摘要
抑郁症产生于生物系统的复杂相互作用，跨越基因和分子到细胞、脑网络和行为。为了确定不同的神经生物学过程是如何联合起来导致抑郁症的，我们需要一种多尺度的方法，包括对大脑结构和功能的测量，以及遗传和细胞特异性的转录数据。在这里，我们研究了三个群组影像数据集中与抑郁和负性情绪相关的大脑解剖（皮层厚度）和功能（功能变异、全脑功能连接），包括：英国生物银行（UK Biobank）、大脑基因组超结构项目（Brain Genomics Superstruct Project）和Meta分析增强神经影像数据库(ENIGMA；总被试数n≥23,723)。整合的分析包括皮层基因表达、死后患者转录数据、抑郁症全基因组关联分析(GWAS)和单细胞基因转录。在这三个独立的数据集中，抑郁和负面情绪的神经影像相关物是一致的。将体外基因下调与体内神经影像联系起来，我们发现抑郁症影像表型的转录组相关物追踪了抑郁症患者死后皮层样本中的基因下调。对单细胞和Allen人脑图谱表达数据的综合分析显示，抑郁症体内影像和体外皮层基因失调的细胞相关物是生长抑素（SST）中间神经元和星形胶质细胞。GWAS驱动的抑郁症多基因风险富集在中间神经元的表达基因，而不是胶质细胞，这为我们的观察提供了一致的证据。为了强调多尺度方法的转化潜力，与抑郁症相关的大脑功能和结构的转录相关物富集于抑郁症相关的分子通路。这些发现将特定的基因、细胞类别和生物学通路与抑郁症的体内神经影像表型联系了起来。
1.引言
抑郁症（MDD）是一种常见的、令人衰弱的疾病，具有一定的遗传基础（遗传力，h2 ≈ 40%）。临床上，抑郁症定义为多个生物系统或多个分析水平的复杂相互作用。抑郁症的多尺度特征是很明显的，即存在与疾病相关的基因位点，以及基因表达、细胞成分、皮层解剖和大规模网络功能的变化。然而，大多数关于抑郁症病理生理学的人类研究往往是孤立地集中在脑生物学的某些特征上。例如，体内神经影像研究将患者的症状特征与大脑解剖结构和网络功能联系起来，但在很大程度上脱离了对潜在的分子和细胞机制。相比之下，对死后组织样本的分析描述了与相关的细胞和生物过程，但往往集中在少数区域，并受限于粗糙的诊断细节。到目前为止，很少有机会直接探索多分析水平上抑郁表型，即同时分析抑郁症患者的基因和分子、细胞、电路、网络和行为。
体内神经影像已经确定了与抑郁症相关的大脑解剖、代谢和功能相关因素。例如，研究发现将杏仁核-内侧前额叶皮层(mPFC)回路与情绪和社会处理联系起来，这假设了皮层和皮层下系统的互动失调导致了抑郁症的发作。抑郁症患者mPFC的代谢紊乱和灰质体积的改变也是该疾病的一个显著特征，并且这可能和该疾病的持续时间有关。然而，随着样本量增加到数千个，很明显，许多早期确定的效应可能比最初预期的更微妙。因此，与抑郁症相关的大样本的大脑解剖和功能的稳定性仍然不清楚。
抑郁症的复杂临床表型与大脑功能连接体的相互作用有关。支持这一观点的是，大脑功能连接可以揭示抑郁症的生物学亚型和异质性表现。抑郁症皮层解剖和功能的空间信息传播异常可能来自患者群体的一系列生物学变化，如神经递质的改变、炎症以及细胞丰度或形态的改变。结合多水平神经生物学关系的方法有可能阐明抑郁症的大规模神经影像相关物的生物学基础。全脑基因表达图谱（24）的出现，现在允许对体内抑郁表型的转录相关性进行更全面的空间描述，补充对选定皮层区域的靶向体外分析。
对死后抑郁症患者数据的分析显示了不同细胞类别、神经递质系统和分子通路的异常。例如，抑郁症的诊断与前额叶皮层和mPFC膝下部中神经元和胶质细胞的细胞大小和丰度的减少有关。特别是，皮层生长抑素(SST)中间神经元和星形胶质细胞的功能障碍被认为在抑郁症的发作中起主导作用。然而，大量的异常分子过程也被发现，包括抑郁相关的凋亡应激反应通路和神经炎症通路的失调，g偶联蛋白受体(GPCR)和细胞因子活性，ERK信号和兴奋性神经元活动，以及许多主要神经递质信号系统的改变。在抑郁症中观察到的神经化学破坏的广度使对该疾病的简洁描述变得困难。此外，在临床诊断中我们仍不清楚能够多大程度上将抑郁症相关的大脑解剖和功能模式与任何特定的细胞或分子异常联系起来。
在这项研究中，我们确定了抑郁症大脑解剖、大脑功能、细胞、转录和遗传水平的共享的神经生物学特征。使用三个影像数据集(一共n≥23,723)，我们量化了跨人群但一致的抑郁和负性情绪的皮层结构和功能相关性。抑郁症神经机制的多种生物学假说已经被提出，如神经元间和胶质细胞功能障碍，以及谷氨酸能信号通路的改变。然而，大多数神经影像研究对脑组织的潜在分子或转录特性并不敏感。为了解决这个问题，我们将抑郁症的皮层相关性与成人大脑中基因表达的正常模式联系起来，确定了与抑郁症有关的大脑区域中表达的细胞类别和基因转录特征。在另外的抑郁症患者体外脑组织独立数据集中，抑郁症的神经影像表型是与基因失调相关的，这暗示了基因表达的正常模式可能反映了与抑郁症相关的皮层损伤。死后病例−对照数据还确定了与患者体外脑组织中及体内基因失调特征都表现相关的细胞类型。鉴于神经影像和死后患者数据的回顾性性质，我们对全基因组关联研究(GWAS)结果进行了富集分析，以确定与抑郁症相关的升高的多基因负荷的细胞。综上所述，这些数据确定了不同人群中抑郁症的稳定神经影像相关基础，突出了SST中间神经元和星形胶质细胞的作用，并为未来大脑结构、功能和抑郁症风险转录基础的多尺度神经科学研究起到了知道作用。
2.结果
2.1 抑郁症和负性情绪的神经影像相关基础在不同人群中是一致的
我们首先通过分析来自三个独立的大规模神经影像数据集的结构和功能MRI数据：英国生物银行（UKB）、大脑基因组超结构项目（Brain Genomics Superstruct Project）和Meta分析增强神经影像数据库（ENIGMA）。我们对多个数据集的分析旨在增加统计效力，减少由数据特异性或测量抑郁方式带来的潜在偏差。我们检查了三种影像指标：皮层厚度、静息态功能振幅（RSFA）和全脑功能连接（GBC）。在UKB（n = 15,150）数据集中，抑郁症的发病史是通过MRI扫描时收集的问卷来确定的。值得注意的是，RSFA测量的是脑血管活动水平，不应被解释为神经活动的直接测量。此外，UKB中的抑郁表型是对抑郁症病史的回顾性测量，并不表明在扫描时有活跃的抑郁发作。抑郁相关的自我报告也被执行为探讨UKB抑郁表型的有效性。单次抑郁症(5.22%，n = 791)、中度复发抑郁症(9.93%，n = 1505)和严重复发抑郁症(4.17%，n = 631)都与神经质、抑郁症状严重程度、以往GWAS估计的抑郁症遗传风险和抗抑郁药物处方率显著正相关。Enigma数据集反映了Schmaal等人的元分析结果，显示抑郁症患者（n = 1206-1302）相对于健康比较参与者（n = 7350-7449）的皮层厚度发生了变化。在GSP数据集(n = 947)中，使用五份与消极情绪体验相关的整体自我报告问卷，测量了健康年轻人的消极情绪特质。总的来说，使用多个数据集和表型测量有助于识别健康人群中抑郁史和可能发病风险的概括性的大脑相关物。
