通过单核RNA测序比较恒河猴和小鼠扣带皮层神经元的分子分类学特点

灵长类动物和啮齿类动物皮层分子分类学比较研究报告

大脑结构复杂,无论在分子组成还是细胞组成方面都显示出了高度的复杂性。目前关于大脑分子分类学的研究主要基于啮齿类动物。然而,尽管灵长类和啮齿类动物有共同的祖先,它们在75百万年前通过不同的进化路径分化。因此,仅通过研究其他物种并不能完全解释灵长类动物独特的认知能力。此前,基因表达谱跨物种分析主要集中在海马体和前额叶皮层。

作者与发表信息

本文由Lei Zhang、Yanyong Cheng、Zhenyu Xue、Shihao Wu和Zilong Qiu等人共同撰写,并发表在2024年的Neuroscience Bulletin期刊上。主要研究单位为上海交通大学医学院附属第九人民医院麻醉科、中国科学院神经科学研究所、国家重点实验室等。

研究背景与目的

本研究关注带状皮层中的前扣带皮层(anterior cingulate cortex, ACC)和回顾下皮层(retrosplenial cortex, RSC)的分子分类学。ACC和RSC在皮层结构上跨物种表现出同源性,并且存在相互间的突触连接,参与调控认知和社会行为。然而,现有关于这些脑区分子组成的研究大部分基于啮齿类动物,而不完全适用于灵长类。因此,研究灵长类动物和啮齿类动物这些脑区的分子分类学有助于了解它们在认知功能和病理过程中的差异与共性。

研究方法与流程

研究采用单核RNA测序技术(single-nucleus RNA sequencing, snRNA-seq),以两个恒河猴和六只小鼠的ACC和RSC组织为研究对象。具体流程如下:

  1. 样本采集与处理:从恒河猴和小鼠的ACC和RSC区域采集组织,进行snRNA-seq分析。
  2. 细胞类型鉴定与分群:通过已知的细胞类型标记基因,鉴定出抑制性神经元、兴奋性神经元、星形胶质细胞、少突胶质细胞、前体细胞和小胶质细胞六种主要细胞类型。使用t-SNE算法进行细胞分群分析。
  3. 细胞亚群与基因功能分析:将兴奋性神经元根据皮层层特异性标记进一步分为L2/3、L2/3/4、L4和L5/6四个亚型;将抑制性神经元分为SST、PV、VIP和SV2C四个亚型,并进行基因本体(Gene Ontology, GO)分析。
  4. 基因差异表达分析:分析ACC和RSC间差异表达基因(DEGs),并通过rna荧光原位杂交(FISH)验证不同物种间的表达标记基因。

研究结果

  1. 细胞类型与分群:恒河猴和小鼠ACC和RSC中分别获得80,484和16,164个转录组。t-SNE分析显示,在不同物种和脑区中细胞的分群状况。

  2. 兴奋性与抑制性神经元的分子特征

    • 兴奋性神经元:根据皮层层特异性标记分为L2/3、L2/3/4、L4和L5/6四种亚型。结果显示,恒河猴ACC和RSC中兴奋性神经元的分布模式显著不同。
    • 抑制性神经元:分为SST、PV、VIP和SV2C四种亚型。抑制性神经元在ACC和RSC中的转录特征大致相同。
  3. 基因差异表达分析:在兴奋性神经元中,发现ACC和RSC之间存在显著多的差异表达基因(如PCDH17、PHGFC、CDH4等);在抑制性神经元中,这种差异较少。

  4. 跨物种分析:使用无偏t-SNE分析发现,恒河猴和小鼠在ACC和RSC中的兴奋性神经元亚型分布和标记基因表达存在明显差异。在恒河猴中,这些区域的兴奋性神经元转录特征差异显著,而在小鼠中这种差异并不明显。

研究结论

本研究通过snRNA-seq技术,描绘了灵长类和啮齿类动物ACC和RSC区域的分子图谱。发现灵长类动物和啮齿类动物在这些细脑区域的兴奋性和抑制性神经元的转录特征存在显著差异。这些结果为理解灵长类特异性功能和跨物种脑区功能的信息整合提供了重要的分子基础。

研究意义

本研究通过单核RNA测序揭示了灵长类和啮齿类动物在ACC和RSC脑区的分子特征差异,丰富了我们对脑区特异性功能的理解。这些分子标记的鉴定为新型遗传工具开发提供了基础,如转录和表观遗传调控的靶点。此外,细胞组成和分子特征的研究可以为我们理解这些脑区的生物学功能提供重要的见解。

研究亮点与不足

  1. 研究亮点:首次系统性地比较了灵长类和啮齿类ACC和RSC区域的分子特征,特别是发现了灵长类兴奋性神经元在不同脑区的显著差异,这对于进一步研究灵长类独特的认知功能具有重要意义。
  2. 研究不足:由于样本数量和组织获取的限制,本研究仅包括两只恒河猴和六只小鼠,未来需增加样本数量和多年龄段的样本以提高研究结果的普遍性和准确性。

其他重要内容

本研究在为灵长类与啮齿类转录组学研究提供分子框架的同时,也为进一步的功能研究奠定了基础,如转录和表观遗传的调控。此外,本文报告的基因表达数据和代码均公开在Gene Expression Omnibus和GitHub平台上,为后续研究提供了便利。