要点
问题：患者来源神经元的突触缺陷能否预测精神分裂症患者大脑回路和认知障碍的个体差异？
发现：在一个整合了超过500名参与者的磁共振成像、脑电图和认知数据，以及供体匹配的诱导多能干细胞来源神经元体外表型分析的多尺度框架中，我们发现兴奋性突触密度降低和转录组特征能够预测个体在体的大脑结构、电生理和认知改变，为精神分裂症中从突触缺陷到认知障碍提供了机制联系。
意义：该研究建立了一个从突触生物学到个体临床表型的患者特异性桥梁，为基于机制的靶点和药物发现提供了路线图。
摘要
重要性：虽然越来越多的证据表明突触功能障碍是精神分裂症认知障碍的关键病理生理机制，但尚不清楚突触连接的个体化改变如何转化为相应的神经回路功能障碍和认知缺陷。
目的：验证患者来源的兴奋性神经元转录组和突触密度的遗传驱动变异是否能够解释个体在体的大脑形态、电生理和认知障碍的变化。
设计、设置和参与者：这项多模态病例对照研究整合了两个独立队列（精神分裂症患者和健康对照者，共461人）的深度临床表型（磁共振成像、脑电图和认知评估）以及供体匹配的诱导多能干细胞来源的神经元（80人）。应用机器学习、转录组插补和反向动态因果模型来连接细胞和系统水平的表型。数据收集于2014年9月16日至2023年11月10日，分析于2022年1月至2026年1月进行。
主要结局和措施：主要结局是细胞表型（基因表达、突触密度）与个体水平的大脑结构、电生理和认知之间的关联。
结果：该多尺度转化框架在两个独立队列的461名精神分裂症患者和健康对照者中实施。在两个队列中（队列1：平均年龄35.1岁，标准差11.6岁，46名女性参与者，占31.1%；队列2：平均年龄36.9岁，标准差11.7岁，140名女性参与者，占44.57%），精神分裂症的认知障碍与多个脑区（特别是右侧背外侧前额叶皮层）的特定灰质体积减少，以及伽马频段电生理活动紊乱相关。重要的是，遗传驱动的神经元基因表达模式和体外突触密度的个体水平差异，能够预测在体的大脑结构（队列1：r=0.39，95%置信区间0.21-0.55，P<.001；iPSC：r=0.31，95%置信区间-0.07至0.60，P=.049；队列2：r=0.23，95%置信区间0.07-0.37，P=.003）、电生理（θ波：r=0.19，95%置信区间0.04-0.32，P=.05；γ1波：r=0.17，95%置信区间0.028-0.31，P=.005；γ2波：r=0.22，95%置信区间0.07-0.35，P<.001）和认知（队列1：r=0.76，95%置信区间0.66-0.83，P<.001；iPSC：r=0.77，95%置信区间0.57-0.89，P<.001；队列2：r=0.17，95%置信区间0.02-0.32，P=.02）表型的宏观尺度改变，为精神分裂症中从突触缺陷到认知障碍提供了机制联系。
结论和相关性：这些发现为精神分裂症中遗传驱动的基因表达改变、突触功能障碍与大规模脑和认知表型之间建立了一个患者特异性的联系。该多尺度框架为认知障碍的基于机制的分层和精准靶点识别奠定了基础。
引言
越来越多的证据表明，精神分裂症的认知缺陷部分源于突触功能障碍，后者由遗传和环境触发机制共同引起，并破坏了大脑回路的微观和宏观连接。全基因组关联研究已识别出数十个涉及突触功能和神经递质传递的风险基因。此外，荟萃分析一致显示，精神分裂症个体多个脑区（包括背外侧前额叶皮层）存在结构性灰质体积减少。重要的是，死后和动物研究表明，灰质体积变化主要近似于树突体积和突触密度的减少。相反，精神分裂症的脑电图研究揭示了异常的θ波和γ波频段，反映了神经同步性的破坏，这与该疾病特征性的工作记忆、注意力和执行功能等认知缺陷有关。