我们确定了抑郁症的结构和功能相关物，这些结果在数据集、抑郁的测量和成像模式上都是保持一致。图1显示了回归分析的全脑皮层结果，分别从Schaefer等人的200分割模板中进行。在UKB中，多元回归分析显示了复发性抑郁症与皮层厚度、RSFA和GBC之间的关系。将自我报告的抗抑郁药物使用作为协变量对抑郁的影像学相关性影响很小：使用和不使用抗抑郁药物的空间相关性为0.93。这表明，抑郁症的皮层相关因素并不仅仅是由药理作用驱动的。GSP数据集的平行分析显示了负性情绪与RSFA和GBC之间的大脑皮层关系。Enigma数据反映了Schmaal等人发表的元分析结果，比较了抑郁症患者相对于对照组的皮层厚度差异。效应量使用Cohen’s d进行量化，以使数据集之间的结果具有可比性。
在UKB、Enigma和GSP影像数据集中，我们观察到一致的抑郁症或负性情绪的影像标记物：皮层厚度（rs= 0.29, p = 0.018, pspin = 0.016）、RSFA（rs = 0.40、p = 4.7e-9、pspin = 5e-5）和GBC（rs = 0.41、p = 2.3e-9、pspin = 1e-4；rs = 斯皮尔曼的Rho；pspin = 的基于自旋的置换检验p值；图1）。空间一致性被量化为两个影像图之间的cohen’s d效应量大小的斯皮尔曼相关。显著性检验使用基于自旋的置换检验来解释不同脑区之间的空间自相关。与精神疾病中跨模态关联皮层功能损伤的核心理论一致，RSFA和GBC的抑郁相关变化相对于单峰皮层优先表现在跨模态关联皮层。也就是说，抑郁症相关的RSFA Cohen’s d的改变在跨模态变化更大（M = 0.018 ± 0.025[SD]），而在单模态皮层更小（−0.026 ± 0.023; pperm = 0.001; pperm=permutation based p-value）。相比之下，GBC效应在跨模态皮层（−0.003±0.021）更低，而单模态皮层更高(0.008±0.03，pperm=0.003)。这种单模态/跨模态差异在GSP数据集中的RSFA(pperm=0.001)和GBC(pperm=0.001)得到了重复。总之，这些数据为与抑郁和负性情绪有关的大脑皮层解剖学和功能的细微但可复制的变化提供了证据。
图1：不同数据集的抑郁和负性情绪的一致影像相关物。(A) UKB和Enigma数据集中，中度/重度复发性抑郁症与对照组皮层厚度的差异及两个数据集结果的空间相关性(rs = 0.29)。UKB数据集中的中度/重度抑郁症与GSP中的负性情绪的RSFA(B)和GBC (C) 的病例对照差异，以及两组结果空间相关性(RSFA：rs = 0.40；GBC：rs = 0.41)。每个点代表来自Schaefer等人的功能图谱中的200个包裹中的一个。通过置换自旋检验来保持空间自相关性并确定其相关显著性水平。UKB数据集的结果反映了2, 136个复发性抑郁症个体与12, 223个对照组个体的比较结果。Enigma数据是1, 206-1, 302个抑郁症患者相对于7, 350-7, 449个对照组的元分析估计。GSP数据集反映了与947名健康年轻人的负性情绪的连续测量结果。虚线是最佳拟合的回归线。
2.2 抑郁体内影像表型追踪SST中间神经元标记物的体外表达
上述分析确定了负性情绪和抑郁症的结构和功能相关物。我们利用这些结果作为基础来表征抑郁症神经影像表型的细胞和转录相关物，这可能有助于深入了解该疾病的生物学基础，并为药物干预指出靶点。例如，优先表达与精神疾病相关基因的大脑区域可能特别容易受到疾病进展的影响。我们首先调查SST中间神经元的转录标记物，这是抑郁症的一个重要的病理生理特征。SST中间神经元的基因标记物优先在健康人群的供体组织中的皮层-纹状体奖赏回路和mPFC中表达。此外，抑郁症患者的背外侧前额叶皮层和膝下mPFC中SST表达减少，啮齿动物中SST突触传递的实验操纵调节了抗抑郁行为和社会情感处理。抑郁与GABA能细胞功能的改变有关，包括SST，这可能会影响皮层活动的信噪比和全脑功能连接的测量，这可能反映在抑郁相关的RSFA和GBC中的变化。
在这里，我们测试了SST中间神经元的基因标记物是否优先地在与抑郁症最相关的皮层区域表达。使用来自艾伦人脑图谱(AHBA)数据的6个健康成年人的死后大脑，我们分析了SST中间神经元的三个典型基因标记物(即SST、CORT、NPY基因)。表达SST的GABA能中间神经元被表示为“SST中间神经元”。我们注意到这三个SST标记物并不是相互独立的。相反，对多个标记物的分析减少了对单个转录探针的依赖，并提供了SST标记物基因表达与抑郁症影像学相关物之间关系的检验。SST、CORT和NPY基因的标准化表达被分布在200个皮层脑区中（图2A），也分布在68个Desikan脑图谱中，以匹配Enigma数据集中的结构神经成像数据。
在所有的数据集和模态（结构和功能）中，SST基因标记物的体外表达与抑郁症的体内皮层神经影像表型存在空间相关性(图2B-E)。即，SST, CORT,和NPY基因表达最多集中在抑郁症皮层厚度变得最薄的皮层前部区域，这个结果在UKB数据集(rsst=−0.25，rcort=−0.22，rnpy=−0.31，psspin≤0.001)和Enigma数据集中(rsst=−0.58，rcort =−0.58，rnpy=−0.35，psspin≤0.004)是一致的。在图2B-E中，散点图中的每个点都是一个脑区。使用基于自旋的置换检验来计算空间自相关的显著性。作为一个额外的测试，相关强度也被检测基于17,448个大脑表达AHBA基因的基因数据库。结果对使用细胞基因标记物数据库的替代置换策略也是稳健的。