一批PET map来袭

最新推荐文章于 2024-10-04 22:36:54 发布

懒麻蛇

最新推荐文章于 2024-10-04 22:36:54 发布

阅读量729

点赞数

文章标签：人工智能 python 大数据机器学习编程语言

本文链接：https://blog.csdn.net/lazysnake666/article/details/122552095

版权

本文其实从去年就开始酝酿，一直没动手写。没想到PET map相关的研究发展迅速，马上就要和AHBA的基因表达分析一样烂大街了。本文简单梳理了关于PET map最近的一些应用和进展，这些资源和思(tao)路足够用来封装一个看起来高大上的文章了。

2020年BP的文章，具体做的什么不重要，亮点是该文使用了9个receptors/transporters的PET map做了相关。

Seven dopamine and serotonin receptors (dopaminergic: D1 and D2/D3; serotonergic: 5-HT1A, 5-HT1B, and 5-HT2A) and transporters (dopamine transporter and serotonin reuptake transporter [5-HTT]), together with F-DOPA (a reflection of presynaptic dopamine synthesis capacity) and the GABAergic GABAA receptor were investigated.

结果表明，作者通过某种手段发掘出来的phenotype和D1多巴胺受体和5-羟色胺再摄取转运体的密度和多巴胺合成能力有关。

与此同时，作者将这些PET map整理并制作了一个matlab的工具包JuSpace，帮你算相关，文章发表在了HBM上。这些map通过已发表的PET研究中获得。

去年下载了该软件分享了12个PET map，最近补充了很多之后再讲。

2021年Jama Psychiatry的文章，一个不复杂的longitudinal研究。结果表明，青少年时期使用大麻与神经发育的改变有关，特别是在富含大麻素1受体的皮层，并且在青少年中期到晚期经历了与年龄有关的最大厚度变化。作者用了CB1 Receptor map和canabis-related cortical thinning做了相关。

需要注意的是，以上的文章都没有考虑sptail autocorrelation对结果的影响，也就是说他们都没有做spin test。直到2021年中旬，很多关于sptial null的文章陆续发表后，JuSpace的作者也赶快为软件打上了补丁。

2021年OHBM看到的poster，作者整理了24个PET map，做了一些相关的分析。给一作发邮件，作者说文章preprint之后共享PET map，几个月后文章online，没想居然还记得要通知我。之后他们还将这些map贡献到了JuSpace，所以现在JuSpace有了20多个PET map。基于这一批整理好的PET map，该实验室出了一系列的文章（下面5-7）

Poster的文章，实际的分析和Poster中展现的略为不同，比如增加了ENIGMA的effect size maps，增加了3个map等。

9个神经递质系统的18个受体和转运体的map，总共涉及>1200名健康被试

研究使用DTI和fMRI，发现神经递质受体的profile与结构和功能连接保持一致，并遵循共同的组织原则。

脑磁图结果表明，神经递质受体profile--特别是快速作用的离子型受体--塑造了振荡性神经动力学。

Neurosynth元分析认知图谱，PLS做多元分析发现了一个受体profile的地形梯度，将外在的和内在的心理过程分开。之前有个文章做了类似的分析，用的gene expression map和Neurosynth做相关发到了Nature Human Behavior。

ENIGMA的effect size map不能少，发现了既有的和新的receptor-disorder的联系。

使用PET和自动放射成像模式，全面测试了9个不同的神经递质系统中总共27个神经递质受体、受体结合点和转运体的表达-密度关联。结果发现，除了四个单蛋白代谢受体（5-HT1A、D2、CB1和MOR）外，所有神经递质受体和转运体的基因表达和密度之间的空间对应关系都很差。作者推荐建议在将神经递质系统与大脑结构和功能做相关时，使用受体和转运体密度这些更为直接的测量。代码：https://github.com/netneurolab/hansen_gene-receptor

一个基于python的工具包，能想到或者想不到的map都有了。还有9种建立spatial null的方法供你使用，来源于该组Neuroimage那篇对比不同spatial null的文章。

几种psychiatric disorder的结果图找shared pattern，然后和Bigbrain的microstructure做相关，还有就是PET maps。结果发现共同的疾病维度与皮质的微观结构梯度和内在连接性以及神经递质系统，特别是5-羟色胺和多巴胺密切相关。这个文章使用的PET map还是JuSpace初级版本中分享的，数量远不及Justine等人release的PET map，不过可以视为PET map使用的一个实例了。

看summary根本不知道他们做了什么，graph abstract似乎是再说PET map + gene expression + gene-set enrichment + cell types (t-SNE)。

结果就是PET那些内容和哪些cell type有关。本文gene-set enrichment 到cell type那一步值得一看。另外一种cell type的分析可以做virtual histology analysis。

这个文章作者里居然出现了一个PET Template Working group，却不共享PET map，相比之下还挺搞笑的。

最后不得不提的是，各种gene expression，receptor map都可以用来帮助解释研究中找到brain phenotype，但是这并没有打破fMRI的作为宏观测量的局限，所得到的结果也都只是相关。例如发现疾病的brain map和钾离子通道基因表达有空间相似性，解释的时候也只能是推测和脑补，并不能说清楚机制到底是什么，仅仅一个离子通道的特性复杂到够写几本书。讽刺的是，这样的相关分析极有可能出自一批毫无genetic或者biology背景的人员。因此需要合理使用、看待这些maps及相关结果。