然而，尽管在多尺度上有所发现，但这些结果在很大程度上仍然脱节，中间表型与潜在神经生物学机制之间的关联仍不清楚。
基于诱导多能干细胞（iPSC）的个性化疾病模型提供了一项关键技术，用于在体外剖析精神分裂症中疾病相关的分子机制。这些模型捕获了其供体的全部（多）基因风险谱，并允许评估其在疾病相关细胞类型中的联合分子和细胞效应。我们最近发现，替代性多聚腺苷酸化是导致精神分裂症iPSC来源神经元突触密度减少的一种遗传驱动机制，且独立于小胶质细胞修剪。最重要的是，iPSC提供了一个独特的机会，将微观的分子和细胞水平变化与宏观的中间表型联系起来。建立这样的联系将使iPSC技术成为精神分裂症中个性化和基于靶点干预的有力桥梁。
在此，我们提出了一个旨在整合分子、细胞和系统水平宏观回路变异的转化研究框架，以揭示精神分裂症认知障碍的神经生物学基础。具体来说，我们将两个独立队列的深度多模态表型分析（包括磁共振成像、脑电图和神经认知评估）与来自重叠供体的分子特征化iPSC来源神经元、机器学习预测的遗传调控转录组以及反向个性化动态因果模型（rpDCM）相结合。这种独特的多尺度方法使我们能够验证，兴奋性神经元和突触的遗传驱动细胞自主变异是否能够解释个体在皮质结构、电生理和认知表现上的差异。
结果
精神分裂症认知障碍相关的结构性脑改变
为了确定区域特异性突触密度变化的行为后果，我们将灰质体积的改变视为近似指标。基于先前的证据表明精神分裂症存在结构性脑改变，我们假设区域特异性的灰质体积变化可能特别有助于解释作为一个关键临床表型的认知障碍。为了验证这一假设，我们试图在两个深度表型队列中识别精神分裂症认知改变的多模态特征及其与区域特异性结构性灰质体积脑改变的联系。在发现队列中，稀疏偏最小二乘算法识别出两个显著的特征，每个特征代表表型（认知和临床参数）和结构性灰质体积脑模式的不同组合。
与文献一致，第一个衰老特征代表了广泛性灰质体积减少的大脑模式。第二个精神分裂症神经认知特征，独立于衰老特征已捕获的年龄效应，识别出精神分裂症个体，涵盖信息处理、言语长期记忆、认知灵活性和工作记忆的显著认知障碍，以及更高的疾病严重程度。这种神经认知模式与大脑模式相关，主要涉及颞叶前部区域、右侧脑岛、右侧背外侧前额叶皮层、杏仁核和海马体的灰质体积减少，并主要映射到默认、边缘、控制和突显网络。重要的是，该特征与性别无关。
通过将验证队列2的参与者数据投影到在队列1中独立训练的稀疏偏最小二乘特征上，我们能够揭示队列2中认知和大脑评分也显著相关。因此，我们成功确认了精神分裂症神经认知特征的泛化性，尽管两个队列在应用的认知任务和磁共振成像扫描仪方面采用了不同的研究方案。
重要的是，潜在的脑和认知评分——即精神分裂症神经认知特征的个体负荷——在精神分裂症患者中显著更高。最后，较高的认知（功能障碍）评分和脑评分都与较低的就业率相关，而较高的认知评分则与较低的整体功能评估评分相关。
总之，稀疏偏最小二乘分析识别出一个精神分裂症神经认知特征，该特征捕获了与认知功能关键宏观回路内灰质体积损失模式相关的严重认知障碍的可重复概况。
患者水平神经元转录组与大脑中间表型的关联
两种评分与精神分裂症多基因风险评分的显著相关性表明，精神分裂症神经认知特征在我们欧洲血统的队列中捕获了疾病的特质特异性方面。值得注意的是，认知评分与精神分裂症多基因风险评分的关联强于脑评分，这表明精神分裂症神经认知特征的临床神经认知模式与其大脑模式相比，更接近特质驱动的变异。
基于这些发现以及我们之前识别精神分裂症突触功能障碍分子机制的iPSC研究，我们假设遗传驱动的神经元相关基因表达模式改变促成了该特征的出现。因此，我们使用了已建立的iPSC队列，该队列由精神分裂症患者和健康对照者组成，其供体与转化队列1和队列2的子集重叠。此前，我们描述了队列水平的体外分化成诱导性兴奋性锥体神经元，产生了一个深度表型的个性化疾病模型库，包括全转录组图谱。诱导性兴奋性神经元的差异化分在两个中心进行重复批次，以考虑技术差异。重要的是，对iPSC和分化的诱导性兴奋性神经元的广泛质量分析显示，病例对照细胞培养条件、成熟状态或诱导性兴奋性神经元培养物的总体健康状况没有差异。
首先，我们利用转录组插补的概念，使用机器学习从个体水平基因型预测了诱导性兴奋性神经元中的基因表达模式。重要的是，诱导性兴奋性神经元中预测的和310个经验测量的差异表达基因之间的差异表达基因模式在精神分裂症和健康对照者之间是相关的，75%的名义显著基因表现出一致的作用方向。
接下来，我们探讨了诱导性兴奋性神经元差异表达基因的分子变异是否与精神分裂症认知特征的宏观尺度中间表型相关。我们使用重复嵌套交叉验证流程中的支持向量回归模型，用队列1中精神分裂症患者和健康对照者的插补差异表达基因谱预测了个体脑和认知评分，排除了经验测量转录组谱的个体。这种方法揭示了在发现队列中，插补的诱导性兴奋性神经元差异表达基因具有预测个体认知和脑评分的能力。
将训练好的支持向量回归模型应用于一个持有出的经验测量差异表达基因而非插补转录组谱的患者样本，验证了预测性能。同样，在验证队列2中的复制分析证实了基于诱导性兴奋性神经元转录组的认知和脑评分预测的泛化性。值得注意的是，这些结果对经验确定的诱导性兴奋性神经元差异表达基因特征集是特异的，因为插补和经验差异表达基因诱导性兴奋性神经元数据集都显著优于在随机化诱导性兴奋性神经元基因集上训练的100个模型，以及我们先前发表的模型。
有趣的是，诱导性兴奋性神经元差异表达基因在突触相关生物过程中显著富集，并且基于MAGMA的基因分析揭示了与精神分裂症GWAS的直接关联。此外，基于注释的预测基因特征分析揭示了310个差异表达基因（精神分裂症-健康对照者）中的相当一部分对个体认知和脑评分的预测有所贡献，包括几个神经递质传递相关基因，如钙电压门控通道亚基α1 A和先前与神经元和认知功能相关的突触后蛋白DACT1。
总体而言，这些发现表明，来自个性化iPSC疾病模型的插补和经验测量的分子特征的变异可以部分解释精神分裂症相关表型的变异。此外，它们暗示了突触基因表达的改变是认知障碍的重要促成因素。总之，这些发现支持了区域性灰质体积减少部分源于突触改变的假设。
脑结构改变的电生理后果
为了验证神经元活动变化伴随灰质体积改变的假设，我们评估了精神分裂症神经认知特征与大脑电生理静息态脑电图（闭眼）活动模式之间的联系，后者反映了突触后电位的总和。与先前发现一致，对队列1和队列2中可用的静息态脑电图的分析显示，精神分裂症患者θ波功率增加，γ1和γ2功率降低。
基于支持向量回归的预测，从匹配患者的静息态脑电图-功率谱密度预测精神分裂症神经认知特征的个体脑和认知评分，揭示了神经生理与大脑结构以及认知之间的关联。有趣的是，这种联系很大程度上由θ波和γ波范围的变异驱动。在空间上，这些变化定位于相邻的电极F8、F4和T4，其中F8是最具预测性的特征，捕获了右侧背外侧前额叶皮层的大脑活动，该区域强烈参与执行功能和工作记忆。
这些关于电生理水平的发现与精神分裂症神经认知特征在右侧背外侧前额叶皮层的强烈区域负荷一致，该区域显示出与认知障碍相关的显著灰质体积减少。
为了进一步将宏观尺度的电生理变化与其潜在的分子基础联系起来，我们使用诱导性兴奋性神经元差异表达基因（精神分裂症-健康对照者）插补转录组数据，进行了基于支持向量回归的精神分裂症相关静息态脑电图-功率谱密度（θ波、γ1和γ2波）预测。该分析揭示了遗传决定的插补基因表达模式在诱导性兴奋性神经元中与个体θ波、γ1和γ2波静息态脑电图-功率谱密度变异性的显著关联。将这些模型应用于iPSC队列中经验测量的诱导性兴奋性神经元转录组，复制了对个体γ1和γ2波静息态脑电图-功率谱密度的预测。此外，差异表达基因变异与γ1波脑电图频段功率之间的联系在F8电极水平上也显而易见，后者反映了右侧背外侧前额叶皮层的神经元活动。重要的是，插补的诱导性兴奋性神经元差异表达基因（精神分裂症-健康对照者）中的相当一部分预测了个体静息态脑电图-功率谱密度变异性，包括几个关键的突触基因，如SHANK3或NLGN2。
总之，这些分析将分子过程的个体间变异（这些变异有助于突触功能和大脑结构）与患者水平的电生理变化联系起来。
个体突触密度与患者电生理的关联
然而，尽管基于神经影像的区域性脑结构改变与突触密度减少之间存在一致联系，但基因表达水平变化、潜在的细胞后果以及患者水平中间和临床表型的相应差异之间仍存在机制上的空白。我们假设，患者来源的体外神经元网络突触密度的差异构成了一个合适的细胞内表型，与回路水平电生理的个体差异相关。为了验证这一假设，我们修改了Adams及其同事的动态因果模型方法，他们在独立于我们研究的队列中，通过计算机模拟研究了不同的突触密度参数，以重现患者水平的脑电图功率谱。在这个rpDCM中，我们使用iPSC来源的神经元网络来提供个体体外突触密度的经验评估，以预测个体在体的静息态脑电图-功率谱密度水平。我们分析了电生理活跃的诱导性兴奋性神经元来源神经元网络中突触前扣结标记物SYN1的频率，作为功能性突触密度的近似测量。为此，对42名个体（21名精神分裂症患者，21名健康对照者）的诱导性兴奋性神经元神经突中的SYN1密度进行了免疫组化定量。该分析显示细胞培养条件没有差异，但但该分析显示细胞培养条件没有差异，但发现精神分裂症患者中兴奋性突触的平均密度显著降低了12.4%，且独立于其供体的临床（共）变量。然后，我们使用诱导性兴奋性神经元突触密度来模拟同一患者个体的静息态脑电图-功率谱密度水平，将rpDCM中所有兴奋性突触权重设置为经验观察到的相对密度。为了测试模型特异性，我们改变了rpDCM参数，发现只有所有突触或兴奋性突触的调节与脑电图发现一致，而仅抑制性突触或兴奋性突触连接子集的调节则不然。
这种rpDCM模拟的静息态脑电图功率谱在质量上重现了经验性静息态脑电图的组间差异，包括θ波和γ波频率范围内的显著差异。除了组间差异，我们检测到在C3、C4和F8电极处，个体水平模拟和经验性静息态脑电图-功率谱密度在γ1范围内存在名义上显著的关联，其中后者通过了多重检验校正，从而在突触密度变异与右侧背外侧前额叶皮层γ1波静息态脑电图-功率谱密度变化之间建立了个体内的生物物理联系。
讨论
这项研究弥合了精神分裂症中兴奋性神经元突触缺陷与个体大脑结构、电生理和认知障碍变化之间的转化鸿沟。我们的精神分裂症神经认知特征识别出一种灰质体积减少的模式，可能反映了突触和树突复杂性的丧失，其中右侧背外侧前额叶皮层贡献显著。这种大脑模式与认知障碍相关，并与电生理改变（特别是γ波频率范围）相关联。