在功能方面，抑郁相关的RSFA增加在SST表达较高的区域最大，在UKB数据集(rsst =0.38，rcort =0.47，rnpy =0.26，psspin=1e-4)和GSP数据集(rsst =0.18；rcort =0.24；rnpy =0.22，psspin≤0.002)都是显著的。对于功能连接，SST基因表达最高的区域显示出最低的抑郁症相关的全脑功能连接，相关显著性为：UKB数据集(rsst =−0.40，rcort =−0.33，rnpy =−0.40，psspin=≤1e-4)和GSP数据集（rsst =-0。30，rcort =-0.39，psspin=≤1e-4; rnpy=-0.10，psspin=0.09）。最后，我们将SST标记物嵌入在大规模的皮层基因表达梯度中（图2f)。对标准化AHBA基因表达微阵列进行主成分分析，结果显示，基因表达的主要梯度与SST标记基因标记物的表达和抑郁症体内影像标记物有很强的相关。值得注意的是，SST标记物的表达不是通过细胞丰度的直接测量，我们的结果可能受到细胞密度和细胞转录模式的影响。我们还强调，AHBA的转录观察是在非临床样本中进行的，这些分析并不能确定抑郁症中的SST中间神经元异常。但是，这些数据可靠地将SST基因标记物与宏观抑郁症神经影像表型联系起来，并支持将SST中间神经元作为针对抑郁症相关皮层区域干预的可能目标。
图2。SST标记基因在空间上与抑郁症的体内成像相关标记物相关。(A)标准化的SST中间神经元的三个基因标记物的AHBA皮层空间表达：SST(SST)、皮层抑素(CORT)和神经肽Y(NPY)。皮层表面的每个点代表单个AHBA组织样本的表达，这些组织的表达被平均进入200个皮层脑区。(B) 在UKB数据中，SST标记物的表达与皮层厚度(ravg=−0.25)、RSFA(ravg=0.37)和GBC(ravg=−0.38)的抑郁相关变化存在空间相关性。散点图中的圆圈是皮层脑区。(C)置换检验分析显示，空间关联的强度大于随机选择10000个脑表达基因。(D和E) 在验证数据集中，SST标记物仍与抑郁症相关的影像相关物表现出相关：皮层厚度(ravg=−0.51)，RSFA(ravg=0.21)和GBC(ravg=−0.26)。SSTmark表示SST、NPY和CORT空间相关性的平均值。(F)AHBA转录数据的主成分分析显示了一条喙-尾表达梯度，与SST基因标记物和抑郁皮层影像相关物表现出空间相关。*P<0.05.
2.3 抑郁症体内影像表型捕获抑郁症患者体外基因下调模式的转录相关物
越来越多的多模态研究表明，基因表达的正常模式(如AHBA)可以揭示关于精神和神经发育障碍中的大规模的大脑改变。对于一种特定的疾病，与疾病相关的皮层功能或结构的变化可能发生在与相关风险基因集和分子过程表达最多的大脑区域。我们的研究在抑郁症的背景下检验了这个假设。
利用Gandal等人的元分析数据确定了与抑郁症有关的基因，该数据量化了抑郁症、双相情感障碍(BD)、自闭症谱系障碍(ASD)、酒精滥用障碍(AAD)和精神分裂症(SCZ)患者死后皮层的转录上调或下调。这产生了每种疾病的基因列表，其中第i个条目给出了诊断病人被试组中第i个基因上调或下调的程度(图3B)。死后患者组织主要来自前额叶皮层；然而，MDD样本是唯一包含来自ACC组织样本的患者样本(n=40/83个患者样本)。如果将这些使用ACC组织样本的患者从病例−对照差异表达分析中剔除，则报告的结果是稳定的。
我们测试了死后下调的MDD基因是否在结构和功能上与抑郁和负性情绪相关的皮层区域表达最多。每个基因的皮层AHBA空间表达与上述详细描述的6个与抑郁相关的结构和功能结果空间分布图分别作相关分析(图3A)。然后将每个基因的6个空间相关值取平均值，得到一个1×17,448个阵列，反映了基因与抑郁相关影像图谱的空间关联。负r值表明更强的相关性（例如，在与抑郁相关的皮层变薄程度最大的区域的基因正常表达增加）。
抑郁症患者的体外皮层基因失调与体内抑郁皮层表型的AHBA转录相关物显著相关(图3A；r=0.047，p=3.4e-8)。这暗示了不同疾病诊断组具有一定程度的特异性，并且只与来自抑郁症患者的体外数据表现出正相关(r = 0.047, p = 3.4e-8)，这种强正相关没有表现在其他四项精神疾病中：SCZ（r=−0.044、p=1.2e-5）、BD（r=−0.017、p=0.082）、ABD（r=−0.028，p=0.0007）和ASD（r=0.0015，p=0.86；图3C）。每种疾病的相关性是使用死后大脑数据和AHBA数据集中常见的所有基因计算。值得注意的是，SCZ的尸检数据显示了相反方向的影响，例如，SCZ下调的基因在与抑郁症相关的皮层区域（如前扣带皮层）的AHBA基线表达较低。这一结果与SCZ基因下调在视觉、躯体/运动和后顶叶皮层中表达最多的报道相一致，这些都与SCZ患者的神经影像学分析结果有关。
为了探索观察结果的稳定性，我们进行了一个分段分析，将体外失调与抑郁症的AHBA影像表达相关物相关的 (图3D)。对于抑郁症数据，我们将AHBA和Gandal等人的数据集中常见的14,095个可分析基因通过体外基因下调进行排序，并分为40个基因段。每个基因段的平均体外差异表达和体内抑郁表型的平均空间关联被计算，二者然后进行相关分析。该方法在抑郁症数据显示出显著的相关(rs=0.72，p=5.3e-7)，在从每次增加5的10到40的基因分段数选择中保存高度稳定(范围=0.69到0.92，M=0.78)。这种相关性的增加(图3C)可能是由于相对于单基因值来说，基因分段并整合整段基因的估计方法使得噪声减少。我们还观察到对BD的显著效应(rs=0.49，p=1.7e-3)，但在其他疾病不表现出显著的相关关系。总之，这些数据表明，在死后患者组织样本中，基因表达下调的区域更有可能在解剖学和功能上与体内抑郁症指标相关(即皮层厚度的减少、GBC的减少、RSFA的增加)。
图3。体内抑郁相关影像表型与体外基因失调之间的关系。(A)AHBA空间基因表达与六种抑郁相关的解剖和功能神经影像图相关，然后取平均值。(B)使用Gandal等人的死后元分析数据计算标准化病例−对照表达差异。(C)AHBA与抑郁症影像表型图的空间相关性与死后抑郁下调基因特异性相关(r=0.047，p=3.4e-8)，但与其他疾病无关。(D)分段分析显示，抑郁症中基因下调与体内抑郁症的AHBA相关物呈现显著相关(rs=0.72，p=5.3e-7)，这也存在于BD中(rs=0.49，p=1.7e-3)。*p < 0.05. Error bars = 95% CI.
