GIANT：创新脑图谱，解锁大脑成像基因组学新奥秘

《Nature Communications》：A genetically informed brain atlas for enhancing brain imaging genomics

在脑成像基因组学研究中，传统神经解剖学定义的脑图谱存在局限，阻碍了后续全基因组关联研究（GWAS）的发现力。研究人员开展了关于开发基因信息脑图谱（GIANT）的研究。结果显示，GIANT 在多方面优于传统图谱，这有助于理解大脑结构的遗传基础，推动相关疾病的药物研发和个性化医疗。

　　大脑，作为人体最为神秘复杂的器官，一直吸引着众多科研人员不断探索。随着大规模脑成像基因组学研究的推进，如 ENIGMA 和英国生物银行（UK Biobank）项目，人们有了更多机会去探究大脑的奥秘，发现了许多与大脑功能和结构相关的遗传变异。这些发现对于理解疾病病因、生物通路以及指导药物研发意义重大，有望推动个性化医疗的发展。

然而，在研究过程中，传统的神经解剖学定义的脑图谱，像 Desikan 图谱，暴露出了明显的问题。这类图谱仅考虑了神经解剖学变异，却未充分考虑遗传相关性，这在很大程度上限制了后续全基因组关联研究（GWAS）的发现能力，使得科研人员难以更深入地探究大脑的遗传奥秘。

为了突破这一困境，来自美国宾夕法尼亚大学佩雷尔曼医学院等多个机构的研究人员展开了深入研究。他们提出了基因信息脑图谱（Genetically Informed brAiN aTlas，GIANT），旨在通过一种基因引导的方法对人类大脑进行分区，以更好地理解大脑形态的遗传基础。该研究成果发表在《Nature Communications》上。

研究人员开展此项研究时，运用了多种关键技术方法。在数据来源上，使用了来自英国生物银行（UKBB）和阿尔茨海默病神经影像学倡议（ADNI）的个体基因分型和 T1 加权磁共振成像（MRI）数据。在分析方法上，开发了一种基于贝叶斯模型的遗传性感知脑分区算法，该算法利用高斯混合模型和伊辛先验来整合遗传信息和空间信息；还进行了全基因组关联分析（GWAS），以探究基因与大脑区域特征的关联。

研究结果如下：

• 图谱绘制与验证：研究人员设计了一个遗传性感知脑分区模型，将大脑划分为 50 个感兴趣区域（ROIs），创建了 GIANT 图谱。通过与其他基因信息脑图谱对比，GIANT 图谱在结构稳定性、测试 - 重测可靠性和灰质 / 白质同质性方面表现出色，其调整兰德指数达 0.91，调整互信息得分达 0.93，证明了其作为神经解剖学脑图谱的有效性。
• 增强成像基因组学能力：GIANT 图谱在 SNP 遗传性对比、区域 SNP 遗传性和多基因性方面均有显著提升。例如，GIANT 图谱的区域 SNP 遗传性估计值显著高于传统图谱，在 UKBB 白色英国发现队列中，GIANT 图谱每个 ROI 平均能识别 61.72 个显著独立 SNP，而 MUSE 图谱仅能识别 36.59 个，这表明 GIANT 在脑成像基因组学研究中具有更强的发现能力。
• 遗传结构解析：研究全面评估了 GIANT 的遗传结构。通过分析，确定了 773 个显著的区域 - 基因组位点关联，发现大多数 lead SNPs 位于非编码区域。还发现 GIANT 区域与多种表型特征存在关联，如大脑测量、惯用手、BMI 调整的腰臀比等，这为理解大脑相关疾病的遗传机制提供了新线索。

在研究结论和讨论部分，GIANT 图谱的优势得到了充分体现。它通过整合 SNP 遗传性和空间邻近性信息，为脑成像基因组学研究提供了更强大的工具。与传统脑图谱相比，GIANT 图谱在多个方面表现更优，极大地提高了研究大脑神经影像学遗传基础的能力，有助于发现新的治疗靶点，推动大脑相关疾病的基因引导药物研发和个性化医疗发展。

不过，该研究也存在一定的局限性。比如，成像伪影和分割误差可能影响 GIANT 图谱的性能；研究主要基于欧洲血统个体的数据，未来需要更多样化的数据集来进一步优化模型。但总体而言，这项研究为大脑成像基因组学领域开辟了新的道路，为后续研究奠定了坚实基础，具有重要的科学价值和临床应用潜力。