虽然iPSC建模功能强大，但仍然是耗时且成本高昂的瓶颈。为了在我们深度表型队列中扩展多模态整合，我们使用基因型数据在计算机中插补了基因表达谱。我们使用了兴奋性诱导性兴奋性神经元，它们在精神分裂症中显示出显著的基因表达改变和突触密度降低，从而实现了遗传驱动的个体细胞自主变异向个体大脑回路、电生理和认知变化程度的个体内转化。
通过反向调整Adams及其同事独立于我们队列建立和训练的DCM，我们的rpDCM方法表明，兴奋性神经元的突触缺陷与精神分裂症中改变的神经生理学有关。在反映右侧背外侧前额叶皮层活动的F8电极处，γ1波功率谱密度与突触密度的关联最强，这与我们多模态研究中跨尺度的证据一致：右侧背外侧前额叶皮层显著参与了稀疏偏最小二乘分析得出的精神分裂症神经认知特征，并驱动了脑电图-脑评分关联。这与右侧背外侧前额叶皮层以及较低γ波频段功率在精神分裂症认知障碍中的既定作用一致。
重要的是，我们的结果与兴奋性突触功能减少逐渐导致局部皮质去抑制的假说一致。比较我们rpDCM的不同配置发现，只有所有突触或仅兴奋性突触的调节才能重现静息态脑电图-功率谱密度组间差异，而仅抑制性调节则未能做到，这支持了兴奋性神经元对观察到的脑电图功率变化的贡献。因此，通过将患者特异性的兴奋性神经元分子和突触缺陷与精神分裂症的中间表型联系起来，我们的多层建模支持了长期存在的谷氨酸假说——假设兴奋性神经传递被破坏——以及Feinberg的突触假说。
局限性
尽管有令人鼓舞的发现，但存在几个局限性。首先，建模仅限于兴奋性神经元。未来的改进应纳入精神分裂症中涉及的不同细胞类型，包括快速放电的GABA能中间神经元——对γ振荡至关重要——以及胶质细胞，以丰富转化疾病模型。此外，扩展可以在体内和体外评估的转化表型组，如连接性测量（例如，任务和静息态功能磁共振成像和多电极阵列）或神经递质浓度测量（例如，磁共振波谱、代谢组学），将是进一步推进这种个体内转化方法的重要前提。
其次，虽然所研究的iPSC供体的诱导性兴奋性神经元成熟状态是相当的，但未来需要纵向研究来确定所识别的分子和突触缺陷是在早期发育还是后期成熟过程中出现。
第三，iPSC模型没有考虑环境因素对精神分裂症的影响，如围产期感染、营养缺乏、物质使用、创伤和压力，这些因素可能与遗传易感性相互作用，从而塑造大脑结构和功能。我们的结果表明，突触病理学在这些宏观尺度变化中起上游作用，但更全面的理解需要整合环境变量。
第四，尽管我们的遗传插补方法具有优势，但其泛化性仍然较差，需要更大的诱导性兴奋性神经元队列来提高该策略的解释能力和泛化性。因此，建立具有匹配iPSC的更大规模的转化深度表型队列（大于200人）将有助于获得足够的检测能力并减轻精神分裂症中高水平的临床异质性。此外，我们开发的模型的泛化性仍然有限，这可能是由于队列间不同的表型分析方案、不同的磁共振成像扫描仪以及iPSC培养和分化水平的实验差异。
结论
总之，我们这项遗传关联研究的结果支持一个整合模型，其中遗传易感性通过改变突触基因的表达，导致关键皮质和皮质下区域的兴奋性突触密度降低。这些突触密度的细胞水平变化，可能被环境因素放大，进而导致广泛的结构性和功能性脑改变，包括γ波功率降低，从而导致精神分裂症的认知障碍。
这项概念验证研究建立了一个普遍适用的策略，以弥合体外建模的细胞内表型与体内临床中间表型之间的差距。通过使用机器学习策略和rpDCM将iPSC来源的细胞数据与临床影像、脑电图和认知图谱联系起来，我们概述了未来生物标志物发现和精准精神病学的策略。最终，多层转化框架可以加速为精神分裂症认知功能障碍开发靶向的、基于机制的治疗方法。
【全文结束】