2.4 体内影像表型的细胞相关物
鉴于抑郁症的病理生理学是复杂的，并涉及不同细胞类型之间的相互作用，因此表征抑郁症影像表型的细胞转录相关性是很重要的。利用单细胞表达数据和基因富集技术，以下分析实现了两个目标：1)识别与抑郁症皮层影像表型相关的基因表达的细胞类型，2)识别抑郁症个体死后皮层中下调基因富集的细胞类型。我们采用了多基因方法，因为并非所有细胞类型都具体高度特异性表达的基因标记物(例如，SST中间神经元中的SST)。使用来自Lake 等人的皮层单核液滴测序(snDrop-seq)数据，我们分析了16个转录组定义的细胞类别的基因表达，包括5个中间神经元亚型(即SST、In1、In3、In4、In6)、5个兴奋性神经元亚型(即Ex1、Ex3、Ex4、Ex5和Ex8)和6个非神经元亚型(星形胶质细胞、少突胶质细胞、外周细胞、内皮细胞、小胶质细胞和少突胶质细胞前体[OPC])。该方法得到了16组显著的细胞基因标记物。我们注意到，来自Lake等人的的单细胞数据中，神经元细胞类型远远超过非神经元细胞类型，这可能会影响细胞特异性转录特征的定义。
快速预排序的基因集富集分析(FGSEA)检测了细胞基因标记物的正常AHBA表达与抑郁症的解剖和功能影像标记物的空间相关性是否显著高于偶然相关性。富集评分根据给定细胞类型中的基因数量进行了调整(即，标准化富集评分[NES])。在所有6种影像结果和数据集中，星形胶质细胞、OPC和Ex8兴奋性神经元显著富集了与抑郁相关的神经影像相关的基因(图4A)。根据图2中的先验假设驱动分析，SST中间神经元在六种成像方式中的四种中也呈现显著富集（q < 0.05）。星形胶质细胞特异性基因与抑郁症神经影像相关物表现出最强的空间关联(图4A)，并且在mPFC、前颞叶和岛叶皮层中表达最多(图4C)。与另一种方法相比，FGSEA显示的细胞富集模式是稳定的，后者使用AHBA数据选取细胞特异性基因的皮层表达的平均值(图4C)。例如，图4C显示了346个显著的星形胶质细胞基因标记物的平均AHBA表达量。然后将所有16种细胞类型的平均AHBA细胞表达图与6种抑郁成像图相关联。该方法与FGSEA之间有很强的细胞水平的对应关系(rs = 0.92, p < 2.2e-16)。我们还使用多基因细胞反卷积对结果进行了进一步的技术复制。反卷积衍生的SST中间神经元和星形胶质细胞的推断分布是所有六种模式中空间最相关的两种细胞类型(rsst=−0.26，rast=−0.18)。
上述结果确定了与抑郁相关的神经影像表型相关的空间细胞相关因素。然而，任何给定的细胞类别都可能在抑郁症中保持变化，或表现出基因失调的模式。为了解决这个问题，我们使用Gandal等人的死后数据进行了平行FGSEA分析，以识别抑郁症患者体外皮层组织样本中下调基因富集的细胞(图4D)。大多数细胞的NES值都高于零，表明在几乎所有的细胞标记物中都存在与抑郁相关的下调模式。SST中间神经元(NES=1.97，P=2.5e-09)和星形胶质细胞(NES=1.97，P=8.2e-11)的细胞富集程度最大。然而，星形胶质细胞转录减少并不是精神疾病的一个整体特征，因此星形胶质细胞标记物在SCZ(NES=−3.34)、BP(NES=−3.10)和ASD(NES=−2.09)体外数据中的表达显著增加。综上所述，这些发现揭示了MDD患者皮层中细胞特异性基因表达减少的模式，而SST中间神经元和星形胶质细胞的表达幅度最大。
图4。整合的单细胞分析涉及兴奋性神经元、SST中间神经元和星形胶质细胞。(A)AHBA基因根据与每个抑郁症的MRI表型(如UKB中的皮层厚度、GSP 中的RSFA)的空间相关性进行排序。FGSEA发现星形胶质细胞、OPC和Ex8神经元在所有模式中都呈现富集。将RSFA基因相关系数乘以−1，以匹配皮层厚度和GBC结果的变化方向。暖色表示正富集，每个细胞中的数字是校正后的p值。(B)FGSEA富集图显示，星形胶质细胞基因标记物倾向于与体内抑郁症神经影像图谱存在空间相关性。x轴上的每条黑线都是星形胶质细胞特异性基因的位置。(C)星形胶质细胞基因标记物的AHBA平均表达分数，与每个抑郁成像图谱有显著的空间相关性(ravg=−0.20)。(D)对患者皮层体外组织样本中下调基因的FGSEA分析显示，下调基因广泛富集于不同细胞类别中，但在星形胶质细胞和SST中间神经元中最为显著。
MDD中的细胞相关的异常可能反映了细胞特异通路之间的遗传基因风险，或通过环境或二级效应产生。利用来自Wray等人的GWAS数据，我们检测了抑郁症的多基因风险是否在细胞特异性基因中富集。采用MAGMA（基因注释多标记分析）基因集性质分析和LDSC（关联不平衡评分回归）划分遗传力。单细胞表达数据提供了8种细胞类别的转录特征，分别来自视觉皮层(V1C)和背侧额叶皮层(DFC)，以及来自颞中回(MTG)的复制数据。使用LDSC，我们观察到DFC(q=0.037)和MTG(q=0.046；图5，左)中神经元间特异性基因的多基因抑郁风险显著富集。MAGMA显示了类似的中间神经元富集模式，这在所有三个脑区都是一致的(V1C，q=1.4e-4；DFC，q=1.08e-3；MTG，q=3.4e-6)。MAGMA分析发现了兴奋性神经元的显著富集，而LDSC没有。我们没有在任何非神经元细胞中观察到多基因富集，尽管星形胶质细胞与体内和体外抑郁表型有一致的关联（图4）。
图5。抑郁症的全基因组风险主要富集在抑制性中间神经元，而不是星形胶质细胞。通过（左）LDSC和（右）MAGMA的8种皮层细胞类型进行了多基因细胞富集分析。细胞特异性基因是使用来自MTG、DFC和V1C的数据来定义的。对于LDSC，抑制性神经元间标记物显示抑郁症的多基因风险增加。对于MAGMSA，抑制性和兴奋性基因显示出对多基因抑郁风险的富集，但其作用仅限于从MTG中定义的基因表达。虚线表示错误发现率校正后的p值。
2.5 抑郁症神经影像学转录关联的基因本体论
