | 2023-11-30 | 2023-12-29 | 北京师范大学 | 基于神经影像的脑网络结构与功能耦合方法及装置 |
Non-Patent Citations (6)
| Title |
|---|
| "RSNA2023中枢神经影像学";胡爽 等;《放射学实践》;20240120;第39卷(第1期);全文 * |
| "耳鸣相关脑区改变PET/CT脑代谢及灌注显像的初步研究";林美福 等;《国际放射医学核医学杂志》;20150125;第31卷(第1期);全文 * |
| 利用RNA-Seq技术筛选脑血流自动调节相关基因;吴丽;叶泽明;林婉蓉;李学龙;潘英;;血栓与止血学;20181020(第05期);全文 * |
| 正电子发射断层显像用于耳鸣的研究概况;严丹敏;李明;;临床耳鼻咽喉头颈外科杂志;20100820(第16期);全文 * |
| 脑连接组学的多尺度研究及其在癫痫中的应用;杨思绮;《中国优秀硕士论文全文数据库 医药卫生科技辑》;20230415(第04期);全文 * |
| 颞叶内侧癫痫脑网络异常与转录组学关系研究;朱紫怡;《万方学位论文数据库》;20231002;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117788465A (zh) | 2024-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447183B (zh) | 预测模型训练方法、装置、设备以及介质 | |
| Bron et al. | Standardized evaluation of algorithms for computer-aided diagnosis of dementia based on structural MRI: the CADDementia challenge | |
| Ortiz et al. | Exploratory graphical models of functional and structural connectivity patterns for Alzheimer's Disease diagnosis | |
| JP7170145B2 (ja) | 情報処理装置、プログラム、学習済みモデル、診断支援装置、学習装置及び予測モデルの生成方法 | |
| Eyler et al. | Genetic and environmental contributions to regional cortical surface area in humans: a magnetic resonance imaging twin study | |
| CN109528197B (zh) | 基于脑功能图谱进行精神疾病的个体化预测方法和系统 | |
| CN110840468B (zh) | 自闭症风险评估方法及装置、终端设备、存储介质 | |
| CN114188013A (zh) | 一种阿尔兹海默症的认知及脑影像数据整合评估方法 | |
| CN111488914A (zh) | 一种基于多任务学习的阿尔茨海默症分类及预测系统 | |
| CN111009324B (zh) | 脑网络多特征分析的轻度认知障碍辅助诊断系统及方法 | |
| Coupé et al. | LesionBrain: an online tool for white matter lesion segmentation | |
| CN111387938B (zh) | 一种基于特征重排一维卷积神经网络的病人心衰死亡风险预测系统 | |
| CN111312401A (zh) | 一种基于多标签学习的体检后慢性疾病预后系统 | |
| KR20170140127A (ko) | Kpca, lda, 및 다중커널학습 svm을 이용한 뇌 이미지 분석방법 | |
| CN114266729A (zh) | 一种基于机器学习的胸部肿瘤放疗后放射性肺炎预测方法和系统 | |
| CN113077875A (zh) | Ct影像的处理方法及装置 | |
| Pillai et al. | Relations between cortical thickness, serotonin 1 A receptor binding, and structural connectivity: A multimodal imaging study | |
| Gomes et al. | Genetic architecture of cardiac dynamic flow volumes | |
| CN117788465B (zh) | 局部脑血流图与转录、细胞特征关联的方法及装置 | |
| CN113362944A (zh) | 一种基于机器学习的功能性消化不良和针刺疗效的预测 | |
| CN112967797A (zh) | 一种烟雾病手术疗效的评估方法 | |
| Munilla et al. | Construction and analysis of weighted brain networks from SICE for the Study of Alzheimer's Disease | |
| KR20210059272A (ko) | 자기공명 뇌영상 분석을 통한 청년기 우울증 및 고위험군 예측 기계학습 알고리즘 | |
| RU2310392C2 (ru) | Способ определения реабилитационного потенциала инвалида | |
| CN115810122A (zh) | 基于spect/ct检测甲状腺相关眼病活动性的深度学习方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |