综合生物信息学方法识别精神分裂症状中关键线粒体自噬基因

摘要

目的 利用3D脑类器官的单细胞及外周血转录组数据，结合机器学习，深入分析线粒体自噬基因在精神分裂症（schizophrenia,SCZ）中的作用。方法 结合两种机器学习算法，通过外周血RNA测序数据，识别精神分裂症和健康对照组之间表达存在差异的线粒体自噬相关基因，探讨线粒体自噬基因与免疫细胞和炎症因子间的相互关系；利用单细胞综合分析，探讨基于线粒体自噬基因的信号通路和特异性转录因子。结果 通过机器学习，鉴定了7个在精神分裂症患者中表达的关键线粒体自噬基因。基于Mitoscore分析，在单细胞层面，现高线粒体自噬活性的神经元（Mitohigh＿Neuron）通过SPP1信号通路与内皮细胞形成新的相互作用。结论 鉴定了精神分裂症患者中两种具有线粒体自噬特征的亚型及7个关键线粒体自噬基因，为理解该病的发病机制提供新的视角。

关键词

精神分裂症 / 线粒体自噬 / 神经元 / 单细胞测序 / 机器学习

基金资助

云南省精神心理疾病临床医学研究中心（202102AA100058）; 昆明理工大学医学联合专项（KUSTYX2022002）