接下来，我们将描述抑郁症影像表型的转录关联特征是否捕获了临床相关信息，如对特定类别的神经递质的敏感性，或特定信号通路的重要性增加。与之前的方法相匹配，基因富集分析使用与抑郁症神经影像表型相关的基因进行(n=1745；图6)。在分子功能、细胞成分和生物过程本体论类别中，抑郁相关基因列表的前十分位数基因列表具有最多的富集项(图6A)。此外，“抑郁症”和“精神抑郁症”相关的基因与抑郁症神经影像基因相关物前10%的基因有最强的重叠(图6B)。这些效应表明，分子过程与MDD的大规模脑影像相关物存在关联。
与抑郁症患者mPFC中谷氨酸和谷氨酰胺下降的证据一致，与谷氨酸能受体(GO：0008066，q=0.004)和分泌(GO：00104047，q=0.013)相关的基因在前十分位数中明显过多。我们还观察了GABA受体复合物(GO：1902710，q=0.029)和GABA能突触传递(GO：0051932，q=0.041)的富集项，这与之前关于抑郁症患者皮层GABA减少的报道一致。主要的富集结果也显示在单胺类神经递质系统，包括多巴胺相关的基因驱动(GO：0014046；q=0.0098)，组胺分泌(GO：0001821，q=0.036)和5-羟色胺能突触(通路525336，q=0.017)。最后，我们的分析确定了与g蛋白偶联第二信使系统(GPCR；通路1269544，q=0.00059)和下游细胞内信号通路相关的条目，包括cAMP介导的信号通路(GO：0019933，q=0.00033)、ERK1和ERK2级联(GO：00700070371，q=0.043)、MAPK级联(GO：0000165，q=0.017)和异常的Wnt信号通路(GO：0035567，q=0.0044)。这些GPCR激活的细胞内级联是神经肽的神经调节作用的重要介质，这在我们的数据中也发现了显著富集(GO：0007218，q=0.00021)。除SST外，神经肽物质P(TAC1)、胆囊收缩素(CCK)、可卡因和安非他明相关转录子(CARTPT)、甘蓝肽(GAL)以及mu和kappa阿片类药物受体(OPRM1、OPRK1)也发现了显著富集。上述结果提供了关于哪些基因在与抑郁症相关的皮层中优先表达的背景，但应该谨慎解释，因为它们并没有证明这些系统在患者群体中必然会发生改变。
这些数据也与之前涉及抑郁症的基因网络对死后皮层组织的独立分析结果相一致。具体来说，所有抑郁影像指标图都与DUSP6的皮层表达之间存在很强的空间相关性（ravg=−0.365, 240th/17,448=0.003），它抑制ERK通路并且是是抑郁患者mPFC中基因下调的关键枢纽基因。抑郁症相关神经影像结果与EMX1表达相似，EMX1表达在患者群体的mPFC中上调。然而，这些空间效应的方向却恰恰相反(ravg=0.337,17,034th/17,448=0.976)，因此正常的EMX1表达在与抑郁相关的皮层区域中较低(例如，mPFC皮层厚度变薄)。这些发现表明，与抑郁相关的皮层区域的表达差异可能反映了与区域特异性表达的正常模式的差异，但需要更多的数据来验证这一假设。
3.讨论
当前研究揭示了抑郁症的生物学特征，这些特征与疾病的神经影像、细胞和分子相关物联系在一起。对三个人群影像数据集的分析确定了可复制的抑郁和负面情绪相关的解剖和功能的皮层标记物。观察到的抑郁症神经影像学标记物在空间上与全皮层基因表达模式相耦合，这些模式在不同的影像模态和数据集中都是稳定的。体内抑郁症皮层表型的基因相关物与抑郁症患者皮层基因下调的体外模式相关，但与其他比较精神疾病的样本无关。特别是，SST中间神经元和星形胶质细胞的基因标记物与体内抑郁神经影像结果具有一致的空间相关性，并且在抑郁症患者的体外皮层样本中被下调。抑郁症GWAS数据的细胞富集分析显示，神经元间特异性基因中的多基因负担增加，而胶质细胞中没有，这表明某些细胞类别可能对遗传性疾病风险优先敏感。总的来说，我们确定了抑郁症的区域特异的影像标记物，并且当前研究中的跨模态数据强调了SST中间神经元和星形胶质细胞的特殊作用。这些结果提示了干预的潜在生物学靶点，并识别了在与抑郁症相关的皮层方面被过度表达的分子通路。
我们的发现对于理解抑郁症的结构和功能神经影像标记物的细胞关联具有重要意义。先前的抑郁症神经影像学研究揭示了mPFC、sgACC和腹颞叶皮层变薄的微妙模式，并且该特征能够跟踪疾病严重程度。在功能方面，抑郁症与mPFC和sgACC中GBC的减少相关，这延伸到多模态关联皮层的分布。这些改变的细胞基础尚不明确，但可能与GABA能的改变或神经元和胶质细胞的大小和密度减少有关，特别是星形胶质细胞。在这里，星形胶质细胞的多基因特征在体内影像表型和体外基因下调中与抑郁症相关的变化一致相关（图4）。星形胶质细胞影响突触的形成和消除，并调节神经元的通信，部分是通过谷氨酸释放和NMDAR受体激活。因此，抑郁相关的星形胶质细胞异常可能与患者PFC和ACC中谷氨酸水平的降低有关。我们没有发现星形胶质细胞特异性基因的富集于抑郁症多风险基因（图5）；虽然只是推测，但这可能表明观察到的细胞改变是通过与遗传风险不直接相关的环境因素产生的。例如，星形胶质细胞参与神经炎症信号传导，并对细胞因子敏感，而细胞因子也与抑郁症的病因学有关。
越来越多的证据表明，SST中间神经元在抑郁症和情感疾病中具有脆弱性。人类的多尺度研究将SST相关的转录与奖赏相关的皮层纹状体回路以及皮层功能的区域变异联系起来。在这里，SST的多基因标记基因与所有6种抑郁症神经影像表型都具有显著的空间相关性（图2）。并且，SST基因标记物在sgACC、mPFC、前岛叶和颞叶中表达最多（图2），对应于抑郁症皮层厚度变薄、振幅增加和整体功能连接降低的区域（图1）。正如当前研究发现的SST和星形胶质细胞之间的联系，最近的证据表明星形胶质细胞对SST神经元间的活性特别敏感，部分是通过SST与星形胶质细胞GABABR受体的结合来介导的。
在抑郁症中，患者的sgACC和杏仁核中的SST基因表达持续下调。在抑郁症动物模型中，SST神经元间活动的调节实验减少了抑郁行为，并选择性地与啮齿动物的情感状态辨别相关。鉴于有证据表明，SST的表达对脑源性神经营养因子(BDNF)敏感，并且依赖于抑郁相关的cAMP，SST的下降可能反映了神经元活动的差异，而不是细胞形态或数量的改变。这里显示的SST标记物表达的空间图不应该与SST细胞密度的直接测量相结合。然而，恒河猴的数据表明，与外侧PFC相比， CALB1中间神经元的表达密度(SST细胞的一个子集)和神经胶质/神经元的比例最高，这与啮齿动物的数据一致。尽管如此，像SST和NPY这样的神经肽的相对表达差异可能具有重要的功能，因为它们能够影响神经元和胶质细胞的功能。在全脑情感回路中，包括伏隔核、腹侧被盖区、丘脑背中区和前海马，进一步证实了SST的相对表达增加。我们还发现，皮层SST标记物的表达嵌入了基因转录的宏观喙尾梯度中(图2F)，这可能是与皮层的层次组织相关的一个具有生物学意义的特征。未来的工作应该研究抑郁症患者中SST细胞的改变是否在皮层边缘回路中保持一致。
我们的研究结果表明，大脑基因表达的正常模式捕获了关于体内抑郁相关皮层差异的有生物学意义的信息。这些数据与空间基因表达可能反映了对精神疾病、神经发育障碍、正常脑功能和组织的区域敏感性的报告相一致。在这里，我们证明了在死后患者组织样本中，抑郁症影像表型的空间转录相关物与基因下调相关（图3）。有趣的是，抑郁症神经影像的转录信号与AAD中的基因下调呈负相关。尽管有证据表明两种疾病之间存在正的遗传相关，但这一结果与数据显示，相对于非共病酒精滥用，抑郁症患者中的胶质细胞被优先破坏。考虑到死后的转录数据必然反映了疾病，基因相关疾病之间的大脑基因表达的差异可能是由于不同的行为、环境和药物相关因素。总的来说，我们的发现支持了“新兴的转录脆弱性”假说，在这个假设中，具有疾病相关基因高表达的大脑区域更有可能在疾病过程中受到影响。目前的研究结果指向了与抑郁症相关的脑区基因表达增加的特定受体和信号通路，这可能指导生物干预的靶点。虽然我们的数据包括具有不同程度负性情绪的健康年轻人，但目前的分析很大程度上反映了抑郁症的神经成像和转录相关物，这需要神经发育方法前瞻性地识别脆弱的大脑区域和网络。
我们的体内影像分析发现了抑郁症和负性情绪的一致的、但细微的解剖和功能上的相关性（图1）。在UKB数据中观察到的小效应量可能是由于我们的样本的平均年龄相对较大，或使用了自我报告的抑郁症症状。然而，当分析非常大的样本时，零假设显著性检验成为问题，特别是在UKB中，它的被试数达到了10万人。例如，联系大脑和行为特征的线性效应的大小往往是较弱的，通常需要多元技术来解释其多种方差（变异模式），这可能反映了大脑中信息处理的分布性质。这种情况与群体遗传学领域面临的问题相呼应，在群体遗传学领域，单一遗传多态性可能产生短暂的小影响，但全局或全基因组分析解释了相当大一部分的性状变异。未来的工作应该调查疾病相关的神经影像标记物的模式和大小是否因患者亚群而异，或在不同的症状表现或诊断结构中存在差异表达，特别是考虑到在抑郁症患者中显著的症状异质性。
目前的研究存在一些局限性，包括我们只关注于抑郁症的皮层区域而不包括皮层下区域。除了皮层异常外，抑郁症还与海马体和杏仁核的结构异常以及纹状体回路的功能改变有关。还需要更多的研究来将抑郁症的这些异常皮层下区域特征与潜在的转录特征；联系起来。此外，我们对抑郁症细胞富集分析也是保守的，因此我们只检测了广泛的细胞类别（如抑制性中间神经元、少突胶质细胞）。对于单细胞转录组(例如，SST中间神经元、PVALB中间神经元)应该优先进行更细粒度的分析，因为GWAS和单细胞转录组的统计效力都在增加。最后，UKB样本中的抑郁表型反映了发展的抑郁史，而不是与MRI扫描同时出现的症状表现。虽然我们在多个表型和数据集上显示了一致的结果（图1），但对个体症状的更详细的评估可能会确定抑郁亚表型的解剖和功能神经相关因素。
目前分析的一个优势是我们专注于大脑解剖和功能的整体模式。例如，我们的全脑分析显示，与对照组相比，患者的视觉皮层厚度略有增加（图1），这一效应可能被小样本或对选定的大脑区域的假设驱动检查所忽略。有趣的是，这个解剖学特征可能至少部分解释了枕叶皮层功能连接增加的模式。我们还发现，抑郁症和负性情绪与广泛的功能变化有关的，并分离了单模态和跨模态皮层。眶额皮层(OFC)、mPFC和前颞叶的MDD中GBC减少，与视觉皮层内GBC增加形成对比。这些数据支持了先前关于mPFC中GBC减少的小样本的报告，但强调了广泛连接变化的空间模式的存在。在本研究中，抑郁患者跨模态皮层内的RSFA增加，但在单模态区域降低（图1）。值得注意的是，RSFA反映了血管以及神经因素，尽管越来越多的证据表明血氧水平依赖(BOLD)信号的变异是稳健的脑血管变异校正，并于组间的行为变异相关，以具有可遗传的富集于中间神经元相关基因的个体间变异为特定。RSFA和GBC的抑郁变化在空间上呈反相关，这支持了先前的证据，即BOLD信号振幅可以预测受试者内功能连接的变化。总之，这些数据确定了抑郁症和负性情绪中大脑皮层的空间变异模式，提供了一个神经影像的立足点为从中发现其潜在的分子和细胞相关标记物。
4.结论
在这项研究中，我们确定了抑郁症中可复制的解剖和功能神经影像标记物，这为综合的遗传分析提供了基础。在所有影像模式和数据集中，皮层中多基因SST中间神经元标记物的正常表达与抑郁症有显著的空间相关性，这与这种细胞类型在疾病中的重要性假设一致。我们的数据还表明，抑郁症神经影像表型的转录相关物捕获了抑郁症中差异基因表达的整体模式，并在体外患者皮层组织中进行了测量。单细胞基因表达数据的结合显示，SST中间神经元和星形胶质细胞的基因标记物与抑郁症抑郁影像表型具有特别强的空间关联，并且在患者群体的死后组织样本中优先下调。对抑郁症转录特征的富集分析确定了多种生物途径，包括神经肽、GPCR结合以及相关的细胞内MAPK、ERK和cAMP信号通路。总之，这些数据提供了抑郁症生物学的综合概况，涵盖了神经科学水平的分析，将特定的基因、细胞类别和分子途径与疾病的体内影像表型联系了起来。
5.方法
5.1 抑郁表型
UKB。通过影像扫描期间收集的自我报告问题测量抑郁症的发病史。抑郁症的定义遵循了Smith等人的的方法。符合单次发作、中度复发或重度复发性抑郁标准的个体报告。有一段抑郁情绪或快感缺乏症持续一周或一周以上(UKB Fields：4598/4631)，最长的快感缺乏症/抑郁情绪持续两周或两周以上(UKB Fields：4609/5375)。单次发作的抑郁症的特征是只支持一个终身症状期(UKB Fields：4620/5386)和寻求全科医生(GP)或精神病医生的治疗(UKB Fields：2090/2100)。中度复发性和重度复发性抑郁症诊断都需要两次或两次以上的快感缺乏或抑郁情绪症状发作。中度复发性抑郁症的分配需要通过全科医生寻求治疗，而不是精神病医生，而严重复发性抑郁症的分配则相反。单次发作性抑郁症、中度复发性抑郁症和重度复发性抑郁症的分类是相互排斥的。然而，中度和重度抑郁症被重新分类为一个二元指标，并没有分析来自单次发作抑郁症个体的数据。由于症状清单的回顾性自我报告性质，单次MDD发作的参与者被排除在外为减少假阳性率。
Enigma。由Schmaal等人进行的Enigma元分析研究的结果被用于与UKB解剖效应的比较。分析了复发性成人抑郁症与对照组的皮层厚度变化，并将其量化为68个Desikan感兴趣区域的Cohen’s d值。元分析估计控制了性别、年龄和扫描中心站点效应。Enigma对照组的平均年龄为54.57岁(SD=12.88)，而MDD患者的平均年龄为44.75岁(SD=12.02)。
GSP。负性情感的评估方法与Holmes等人使用的方法相同。一个自我报告测量包括五个尺度相关的负面情绪，包括NEO（神经质、外向、开放）神经质量表，行为抑制规模/BAS（行为抑制系统/行为方法系统），报告情绪障碍评估的情绪状态，斯皮尔伯格状态/特质焦虑清单，和气质和性格清单的评估。每个量表的得分在个体间进行z转换，然后进行平均，生成一个负性影响综合得分。
5.2 神经影像处理
UKB。来自UKB的结构和功能MRI数据的预处理使用标准UKB预处理管道(https://git。fmrib.ox.ac.uk/falmagro/UK_biobank_pipeline_v_1)。来自16350人的解剖和功能数据在预处理后可进行分析。数据采集在西门子3TSkyra和32通道接收磁头线圈上。T1加权结构扫描由原始DICOMS（医学数字成像和通信）数据(TR=2000ms，TE=2.01 ms，TI=880 ms，翻转角(FA)=8°，分辨率=1mm3)进行重建。预处理静息态功能核磁共振扫描获得使用多波段梯度回声回波平面成像(EPI)序列(长度=6 min，视野（FOV）=210mm，切片=64，TR=735 ms，TE=39 ms，分辨率=2.4 mm3)。详细的成像协议已发布。如果扫描结果被UKB自动质量控制工具标记为已损坏或“不可用”，则不进行分析。
使用HCP（人类连接体项目）工作台估计了基于皮层表面的RSFA(BOLD时间序列的SD)和功能连接估计。RSFA值在个体内进行z变换。受试者的200×200功能连接估计采用Fisher z变换。GBC计算为一个皮层脑区与所有199个其他脑区的平均相关性。质量控制分析将200个皮层脑区中缺失皮层厚度和静息态时间序列估计的脑区删除。剔除平均皮层厚度、RSFA或GBC大于±3SD的个体。同样，我们在单个脑区水平上发现了异常值，皮层厚度、RSFA或GBC值超过5%的个体被去除。最后，从进一步的分析中，剔除具有异常值(±3SD)的全脑体积或白质病变体积的个体。抑郁症病例状态进行二值化，以确定对照和有中重度抑郁症复发史的个体。报告仅以有单次抑郁症病史的个体未被分析。最终样本包括2136例病例和12084例对照被试（年龄：62.78±7.40岁；女性=53.07%）。
GSP。神经影像和表型数据来自GSP(https://dataverse.harvard.edu/dataverse/GSP)。所有个体均为健康的白人/非西班牙裔血统的年轻成年人，无精神疾病史。影像数据是通过马萨诸塞州总医院和哈佛大学的多个标本Tim Trio扫描仪获得的。我们只分析了使用12通道线圈扫描的个体数据。解剖数据采集采用多回波T1w磁化梯度回波图像(MPRAGE；TR=2200ms；TI=1100ms；TE=1.54 ms；FA=7°；分辨率=1.2mm3；FOV=230)。T2w解剖数据在同一时段使用高采样效率的涡轮旋转回波采集（MPRAGE：TR=2800ms；TE=327 ms；分辨率=1.2mm3；FOV=192）。静息态功能MRI数据采用单个6分钟的梯度EPI序列(TR=3000ms；TE=30 ms；FA=85°；分辨率=3mm3，FOV=216；层数=47；层数数据采集为1、3，……45、47、2、4、...，44、46)。行为和神经影像质量控制导致947人进行后续分析(年龄：18岁至74岁，M=21.8±5.05；女性百分比：54.38；Shipley智商：113.40±8.49)。在任何脑区中，GBC或RSFA缺失的个体数据均未被分析。然后，具有GBC或RSFA异常值(±3SD)的个体，或在全局GBC或RSFA(±4SD)中具有极端异常值(±3SD)的个体被剔除。然后在个体内对RSFA值进行z转换。
5.3 抑郁表型与神经影像之间的回归关系
对200个全脑脑区进行了回归分析。在UKB中，对皮层厚度、RSFA和GBC进行评估，协变量包括性别、年龄、年龄^2、年龄*性别、性别年龄^*性别、总大脑大小、白质强度、自我报告的祖先、遗传估计的祖先（白人/非西班牙裔）、T1逆信噪比（信噪比）、MRI头动和反信噪比、舒张压和收缩压、大脑在扫描仪中的X/Y/Z位置（脑掩模中心质量）和UKB影像采集中心。GSP样本进行相同方式的回归分析预测RSFA和GBC的效应，控制年龄，性别，年龄，年龄^2，年龄*性别，年龄^2*性别，颅内体积，身高、体重、希普利流体智力，教育水平，扫描仪，和扫描仪控制台版本。Cohen’s d效应量估计值使用t统计量和df（自由度）计算：
AHBA。人类基因表达数据来自艾伦研究所，它们来自6名死后捐赠者（1名女性），年龄为24岁至57岁（年龄为42.5±13.38岁）。去除没有Entrezid的探针的数据，将每个供体的探针噪声量化为皮层中阈值以上样本的数量除以总皮层样本计数。对所有6个供体进行了探针平均计算，用于去除少于20%的皮层样本中表达的探针。如果一个基因存在多个探针，则选择平均表达量最高的探针进行进一步分析，得到17,448个脑表达基因。所有分析都根据耶鲁大学人体实验委员会的指导方针进行。
单个的皮层组织样本被映射到每个AHBA供体的freesurfer生成的皮层表面。将原始空间中的皮层空间转化为一个共同的fsLR32k空间，同时保持每个供体的原始皮层几何形状。将每个组织样本的原始体素坐标映射到最近的表面顶点。如果一个皮层组织样本距离最近的表面顶点大于4mm，则不进行分析，从而得到1,683个可分析的皮层样本。然后在Schaefer等人的17个网络功能分割的200个大致对称的表面roi中取表达式的平均值。在移除与AHBA皮层样本没有重叠的包裹后，仍有173个roi可供分析。为了与Enigma的皮层厚度数据进行比较，我们还根据68个脑区Desikan的图谱总结了基因表达。
5.4 单细胞转录富集分析
我们使用snDrop-seq UMI计数对视觉(BA17)和背额叶皮层(BA6/9/10)的细胞进行单个细胞类型的转录标记，细胞来自基因表达综合系统(GSE97942)。初始过滤后，以确保去除在少于3个细胞中表达的基因，以及在少于200个表达基因的细胞中表达的基因。根据总表达值以及测序平台和处理批次的协变量，对每个细胞的表达值进行表准化。使用了来自Lake等人预定义的皮层细胞类型，确定了存在于额叶和视觉皮层的16个细胞类型。
使用FGSEA进行细胞富集分析。基于额叶和视觉皮层Lake数据的显著阳性差异表达，确定了细胞特异性基因（q≤0.05）。然后对每种神经影像方式(即皮层厚度、RSFA、GBC)和数据集(即UKB、enigma、GSP)进行细胞水平FGSEA分析。使用表准化的AHBA表达数据鉴定每个影像表型的基因转录关联。也就是说，每个基因的皮层表达与抑郁神经影像标记物存在空间相关性。RSFA值乘以−1，以对齐皮层厚度和GBC结果的方向。根据与抑郁影像标记物的空间相关性，FGSEA的排序基因列表按降序排列。我们报告了NESs用来计算每个细胞标记组的基因数量。使用单细胞RNAseq数据作为复制数据（57）。
5.5 AHBA与抑郁相关的神经影像表型的空间相关性
AHBA表达数据与六种与抑郁相关的神经影像表型均存在空间相关性(Spearman’s)。我们专门研究了SST中间神经元的基因标记物(CORT、NPY、SST)是否与抑郁症的解剖和功能相关物存在空间相关。考虑到AHBA表达数据之间的空间自相关性，我们使用基于自旋的置换检验来评估每个表达与影像相关物的相关显著性。我们还进行了多种基于基因的置换，以确定SST基因标记和每个抑郁相关影像表型之间的关联强度。第一种置换从17445个表达基因(不包括CORT、NPY、SST)中随机选择基因三联体(10000次)。第二种置换根据Lake等人的单细胞数据(不包括SST中间神经元标记)，从1609个基因中选择基因三联体(10000次)。第三种置换策略从相同的1609个标记基因中选择基因；然而，每个三联体是由同一细胞类型的重要标记基因组成的(10000次)。
5.6 不同精神疾病的差异表达
分析了Gandal等人差异表达的元分析估计(https://github。com/mgandal/Shared-molecular-neuropathology-across-major-psychiatric-disordersparallels-polygenic-overlap)。基因表达值在使用线性混合模型计算差异表达之前进行了标准化，以提供标准化的beta系数。Beta系数表明一个基因在给定的精神病人群中上调或下调的程度。分析包括来自MDD、ASD、BD、AAD和SCZ患者的皮层表达数据。
5.7 单细胞抑郁症的 GWAS富集
我们使用Wray等人的GWAS检测了抑郁症的多基因风险是否在细胞特异性基因中富集。采用MAGMA和LDSC分析测定富集量。用来自V1C、DFC和MTG的单细胞数据检测基因表达的细胞特异性。使用EWCE（表达加权细胞型富集）R包来定量细胞特异性表达。每个细胞的基因被分成十分位数，从最多特异性表达到最少特异性排序。对每个数据集和细胞类型的最高基因十分位数进行了富集统计。MAGMA分析遵循渡边等人的研究。我们计算了每种细胞类型的平均基因表达，并将整体的基因表达，包括所有细胞，作为协变量。这种方法也在基因的分段分析中得到了验证。
5.8 基因本体论富集分析
前十分位数的Topgene被用于鉴定抑郁症基因的生物富集本体。根据平均AHBA空间相关性对基因进行排序，在6种抑郁相关的神经成像图谱上平均。然后比较每个基因十分位数的富集项的数量，分为主要的本体论类别（生物过程、细胞成分等）。我们举例说明了在一组限定的富集类别中富集的特定基因(图6C)。每个富集项的相似性定义为两个类别之间重叠基因的数量。然后对该相似性矩阵进行分层聚类，以识别具有相似富集项的聚类。如果这些基因存在于多个富集类别中则这些基因会被选择。
参考文献：Convergent molecular, cellular, and cortical neuroimaging signatures of major depressive disorder